648
浏览基于深度学习的WSN分簇路由算法研究
摘要:在当下的信息时代中无线传感器网络(Wireless Sensor Network,WSN)发挥着无以取代的作用。微型传感器节点被安置在监控区域中,由于其能量有限,节点会因能量用尽失去作用,对网络运行造成很大的影响。节点在无线通信模块能量消耗大,所以改进路由协议是降低节点能耗的一种有效手段。因此,在保证网络正常完成工作的同时,只能通过减少节点能耗的方式来延长网络的运行时间。经典的LEACH协议利用分簇的思想,节点轮流担任簇头,在一定程度上节约了能量。所以本文在LEACH协议的基础上进行的改进,本文主要的研究内容如下:(1)针对LEACH协议网络分簇时出现分簇不均匀的问题,本文用聚类算法对网络均匀分簇,避免了网络出现极大簇和极小簇的情况。(2)LEACH通过产生的随机数来选取簇头,没有将能量和距基站的距离等因素纳入考虑的范围,一旦低能量节点或离基站较远的节点被再次选为簇头,加快了该节点的死亡速度,影响了网络的正常运行。针对上述问题,在簇头选取时引入了竞争神经网络,同时考虑了节点能量和到基站的距离等因素,遵循胜者为王的原则,利用竞争神经网络模型竞争选取最佳簇头。(3)在LEACH协议中选择簇头后,簇头为簇内节点分配传输数据的时隙,如果节点没有采集到数据,会造成网络时隙的浪费。这里引入了轮询机制,有效地利用网络带宽。簇头负责簇内数据的融合任务,但没有提到具体的数据融合方法,本文引入了深度学习模型。利用逐层贪婪的方法训练深度自编码器来提取数据的特征,融合冗余的数据,使通信过程中数据的传输量变少了,从而节省了网络能量。(4)在LEACH协议中簇头向基站通过单跳的通信方式来传输数据,距离基站较远的簇头消耗的能量比较多,本文将以单跳和多跳相结合的通信方式向基站传输数据。最后在MATLAB平台上做了仿真实验,根据网络的三个指标来比较本文算法与三种对比算法的性能,仿真结果表明了本文算法有效的均衡了网络的能量,拓展了网络生存时间。
关键词:无线传感器网络;数据融合
文章目录
摘要
Abstract
1 绪论
1.1 课题研究的目的与意义
1.2 无线传感器网络的研究现状
1.3 无线传感器网络数据融合研究现状
1.4 本文研究内容与结构
2 相关理论和技术基础
2.1 无线传感器网络
2.1.1 无线传感器网络体系结构与特点
2.1.2 无线传感器网络路由算法概述
2.1.3 无线传感器网络路由算法分类
2.2 传感器网络的数据融合
2.2.1 数据融合技术
2.2.2 数据融合的作用
2.2.3 数据融合的分类
2.3 神经网络
2.3.1 神经网络概述
2.3.2 神经网络模型
2.3.3 基于神经网络的数据融合
2.4 本章小结
3 基于LEACH改进的路由算法
3.1 引言
3.2 LEACH算法
3.3 网络能耗模型
3.4 基于LEACH算法的改进
3.4.1 网络成簇阶段
3.4.2 簇头数目的确定
3.4.3 选取簇头阶段
3.4.4 网络数据通信阶段
3.5 仿真结果及分析
3.6 本章小结
4 基于深度自编码器数据融合算法设计
4.1 引言
4.2 深度自编码器
4.2.1 自编码器模型
4.2.2 贪婪逐层训练
4.3 基于深度自编码器模型的数据融合算法
4.3.1 深度自编码器应用于WSN中的关键问题
4.3.2 基于深度自编码器的数据融合模型
4.4 本章小结
5 数据融合的仿真实现
5.1 数据集与仿真参数
5.2 仿真结果与分析
5.2.1 网络中存活节点数
5.2.2 网络的剩余能量
5.2.3 网络中数据通信量
5.2.4 不同网络规模的对比
5.3 本章小结
结论
工作展望
参考文献
[1]基于改进粒子群的BP神经网络WSN数据融合算法[J]. 王虹,徐佑宇,谭冲,刘洪,郑敏. 中国科学院大学学报. 2020(05)
[2]基于深度学习模型的WSN路由协议算法[J]. 王丽红,邵慧. 齐齐哈尔大学学报(自然科学版). 2019(02)
[3]基于环境能量自供电的无线传感器节点设计[J]. 屈辰,陶然,李刚. 科技创新导报. 2018(26)
[4]基于深度自编码器的WSN数据融合算法[J]. 潘琢金,秦蓓,罗振,杨华. 计算机工程与设计. 2018(05)
[5]改进的WSN节能分簇多跳路由算法[J]. 韩芳,靳宗信,张亚娟. 计算机系统应用. 2017(11)
[6]无线传感器网络分簇算法综述[J]. 徐晶晶,张欣慧,许必宵,孙知信. 计算机科学. 2017(02)
[7]基于FPGA WSN轮询接入控制协议的研究[J]. 刘龙军,丁洪伟,柳虔林,刘正纲. 通信学报. 2016(10)
[8]基于BP神经网络和蚁群的WSN分簇算法的研究[J]. 王改云,胡锦艳. 现代电子技术. 2015(17)
[9]基于深度学习的无线传感器网络数据融合[J]. 邱立达,刘天键,傅平. 计算机应用研究. 2016(01)
[10]无线传感器网络中基于数据融合树的压缩感知算法[J]. 黄海平,陈九天,王汝传,张永灿. 电子与信息学报. 2014(10)