摘要：無線傳感器網絡（Wireless Sensor Networks，wSN是由許多具有低功率無線收發裝置的傳感器節點組成，它們監測采集周邊環境信息并傳送到基站進行處理在某一時刻通過wSN采集的數據量非常大，如何正確、高效地處理這些數據成為當前WSN研究中的一個熱點。傳感器節點一般部署在惡劣環境中，一些偶然因素會使采集的數據中出現不準確的數據，用戶依據這樣的數據很難準確判斷出被測對象的真實狀態。基于模糊理論的決策級數據融合算法能夠很好的解決這個問題本文以國家863研究項目《基于無線傳感器網絡的鐵路危險貨物在途安全狀態監測技術研究》為背景，結合鐵路運輸中棉花在途狀態監測系統的開發，在分析了當前有效的決策級數據融合技術基礎上，提出了基于模糊理論的決策級數據融合算法，該算法通過對采集數據進行處理和分析，以獲得準確的被測對象狀態的描述。本文的主要工作包括：（1）分析了WSN中傳統的決策級數據融合算法，如自適應加權數據融合算法和算術平均數數據融合算法，總結這兩種算法的優缺點和檢測系統的需求，進步明確理想算法應達到的目標。（2）提出了基于模糊理論的兩階段數據融合算法：該算法第一階段利用基于貼近度的數據融合算法進行同類數據的融合校準，這一階段的目的是剔除錯誤的和可信度較差的數據，得到相對更加準確的數據，第二階段利用模糊推理對第個階段得到的異類數據進行融合推理，得到被測對象當前狀態的描述，為決策提供支持（3）結合實測數據仿真本文所提出的算法，結果證明與傳統的融合算法相比，可以更加準確的描述被測對象狀態
標簽：
無線傳感器
上傳時間：
2022-03-17
上傳用戶：
