WSN节点的多传感器信息融合技术研究
发布时间：2022-12-10 19:08
无线传感器网络（Wireless sensor networks,WSNs）技术具备感知、数据处理、存储和无线通信等综合处理能力,具有涉及学科多、知识面广和应用范围大等特点,是构建智能感知环境的主要技术支撑。随着传感器技术、无线通信技术和物联网技术的迅速发展,对WSN技术的研究得到了进一步的深入。WSN节点作为网络的最前端,其数据处理能力对网络的安全性、高效性和智能性等有着重要的影响。论文以WSN节点作为研究对象,着重对多传感器信息融合技术相关理论和算法进行研究,主要工作包括:（1）对WSN和多传感器信息融合的相关知识做了简要介绍,提出一种基于距离矢量的多传感器信息决策算法。该算法利用传感器信息决策特点,结合系统评价标准,通过对支持度矩阵的归一化处理,得出优势度函数,经规范化后对决策结果进行排序,取值最大为最优解方案。同时,定义了区分度函数,为算法评价提供科学依据。仿真分析表明,该方法在传感器信息决策中识别区分度均达到0.5以上,在计算过程中避免了对传感器数据的概率赋值,相对于其他在决策中需要对传感器数据进行概率赋值的算法,具有明显优势。（2）提出采用幂均算子与D-S证据理论的数据融合...
【文章页数】：50 页
【学位级别】：硕士
【文章目录】：
中文摘要
abstract
第一章 绪论
1.1 研究背景及意义
1.2 问题的提出
1.2.1 WSN研究进展现状
1.2.2 多传感器信息融合技术研究进展
1.3 论文的主要内容
1.4 本章小结
第二章 WSN与多传感器信息融合相关技术
2.1 WSN结构
2.2 WSN网络节点
2.2.1 WSN网络节点组成
2.2.2 传感器模块
2.2.3 处理器模块
2.2.4 无线通信模块
2.2.5 能量供应模块
2.2.6 存储模块
2.3 多传感器信息融合技术
2.3.1 多传感器信息融合特点
2.3.2 多传感器信息融合的功能模型
2.3.3 多传感器信息融合级别
2.3.4 处理结构
2.3.5 多传感器信息融合过程
2.3.6 多传感器信息融合主要技术和方法
2.4 本章小结
第三章 基于距离矢量的多传感器信息决策算法
3.1 多传感器信息决策模型
3.2 算法原理
3.2.1 单属性信息融合算法
3.2.2 多属性信息融合算法
3.3 基于距离矢量的多传感器决策算法
3.4 仿真算例
3.5 本章小结
第四章 基于幂均算子与D-S证据理论的多传感器信息融合算法
4.1 多传感器决策信息融合模型
4.2 幂均算子
4.3 D-S证据理论
4.4 算法改进
4.4.1 数据预处理
4.4.2 D-S证据理论融合过程
4.5 案例分析
4.6 本章小结
第五章 总结与展望
5.1 总结
5.2 工作展望
参考文献
致谢
个人简历
在校期间的研究成果及发表的学术论文清单
【参考文献】：
期刊论文
[1]基于蚁群优化的WSN网络数据融合算法[J]. 丁华. 沈阳工业大学学报. 2020(02)
[2]基于SVDD和D-S理论的曲轴轴承故障诊断[J]. 张懿,崔佳. 重庆理工大学学报(自然科学). 2019(11)
[3]基于前景理论和证据推理的混合型多属性决策方法[J]. 罗承昆,陈云翔,顾天一,项华春. 国防科技大学学报. 2019(05)
[4]Data Fusion Algorithm Based on Fuzzy Sets and D-S Theory of Evidence[J]. Guangzhe Zhao,Aiguo Chen,Guangxi Lu,Wei Liu. Tsinghua Science and Technology. 2020(01)
[5]基于改进D-S证据理论的导弹控制系统完好性评估[J]. 李远冬,岳瑞华,丁宸宇,蒲俊,顾凡. 电光与控制. 2020(02)
[6]融合高阶信息的社交网络重要节点识别算法[J]. 闫光辉,张萌,罗浩,李世魁,刘婷. 通信学报. 2019(10)
[7]SNDQ-WISE:一种新的基于SDWSN的QOS路由协议[J]. 汤季,谭小波,朱腾. 沈阳理工大学学报. 2019(04)
[8]基于改进Jousselme证据距离的多传感器决策融合方法[J]. 张雅媛,孙力帆,郑国强. 仪表技术与传感器. 2019(07)
[9]基于高阶马尔可夫链WSN低时延调度算法[J]. 孔凡凤,陈曦,宋燕辉,欧红玉. 科技通报. 2019(05)
[10]冲突证据决策新方法及应用[J]. 赵静,关欣,刘海桥. 北京航空航天大学学报. 2019(09)
硕士论文
[1]无线传感器网络覆盖与资源优化研究[D]. 张青.西安邮电大学 2018
[2]基于无线传感器网络的矿区大气质量监测系统[D]. 娄鹏飞.西安邮电大学 2018
[3]基于无锚节点的无线传感器网络系统设计[D]. 李永彪.西安电子科技大学 2018
[4]基于D-S证据理论的无线传感器网络数据融合[D]. 刘雨岑.北京交通大学 2017
本文编号：3717354
【文章页数】：50 页
【学位级别】：硕士
【文章目录】：
中文摘要
abstract
第一章 绪论
1.1 研究背景及意义
1.2 问题的提出
1.2.1 WSN研究进展现状
1.2.2 多传感器信息融合技术研究进展
1.3 论文的主要内容
1.4 本章小结
第二章 WSN与多传感器信息融合相关技术
2.1 WSN结构
2.2 WSN网络节点
2.2.1 WSN网络节点组成
2.2.2 传感器模块
2.2.3 处理器模块
2.2.4 无线通信模块
2.2.5 能量供应模块
2.2.6 存储模块
2.3 多传感器信息融合技术
2.3.1 多传感器信息融合特点
2.3.2 多传感器信息融合的功能模型
2.3.3 多传感器信息融合级别
2.3.4 处理结构
2.3.5 多传感器信息融合过程
2.3.6 多传感器信息融合主要技术和方法
2.4 本章小结
第三章 基于距离矢量的多传感器信息决策算法
3.1 多传感器信息决策模型
3.2 算法原理
3.2.1 单属性信息融合算法
3.2.2 多属性信息融合算法
3.3 基于距离矢量的多传感器决策算法
3.4 仿真算例
3.5 本章小结
第四章 基于幂均算子与D-S证据理论的多传感器信息融合算法
4.1 多传感器决策信息融合模型
4.2 幂均算子
4.3 D-S证据理论
4.4 算法改进
4.4.1 数据预处理
4.4.2 D-S证据理论融合过程
4.5 案例分析
4.6 本章小结
第五章 总结与展望
5.1 总结
5.2 工作展望
参考文献
致谢
个人简历
在校期间的研究成果及发表的学术论文清单
【参考文献】：
期刊论文
[1]基于蚁群优化的WSN网络数据融合算法[J]. 丁华. 沈阳工业大学学报. 2020(02)
[2]基于SVDD和D-S理论的曲轴轴承故障诊断[J]. 张懿,崔佳. 重庆理工大学学报(自然科学). 2019(11)
[3]基于前景理论和证据推理的混合型多属性决策方法[J]. 罗承昆,陈云翔,顾天一,项华春. 国防科技大学学报. 2019(05)
[4]Data Fusion Algorithm Based on Fuzzy Sets and D-S Theory of Evidence[J]. Guangzhe Zhao,Aiguo Chen,Guangxi Lu,Wei Liu. Tsinghua Science and Technology. 2020(01)
[5]基于改进D-S证据理论的导弹控制系统完好性评估[J]. 李远冬,岳瑞华,丁宸宇,蒲俊,顾凡. 电光与控制. 2020(02)
[6]融合高阶信息的社交网络重要节点识别算法[J]. 闫光辉,张萌,罗浩,李世魁,刘婷. 通信学报. 2019(10)
[7]SNDQ-WISE:一种新的基于SDWSN的QOS路由协议[J]. 汤季,谭小波,朱腾. 沈阳理工大学学报. 2019(04)
[8]基于改进Jousselme证据距离的多传感器决策融合方法[J]. 张雅媛,孙力帆,郑国强. 仪表技术与传感器. 2019(07)
[9]基于高阶马尔可夫链WSN低时延调度算法[J]. 孔凡凤,陈曦,宋燕辉,欧红玉. 科技通报. 2019(05)
[10]冲突证据决策新方法及应用[J]. 赵静,关欣,刘海桥. 北京航空航天大学学报. 2019(09)
硕士论文
[1]无线传感器网络覆盖与资源优化研究[D]. 张青.西安邮电大学 2018
[2]基于无线传感器网络的矿区大气质量监测系统[D]. 娄鹏飞.西安邮电大学 2018
[3]基于无锚节点的无线传感器网络系统设计[D]. 李永彪.西安电子科技大学 2018
[4]基于D-S证据理论的无线传感器网络数据融合[D]. 刘雨岑.北京交通大学 2017
本文编号：3717354
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3717354.html
