一种改进的基于神经网络的WSN数据融合算法_连方圆

WSN中的数据处理和信息融合研究随着现代科技的飞速发展，人们对于信息的获取和处理的需求也越来越高。

无线传感器网络（Wireless Sensor Network，WSN）的出现为信息采集和处理带来了全新的思路和解决方案。

WSN是由大量微型传感器节点组成的网络，每个传感器节点包括处理器、存储器、传感器和通信模块。

通过封装在数据传输中的信息，WSN可以实现对于环境、生命体和基础设施的远程监控、数据采集和实时控制。

而WSN中的数据处理和信息融合是WSN发挥作用的重要部分，本文将会介绍WSN中的数据处理和信息融合的研究。

一、WSN中的数据处理WSN中的数据处理是指对于采集到的传感器数据进行分析和处理，从中提取出有用的信息。

由于WSN中的节点数量很多，而每一个节点传输的数据量又相对较小，因此数据处理是必不可少的。

数据处理可以提高数据传输的效率，降低传输的延迟，减轻网络拥塞，提高网络的实时性。

1. 数据压缩数据压缩是WSN中常用的数据处理方法。

该方法通过对于传感器节点采集到的数据进行压缩，降低数据传输量，提高网络的传输效率。

在数据压缩的过程中，需要采用特定的算法进行数据的压缩和解压缩。

常见的压缩算法有Huffman编码、Lempel-Ziv编码等。

数据压缩可以极大地降低网络传输数据的频率和传输量，从而提高传输效率。

2. 数据过滤数据过滤是指通过设计数据过滤算法，对于采集到的传感器数据进行筛选和过滤。

在WSN中，采集到的数据中可能包含许多无关信息，通过数据过滤，可以提高数据利用率和运算效率。

比如，可以通过设置特定的阈值，对于数据进行筛选，只保留满足条件的数据。

3. 数据聚合数据聚合是指将WSN中多个节点采集到的数据进行合并和处理，提取出有价值的信息。

在WSN中，节点之间的通信是通过无线波进行传输的，而无线波的传输距离有限，因此，在数据传输过程中，需要将多个节点采集到的数据进行聚合，以便后续的处理和分析。

比如，可以将同一类型的传感器数据进行聚合，减少数据传输量。

基于Hopfield神经⽹络算法的WSN路径优化
基于Hopfield神经⽹络算法的WSN路径优化
宋绍剑;薛国英
【期刊名称】《⾃动化技术与应⽤》
【年(卷),期】2010(029)007
【摘要】针对⽆线传感器⽹络(WSN)能量有限的特点,提出⼀种新的基于Hopfield神经⽹络的路由优化算法,同时给出能量函数符参数之间的关系.通过Matlab软件对不同规模的⽹络进⾏仿真,仿真结果表明,该算法是可⾏的.
【总页数】4页(4-7)
【关键词】⽆线传感⽹络;神经⽹络;路由算法;能量函数
【作者】宋绍剑;薛国英
【作者单位】⼴西⼤学,电⽓⼯程学院,⼴西,南宁,530004;⼴西⼤学,电⽓⼯程学院,⼴西,南宁,530004
【正⽂语种】中⽂
【中图分类】TP183
【相关⽂献】
1.⼀种改进的基于神经⽹络的WSN数据融合算法 [J], 连⽅圆; ⽩静
2.⽆线传感⽹络中神经⽹络路由算法 [J], ⽶志超; 周建江
3.基于连续Hopfield神经⽹络的⽴体库路径优化 [J], CHEN Chen; MAO Jian
4.基于Hopfield神经⽹络算法的航线优化研究 [J], 王佳莹; 谢溪凌; 陈定⽅
5.基于模拟退⽕算法的Hopfield神经⽹络参数优化 [J], 齐⼩刚; 王云鹤
以上内容为⽂献基本信息，获取⽂献全⽂请下载。

北京邮电大学学报2020年第43卷第1 6期总目次综述从5G到6G的思考:需求、挑战与技术发展趋势易芝玲王森韩双锋崔春风王亚峰(2)1………………………………………………智简6G无线接入网:架构、技术和展望彭木根孙耀华王文博(3)1美俄电子战对抗的现状与分析陆震黄用华(5)1…………………………………………………………………………………智简无线网络赋能行业应用张平许晓东韩书君牛凯许文俊兰岳恒(6)1 6G愿景、业务及网络关键性能指标崔春风王森李可董静郑智民(6)10…………………………………面向生态可持续的下一代通信网络架构与评价体系吕廷杰宋罗娜滕颖蕾丰业媛(6)18论文…………………大规模3D MIMO中基于信道相关的LOS/NLOS识别算法李君瑶常永宇曾天一(1)1…………………………………………………基于链路预测的手机节能方法徐九韵孙忠顺张如如(1)8………………………兼顾路段和交叉口的路网脆弱性识别机制李永成刘树美于尧李爽(1)14……………基于信道模糊关联识别的NLOS测距误差补偿算法李晓辉杜洋帆石潇竹杨胥(1)21………………………………基于强化学习的微电网能源调度策略及优化刘金华柯钟鸣周文辉(1)28………………………高斯白噪声信道下SC-LDPC码的结构设计张亚坤张娅妹周林贺玉成(1)35……………………基于BP神经网络的CSI无源目标分类方法蒋芳张南飞胡艳军王翊(1)40………嵌入式固件脆弱哈希函数自动识别与破解方法张国栋应欢杨寿国石志强李霁远(1)46…………………………………基于马尔可夫链的人工蜂群算法郭佳马朝斌苗萌萌张绍博(1)54………………………………………全双工系统中基于神经网络的自干扰消除方案雷维嘉李环(1)61……………基于归一化特征判别的日志模板挖掘算法双锴李怡雯吕志恒韩静刘建伟(1)68………………基于狄利克雷分布的可信路由转发机制杜聪张喆李温静郭少勇孟洛明(1)74…………………………………基于本地内容流行度预测的主动缓存策略任佳智田辉聂高峰(1)80…………………………纠缠微波信号的量子仿真模型李响吴德伟朱浩男苗强魏天丽(1)92………………………基于博弈论的WiFi接入资源动态分配算法叶晓彤刘周斌邵苏杰亓峰(2)10…………电力SDN通信网中面向负载均衡的路由重构刘保菊喻鹏丰雷邱雪松江昊(2)16…………………基于Ｒete规则推理的告警关联性分析杨杨石晓丹宋双霍永华陈连栋(2)23基于平均场博弈的超密集网络边缘缓存和删除分配研究王孟哲滕颖蕾宋梅韩丹涛张勇(2)29…………………………………………………………………………………………一种鲁棒网络流量分类及新类型发现算法仇景明曲桦赵季红(2)402……………………基于时延和能耗的SD-DCN的路由优化算法姚赞王颖邱雪松文禹棋(2)46…………………一种频变传输线系统电磁脉冲响应的数值算法王川川贾锐曾勇虎汪连栋(2)52全双工能量受限中继网络的安全波束成形设计陈佩佩李陶深葛志辉方兴(2)59……………………………………………………物联网中基于iBeacon的防碰撞广播方案许凌毅韩道岐刘雯(2)66 SＲS资源受限场景中联合导频分配的多用户分组曾天一常永宇李君瑶(2)74………………………………………………………………………低轨卫星网络动态路径切换技术王璇侯蓉晖徐伟琳(2)80……基于深度强化学习的综合能源业务通道优化机制马庆刘喻鹏吴佳慧熊翱颜拥(2)87基于Linux系统的LEO卫星动态路由协议研究与实现王程徐玭张素兵王力权王卫东(2)94………………………………………………………尘土颗粒影响下电路板电化学迁移失效寿命建模探索周怡琳杨璐鲁文睿(3)11……………………多载波认知无线电无线携能通信资源分配算法郭少雄刘玉涛吕玉静张中兆(3)19…………………………基于射频能量收集的无人机协助的分时段功率分配策略刘志超赵宜升高锦程陈忠辉(3)24缓存辅助边缘计算的卸载决策与资源优化薛建彬丁雪乾刘星星(3)32……………………………………………基于改进CNN的阀门泄漏超声信号识别方法宁方立韩鹏程段爽李航韦娟(3)38空间相关信道下大规模MIMO系统频谱效率分析丁青锋连义翀邓玉前(3)45……………………………………多用户MIMO-WET系统中短包传输的块错误概率分析赵伟骆亚菲鲍慧王斌(3)51………………………………时间反演多址系统中的一种多用户检测算法朱江梁静雯吕志强(3)59………………………卫星组网系统下的多普勒频移估计与补偿朱军李秋瑾李凯王华俊(3)66…………………稀疏移动网络中时延软约束的低能耗路由算法许蒙蒙朱海崔娅杰徐恒舟(3)72…………………………基于柔顺控制的机器人装配技术喻洋王耀兵魏世民马如奇唐玲(4)1…………………基于图形分割的城市地下车库车位排布优化方法黄逸彬杨赫周钟秉刘晓(4)7…………………………………………一种动态自纠正最小和LDPC码的译码算法陈容陈岚(4)15………………………面向移动通信网络覆盖的四元数域粒子群优化算法秦运慧皇甫伟隆克平(4)21不等长十字形谐振器双频带带通滤波器设计喇东升关鑫李钰莹李弘诚郭经纬(4)27…………基于改进3D-ESPＲIT算法的三维GTD模型参数估计…………………………………………………………………郑舒予张小宽宗彬锋徐嘉华(4)32……………………………………一种面向定点轨迹数据的行程识别方法张宽赵卓峰郭炜强(4)39传感云中基于边缘计算的差分数据保护方法梅雅欣沈雪微赵丹王田(4)48……………………Nakagami-m信道衰落下的多时隙能量收集无线通信王明伟李慧贞(4)54…………………………………Massive-MIMO系统中能效和频效的性能折中方法李民政丁健刘宁王浩(4)61………………………基于时序相关性的云平台多负载序列联合预测张志华王梦情毛文涛刘春红程渤(4)68……基于CNN-ＲesNet-LSTM模型的城市短时交通流量预测算法蒲悦逸王文涵朱强陈朋朋(5)9移动边缘计算中基于能量收集的能效优化方案薛建彬刘星星丁雪乾(5)15……………………………半监督聚类目标下粒子群算法的分析与改进孙艺夏启钊(5)21……………………………………………………………………面向多模态数据的混合型FIB王彬志李卓罗蓬马天祥刘开华(5)27…………………基于改进遗传算法的移动机械臂拣选路径优化王怀江刘晓平王刚韩松(5)34……………………………多站雷达干扰对抗系统子站选择策略聂曌刘洁怡张明阳李豪(5)41基于前向学习网络的人脸欺诈检测宋昱孙文赟陈昌盛(5)48…………………………………………基于博弈的机坪感知网络机会传输控制方法陈维兴苏景芳赵卉(5)57………………………………一种利用随机森林方法检测睡眠呼吸暂停的研究吕兴凤李金宝(5)64……………………………………基于高速多核网络的远监督关系抽取方法李威陈曙东欧阳小叶杜蓉王荣(5)71…………一种用于图卷积网络的社交关系方向门控算法李蕾谢旸蒋亚飞刘咏彬(5)77…………………基于数据增强的中文医疗命名实体识别王蓬辉李明正李思(5)84……………………………………基于视频数据特性的动态手势识别谢晓燕赵欢蒋林(5)91…………………………………………一种基于高层特征融合的网络商品分类刘逸琛孙华志马春梅姜丽芬钟长鸿(5)98………………一种基于CSI 的人体动作计数与识别方法刘希文陈海明(5)105……………………………………………OAM-MIMO 通信系统的信道容量研究唐杰李凯林楚婷宋彦周恩丞(6)27…………………基于SiGe 工艺的28GHz 变压器匹配差分Cascode 功率放大器张尧祯刘昱(6)36……………………无人机应急通信网络中的动态资源分配算法王子端张天魁许文俊杨立伟(6)42……………………IＲS 辅助的边缘智能系统中基于数据重要性感知的资源分配田辉倪万里王雯郑景桁贺硕(6)51………………………………………………………基于信道测量的短距离太赫兹信道特性分析田浩宇唐盼田磊张建华何敬锁(6)59…………面向6G 边缘网络的云边协同计算任务调度算法马璐刘铭李超路兆铭马欢(6)66……无人机网络的覆盖及切换性能研究焦铭晗彭木根刘晨熙(6)74…………………………………………全双工小蜂窝中基于最大流算法的用户匹配策略赵飞飞周墨淼胡树楷杨涛(6)82………………雾计算中用户和属性可撤销的访问控制王峥李玲李娜(6)88……………………………………基于KM 算法的分布式无线节点任务分配方法田兴鹏朱晓荣朱洪波(6)96……………………………多天线无人机通信系统中的安全波束成形方案汪萧萧淡振雷顾晨伟朱卫平林敏(6)103………研究报告一种面向软件定义网络的大流检测机制邢长友李东阳谢升旭张国敏魏伟(1)97………………一种车载网隐私保护方案的分析与改进李涛张静杨皓(1)104……………………………………PDMA 的可见光通信系统申晓欢林邦姜汤璇许俊翔(1)111…………………………………………非平稳噪声下稀疏表示的DOA 估计算法韦娟曹凯军宁方立(1)116…………………………………社交网络用户身份关联及其分析孙波张伟司成祥(1)122……………………………………………基于卷积神经网络的彩色铅笔画算法王小玉胡鑫豪韩昌林(1)129………………………………………基于相似轨迹替代查询的位置隐私保护方案研究宋成张亚东彭维平王磊刘志中(1)135……一种面向边缘计算的混合内存系统孙浩陈岚郝晓冉刘晨吉倪茂(2)103……………………移动边缘计算中的时延和能耗均衡优化算法景泽伟杨清海秦猛(2)110………………………………Spark 环境下基于数据倾斜模型的Shuffle 分区优化方案阎逸飞王智立邱雪松王嘉潞(2)116………基于无线通信组网的DPFC 系统控制策略陈汹封科钟亮民赵静波朱开阳(2)122……………一种基于ＲesNet 网络特征的视觉目标跟踪算法马素刚赵祥模侯志强王忠民孙韩林(2)129……绿色车辆路径问题研究孔继利陈璨(3)77…………………………………………………………………无人机辅助5G 网络中基于合同的缓存租赁机制王敏张碧玲(3)83 (3)基于U-Net 的颅内出血识别算法张天麒康波孟祥飞刘奕琳周颖(3)92………………………基于MBM 的未编码空时标记分集技术金宁宋伟婧金小萍陈东晓王嘉天(3)99………………能量采集衬底式认知协作中继网络安全中断概率分析罗轶王雨婷施荣华严梦纯曾豪(3)105………………………………………………………基于主成分分析与迭代最近点的三维膝关节配准王小玉陈琳(3)112……………………………………一种海量数据快速聚类算法何倩李双富黄焕徐红(3)118………………………………………压缩感知安全理论研究汤永利赵明洁李丽香(3)125………………………………………………………基于改进萤火虫优化神经网络的WSNs 分簇路由协议戴剑勇邓先红王彬汪恒浩(3)131…………多用户无线供电通信网络中基于最大加权和速率的优化方案李方伟吴玥(3)138………………………一种基于PPI 网络的乳腺癌差异基因分析算法王小玉冯阳(4)76………………………………………一种基于对偶Ｒegev 加密的门限公钥加密方案李增鹏王九如张问银马春光(4)83…………………基于FPGA 的高精度时间数字转换电路设计戴庆达叶茂(4)88…………………………………………一种基于Shapelet 算法的指纹定位方法常紫英王文涵李涛刘芬陈朋朋(4)95………………一种面向边缘计算节点能量优化的QoS 约束路由算法张德干陈露陈晨张婷崔玉亚(4)101………………………………………………………基于罚函数与水波优化的WSN 定位算法余修武张可刘永(4)106…………………………………基于度约束最小生成树的域间路由恢复算法王禹张连成张宏涛郭毅(4)113……………………基于正交索引调制多址接入的检测和性能分析金小萍吴青金宁陈东晓王嘉天(4)120………一种基于EEMD 的异常声音识别方法韦娟顾兴权宁方立(5)112……………………………………基于深度学习的类SM4算法S 盒逆向分析马向亮李冰杨丹黄克振段晓毅(5)118…………基于映射曲线的自适应莱维鲸鱼无线定位算法余修武李莹刘永肖人榕余昊(5)125………多小区下行NOMA 系统中最大公平的功率分配方案田心记蒋清丽(5)130………………………………基于密度聚类的容迟网络路由协议温卫(5)137………………………………………………………………低空小目标检测中的单通道干扰信号重构和抑制算法石潇竹杜洋帆李晓辉方聪(5)143…………基于协作的大规模NGSO 星座间频率兼容共存研究李伟潘冀严康魏文康张磊(6)110……基于改进双层LT 码的天基物联网数据收集方法何建华赵辉徐晓斌闫蕾王尚广(6)118……基于mMIMO 的MEC 安全节能资源分配方法赵伟王斌鲍慧赵品芳李保罡(6)126………基于DＲL 的6G 多租户网络切片智能资源分配算法管婉青张海君路兆铭(6)132……………………无线网络中区块链共识算法的开销分析曹傧聂凯君彭木根周治中张磊(6)140 (4)JOUＲNAL OF BEIJING UNIVEＲSITY OFPOSTS AND TELECOMMUNICATIONSVol．43No．1 62020CONTENTSＲEVIEWFrom5G to6G:Ｒequirements，Challenges and Technical TrendsYI Zhi-ling WANG Sen HAN Shuang-feng CUI Chun-feng WANG Ya-feng(2)1…………………………………………Intelligent-ConciseＲadio Access Networks in6G:Architecture，Techniques and InsightPENG Mu-gen SUN Yao-hua WANG Wen-bo(3)1……………………………………………………………………………Electronic Warfare Confrontation between the United States andＲussia LU Zhen HUANG Yong-hua(5)1…………………………EntropyＲeduced Mobile Networks Empowering Industrial ApplicationsZHANG Ping XU Xiao-dong HAN Shu-jun NIU Kai XU Wen-jun LAN Yue-heng(6)1………………………………6G Vision，Scenarios and NetworkＲequirements CUI Chun-feng WANG Sen LI Ke DONG Jing ZHENG Zhi-min(6)10……The Architecture Design and Evaluation Method for Next Generation of Eco-Sustainable Communication NetworksL Ting-jie SONG Luo-na TENG Ying-lei FENG Ye-yuan(6)18…………………………………………………………PAPEＲSChannel Correlation Based LOS/NLOS Identification for3D Massive MIMO SystemsLI Jun-yao CHANG Yong-yu ZENG Tian-yi(1)1……………………………………………………………………………Mobile Phone Energy Saving Based on Link Prediction XU Jiu-yun SUN Zhong-shun ZHANGＲu-ru(1)8………………………Ｒoad Network Vulnerability Identification Considering the Impact ofＲoad Sections and Intersections CongestionLI Yong-cheng LIU Shu-mei YU Yao LI Shuang(1)14……………………………………………………………………NLOSＲanging Error Compensation Algorithm Based on Fuzzy Association Channel IdentificationLI Xiao-hui DU Yang-fan SHI Xiao-zhu YANG Xu(1)21…………………………………………………………………Ｒeinforcement Learning Based Energy Dispatch Strategy and Control Optimization of MicrogridLIU Jin-hua KE Zhong-ming ZHOU Wen-hui(1)28…………………………………………………………………………Structure Design of SC-LDPC Code over Additive White Gaussian Noise ChannelZHANG Ya-kun ZHANG Ya-mei ZHOU Lin HE Yu-cheng(1)35…………………………………………………………BP Neural Network Based CSI Device-Free Target Classification MethodJIANG Fang ZHANG Nan-fei HU Yan-jun WANG Yi(1)40………………………………………………………………Automatic Identification and Cracking Method for Vulnerable Hash Functions of Embedded FirmwaresZHANG Guo-dong YING Huan YANG Shou-guo SHI Zhi-qiang LI Ji-yuan(1)46………………………………………Markov Chain Based Artificial Bee Colony Algorithm GUO Jia MA Chao-bin MIAO Meng-meng ZHANG Shao-bo(1)54………Signal Combining and Self-Interference Cancellation Scheme Based on Linear Neural Network in a Full-DuplexＲeceiver Cooperative Jamming System LEI Wei-jia LI Huan(1)61………………………………………………………………………6Log Template Extraction Algorithm Based on Normalized Feature DiscriminationSHUANG Kai LI Yi-wen L Zhi-heng HAN Jing LIU Jian-wei(1)68……………………………………………………TrustedＲouting and Forwarding Mechanism Based on Dirichlet DistributionDU Cong ZHANG Zhe LI Wen-jing GUO Shao-yong MENG Luo-ming(1)74……………………………………………Proactive Caching Scheme with Local Content Popularity PredictionＲEN Jia-zhi TIAN Hui NIE Gao-feng(1)80………………Quantum Simulation Model of Entangled Microwave SignalsLI Xiang WU De-wei ZHU Hao-nan MIAO Qiang WEI Tian-li(1)92……………………………………………………Dynamic Allocation Algorithm of WiFi AccessＲesources Based on the Game TheoryYE Xiao-tong LIU Zhou-bin SHAO Su-jie QI Feng(2)10…………………………………………………………………Ｒerouting Algorithm for Load Balancing in SDN-Enabled Smart Grid Communication NetworkLIU Bao-ju YU Peng FENG Lei QIU Xue-song JIANG Hao(2)16………………………………………………………Alarm Correlation Analysis Based onＲeteＲuleＲeasoningYANG Yang SHI Xiao-dan SONG Shuang HUO Yong-hua CHEN Lian-dong(2)23………………………………………Mean-Field Game Based Edge Caching and Deleting Allocation in Ultra-Dense NetworksWANG Meng-zhe TENG Ying-lei SONG Mei HAN Dan-tao ZHANG Yong(2)29………………………………………AＲobust Network Traffic Classification and New Type Discovery Algorithm QIU Jing-ming QU Hua ZHAO Ji-hong(2)40……Deadline-Aware and Energy EfficientＲouting Optimization Algorithm in SD-DCNYAO Zan WANG Ying QIU Xue-song WEN Yu-qi(2)46…………………………………………………………………A Numerical Algorithm for the TransientＲesponse of a Frequency-Dependent Transmission Line System Excited by EMPWANG Chuan-chuan JIAＲui ZENG Yong-hu WANG Lian-dong(2)52……………………………………………………Secure Beamforming Design for Full-Duplex Energy-ConstrainedＲelaying NetworksCHEN Pei-pei LI Tao-shen GE Zhi-hui FANG Xing(2)59…………………………………………………………………Anti-Collision Broadcasting Scheme Based on iBeacon in Internet of Things XU Ling-yi HAN Dao-qi LIU Wen(2)66…………Joint Pilot Allocation and User Grouping Scheme with Limited SＲSＲesources ZENG Tian-yi CHANG Yong-yu LI Jun-yao(2)74……Dynamic Path Switching Technology for LEO Satellite Networks WANG Xuan HOUＲong-hui XU Wei-lin(2)80………………A Integrated Energy Service Channel Optimization Mechanism Based on DeepＲeinforcement LearningMA Qing-liu YU Peng WU Jia-hui XIONG Ao YAN Yong(2)87…………………………………………………………Ｒesearch and Implementation of DynamicＲouting Protocol for LEO Satellites Based on Linux SystemWANG Cheng XU Pin ZHANG Su-bing WANG Li-quan WANG Wei-dong(2)94………………………………………Exploring the Life Modeling Methods for Electrochemical Migration Failure of Printed Circuit Board under Dust ParticlesZHOU Yi-lin YANG Lu LU Wen-rui(3)11……………………………………………………………………………………Ｒesource Allocation Algorithm for Simultaneous Wireless Information and Power Transfer in Multi-Carrier CognitiveＲadioGUO Shao-xiong LIU Yu-tao L Yu-jing ZHANG Zhong-zhao(3)19………………………………………………………UAV-Assisted Time Division Power Allocation Strategy Based onＲF Energy HarvestingLIU Zhi-chao ZHAO Yi-sheng GAO Jin-cheng CHEN Zhong-hui(3)24……………………………………………………Offloading Decision andＲesource Optimization for Cache-Assisted Edge ComputingXUE Jian-bin DING Xue-qian LIU Xing-xing(3)32…………………………………………………………………………Ｒesearch on Identification Method of Valve Leakage Ultrasonic Signal Based on Improved CNNNING Fang-li HAN Peng-cheng DUAN Shuang LI Hang WEI Juan(3)38………………………………………………7Spectral Efficiency Analysis of Massive MIMO Systems over Spatial Correlation ChannelDING Qing-feng LIAN Yi-chong DENG Yu-qian(3)45………………………………………………………………………Packet Error Probability Analysis of Multiuser MIMO-WET System with Short-Packet TransmissionZHAO Wei LUO Ya-fei BAO Hui WANG Bin(3)51………………………………………………………………………A Multiuser Interference Cancellation Algorithm in TimeＲeversal Division Multiple Access SystemZHU Jiang LIANG Jing-wen L Zhi-qiang(3)59……………………………………………………………………………Doppler Shift Estimation and Compensation under Satellite Networking SystemZHU Jun LI Qiu-jin LI Kai WANG Hua-jun(3)66…………………………………………………………………………Energy-EfficientＲouting with Delay Soft-Constraint in Sparse Mobile NetworksXU Meng-meng ZHU Hai CUI Ya-jie XU Heng-zhou(3)72………………………………………………………………Ｒobot Assembly Technology Based on Compliance YU Yang WANG Yao-bing WEI Shi-min MAＲu-qi TANG Ling(4)1……An Optimization Method for Urban Underground Parking Lots Allocation Based on Polygon DecompositionHUANG Yi-bin YANG He ZHOU Zhong-bing LIU Xiao(4)7………………………………………………………………A Dynamic Self-Corrected Minimum Sum Decoding Algorithm for LDPC Codes CHENＲong CHEN Lan(4)15……………………Quaternion-Based Particle Swarm Optimization Algorithms for Mobile Communication Network CoverageQIN Yun-hui HUANGFU Wei LONG Ke-ping(4)21…………………………………………………………………………Design of Dual-Band Band-Pass Filter Based on Unequal Length CrossＲesonatorLA Dong-sheng GUAN Xin LI Yu-ying LI Hong-cheng GUO Jing-wei(4)27……………………………………………Parameter Estimation of the3D-GTD Model Based on a Modified3D-ESPＲIT AlgorithmZHENG Shu-yu ZHANG Xiao-kuan ZONG Bin-feng XU Jia-hua(4)32……………………………………………………TravelＲecognition Method for Fixed-Point Trajectory Data ZHANG Kuan ZHAO Zhuo-feng GUO Wei-qiang(4)39……………An Edge-Based Differential Method for Data Protection in Sensor-CloudMEI Ya-xin SHEN Xue-wei ZHAO Dan WANG Tian(4)48………………………………………………………………Multi-Slot Energy Harvesting Wireless Communication over Nakagami-m Channel FadingWANG Ming-wei LI Hui-zhen(4)54……………………………………………………………………………………………Performance Trade-off Method for Energy Efficiency and Spectral Efficiency in Massive-MIMO SystemLI Min-zheng DING Jian LIU Ning WANG Hao(4)61………………………………………………………………………Joint Prediction of Multi-Workload Sequences Based on Temporal Correlation in the CloudZHANG Zhi-hua WANG Meng-qing MAO Wen-tao LIU Chun-hong CHENG Bo(4)68…………………………………Urban Short-Term Traffic Flow Prediction Algorithm Based on CNN-ＲesNet-LSTM ModelPU Yue-yi WANG Wen-han ZHU Qiang CHEN Peng-peng(5)9……………………………………………………………Energy Efficiency Optimization Scheme Based on Energy Harvesting in Mobile Edge ComputingXUE Jian-bin LIU Xing-xing DING Xue-qian(5)15…………………………………………………………………………Analysis and Improvement of Semi-Supervised K-means Clustering Based on Particle Swarm Optimization AlgorithmSUN Yi XIA Qi-zhao(5)21……………………………………………………………………………………………………A Hybrid Forwarding Information Base for Multi-Modal DataWANG Bin-zhi LI Zhuo LUO Peng MA Tian-xiang LIU Kai-hua(5)27…………………………………………………Optimization of Mobile Manipulator Sorting Path Based on Improved Genetic AlgorithmWANG Huai-jiang LIU Xiao-ping WANG Gang HAN Song(5)34…………………………………………………………8A Subset Selection Strategy on Multiple-Ｒadar Anti-Jamming Systems NIE Zhao LIU Jie-yi ZHANG Ming-yang LI Hao(5)41……Few-Shot Face Spoofing Detection Using Feedforward Learning Network SONG Yu SUN Wen-yun CHEN Chang-sheng(5)48…Opportunistic Transmission Control Method for Apron Sensing Network Based on Game TheoryCHEN Wei-xing SU Jing-fang ZHAO Hui(5)57………………………………………………………………………………A Method of Detecting Sleep Apnea UsingＲandom Forest L Xing-feng，LI Jin-bao(5)64………………………………………Distant SupervisionＲelation Extraction Method Based on Highway Multi-Kernel NetworkLI Wei CHEN Shu-dong OUYANG Xiao-ye DUＲong WANGＲong(5)71………………………………………………A SocialＲelationship Direction Gating Algorithm for Graph Convolutional NetworksLI Lei XIE Yang JIANG Ya-fei LIU Yong-bin(5)77………………………………………………………………………Data Augmentation for Chinese Clinical Named EntityＲecognition WANG Peng-hui LI Ming-zheng LI Si(5)84…………………Dynamic GestureＲecognition Based on Characteristics of Encoded Video Data XIE Xiao-yan ZHAO Huan JIANG Lin(5)91…Commodity Classification of Online Based on High-Level Feature FusionLIU Yi-chen SUN Hua-zhi MA Chun-mei JIANG Li-fen ZHONG Chang-hong(5)98……………………………………A Human Action Counting andＲecognition Method Based on CSI LIU Xi-wen CHEN Hai-ming(5)105…………………………TheＲesearch on Channel Capacity of OAM-MIMO SystemTANG Jie LI Kai LIN Chu-ting SONG Yan ZHOU En-cheng(6)27………………………………………………………A28GHz Transformer Matched Differential Cascode Power Amplifier Based on SiGe TechnologyZHANG Yao-zhen LIU Yu(6)36………………………………………………………………………………………………Dynamic Caching Placement andＲesource Allocation in UAV Emergency Communication NetworksWANG Zi-duan ZHANG Tian-kui XU Wen-jun YANG Li-wei(6)42………………………………………………………Data-Importance-AwareＲesource Allocation in IＲS-Aided Edge Intelligent SystemTIAN Hui NI Wan-li WANG Wen ZHENG Jing-heng HE Shuo(6)51……………………………………………………Analysis of Short-Distance Terahertz Channel Characteristics Based on Channel MeasurementsTIAN Hao-yu TANG Pan TIAN Lei ZHANG Jian-hua HE Jing-suo(6)59………………………………………………A Cloud-Edge Collaborative Computing Task Scheduling Algorithm for6G Edge NetworksMA Lu LIU Ming LI Chao LU Zhao-ming MA Huan(6)66………………………………………………………………Ｒesearch on Coverage and Handover Performance of Unmanned Aerial Vehicle NetworkJIAO Ming-han PENG Mu-gen LIU Chen-xi(6)74……………………………………………………………………………User Matching with Maximum Flow Algorithm for Full-Duplex Small CellsZHAO Fei-fei ZHOU Mo-miao HU Shu-kai YANG Tao(6)82………………………………………………………………Access Control Scheme Supporting Userand AttributeＲevocation in Fog Computing WANG Zheng LI Ling LI Na(6)88………Distributed Wireless Node Task Allocation Method Based on KM AlgorithmTIAN Xing-peng ZHU Xiao-rong ZHU Hong-bo(6)96………………………………………………………………………Secure Beamforming Scheme for Multi-Antenna UAV Communication SystemsWANG Xiao-xiao DAN Zhen-lei GU Chen-wei ZHU Wei-ping LIN Min(6)103…………………………………………ＲEPOＲTSA Heavy Hitter Detection Mechanism in Software Defined NetworksXING Chang-you LI Dong-yang XIE Sheng-xu ZHANG Guo-min WEI Wei(1)97………………………………………9 Analysis and Improvement of Privacy Protection Scheme in VANET LI Tao ZHANG Jing YANG Hao(1)104……………………Study on PDMA Based Visible Light Communication SystemsSHEN Xiao-huan LIN Bang-jiang TANG Xuan XU Jun-xiang(1)111………………………………………………………DOA Estimation Algorithm for SparseＲepresentation Under Non-Stationary Noise WEI Juan CAO Kai-jun NING Fang-li(1)116……Social Network User Identity Association and Its Analysis SUN Bo ZHANG Wei SI Cheng-xiang(1)122…………………………Color Pencil Drawing Based on Convolutional Neural Network WANG Xiao-yu HU Xin-hao HAN Chang-lin(1)129……………Ｒesearch on Location Privacy Protection Scheme Based on Similar TrajectoryＲeplacementSONG Cheng ZHANG Ya-dong PENG Wei-ping WANG Lei LIU Zhi-zhong(1)135……………………………………A Hybrid Memory System for Edge Computing SUN Hao CHEN Lan HAO Xiao-ran LIU Chen-ji NI Mao(2)103……………A Delay and Energy Tradeoff Optimization Algorithm for Task Offloading in Mobile-Edge Computing NetworksJING Ze-wei YANG Qing-hai QIN Meng(2)110………………………………………………………………………………A Shuffle Partition Optimization Scheme Based on Data Skew Model in SparkYAN Yi-fei WANG Zhi-li QIU Xue-song WANG Jia-lu(2)116……………………………………………………………Control Strategy of DPFC System Based on Wireless Communication NetworkCHEN Xiong FENG Ke ZHONG Liang-min ZHAO Jing-bo ZHU Kai-yang(2)122………………………………………A Visual Object Tracking Algorithm Based on Features Extracted by DeepＲesidual NetworkMA Su-gang ZHAO Xiang-mo HOU Zhi-qiang WANG Zhong-min SUN Han-lin(2)129…………………………………ＲesearchＲeview of Green VehicleＲouting Problem KONG Ji-li CHEN Can(3)77…………………………………………………Contract-Based CacheＲenting Mechanism in UAV-Assisted5G Networks WANG Min ZHANG Bi-ling(3)83……………………U-Net Based Intracranial HemorrhageＲecognitionZHANG Tian-qi KANG Bo MENG Xiang-fei LIU Yi-lin ZHOU Ying(3)92………………………………………………Uncoded Space-Time Labeling Diversity Based on MBMJIN Ning SONG Wei-jing JIN Xiao-ping CHEN Dong-xiao WANG Jia-tian(3)99………………………………………Secrecy Outage Probability Analysis of Underlay Cognitive CooperativeＲelay Network with Energy HarvestingLUO Yi WANG Yu-ting SHIＲong-hua YAN Meng-chun ZENG Hao(3)105……………………………………………Three-Dimensional Knee JointＲegistration Based on Principal Component Analysis and Iterative Closest PointWANG Xiao-yu CHEN Lin(3)112………………………………………………………………………………………………A Fast Clustering Algorithm for Massive Data HE Qian LI Shuang-fu HUANG Huan XU Hong(3)118…………………………Ｒesearch on Compressed Sensing Security Theory TANG Yong-li ZHAO Ming-jie LI Li-xiang(3)125……………………………ClusteringＲouting Protocol for WSNs Based on Neural Network Optimization by Improved Firefly AlgorithmDAI Jian-yong DENG Xian-hong WANG Bin WANG Heng-hao(3)131……………………………………………………An Optimization Scheme with Weighted Sum-Ｒate Maximization for Multi-User Wireless Powered Communication NetworksLI Fang-wei WU Yue(3)138……………………………………………………………………………………………………An Algorithm for Differential Gene Analysis of Breast Cancer Based on PPI Network WANG Xiao-yu FENG Yang(4)76…………A Threshold Public Key Encryption via DualＲegev SchemeLI Zeng-peng WANG Jiu-ru ZHANG Wen-yin MA Chun-guang(4)83……………………………………………………Design of Double-Chain Three-Ｒoute Time-to-Digital Converter Based on FPGA DAI Qing-da YE Mao(4)88……………………A Fingerprint Localization Method Based on Shapelet AlgorithmCHANG Zi-ying WANG Wen-han LI Tao LIU Fen CHEN Peng-peng(4)95……………………………………………A New Algorithm of QoS Constrained Ｒouting for Node Energy Optimization of Edge ComputingZHANG De-gan CHEN LuCHEN ChenZHANG TingCUI Yu-ya (4)101………………………………………………Localization Algorithm Based on Penalty Function and Water Wave Optimization for WSNYU Xiu-wu ZHANG KeLIU Yong (4)106……………………………………………………………………………………A Failure Ｒecovery Algorithm for Inter-Domain Ｒouting System Based on Degree-Constrained Minimum Spanning TreeWANG YuZHANG Lian-chengZHANG Hong-taoGUO Yi (4)113………………………………………………………Detection and Performance Analysis Based on Quadrature Index Modulation Multiple AccessJIN Xiao-ping WU QingJIN NingCHEN Dong-xiaoWANG Jia-tian (4)120……………………………………………An Abnormal Sound Ｒecognition Method Based on EEMD WEI Juan GU Xing-quanNING Fang-li (5)112………………………Ｒeverse-Analysis of S-Box for SM4-Like Algorithms Based on Side Channel TechnologyMA Xiang-liang LI BingYANG DanHUANG Ke-zhen DUAN Xiao-yi (5)118……………………………………………Wireless Localization Algorithm of Adaptive Levy Whale Based on Mapping CurveYU Xiu-wu LI YingLIU YongXIAO Ｒen-rongYU Hao (5)125…………………………………………………………Maximum Fairness Power Allocation Scheme in Downlink Multi-Cell NOMA Systems TIAN Xin-ji JIANG Qing-li (5)130…………Ｒouting Algorithm Based on Density Clustering for Delay Tolerant Network WEN Wei (5)137………………………………………Single Channel Interference Signal Ｒeconstruction and Suppression Algorithm in Low Altitude Small Target DetectionSHI Xiao-zhu DU Yang-fanLI Xiao-huiFANG Cong (5)143………………………………………………………………Ｒesearch on Frequency Compatibility of Collaboration-Based Large-Scale NGSO ConstellationsLI WeiPAN JiYAN KangWEI Wen-kangZHANG Lei (6)110…………………………………………………………Data Collection Method of Space-Based Internet of Things Based on Improved Double Level Distributed LT CodeHE Jian-hua ZHAO HuiXU Xiao-binYAN LeiWANG Shang-guang (6)118……………………………………………Energy Efficient Ｒesource Allocation for Secure MEC System Based on mMIMOZHAO WeiWANG BinBAO HuiZHAO Pin-fangLI Bao-gang (6)126…………………………………………………Intelligent Ｒesource Allocation Algorithm for 6G Multi-Tenant Network Slicing Based on Deep Ｒeinforcement LearningGUAN Wan-qing ZHANG Hai-junLU Zhao-ming (6)132……………………………………………………………………Overhead Analysis of Blockchain Consensus Algorithm in Wireless NetworksCAO Bin NIE Kai-jun PENG Mu-gen ZHOU Zhi-zhong ZHANG Lei (6)140 01。

无线传感器网络中的数据融合处理方法无线传感器网络（WSN）是一种由大量、小型、低功耗的无线传感器节点构成的网络系统。

它可以实现对各种环境信息的实时采集和传输。

WSN技术在环境监测、智能交通、智能家居等领域得到了广泛的应用。

在WSN中，节点数量众多，信息源复杂，因此如何有效地融合数据成为了一个重要的问题。

数据融合是将多个传感器节点采集的原始数据进行整合、分析和处理，形成更加全面和准确的信息。

数据融合技术能够提高WSN的信息获取准确性和传输效率。

数据融合的方法有很多，根据处理的数据类型，可以分为时空数据融合和频谱数据融合。

时空数据融合主要用于处理WSN中的传感器数据，其目的是通过时间和空间的关系来融合和提取原始数据中的信息。

频谱数据融合主要用于处理WSN中的信号数据，其目的是通过对信号的不同频率分量进行分析和融合，从而提取信号中隐含的有用信息。

一、时空数据融合时空数据融合主要包括数据预处理、数据校正、数据插值、数据平滑和数据逆变换等步骤。

其中，数据预处理主要是对原始数据进行降噪和滤波，以去除噪声和错误信息。

数据校正是通过校正系数对多个传感器节点的数据进行统一的校正处理，以去除因传感器本身误差而引起的数据偏差。

数据插值是对数据采样点进行插值操作，以填补数据缺失的部分。

数据平滑是对数据进行平滑处理，以消除由噪声和差异引起的抖动现象。

数据逆变换是将经过变换的融合数据变换回原始数据空间，以便后续处理和应用。

时空数据融合的方法有很多，其中比较常见的有基于统计学的方法、基于神经网络的方法和基于模糊逻辑的方法。

例如，基于统计学的方法可以利用均值、方差等统计指标来对融合数据进行处理和分析；基于神经网络的方法可以使用神经网络模型对多个传感器节点的数据进行建模和预测；基于模糊逻辑的方法可以使用模糊逻辑模型对数据进行处理和推理。

二、频谱数据融合频谱数据融合主要包括频谱分析、频谱变换和频谱合成等步骤。

其中，频谱分析是对信号频率分量进行分析和提取，以确定频率上的信息特征；频谱变换是将信号从时域转换到频域，以便于进行频谱分析和处理；频谱合成是将经过变换的融合信号变换回时域，以便于后续处理和应用。

基于神经网络的多模态数据融合随着人工智能技术的不断发展，多模态数据融合的应用越来越广泛，其中基于神经网络的多模态数据融合是一种比较常见的方法。

本文将介绍神经网络的基本原理和多模态数据融合的实现方式，以及该方法在实际应用中的优势和不足。

神经网络是一种模仿生物神经网络的计算模型，具有自学习、自适应、自组织等特点，可以用于图像识别、语音识别、自然语言处理等多个领域。

神经网络最基本的单元是神经元，一般采用人工的方式来构造。

多模态数据融合就是将来自多个传感器的不同类型的数据综合起来，形成一个更为完整的信息集合。

常见的多模态数据包括图像、语音、文本、传感器数据等。

而多模态数据融合的目的就是为了进一步提高数据的准确性、鲁棒性和鉴别性。

基于神经网络的多模态数据融合可以分为两类：串行融合和并行融合。

串行融合是将数据从不同的传感器分别送入各自的神经网络中，再将得到的中间结果集成到一个最终的神经网络中。

而并行融合是将各个传感器的数据直接合并后输入一个神经网络进行训练。

在实际应用中，基于神经网络的多模态数据融合有很多优势。

首先，该方法可以利用多模态数据的互补性，进一步提高数据的准确性和鉴别性。

其次，神经网络具有自动学习的能力，可以从多模态数据中提取更高阶的信息。

而且，该方法还具有一定的鲁棒性，对于数据缺失或异常情况也能保持一定的效果。

但是，基于神经网络的多模态数据融合也存在一些不足之处。

首先，该方法的计算量较大，需要大量的计算资源，导致训练速度较慢。

同时，对于神经网络的结构和参数的选择也需要一定的经验和专业知识。

此外，该方法对于数据的准备和预处理也比较敏感，需要进行大量的数据清洗和特征提取。

总之，基于神经网络的多模态数据融合是一种很有前景的方法，它可以提高数据的准确性和鉴别性，并且具有鲁棒性。

但是，该方法也存在一些缺陷，如计算量大，对数据的处理比较敏感等。

未来，我们需要进一步探索其改进方法，使其更好的适用于各种实际场景。

基于神经网络的多源数据融合技术研究在现代社会中，数据已经成为了信息时代最为宝贵的资源之一。

随着科技的不断进步，各种各样的数据源不断涌现，如何将这些分散的数据有效地整合起来，提高数据的价值和准确性，已经成为了一个不可避免的问题。

而基于神经网络的多源数据融合技术则是一种有效的解决方案。

一、什么是神经网络？神经网络是一种类似于人类大脑的计算模型。

它由大量的神经元和它们之间的连接构成，并且可以通过学习来改善自身的性能。

神经网络的基本思想是利用带权输入（或刺激）来激活神经元，通过神经元之间的连接和不同层级之间的协作，来完成各种复杂的计算任务。

二、多源数据融合的必要性在大数据时代，数据源的种类、形式和数量都在不断地增加，不同数据源自身存在着各种各样的限制，如数据的粒度、质量、时间差异等。

这使得进行全面、准确的分析和处理变得十分困难。

针对这一问题，多源数据融合技术应运而生。

多源数据融合技术是指将来自不同数据源的信息整合，形成具有更高可靠性、准确性和完整性的最终结果。

采用多源数据融合技术可以弥补不同数据源之间的缺陷，从而大幅提高数据的可靠性和准确性。

三、基于神经网络的多源数据融合技术基于神经网络的多源数据融合技术可以将不同数据源的信息整合起来，形成更为准确和完整的最终结果。

它的基本思路是通过神经网络的学习模式，将多种数据源中的信息进行聚合和处理，最终得到更加全面和可靠的数据。

具体来说，基于神经网络的多源数据融合技术可以分为以下几个步骤：1. 数据预处理。

这是整个数据融合过程中的重要环节，它可以提高神经网络处理数据的效率和准确性。

在数据预处理阶段，需要对原始数据进行去噪、归一化、分类和筛选等操作，使得数据的质量和量化程度更高。

2. 数据融合。

在数据预处理完成之后，就可以进行数据融合了。

数据融合的过程可以利用各种神经网络模型，如BP神经网络、Hopfield神经网络、RBF神经网络等。

利用这些模型，可以将来自不同数据源的信息进行聚合和处理，生成更为准确和完整的数据。

COMMUNICATION NETWORK基于T分布的WSN网络数据融合算法伍岳 应沈静 张海民 陶骏（安徽信息工程学院，安徽芜湖 241000）【摘要】由于WSN的组成是大量廉价的传感器节点,因而节点的计算、通信和感知能力均有限，所以，数据传输网络的最小化之间的提高传感器的使用寿命和整体的带宽利用率是非常重要的。

在无线传感器网络之中，组合和组合传感器数据的过程就是数据融合。

在文献中，该算法通常使用模糊集和主成分分析来构建相似矩阵来计算每个传感器的权重。

使用统计分布，将整个收集的数据作为整体处理，并且所有测量值均由T分布加权。

通过实验仿真该融合算法在某些场景优于一些常见的方法。

【关键词】WSN；数据融合；T分布【基金项目】安徽省教育厅自然科学重点科技资助项目，1.课题名称：安徽省教育厅自然科学基于深度学习的SDN网络应用研究（KJ2018A0626）；2.课题名称：一种家用网络QoS控制器及控制方法的研究与设计（KJ2018A0632）【作者简介】伍岳，安徽芜湖，硕士，讲师，研究方向：网络安全，计算机网络，WSN。

应沈静，浙江丽水，本科，研究方向：计算机网络。

张海民，安徽安庆，硕士，讲师，研究方向：网络，人工智能。

陶骏，安徽芜湖，硕士，副教授，研究方向：信息安全，物联网。

中图分类号：TN92 文献标识码：A 文章编号：1673-0348（2020）018-016-04 Data Fusion Algorithm for WSN Network Based onDistributionWu Yue Ying Shenjing Zhang Haimin Tao Jun(Anhui Institute of Information Engineering, Wuhu, Anhui 241000)Abstract: Since WSN is composed of a large number of inexpensive sensor nodes, the calculation, communication, and perception capabilities of the nodes are limited. Therefore, it is very important to minimize the data transmission network to improve the service life of the sensor and the overall bandwidth utilization. of. In wireless sensor networks, the process of combining and combining sensor data is data fusion. In the literature, this algorithm usually uses fuzzy sets and principal component analysis to construct a similarity matrix to calculate the weight of each sensor. Using statistical distribution, the entire collected data is treated as a whole, and all measured values are weighted by the T distribution. The fusion algorithm is better than some common methods in some scenarios through experimental simulation. Keywords: WSN; data fusion; T distributionCOMMUNICATION NETWORK1. 概述由于WSN的组成是大量廉价的传感器节点，因而节点的计算、通信和感知能力均有限，所以，数据传输网络的最小化之间的提高传感器的使用寿命和整体的带宽利用率是非常重要的。

基于递推最小二乘和改进支持度的WSN数据融合算法陈俊杰;倪培洲;许广富;腾达【摘要】无线传感器网络(WSN)在空间和时间上均存在数据冗余问题.为了在保证精度的前提下减少冗余量,提出了基于递推最小二乘和改进支持度的WSN数据融合方法.针对单个传感器节点,采用递推最小二乘法进行数据融合.针对节点之间的冗余问题,应用分批融合思想对系统降维,将灰色接近度理论与自支持度结合改进支持度函数,对各子系统分别采用基于改进支持度函数的加权算法进行融合.采用一个包含7个传感器节点的无线传感器网络对该算法进行了检验.结果表明,该融合算法能够显著减少数据计算量与传输量.融合后的数据均方误差为0.1597,能够满足实际应用对精度的要求.【期刊名称】《测控技术》【年(卷),期】2019(038)002【总页数】5页(P65-68,74)【关键词】WSN;数据融合;递推最小二乘;支持度函数;分批融合【作者】陈俊杰;倪培洲;许广富;腾达【作者单位】东南大学仪器科学与工程学院,江苏南京210096;东南大学仪器科学与工程学院,江苏南京210096;东南大学仪器科学与工程学院,江苏南京210096;东南大学仪器科学与工程学院,江苏南京210096【正文语种】中文【中图分类】TP274+.2在无线传感器网络中，通常布置有大量的传感器节点。

一方面，由于监测环境复杂多变，这些传感器节点会不可避免地受到各种干扰，随机噪声对监测数据的影响不容忽略；另一方面，监控系统对节点能耗有较高要求，大量冗余数据的传输和处理将快速耗尽节点能量，使节点失效。

因此，将数据融合技术应用在WSN中，可以增强数据的准确性(降低随机噪声的影响)，提高系统的可靠性(当某个或某些节点因能量耗尽或受到干扰而失效时，不会影响系统的正常感知)。

数据融合是指通过建模对不同源的数据进行处理[1]。

通过对这些不同源数据的充分利用和合理支配，并结合数据估计、建模、采集管理等手段，依据某种准则综合考虑其在时间和空间上的冗余或互补信息，产生被测对象更准确的信息、更一致的解释和描述，以获得最大可信度的最优结果[2-3]。

基于神经网络的WSN数据融合算法作者：姚丽君,梁宏倩,赵磊来源：《电脑知识与技术》2010年第18期摘要:该文将神经网络功能模型引入无线传感器网络,提出一种基于神经网络的无线传感器网络数据融合算法。

实验表明该算法有效地减少了网络的能耗,延长了无线传感器网络的生存周期,是一种较为实用的无线传感器网络数据融合算法。

关键词:无线传感器网络;数据融合;神经网络中图分类号:TP393文献标识码:A文章编号:1009-3044(2010)18-5050-02A Wireless Sensor Network Data Fusion Algorithm Based on Neural NetworkYAO Li-jun1, LIANG Hong-qian2, ZHAO Lei1(1.Hengyang Normal University, Hengyang 421008, China;2.Xi'an Wenli College, Xi'an 710065, China)Abstruct: This paper combined the neural network model and the wireless sensor network, proposed a wireless sensor network data fusion algorithm based on neural network. Experiments show that the algorithm can effectively reduce energy consumption of network, extend network life, it is a more practical wireless sensor network data fusion algorithm.Key words: wireless sensor network; data fusion; neural network无线传感器网络(wireless sensor network,简称WSN)近几年来是计算机网络领域中最为热门的研究内容之一。

基于改进的遗传算法的无线传感器网络优化布局无线传感器网络（Wireless Sensor Network，WSN）是一种由大量分布式传感器节点组成的网络系统，用于感知和监测环境中的物理或化学量。

WSN在许多应用领域如环境监测、智能交通和物联网中起着至关重要的作用。

优化布局是WSN中的一个重要问题，它涉及到传感器节点在给定环境中的空间分布选择，以最大化网络的性能和覆盖范围。

本文将介绍一种基于改进的遗传算法的无线传感器网络优化布局方法。

第一部分：引言无线传感器网络布局优化是WSN设计中的关键问题之一。

合理的布局方案可以提高网络性能和能源利用效率。

传统的优化布局方法包括网络拓扑控制、传感器节点位置选择等。

然而，这些方法通常面临着计算复杂度高、局部最优解等问题。

因此，引入进化算法来解决这个问题是很有必要的。

第二部分：遗传算法概述遗传算法（Genetic Algorithm，GA）是一种模拟自然进化过程的算法，通过模拟基因的选择、交叉和变异等操作，以寻找最优解。

在优化问题中，GA能够在解空间中搜索具有较高适应度的解，并通过不断迭代的方式逐渐优化。

传统的遗传算法存在着收敛速度慢、易陷入局部最优解等问题，因此需要进行改进。

第三部分：改进的遗传算法为了提高遗传算法在无线传感器网络优化布局中的性能，本文提出了一种改进的遗传算法。

首先，引入适应度函数，通过衡量每个布局方案的适应度来评估其优劣。

其次，采用多样性保持机制，避免算法过早陷入局部最优解。

具体而言，通过保留多样的个体解，增加遗传算法的探索能力，提高全局搜索的能力。

此外，还引入了自适应交叉和变异概率策略，以更好地平衡全局搜索和局部搜索之间的关系。

第四部分：实验与结果分析本文提出的改进遗传算法在无线传感器网络优化布局问题上进行了一系列实验。

实验结果表明，与传统的遗传算法相比，所提出的改进算法在寻找全局最优解方面具有更好的性能。

同时，通过引入多样性保持机制，算法的收敛速度也得到了改善。

一种基于深度学习的多源异构数据融合方法随着互联网和物联网技术的发展，产生了大量的多源异构数据，如文本数据、图像数据、传感器数据等。

这些数据在不同的领域和应用中具有重要的作用，但其异构性和多源性也给数据融合带来了挑战。

深度学习作为一种强大的机器学习方法，具有自动学习特征表示和处理大规模数据的能力，因此被广泛应用于多源异构数据融合的研究中。

基于深度学习的多源异构数据融合方法主要包括以下几个关键步骤：特征提取、特征融合和决策分类。

首先，对于不同类型的数据，需要将其转化为深度学习模型能够处理的特征表示。

例如，对于文本数据，可以使用循环神经网络（RNN）或卷积神经网络（CNN）进行特征提取；对于图像数据，可以使用卷积神经网络进行特征提取；对于传感器数据，可以使用自编码器或注意力机制进行特征提取。

特征提取完成后，需要将不同类型的特征进行融合。

融合的方式包括级联融合、堆叠融合和并行融合等。

级联融合是将不同类型的特征连接成一个长向量，然后输入到深度学习模型进行训练；堆叠融合是将不同类型的特征输入到不同的深度学习模型中进行训练，然后将各个模型的输出进行融合；并行融合是将不同类型的特征输入到不同的深度学习模型中进行训练，并将各个模型的输出进行融合。

融合后的特征可以更全面地表达多源异构数据的特点。

最后，融合后的特征通过一个决策分类器进行分类或预测。

通常使用全连接层或softmax层等进行分类。

决策分类器的目标是学习出能够更准确地区分不同类别的决策边界。

除了上述基本步骤外，基于深度学习的多源异构数据融合方法还可以应用其他技术来增强融合效果。

例如，可以引入注意力机制来自动学习数据的重要性权重，从而更加关注重要的数据源；还可以利用迁移学习的方法，将在一个领域上学习到的知识迁移到另一个领域上，从而提高融合效果。

总之，基于深度学习的多源异构数据融合方法能够提供更全面和准确的数据描述，从而为各种领域和应用带来更好的性能和效果。

随着深度学习的不断发展和改进，相信这种方法将会得到更广泛的应用和进一步的研究。

基于神经网络的多传感器数据融合方法研究多传感器数据融合是一种将来自不同传感器的信息进行整合的技术，目的是提高数据的准确性和可靠性。

随着神经网络在各个领域的应用不断扩大，基于神经网络的多传感器数据融合方法在近年来得到了广泛的研究和应用。

本文将对基于神经网络的多传感器数据融合方法进行研究和探讨。

首先，我们需要明确什么是传感器数据融合。

传感器数据融合是指通过使用多个传感器同时采集的数据来生成更准确和可靠的信息。

多传感器数据融合方法旨在通过最大限度地利用不同传感器的互补性，消除传感器个体之间的噪声和缺陷，并最终实现融合结果的优化。

神经网络作为一种强大的非线性模型，其在多传感器数据融合中的应用已经得到了广泛的关注。

基于神经网络的多传感器数据融合方法主要包括三个关键步骤：传感器数据的预处理、特征提取和融合输出。

首先，传感器数据的预处理是实现多传感器数据融合的第一步。

在此步骤中，需要对不同传感器采集的数据进行归一化、滤波和去噪等处理，以确保传感器数据的一致性和可靠性。

例如，可以使用滑动窗口和均值滤波器对数据进行平滑处理，从而减少数据中的随机噪声。

接下来，特征提取是基于神经网络的多传感器数据融合方法的核心步骤。

在此步骤中，需要利用神经网络模型从传感器数据中提取有用的特征。

特征提取的目的是将原始的传感器数据转化为具有更高层次的描述性特征，以便神经网络可以更好地学习和理解数据之间的关系。

常用的特征提取方法包括卷积神经网络（CNN）、循环神经网络（RNN）和长短期记忆网络（LSTM）等。

最后，融合输出是基于神经网络的多传感器数据融合方法的最后一步。

在此步骤中，需要将经过特征提取的数据输入到神经网络模型中，通过神经网络的学习和优化过程，得到最终的融合结果。

融合输出可以是一组预测值、一个决策或一种分类结果，具体根据实际问题而定。

在实际应用中，基于神经网络的多传感器数据融合方法已经在许多领域取得了良好的效果。

例如，在智能交通系统中，通过使用车载摄像头、雷达和GPS等不同传感器采集的数据，可以实现对道路交通情况的准确监测和预测。

无线传感器网络数据融合技术一、概述无线传感器网络（Wireless Sensor Networks，WSN）作为物联网的核心技术之一，在环境监测、智能交通、军事侦察、医疗健康等众多领域发挥着日益重要的作用。

数据融合技术作为无线传感器网络中的关键环节，能够有效提升网络性能、减少数据传输量、提高数据准确性和可靠性，因此受到了广泛关注和研究。

无线传感器网络数据融合技术主要通过对多个传感器节点采集的数据进行有效地整合和处理，从而提取出更有价值的信息。

这些传感器节点通常分布在一个特定的区域内，它们能够感知并采集环境中的各种信息，如温度、湿度、光照、压力等。

由于无线传感器网络中的节点数量众多且分布广泛，因此如何高效地处理这些海量数据，提取出有用的信息，成为了一个亟待解决的问题。

数据融合技术通过一定的算法和策略，对多个传感器节点的数据进行融合处理，从而实现对环境状态的准确感知和判断。

它可以有效地减少数据传输量，降低网络能耗，提高数据准确性和可靠性。

同时，数据融合技术还可以在一定程度上弥补单个传感器节点在感知能力上的不足，提高整个无线传感器网络的性能。

随着无线传感器网络技术的不断发展，数据融合技术也在不断更新和完善。

目前，已经有许多成熟的算法和策略被应用于无线传感器网络数据融合中，如加权平均法、卡尔曼滤波法、神经网络法等。

这些算法和策略各有优缺点，适用于不同的应用场景和需求。

无线传感器网络数据融合技术是一项重要的技术手段，对于提升无线传感器网络的性能、降低能耗、提高数据准确性和可靠性具有重要意义。

未来，随着物联网技术的不断发展和应用领域的不断拓展，无线传感器网络数据融合技术将会得到更加广泛的研究和应用。

1. 无线传感器网络概述无线传感器网络（Wireless Sensor Networks，WSN）是一种由大量传感器节点以无线通信方式形成自组织网络，用以协作地感知、采集、处理和传输网络覆盖区域内被感知对象的信息，并发送给观察者。

专利名称：基于分类自适应估计加权融合算法的WSN数据融合方法
专利类型：发明专利
发明人：刘培学,徐辉,闫东,刘纪新,曹爱霞,冯飞,董丽,陈玉杰,赵梅莲,牛海春
申请号：CN202010323075.9
申请日：20200422
公开号：CN111542010A
公开日：
20200814
专利内容由知识产权出版社提供
摘要：本发明公开了一种基于分类自适应估计加权融合算法的WSN数据融合方法，涉及医用冷链仓库中的温度监测领域。

该方法首先对异常数据进行分类处理，筛选出有效性异常数据，然后引入融合权值与修正因子改进分批估计算法计算数据融合结果，最后利用MATLAB仿真软件将该算法与其他两种数据融合方法进行仿真对比，仿真结果表明：在温度检测系统模型下，相较于BEF和MF算法，该方法的融合结果更接近真值，具有较低的均方误差，满足医用冷链中冷库温度传感器数据融合的要求。

申请人：青岛黄海学院
地址：266427 山东省青岛市青岛开发区灵海路3111号
国籍：CN
代理机构：济南知来知识产权代理事务所(普通合伙)
代理人：崔静
更多信息请下载全文后查看。

无线传感网中一种改进的层次数据融合策略摘要：在无线传感器网络中，数据融合是减少能量消耗的有效途径。

本文针对多层数据融合方案的局限性提出了一种改进策略。

该策略是在已建立的每一层上再划分为两个子层，数据在邻层的相应子层中传输，避免了节点之间能量消耗不均，延长了网络的生存周期。

关键词：无线传感器网络；层次数据融合；数据传输中图分类号：tp393 文献标识码：a 文章编号：1007-9599(2011)22-0000-01improved level data aggregation strategy for wireless sensor networksren xiuli(school of computer,jilin normal university,siping 136000,china)abstract:an improved strategy of level data aggregation is proposed for the limit of multi-level data aggregation scheme in this paper for wireless sensor network. the strategy is divided each level into two sub-levels,transmitted the data between the adjacent two sub-levels,avoided unbalanced energy consumption of nodes and extended the network lifecycle.keywords:wireless sensor network;level dataaggregation;data transmission一、引言无线传感器网络（wireless sensor networks，wsn）[1]中的节点是由电池供电，能量十分有限，这就要求wsn 中采用数据融合技术，对冗余数据进行处理，有效地减少数据传输量，延长wsn的生命期[2]。

数据融合技术及其在WSN中的应用研究
王海涛
【期刊名称】《数据通信》
【年(卷),期】2022()2
【摘要】随着无线传感网(Wireless Sensor Network,WSN)的逐渐成熟和广泛应用,WSN的数据规模呈指数增长,并且人们对数据质量的要求也不断提升。

数据融合通过对原始数据进行采集、过滤、关联及综合,在消除数据冗余的同时从中提取有用信息,辅助决策评估。

首先,说明了在WSN中采用数据融合的必要性。

然后,简要介绍了数据融合的发展概况和困境。

接下来,从数据融合模型、数据融合分类及典型数据融合方法三方面对数据融合技术进行了系统阐述。

在此基础上,提出了一种基于分簇结构的无线传感网数据融合体系框架。

最后,对论文进行小结并指出今后工作方向。

【总页数】5页(P18-22)
【作者】王海涛
【作者单位】南京审计大学金审学院信息科学与工程学院
【正文语种】中文
【中图分类】TP2
【相关文献】
1.WSN中可保护数据完整性和恢复感知数据的数据融合算法
2.WSN数据融合中的隐私保护技术研究
3.WSNs中可保护数据完整性和隐私的数据融合算法
4.数据
融合方法在WSNS农业温度控制的的应用研究5.WSNs数据融合技术在智能农业温度控制中的应用研究
因版权原因，仅展示原文概要，查看原文内容请购买。

基于深度神经网络的多模态数据融合研究深度学习作为一种强大的机器学习方法，近年来在多个领域取得了显著的进展。

其中，多模态数据融合作为深度学习的一个重要应用方向，受到了广泛的关注。

多模态数据融合旨在将来自不同源和格式的数据整合起来，以提升数据处理和分析的效率和准确性。

本文将探讨基于深度神经网络的多模态数据融合研究，分析其重要性、挑战以及实现途径。

一、多模态数据融合概述多模态数据融合是指将来自不同模态（如文本、图像、声音等）的数据进行有效整合，以获得更全面的信息表示。

在现实世界中，信息往往以多种模态的形式存在，例如在自动驾驶系统中，车辆需要处理来自摄像头的图像数据、雷达的信号数据以及GPS的位置数据等。

多模态数据融合能够提高系统对复杂环境的理解和决策能力。

1.1 多模态数据融合的核心特性多模态数据融合的核心特性主要体现在以下几个方面：- 互补性：不同模态的数据可以提供关于同一实体或事件的不同视角，融合这些数据可以弥补单一模态数据的不足。

- 一致性：多模态数据融合需要确保来自不同源的数据在语义上是一致的，以避免信息冲突。

- 鲁棒性：多模态数据融合能够提高系统的鲁棒性，即使某一模态的数据出现问题，其他模态的数据仍然可以提供有用的信息。

1.2 多模态数据融合的应用场景多模态数据融合的应用场景非常广泛，包括但不限于以下几个方面：- 医疗诊断：通过融合患者的医疗影像、基因数据和临床文本记录，提高疾病的诊断准确性。

- 智能监控：结合视频监控、音频分析和传感器数据，实现更精确的安全监控。

- 人机交互：利用视觉、语音和触觉等多种模态的数据，提供更自然和直观的交互体验。

二、基于深度神经网络的多模态数据融合方法深度神经网络因其强大的特征提取和表示学习能力，成为实现多模态数据融合的有效工具。

研究者们提出了多种基于深度学习的多模态数据融合方法。

2.1 深度神经网络的基本结构深度神经网络通常由多层的神经元组成，每层神经元可以学习输入数据的不同层次的特征。

基于DS证据理论和压缩感知的WSN数据融合策略设计廖长荣【摘要】为了降低WSN数据量和延长网络生命周期,设计了一种基于DS证据理论和压缩感知的WSN混合数据融合策略;首先,在分簇协议的基础上引入了基于DS 证据理论和压缩感知的混合模型,然后,采用改进的DS对所有簇成员节点的基本信度分配函数进行加权处理,在簇头处采用加权和归一化的信度分配函数计算证据对各命题的支持程度,将支持程度较大的若干命题作为DS融合结果,在此基础上采用压缩感知方法通过构造测量矩阵对融合结果进行稀疏化表示,并在基站处对稀疏信号进行重构;仿真实验表明,文中方法能有效地实现数据融合,且和其他方法相比,具有重构误差较小和网络生命周期较长的优点,具有较大的优越性.【期刊名称】《计算机测量与控制》【年(卷),期】2014(022)008【总页数】4页(P2618-2621)【关键词】压缩感知;证据理论;无线传感器网络;数据融合【作者】廖长荣【作者单位】重庆文理学院电子电气工程学院,重庆 402160【正文语种】中文【中图分类】TP3930 引言无线传感器网络（wireless sensor networks，WSN）［1］是由多门学科高度交叉组成的新兴学科，目前已经在国际上受到广泛的关注。

近年来，WSN 的发展受到能量供应、数据存储、数据传输能力、数据处理能力和网络的可靠性等因素的制约和影响，减少WSN 数据传输的距离和数据量是提高WSN 生命周期的关键［2－3］。

数据融合是通过某种方法将WSN 中大量传感器采集的原始信息进行有效处理，去除其中的冗余信息，从而有效地延长网络生命周期［4］。

目前已有的数据融合方法主要可以分为：基于生成树的数据融合方法［5－6］、消除时空相关性的数据融合［7－8］、基于预测的数据融合［9］。

基于生成树的数据融合方法存在的问题主要是当同时发送数据的传感器节点数量过多时，会造成网络拥塞和能耗过高，反而降低了数据包的传输速率。