基于修正倒数型距离贴近度的传感器数据模糊加权融合法

为提高传感器数据的融合精度和可靠性,提出一种传感器数据模糊加权融合法。对模糊加权融合模型进行研究,得出采用模糊贴近度作为融合权值比隶属度更实用。分析比较5种常用的模糊贴近度方法,其中倒数型距离贴近度分辨率高、计算量最小,但是存在奇异值抑制能力差的问题。针对该问题,建立基于修正倒数型距离贴近度的模糊加权融合模型,以提高算法的可操作性。仿真分析结果说明,与其他模糊贴近度方法相比,采用修正倒数型距离贴近度进行模糊加权融合,具有更高的融合精度和可靠性。

带野值处理的轻量级数据融合算法仿真研究

针对无线传感器网络节点感知数据存在野值、丢失以及能量和计算能力受限问题,提出了一种带野值预处理功能的轻量级数据融合算法。该算法基于Grubbs准则和模糊加权融合方法进行设计,主要用于剔除数据野值和实现多传感器数据融合。该算法设计简单、计算量小,能够满足节点有限计算能力的要求。采用第三方实测数据验证结果表明,该算法能有效地剔除感知数据集中的野值,弥补感知数据丢失带来的影响和提高传回汇聚节点数据的准确度。