[发明专利]基于信任度和改进遗传算法应用于无线传感器网络数据融合的一种方法

说明书

本发明公开了基于信任度和改进遗传算法应用于无线传感器网络数据融合的一种方法。本发明首先将温湿度、光照、PH和电导率无线传感器节点采集的原始数据经汇聚节点发送到网关，在网关处利用三次指数平滑对原始数据进行预处理，剔除异常数据和噪声数据；采用基于指数型信任度的融合算法对平滑数据进行融合，并结合改进的遗传算法对融合估计值进行优化。试验结果表明，三次指数平滑能明显减少数据波动，提高系统稳定性；与算术平均法和自适应加权法等常用的数据融合算法相比，融合信任度和改进遗传的数据融合算法能够有效提高融合精度，减少算法执行时间。

【技术领域】

本发明涉及温室无线传感器网络(WSN)系统领域，特别是针对WSN系统中温湿度、光照、 PH和电导率无线传感器节点的多传感器数据融合算法。

【背景技术】

在基于WSN的温室环境监测系统中，通常在感知区域部署大量同构冗余节点，进行周期性的环境数据采集和传输。同时，温室中各种参数分布不均，容易受到传感器精度、传输误差、环境噪声和人为干扰等因素的影响，通过多传感器数据融合技术对具有一定冗余度的数据进行融合，能够提高信息采集精度和增强系统稳定性。

【发明内容】

本发明设计的基于信任度和改进遗传算法应用于无线传感器网络数据融合的一种方法，包括以下步骤：

(1)对原始数据进行预处理：以温度为例，将温湿度无线传感器节点采集的原始温度数据经路由节点发送到网关，在网关处进行基于三次指数平滑的数据预处理，得到平滑值

(2)设置信任度函数：将信任度函数b_ij定义为指数函数的形式

(3)建立信任度矩阵：设同一时刻有n个温湿度无线传感器节点测量温室内的温度参数，根据信任度函数b_ij，建立信任度矩阵B。

(4)确定权重：本发明用w_i表示第i个温湿度无线传感器节点x_i在融合过程中所占的权重，利用w_i对x_i进行加权求和，定义了一组非负数a₁，a₂，...，a_n，用于综合反映w_i关于x_i的信任度系统中各子系统b_i1，b_i2，...，b_in的全部信息，使得w_i＝a₁b_i1+a₂b_i2+a_nb_ini＝1，2，...，n。

(5)归一化处理：考虑到w_i满足加权和为1，对w_i进行归一化处理，得到

(6)数据融合：根据确定的权重，得到对所有平滑数据融合估计的最终结果。

(7)利用改进的遗传算法优化融合结果：本发明定义融合估计值与真实值之间误差的绝对值为目标函数，即

利用本发明改进的遗传算法对式(3)进行优化，进而得到最优值。

【本发明的优点和积极效果】

本发明在数据融合过程中引入了模糊集合理论的思想，在基于指数型信任度的数据融合模型中，将信任度函数b_ij定义成满足模糊性质的指数函数形式，这样既充分利用了模糊理论中隶属度函数范围确定的优点，又避免了数据之间相互信任程度的绝对化，更加符合实际问题的真实性，使融合结果更加精确和稳定。