數(shù)據(jù)融合技術(shù)概述

1、數(shù)據(jù)融合是WSN中非常重要的一項(xiàng)技術(shù)，也是目前的一個(gè)研究熱 點(diǎn)，通過(guò)一定算法將采集到的數(shù)據(jù)進(jìn)行各種網(wǎng)內(nèi)處理，去除冗余信息， 減少數(shù)據(jù)傳輸量，降低能耗，延長(zhǎng)網(wǎng)絡(luò)生命周期。本文以從降低傳輸 數(shù)據(jù)量和能量方面對(duì)數(shù)據(jù)融合方法進(jìn)行分類，介紹其研究現(xiàn)狀。與路由相結(jié)合的數(shù)據(jù)融合將路由技術(shù)和數(shù)據(jù)融合結(jié)合起來(lái)，通過(guò)在數(shù)據(jù)轉(zhuǎn)發(fā)過(guò)程中適當(dāng) 地進(jìn)行數(shù)據(jù)融合，減輕網(wǎng)絡(luò)擁塞，延長(zhǎng)網(wǎng)絡(luò)生存時(shí)間1。1.1查詢路由中的數(shù)據(jù)融合定向擴(kuò)散(directed diffusion)作為查詢路由的代表，數(shù) 據(jù)融合主要是在其數(shù)據(jù)傳播階段進(jìn)行，采用抑制副本的方法，對(duì)轉(zhuǎn)發(fā) 過(guò)的數(shù)據(jù)進(jìn)行緩存，若發(fā)現(xiàn)重復(fù)數(shù)據(jù)將不予轉(zhuǎn)發(fā)，該方法有很好的能 源自適應(yīng)

2、性，但是他只能在他選擇的隨機(jī)路由上進(jìn)行數(shù)據(jù)融合，并不 是最優(yōu)方案。1.2分層路由中的數(shù)據(jù)融合Wendi Rabiner Heinzelman等提出了在無(wú)線傳感器網(wǎng)絡(luò)中使用 分簇概念，其將網(wǎng)絡(luò)分為不同層次的LEACH算法：通過(guò)某種方式周 期性隨機(jī)選舉簇頭,簇頭在無(wú)線信道中廣播信息，其余節(jié)點(diǎn)檢測(cè)信號(hào) 并選擇信號(hào)最強(qiáng)的簇頭加入，從而形成不同的簇。每個(gè)簇頭在收到本 簇成員后進(jìn)行數(shù)據(jù)融合處理，并將結(jié)果發(fā)送給匯集節(jié)點(diǎn)。LEACH算法 僅強(qiáng)調(diào)數(shù)據(jù)融合的重要性，但未給出具體的融合方法。TEEN是LEACH 算法的改進(jìn)，通過(guò)緩存機(jī)制抑制不需要轉(zhuǎn)發(fā)的數(shù)據(jù)，進(jìn)一步減少數(shù) 據(jù)融合過(guò)程中的數(shù)據(jù)亮。1.3鏈?zhǔn)铰酚芍械臄?shù)據(jù)

3、融合Lindsey S等人在L EACH的基礎(chǔ)上,提出了 PEGASIS算法5海個(gè)節(jié)點(diǎn)通過(guò)貪婪算法找到與其最近的鄰居并連接，從而整個(gè)網(wǎng)絡(luò)形成 一個(gè)鏈，同時(shí)設(shè)定一個(gè)距離Sink最近的節(jié)點(diǎn)為鏈頭節(jié)點(diǎn)，它與Sink進(jìn) 行一跳通信。數(shù)據(jù)總是在某個(gè)節(jié)點(diǎn)與其鄰居之間傳輸，節(jié)點(diǎn)通過(guò)多跳 方式輪流傳輸數(shù)據(jù)到Sink處，位于鏈頭節(jié)點(diǎn)和源節(jié)點(diǎn)之間的節(jié)點(diǎn)進(jìn) 行融合操作，最終鏈頭節(jié)點(diǎn)將結(jié)果傳送給匯聚節(jié)點(diǎn)。鏈?zhǔn)浇Y(jié)構(gòu)使每個(gè) 節(jié)點(diǎn)發(fā)送數(shù)據(jù)距離幾乎最短，比LEACH節(jié)能，但增大了數(shù)據(jù)傳送的平 均延時(shí)，和傳輸失敗率。PEDAP (power efficient data gathering and aggregation pr

4、otocol)協(xié)議進(jìn)一步發(fā)展了PEGASIS協(xié)議，其核心 思想是把WSN的所有節(jié)點(diǎn)構(gòu)造成一棵最小匯集樹(shù)(minimum spanning tree)。節(jié)點(diǎn)不管在每一輪內(nèi)接收到多少個(gè)來(lái)自各子節(jié)點(diǎn)的數(shù)據(jù)包， 都將壓縮融合為單個(gè)數(shù)據(jù)包，再進(jìn)行轉(zhuǎn)發(fā)，以最小化每輪數(shù)據(jù)傳輸?shù)?總能耗。然而,PEDAP存在難以及時(shí)排除死亡節(jié)點(diǎn)(非能量耗盡)的缺 點(diǎn)?；跇?shù)的數(shù)據(jù)融合現(xiàn)有的算法有最短路徑樹(shù)(SPT)、貪婪增量樹(shù)(GIT)、近源匯 集樹(shù)(CNS)和Steiner樹(shù)以及他們的改進(jìn)算法。Zhang 7提出 DCTC(dynamic convey tree based collaboration)算法。通過(guò)目標(biāo) 附近

5、的節(jié)點(diǎn)協(xié)同構(gòu)建動(dòng)態(tài)生成樹(shù),協(xié)同組節(jié)點(diǎn)把測(cè)量數(shù)據(jù)沿確定的生 成樹(shù)向根節(jié)點(diǎn)傳輸,在傳輸過(guò)程中，匯聚節(jié)點(diǎn)對(duì)其子生成樹(shù)節(jié)點(diǎn)的數(shù) 據(jù)進(jìn)行數(shù)據(jù)融合。Luo 8-9 了MFST (minimum fusion steiner t ree) 算法，用于在WSN中以數(shù)據(jù)融合方式進(jìn)行高效節(jié)能的數(shù)據(jù)收集。文中 考慮了數(shù)據(jù)傳輸開(kāi)銷和數(shù)據(jù)融合開(kāi)銷，并且根據(jù)節(jié)點(diǎn)產(chǎn)生的數(shù)據(jù)量來(lái) 選擇融合數(shù)據(jù)點(diǎn)，還提出提出了 AFST (adaptive fusion steiner t ree)算法，該算法對(duì)MFST算法進(jìn)行了改進(jìn)，不僅優(yōu)化數(shù)據(jù)傳輸路由， 而且在節(jié)點(diǎn)轉(zhuǎn)發(fā)數(shù)據(jù)時(shí)，動(dòng)態(tài)決定是否進(jìn)行數(shù)據(jù)融合來(lái)進(jìn)一步減少總 的能量開(kāi)銷。Min D

6、ing等人提出基于節(jié)點(diǎn)剩余能量的EADAT io立和維護(hù)一顆組 播樹(shù)，來(lái)減少?gòu)V播信息數(shù)量，關(guān)閉書(shū)中頁(yè)子節(jié)點(diǎn)的射頻單元，只有非 葉子節(jié)點(diǎn)參與數(shù)據(jù)融合和響應(yīng)，有效地降低了非葉子節(jié)點(diǎn)的能耗，延 長(zhǎng)了網(wǎng)絡(luò)壽命?；谛阅艿臄?shù)據(jù)融合為使網(wǎng)內(nèi)數(shù)據(jù)融合更加有效，要求數(shù)據(jù)在傳送時(shí)要喲一定時(shí)間延 遲。如何將最大融合延遲合理地分配到各個(gè)融合節(jié)點(diǎn)上，使融合效果 達(dá)到最佳。Brute-Force算法ii，將最大融合延遲時(shí)間分配到各個(gè)融合節(jié) 點(diǎn)上，但算法太復(fù)雜，超出無(wú)線傳感網(wǎng)絡(luò)能力。除數(shù)據(jù)延遲性能外，研究人員還對(duì)數(shù)據(jù)融合中其他性能問(wèn)題 進(jìn)行了深入研究。Jerry Zhaoi2 等人探討了連續(xù)計(jì)算融合對(duì)網(wǎng)絡(luò)性能的影響，并

7、提出樹(shù)結(jié)構(gòu)建立算法，可針對(duì)部分融合函數(shù)進(jìn)行高能效計(jì)算，實(shí)驗(yàn)表 明，通過(guò)丟棄高丟包率和非對(duì)稱性鏈路，可大大提高結(jié)果的準(zhǔn)確性。Athanassions boulisi3探討了無(wú)線傳感網(wǎng)絡(luò)中數(shù)據(jù)融合的能 耗和結(jié)果準(zhǔn)確性之間的平衡問(wèn)題，針對(duì)周期性融合問(wèn)題，提出利用個(gè) 節(jié)點(diǎn)數(shù)據(jù)之間的時(shí)空相關(guān)性作為融合估計(jì)值得思想，建立了能耗和準(zhǔn) 確性的折中準(zhǔn)則。Ignacia solism 等人討論了在傳感器網(wǎng)絡(luò)中進(jìn)行數(shù)據(jù)融合的時(shí) 序模型，及節(jié)點(diǎn)向上層節(jié)點(diǎn)轉(zhuǎn)發(fā)數(shù)據(jù)前，應(yīng)當(dāng)?shù)却嚅L(zhǎng)時(shí)間以便接受 完整數(shù)據(jù)，比較采用三種不同融合方法(即Periodic Simple Aggregation,Periodic Per-hop

8、Aggregation和Peridic Per-hop Adjusted Aggregation)時(shí)的性能差異。研究表明，根據(jù)節(jié)點(diǎn)在融合 樹(shù)中的位置來(lái)設(shè)置時(shí)序可得到較理想的效果。Tri Pham15 提出 DAQ( Data Aggregation Quality,數(shù)據(jù)聚集質(zhì)量 概念)，對(duì)LEACH和PEACH和PEGASIS進(jìn)行擴(kuò)展，提出兩種新的融合算 法，即E-LEACH和C-PEGASIS，并比較了這四種方法的能靠，平均DAQ 以及網(wǎng)絡(luò)延時(shí)性能。結(jié)果表明，PEGASIS方法在能耗方面較LEACH好， 但其DA Q低。付華等人提出的基于環(huán)帶模型的非均勻分簇方法16和Liu An-Feng提

9、出的TDMA數(shù)據(jù)融合算法，可使得網(wǎng)絡(luò)達(dá)到能耗均衡，進(jìn) 一步避免了“熱區(qū)”問(wèn)題，消除了數(shù)據(jù)融合相關(guān)度的限制，更大程度 地提高了網(wǎng)絡(luò)壽命和能量的利用率。文獻(xiàn)周平等人18 從預(yù)測(cè)的角度， 分析節(jié)點(diǎn)能量衰減的過(guò)程，采用節(jié)點(diǎn)能量衰減預(yù)測(cè)模型描述節(jié)點(diǎn)能量 損耗的規(guī)律，并建立基于該預(yù)測(cè)模型的節(jié)點(diǎn)剩余能量匯報(bào)機(jī)制，從而 減少節(jié)點(diǎn)能量數(shù)據(jù)的匯報(bào)次數(shù)以及節(jié)點(diǎn)間的數(shù)據(jù)通信量，降低節(jié)點(diǎn)能 耗。基于移動(dòng)代理的數(shù)據(jù)融合將傳感數(shù)據(jù)保留在節(jié)點(diǎn)本地，移動(dòng)代理遷移到數(shù)據(jù)處采用合適 的算法進(jìn)行融合處理，克服傳統(tǒng)的數(shù)據(jù)融合算法弊端。王殊19等人針 對(duì)移動(dòng)代理特點(diǎn)，提出一種基于分辨率的并行量化交疊算法(RPQO) 實(shí)現(xiàn)數(shù)據(jù)融合，仿真結(jié)

10、果表明RPQO能夠以較小的代價(jià)達(dá)到應(yīng)用要求， 其優(yōu)勢(shì)隨著網(wǎng)絡(luò)規(guī)模的增長(zhǎng)更為明顯?；跀?shù)據(jù)壓縮的數(shù)據(jù)融合5.1排序編碼的數(shù)據(jù)壓縮算法基于排序編碼的數(shù)據(jù)壓縮算法20 原理是將興趣區(qū)域中的節(jié)點(diǎn)數(shù) 據(jù)傳送到集合節(jié)點(diǎn)，在集合節(jié)點(diǎn)處將會(huì)丟棄一些數(shù)據(jù)，并通過(guò)組合保 留節(jié)點(diǎn)數(shù)據(jù)的存儲(chǔ)順序來(lái)表達(dá)被丟棄的節(jié)點(diǎn)數(shù)據(jù)，實(shí)現(xiàn)數(shù)據(jù)壓縮。5.2分布式數(shù)據(jù)壓縮算法5.2.1基于信源編碼的壓縮算法以Slepian2Wolf編碼為基礎(chǔ)的分布式信源編碼(dist ributed source coding)技術(shù)采用分布式方式，在每個(gè)信息源點(diǎn)進(jìn)行數(shù)據(jù) 壓縮，使所有信息源點(diǎn)輸出的信息消息量最少，而且互不相關(guān)。所有互 不相關(guān)的數(shù)據(jù)無(wú)需網(wǎng)

11、內(nèi)匯聚處理，直接傳送到sink , sink根據(jù)數(shù)據(jù) 之間的相關(guān)性恢復(fù)出所有原始數(shù)據(jù)，并進(jìn)行相應(yīng)的后處理。5.2.2.報(bào)頭壓縮不同協(xié)議的報(bào)頭攜帶了相同信息或可推論的信息;連續(xù)包之間的 冗余，即同一個(gè)包流的前后包的對(duì)應(yīng)字段間只有微小的變化。根據(jù)報(bào) 頭中各個(gè)字段的變化方式，可將其分為不變字段和變化字段。根據(jù)具 體情況設(shè)計(jì)相應(yīng)的壓縮算法，從而減小傳輸?shù)臄?shù)據(jù)量,提高信道利用 效率。吳亦川22 等人提出了一種自適應(yīng)的TCP/ IP報(bào)頭壓縮算法，并 提出基于信道狀態(tài)進(jìn)行自適應(yīng)調(diào)整以進(jìn)一步提高壓縮算法的性能。這 種算法適用于無(wú)線IP網(wǎng)絡(luò)中對(duì)TCP/ IP報(bào)頭的壓縮。周新運(yùn)23等人 提出提出了自適應(yīng)的報(bào)頭壓縮

12、機(jī)制AA HC (advanced adaptive header compression)。AA HC機(jī)制在獲得較高壓縮效率的同時(shí)，可保證報(bào)頭 壓縮的抗差錯(cuò)魯棒性，其性能優(yōu)于傳統(tǒng)的ROHC( robust header compression)機(jī)制和CRTP(compressed RTP)機(jī)制。但是，該機(jī)制沒(méi)有 考慮時(shí)延的影響。5.2.3數(shù)據(jù)包合并數(shù)據(jù)包合并是WSN中一種有效的數(shù)據(jù)融合算法。數(shù)據(jù)包合并的主 要思想是當(dāng)某個(gè)節(jié)點(diǎn)收到多個(gè)子節(jié)點(diǎn)發(fā)來(lái)的數(shù)據(jù)包時(shí),將它們合并成 一個(gè)大的數(shù)據(jù)包，然后將合并后的數(shù)據(jù)包發(fā)送到父節(jié)點(diǎn)。在WSN中， 數(shù)據(jù)字段相對(duì)較短，而控制字段相對(duì)較長(zhǎng)。數(shù)據(jù)包合并能夠有效地降低

13、包頭的開(kāi)銷。典型的數(shù)據(jù) 包合并算法包括數(shù)據(jù)漏斗(data funneling)網(wǎng) 以及AIDA(application2independent data aggregation) 25 等。數(shù)據(jù)漏斗實(shí) 質(zhì)上是一種基于簇的數(shù)據(jù)融合,簇頭節(jié)點(diǎn)負(fù)責(zé)合并簇內(nèi)節(jié)點(diǎn)的數(shù)據(jù) 包。然而，數(shù)據(jù)漏斗要求節(jié)點(diǎn)具有自身的位置信息，并且有可能產(chǎn)生漏 斗效應(yīng)(funneling effect)囹。AIDA是一種與應(yīng)用無(wú)關(guān)的數(shù)據(jù)融合算法，實(shí)質(zhì)上是在MAC層與網(wǎng)絡(luò)層之間加入了一個(gè)數(shù)據(jù)融合層進(jìn)行 數(shù)據(jù)包合并的操作。通過(guò)數(shù)據(jù)包合并，AIDA能夠有效地減少網(wǎng)絡(luò)中的 數(shù)據(jù)傳輸量,降低無(wú)線信道中發(fā)生沖突的可能性。然而,AIDA與應(yīng)用

14、相互獨(dú)立，無(wú)法利用高層次的語(yǔ)義信息對(duì)數(shù)據(jù)作進(jìn)一步的壓縮，因此 其融合度相對(duì)比較低。5.2.4分布式小波壓縮算法傳感器節(jié)點(diǎn)檢測(cè)到的數(shù)據(jù)往往冗余度很大，將得到后的傳感數(shù) 據(jù)進(jìn)行小波變換，量化，混合熵編碼，最后的到碼比特流。通過(guò)基于 小波變換的混合熵方法壓縮，可進(jìn)一步降低定向擴(kuò)散算法的節(jié)點(diǎn)耗 能，延長(zhǎng)網(wǎng)絡(luò)生命周期。Alexandre Ciancio等人提出利用小波變換中的提升因數(shù)分解 方法構(gòu)造分布式壓縮算法紉。該算法將小波系數(shù)重定義為通往中心的 節(jié)點(diǎn)數(shù)據(jù)流，通過(guò)計(jì)算部分小波系數(shù)，利用網(wǎng)絡(luò)中的自然數(shù)據(jù)流來(lái)聚 集數(shù)據(jù)。5.2.5基于貪婪算法和聚合代價(jià)的壓縮算法Seung Jun Beak等人提出基于基于

15、貪婪算法和聚合代價(jià)的單匯 聚節(jié)點(diǎn)最優(yōu)分布式數(shù)據(jù)壓縮算法28 .研究表明，壓縮最后結(jié)果與節(jié)點(diǎn) 分布無(wú)關(guān)，只與其聚合代價(jià)的相對(duì)順序有關(guān)。文獻(xiàn)28提出了一個(gè)由 Sinks、Aggregators/ Compressors和Sensors組成的簡(jiǎn)化三層是結(jié) 構(gòu)。通過(guò)采用合理的能量度量尺度函數(shù)，最好將這個(gè)最優(yōu)層次組織問(wèn) 題轉(zhuǎn)化為一個(gè)Jone-Mehl tessellation問(wèn)題；通過(guò)采用隨機(jī)集合理 論，將其與Voroni tessellation方法進(jìn)行了比較。研究結(jié)果表明， 根據(jù)壓縮率不同，采用該方法可以從一定程度上降低能耗。5.3基于數(shù)據(jù)相關(guān)性的壓縮算法Jim Chou等人提出了傳感網(wǎng)絡(luò)的分布式壓

16、縮數(shù)據(jù)傳輸模型29。 在所有節(jié)點(diǎn)中，端選擇一個(gè)節(jié)點(diǎn)發(fā)送完整的數(shù)據(jù)到匯聚節(jié)點(diǎn)，其他節(jié) 點(diǎn)只發(fā)送壓縮后的數(shù)據(jù)，匯聚節(jié)點(diǎn)根據(jù)壓縮數(shù)據(jù)與未壓縮的數(shù)據(jù)的相 關(guān)性進(jìn)行解壓，恢復(fù)數(shù)據(jù)。該算法的關(guān)鍵問(wèn)題是需要一個(gè)低復(fù)雜度、 支持多壓縮率的壓縮算法和一種簡(jiǎn)單、高校的相關(guān)性跟蹤算法。提出 了一個(gè)簡(jiǎn)單的數(shù)據(jù)模型，用于跟蹤和確定節(jié)點(diǎn)數(shù)據(jù)之間的相關(guān)性。Sundeep Pattem等人討論了相關(guān)性對(duì)數(shù)據(jù)壓縮效果的影響。 利用聯(lián)合熵和位跳值分別度量別壓縮信息的大小和數(shù)據(jù)傳輸?shù)目偰?耗，對(duì)比分析了DSC、RDC和CDR這三種不同處理策略下耗能情況。結(jié) 果表明，相關(guān)性較低時(shí)，沒(méi)有信息可以壓縮，RDC方法能耗較低；相 關(guān)性較高是

17、，通過(guò)壓縮可以降低大量能耗，CDR節(jié)能效果好。另外， 相關(guān)性為中能范圍時(shí)，RDC和CDR效果相當(dāng)。5.4管道數(shù)據(jù)壓縮算法Tarik Arici等人提出基于管道思想的網(wǎng)內(nèi)數(shù)據(jù)壓縮方法物， 將數(shù)據(jù)緩存在網(wǎng)絡(luò)中，根據(jù)制定的延時(shí)值等待合適的時(shí)間后再傳輸。 通過(guò)管道壓縮方法將數(shù)據(jù)組合起來(lái)形成組數(shù)據(jù)，降低數(shù)據(jù)冗余度，減 少通信亮，降低能耗。另外不同組數(shù)據(jù)還可以進(jìn)行壓縮，或者與其他 高校路由結(jié)合，進(jìn)一步降低能耗。5.5壓縮感知壓縮感知(Compressive Sensing， CS)理論由Donoh。與Candes等人于2004年提出，是一個(gè)充分利用信號(hào)稀疏性或可壓縮性的全新 信號(hào)采集、編解碼理論。CS處理

18、大規(guī)模稀疏或可壓縮數(shù)據(jù)具有很大 優(yōu)勢(shì)，在很多領(lǐng)域引起了廣泛關(guān)注.Hormati A等人函提出了分布式CS 的稀疏模型及重建算法。通過(guò)多個(gè)傳感器同時(shí)測(cè)量某一現(xiàn)象,基站收 到所有的測(cè)量值并運(yùn)行算法聯(lián)合解碼傳感器所獲取的信號(hào)，重建傳感 器所監(jiān)測(cè)的現(xiàn)象。這樣，能夠在能量和帶寬兩個(gè)性能評(píng)價(jià)指標(biāo)上取得 較好的效果。Haupt J等人麗提出了一種分散壓縮的方法，指出可以采 用CS理論來(lái)實(shí)現(xiàn)從分布式數(shù)據(jù)中提取有關(guān)信息并以無(wú)線的方式傳輸 到遠(yuǎn)程目的地。并用WSN監(jiān)測(cè)河水的例子闡述了這一問(wèn)題。Wan Tao 等人眺提出了一種在壓縮域中使用改進(jìn)的采樣模式的圖像融合算法， 即使用一種簡(jiǎn)單最大選擇融合策略對(duì)輸入圖像的壓

19、縮測(cè)量矩陣進(jìn)行 融合。Leung H等人眺進(jìn)行了基于智能傳感器網(wǎng)絡(luò)的分布式感知研究, 主要關(guān)注特征層的融合體系結(jié)構(gòu)及分布式感知的情景評(píng)估結(jié)構(gòu)的設(shè) 計(jì)等，并提出了將定位、關(guān)聯(lián)、融合聯(lián)合起來(lái)的策略。但是該文獻(xiàn)卻 沒(méi)有考慮將CS理論應(yīng)用其中。如果將CS理論，特別是將分布式CS理 論應(yīng)用到該文獻(xiàn)中，會(huì)取得更好的效果?；陬A(yù)測(cè)的數(shù)據(jù)融合算法。為了從數(shù)據(jù)源處減少冗余信息的 產(chǎn)生，只有當(dāng)預(yù)測(cè)值與實(shí)際值之間的誤差超過(guò)給定閾值時(shí)，才傳輸數(shù) 據(jù)。通過(guò)預(yù)測(cè)，減少不必要的數(shù)據(jù)傳輸，從而降低網(wǎng)絡(luò)能耗，延長(zhǎng)網(wǎng)絡(luò) 的生命周期?，F(xiàn)有文獻(xiàn)采用的預(yù)測(cè)融合方法主要有基于預(yù)測(cè)的時(shí)域融 合方法有概率模型、自回歸滑動(dòng)平均模型38和自適應(yīng)

20、的雙重預(yù)測(cè)策 略等方法。其中自適應(yīng)的雙重預(yù)測(cè)策略方法具有較好的可擴(kuò)展性。 BP神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)基于數(shù)據(jù)的機(jī)器學(xué)習(xí)特性，已被引入到WSN 數(shù)據(jù)融合中。但BP神經(jīng)網(wǎng)絡(luò)存在訓(xùn)練速度慢、易陷入局部極小點(diǎn)及“過(guò)學(xué)習(xí)”等問(wèn)題，學(xué)者運(yùn)用新技術(shù)對(duì)對(duì)BP神經(jīng)網(wǎng)絡(luò)的算法進(jìn)行了 優(yōu)化和改進(jìn)，這些方法主要有，粒子群優(yōu)化算法、遺傳算法、模糊邏 輯、粗糙集、小波變換等技術(shù)。但這些方法要求計(jì)算量較大，文獻(xiàn)3見(jiàn) 中利用基站運(yùn)行BP神經(jīng)網(wǎng)絡(luò)算法，有效解決了節(jié)點(diǎn)計(jì)算耗能大于傳 送未擬合數(shù)據(jù)的耗能問(wèn)題。支持向量機(jī)突出的優(yōu)點(diǎn)是基于結(jié)構(gòu)風(fēng)險(xiǎn)最 小化歸納原則，克服？BP神經(jīng)網(wǎng)絡(luò)存在的缺陷，正成為繼神經(jīng)網(wǎng)絡(luò) 研究之后新的基于預(yù)測(cè)的數(shù)據(jù)

21、融合研究熱點(diǎn)Luo Hong, Luo Jun,Liu Yonghe,et al.Energy Efficient Routing with Adaptive Date Fusion in Sensor NetworksC.In Processding of DIALM-POMC05,2005:80-88.Intanagonwiwat C,Govindan R,Estrin D,et al.Drected Diffusion for Wireless Sensor NetworksJ.IEEE/ACM Transactions on Networking,2003,11 (1):2-16.Ya

22、ng S , Cho K. High Dynamic Range CMOS Image Sensor with Conditional Reset A . Custom Integrated Circuits Conference ,2002. Proceedings of the IEEEC.2002:12-15.Manjeshwar A , Agrawal D.TEEN:A Protocol for Enhanced Efficiency in Wireless Sensor NetworksC.IN Proceeding of 1th Internetional Woekshop on

23、parallel and Distributed Computing Issues in Wireless Networks and MobileComputing01,2001:2009-2015.Lindsey S,Raghavendra C.PEGASIS:Power-effcient Gathering in Sensor Information SystemsC.In Proceeding of the IEEE Aerospace Conference.Montana:IEEE Aerospace and electrionic Systemtems Society,2002:11

24、25-1130.Tan H O ,Korpeoglu I. Power efficient data gat hering and aggregation in wireless sensor networksJ . ACM SIGMOD Record,2003, 32(4) :66-71。Zhang Wen2sheng , Cao Guo2hong. DCTC: dynamic convoy t ree based collaboration for target t racking in sensor networks J .IEEE Transactions on Wireless Co

25、mmunications , 2004 , 3(5):1689-17018 Luo Hong , Liu Yong he , Sajal K D. Routing correlated data with fusion cost in wireless sensor networks J . IEEE Transactions on Mobile Computing,2006 ,5(11):162-632Luo Hong ,Luo J un ,Liu Yong2he ,et al . Adaptive data fusion for energy efficient routing in wi

26、reless sensor networksJ .IEEE Transactions on Computers ,2006 ,55 (10) :1286-1299Ding M , Cheng X, Xue G ,Aggregation Tree Construction in Sensor NetworksC.In Proceeding of the IEEE 58th Vehicular Technology Conference Conference.2003,4:2168-2172.Roedig U,Barroso A,Sreenan C J.Determinination of Agg

27、regationPoints in Wireless Sensor NetworksC.In Proceeding of 30 th Euromicro Conference(EUROMICRO2004),Rennes,France,5032510,IEEE Computer Society Press,2004.Zhao J,Govindan R ,Estrin D.Computing Aggregates for Monitoring Wireless Sensor NetworksC.In proceeding of 2003 IEEE InternationalWorkshop on

28、Sensor Network Protocols and Applications,May 2003:139-148.Boulis A,Ganeriwal S ,Srivastava M B .Aggregation in Sentor Networks:an Energy-accuracy Trade-offC.IN Proceeding of 2003 IEEE International Workshop on Sensor Network Protocols and applications,May 2003:128-138.Solis I,Obraczka K.The Impact

29、of Timing in Data Aggregation for Sensor NetworksC.In Proceeding of 2004 IEEE Internationl Conference on Communication,June 2004,6:3640-3645.Pham T ,Kim E J,Moh M.On Data Aggregation Quality and Energy Efficiency of Wireless Sensor Network Protocols-Extended SummaryC.In Proceeding of the First Inter

30、national Conference on Broadbad Networks,2004:730-732付華,趙剛.無(wú)線傳感器網(wǎng)絡(luò)中一種能量均衡的分簇策略 J. 計(jì)算機(jī)應(yīng)用研究，2009, 26( 4) : 1494-1496.Liu An-Feng, Wu Xian-You, Chen Zhi-Gang, et al An energy balanced data gathering algorithm for linear wireless sensor networks J.Int J Wireless Inf Networks, 2010, 17(1-2):42-53.18周平，張勝

31、，舒堅(jiān).基于預(yù)測(cè)模型的WSN節(jié)點(diǎn)能量融合 機(jī)制J.計(jì)算機(jī)工程，2010, 36( 1):110-111,130.20王殊，閻毓杰，陳帥，等.傳感器網(wǎng)絡(luò)中基于移動(dòng)代理的數(shù)據(jù)融 合方法研究J.傳感技術(shù)學(xué)報(bào)，2006,19(3)： 926-932.19 Magli E ,Mancin M,Merello L.Low-Complexity Video Compression for Wireless Sensor NetworksC.In Proceeding of 2003 International Conference on Multimedia and Expo,July 2003.21 Xi

32、ong Zi xiang , Liveris A D ,Cheng S. Dist ributed source coding for sensor networks J.IEEE Signal Processing Magazine,2004, 21 (5):80-94吳亦川，黃奎，鄭建平，等.一種自適應(yīng)的TCP/ IP報(bào)頭壓縮算法 J .計(jì)算機(jī)研究與發(fā)展,2005 ,42 (4) :655-661周新運(yùn)，孫利民，皇甫偉，等.無(wú)線多媒體傳感器網(wǎng)絡(luò)中一種自適 應(yīng)的報(bào)頭壓縮機(jī)制J .軟件學(xué)報(bào),2007 ,18(5):1122-1129Pet rovic D , Shah R C , Ramcha

33、ndran K, et al. Data funneling:routing with aggregation and compression for wireless sensor networks C II The First IEEE International Workshop on Sensor Network Protocols and Applications. Anchorage ,A K:IEEE Press ,2003:156-162He T ,Blum B M ,Stankovic J A ,et al . AIDA :adaptive applica tion2 ind

34、ependent data aggregation in wireless sensor networksJ . ACM Transactions on Embedded Computing Systems ,2004 ,3(2):426-45726 Ee C T ,Bajcsy R. Congestion control and fairness for many-to-one routing in sensor networks C II The 2nd International Conference on Embedded Networked Sensor Systems. Balti

35、more , MD :ACM Press , 2004 :148-161Ciancio A,Ortega A.A Distributed Wavelet Compression Algorithm for Wireless Multihop Sensor Networks using LiftingC.In Proceeding of the IEEE International Conference on Acoustics,Speech,and Signal Processing,2005,4:18-23.Baek S J ,Veciana G D ,Su x.Minimizing Ene

36、rgy Consumption in Large-scale Sensor Networks Through Distributed Date Compression and Hierarchical AggregationJ.IEEE Selected Areas in Communications,2004,22(6):1130-1140.Chou J ,Petrovic D ,Ramchandran K,Signals,Tracing and Exploiting Correlations in Dense Sensor NetworksC.In proceeding of ACM th

37、e 36 th Asilomar Conference on Systems and Computers,2002,1:39-43.Chou J,Petrovic D,Kannan R.A distributed and Adaptive Signal Processing Approach to Reducing Energy Consumption in Sensor NetworkC.In Proceeding of IEEE INFOCOM 2003,April 2003:1054-1062.Pattemn S ,Krishnamachari B,Govindan R. The Imp

38、act of SpatialCorrelation on Routing with Compression in Wireless Sensor NetworksC.In proceeding of IEEE International Symposium on Information Processing in Sensor Networks(IPSSN04),April 2004.Arici T,Gedik B,Altunbasak Y,et al. PINCO:a Pipelined In-network Compression Scheme for Data Collection in wireless Sensor NetworksC.In Proceeding of IEEE ICCCN 2003,October 2003:539-544.33 Hormati A ,Vet terli M. Dist ributed