基于邻里支持和神经网络的WSN数据融合算法研究

为了提高无线传感器网络(wireless sensor network, WSN)的可靠性、稳健性、减少错误及冗余信息的传输,提出了一种基于邻里支持度的动态分簇BP(Back Propagation)神经网络数据融合算法(Neighborhood-SupportBack-Propagation NetworksData Aggregation,NBNDA).其中动态分簇以及簇首的选择基于邻里支持度的大小以及节点的剩余能量等.同时,为了减少WSN中的通信量,在簇首处使用三层神经网络进行监测数据的特征提取,然后将特征值发送至汇聚节点.仿真实验表明,与LEACH协议相比,本文算法不仅能够提高WSN的可靠性和稳健性,又能减少数据冗余,延长网络寿命.