高层次数据融合算法

    提出的数据融合算法是基于分簇式网络结构的。簇内节点采集被测环境内的各种参数, VNQ5E050K例如温度、湿度、光照强度和速度等。簇头节点负责接收和转发簇内节点所发送的数据。由于WSN的一个重要特性是采用电 池供电,因此,尽量减少数据通信量至关重要。一方面,如果簇头节点直接转发数据,整个网络的数据通信量将大大增加。另一方面,终端用户往往要求下位机所发送的数据是最直观、最易理解的信息。因此,在簇头节点上对数据进行进一步处理,具有重要意义。本书提出了一种高层次数据融合算法,该算法是基于BP神经网络,对簇内节点发送的数据进行融合处理,从而得到更有效、更准确的信息。

    BP神经网络的基本原理

    人I神经网络(A⒒i丘cia1Ncural Nc枷Orks,AblN)也称神经网络,是 一种应用类似于大脑神经突触连接的结构进行信息处理的模型删。人工神经网络主要由网络连接权值和激励函数构成。其中激励函数对应神经网络中的神经元,连接权值代表神经元之间的连接。可以通过定义不同的权值和激励函数,设计出满足应用需求的人I神经网络。

    一般而言,单个神经网络可由多层神经元结构组成,每层神经元都包含输入和输出,每一层的输出是下一层神经元的输入,每层神经元由多个神经元构成。神经元之间的相互连线称为神经轴突的突触,在数学模型中,每个突触上包含一个加权值。前一层所有神经元的输出与对应的权值相乘后再求和,即可得到后一层的神经元的势能。神经元的势能值通过对应的激励函数就可以得出神经元的输出。图2.14代表一个神经元模型。模型中包括多个输入端口和多个输出端口,它是一个非线性元件。xl,而,¨△J″表示神经元的输入,″l,w2,・・・,V″表示权值。利用某种运算,把输入信号的作用结合起来,并给出相应的效果,用〃表示。