文档介绍：南京邮电大学
硕士学位论文
传感器网络中的数据融合算法研究
姓名:刘晖
申请学位级别:硕士
专业:测试计量技术与仪器
指导教师:陈小惠
2011-01-06
南京邮电大学硕士研究生学位论文摘要
摘要
传感器网络在军事、工业、农业和商业领域中已经得到了广泛的应用。为了保证传感器
网络的覆盖率,在传感器网络中会布置大量的冗余节点。对这些冗余节点发出的信息进行数
据融合,可以有效减少节点数据收发量,减少节点能量消耗,有效的延长网络使用寿命,所
以说数据融合在传感器网络中具有非常重要的作用。
把传感器不同时刻发送的数据类型作为粗糙集的样本空间,提取其传感器典型数据形成
粗糙集的条件属性;利用某传感器在某时间范围可以代表某一组群的传感器构成粗糙集中的
决策属性,把约简后的条件属性所构成的传感器典型数据作为样本送入到 kohonen 聚类网络
进行聚类,聚类中心数就是融合的分布状态数,最终形成粗糙集-kohonen 融合算法。
通过添加对粒的空间拓扑结构描述,把粗糙集理论过渡到商空间理论,然后和 kohonen
神经网络结合形成新的融合算法,即商空间-kohonen 融合算法;采用添加数据融合层协议来
完成对传感器拓扑结构的支持,使得商空间-kohonen 融合算法传感器网络中获得成功应用。
词计算由词来描述粒对象,构成基本模糊粒;采用一个实例进行了词计算运算过程的演
示研究;把传感器初始测量数据各类型的状态设为初始态、最终状态设为终止态,形成了一
个54× 54 的状态转移矩阵,实现了词计算在传感器网络中的应用。
仿真实验表明:添加了拓扑结构的商空间-kohonen 神经网络融合算法比粗糙集-kohonen
神经网络融合算法拥有更快的速度,其形成的融合分布数目少于粗糙集-kohonen 神经网络融
合算法,即融合率略微低于粗糙集-kohonen 融合算法;词计算融合算法生成的融合分布数目
是可以控制的,该算法可以快速得出传感器聚类的某些简单分布,其计算量随分布数目增加
成指数形式增长。
关键词:粒计算,粗糙集,商空间,词计算,TinyOS

I
南京邮电大学硕士研究生学位论文 Abstract
Abstract
works have been widely used in military, industrial, agricultural mercial areas.
In order to ensure coverage of works, works will be arranged in a large number
of redundant nodes. Data fusion can effectively reduce the amount of data transceiver, reduce node
energy consumption and prolong work life. So data fusion is a very important role in sensor
networks. The algorithm is the main content of the data fusion.
This article attempts to send the sensor data types at different times as a rough set of sample
space. Use typical sensor data as rough sets condition attribute. Use a sensor on behalf of a group
sensors in some time as a rough set of decision attribute. Cluster them in kohonen work.
The number of cluster centers is the distribution of the number of fusion. Eventually get a rough
set-kohonen algorithm.
Base on the above algorithm, this article try to add topological structure to the granular space.
Make rough set theory transited to quotient space theory. Then get a new algorithm: quot