论文部分内容阅读
无线传感器网络(WSN)作为一种集成了嵌入式计算、传感器、网络和无线通信等技术的新一代通信技术,已在各个领域得到广泛的应用。其中,网络能耗问题目前是限制其发展的一项关键因素,研究表明,数据传输阶段的网络能耗最大,相邻传感器节点采集的原始数据具有很高的冗余性,所以,将数据融合技术引入无线传感器网络,可以有效地提高数据传输效率,降低网络能耗。本文采用将神经网络与无线传感网络相结合的方式来实现网内的数据融合。首先,将竞争型神经网络Hamming网络模型应用在LEACH协议上,提出了一种基于Hamming网络的改进的LEACH协议(CNN-LEACH),在选举簇首节点时,将节点距离基站的距离、节点剩余能量和邻居节点数目作为依据,采取竞争机制从众多节点中选出获胜节点；在数据传输阶段,根据相邻簇首节点之间的距离和邻居簇首节点的剩余能量选择下一跳节点,同时也允许通过中间节点进行多跳通信,使得整个网络的能耗负载更加均衡。其次,将BP神经网络算法应用在无线传感器网络的簇内数据融合之中,提出了一种基于改进的PSO算法的BP优化算法(SMPSO-BP),用神经网络的训练过程来实现簇内的数据融合。该算法涉及到两部分内容：第一,在PSO算法的基础上引入了分期变异的概念,形成了SMPSO算法,第二,用SMPSO算法代替原有的BP学习算法,在保证微粒多样性的同时加快全局的收敛性。最后,将CNN-LEACH分簇路由协议与SMPSO-BP算法结合,实现无线传感器网络的数据融合过程。本文在NS2平台上,针对CNN-LEACH协议和SMPSO-BP算法在不同的场景下进行了仿真实现,并与其他典型算法进行对比分析。结果表明,SMPSO-BP算法在收敛性上确实优于其他算法,CNN-LEACH协议与原有的LEACH协议相比,确实能在一定程度上平衡网络的能耗负载；将CNN-LEACH协议与SMPSO-BP算法相结合,能够有效地减少无线传感器网络中的冗余数据,降低传感器节点的能耗,延长网络的生命周期。