【摘要】：溫室具有空間大、無線傳感器節(jié)點易受到干擾等特點,節(jié)點采集的數(shù)據(jù)波動性較大且易出現(xiàn)丟失現(xiàn)象。為了提高溫室監(jiān)測無線傳感網(wǎng)的可靠性和數(shù)據(jù)融合的精度,提出了一種基于數(shù)據(jù)預(yù)處理和卡爾曼濾波的無線傳感器網(wǎng)絡(luò)數(shù)據(jù)融合算法。經(jīng)過對各傳感器數(shù)據(jù)進(jìn)行預(yù)處理和卡爾曼濾波估計,再將數(shù)據(jù)發(fā)送到簇頭節(jié)點進(jìn)行基于狀態(tài)補償策略的加權(quán)數(shù)據(jù)融合。通過對溫室濕度數(shù)據(jù)進(jìn)行仿真,結(jié)果表明:數(shù)據(jù)預(yù)處理能明顯減小數(shù)據(jù)波動,大幅減少網(wǎng)絡(luò)數(shù)據(jù)傳輸量和能耗,提高抗干擾能力。另外,針對溫室無線傳感器網(wǎng)絡(luò)容易出現(xiàn)丟包的現(xiàn)象,基于狀態(tài)補償策略的加權(quán)數(shù)據(jù)融合算法可以明顯提高在數(shù)據(jù)丟包情況下的融合精度。
[Abstract]:The greenhouse has the characteristics of large space, the wireless sensor nodes are easily disturbed, the data collected by the nodes are volatile and easy to be lost. In order to improve the reliability of greenhouse monitoring wireless sensor network and the precision of data fusion, a data fusion algorithm based on data preprocessing and Kalman filter is proposed. After preprocessing the sensor data and estimating the Kalman filter, the data is sent to the cluster head node for weighted data fusion based on the state compensation strategy. Through the simulation of greenhouse humidity data, the results show that the data preprocessing can obviously reduce the data fluctuation, greatly reduce the amount of network data transmission and energy consumption, and improve the anti-jamming ability. In addition, the weighted data fusion algorithm based on state compensation strategy can obviously improve the fusion accuracy in the case of packet loss in greenhouse wireless sensor networks.
【作者單位】： 山東科技大學(xué)電氣與自動化工程學(xué)院;
【基金】：中國博士后基金項目(2014M551934) 山東省中青年科學(xué)家獎勵基金項目(BS2013DX012) 山東省博士后基金項目(201303068)
【分類號】：TN929.5;TP202;TP212.9

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 閆磊;李永紅;杜力力;;小波分析技術(shù)在數(shù)據(jù)預(yù)處理中的應(yīng)用[J];科技信息;2012年29期

2 伏玉筍,田作華,施頌椒,任思聰,滕玉琨;灰色系統(tǒng)理論、數(shù)據(jù)預(yù)處理及其應(yīng)用[J];上海交通大學(xué)學(xué)報;2001年02期

3 王成江,聶德鑫;放電聲發(fā)射波檢測中數(shù)據(jù)預(yù)處理的小波分析實現(xiàn)[J];繼電器;2003年11期

4 羅艷霞;;基于數(shù)據(jù)倉庫的無線網(wǎng)絡(luò)優(yōu)化數(shù)據(jù)預(yù)處理[J];電腦編程技巧與維護(hù);2010年24期

5 雷雨;趙丹寧;;數(shù)據(jù)預(yù)處理對最小二乘支持向量機預(yù)報鐘差的影響[J];導(dǎo)航定位學(xué)報;2014年01期

6 王延暴;郝小寧;;采用數(shù)據(jù)預(yù)處理技術(shù)提高雷達(dá)測距精度[J];火控雷達(dá)技術(shù);2006年02期

7 錢駿;李棟;;多雷達(dá)數(shù)據(jù)融合中的數(shù)據(jù)預(yù)處理[J];火控雷達(dá)技術(shù);2009年03期

8 陳艷,洪岸青,唐志凱;基于軟件雷達(dá)的數(shù)據(jù)融合算法研究[J];淮陰工學(xué)院學(xué)報;2005年05期

9 車志宇;熊偉;何友;張晶煒;;雷達(dá)—紅外異地配置下的數(shù)據(jù)融合算法[J];彈箭與制導(dǎo)學(xué)報;2005年S2期

10 趙巍,潘泉,戴冠中,張洪才;多尺度數(shù)據(jù)融合算法概述[J];系統(tǒng)工程與電子技術(shù);2001年06期

相關(guān)會議論文 前3條

1 杜菲;呂建平;;基于最短路由的無線傳感器數(shù)據(jù)融合算法研究[A];第八屆全國信息獲取與處理學(xué)術(shù)會議論文集[C];2010年

2 柴毅;屈劍鋒;郭茂耘;尹宏鵬;;分布式傳感器網(wǎng)絡(luò)在線自適應(yīng)數(shù)據(jù)融合算法研究[A];2007'儀表，，自動化及先進(jìn)集成技術(shù)大會論文集（一）[C];2007年

3 吳振輝;董朝陽;;主/被動雷達(dá)H∞濾波的最小方差數(shù)據(jù)融合算法[A];中國系統(tǒng)仿真學(xué)會第五次全國會員代表大會暨2006年全國學(xué)術(shù)年會論文集[C];2006年

相關(guān)博士學(xué)位論文 前1條

1 李秋榮;改進(jìn)容積卡爾曼濾波及其導(dǎo)航應(yīng)用研究[D];哈爾濱工程大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 朱蘇雁;基于FPGA的SVAC編碼數(shù)據(jù)預(yù)處理與碼流存儲模塊設(shè)計[D];山東大學(xué);2016年

2 楊小漫;基于位置的服務(wù)中數(shù)據(jù)預(yù)處理研究[D];鄭州大學(xué);2013年

3 陳剛;車聯(lián)網(wǎng)條件下的混合動力客車車載傳感器實時數(shù)據(jù)預(yù)處理研究[D];重慶大學(xué);2014年

4 李曉;面向城市污水監(jiān)測的WSN數(shù)據(jù)融合算法研究[D];西安工業(yè)大學(xué);2015年

5 陳星杰;無線傳感網(wǎng)絡(luò)中多傳感器數(shù)據(jù)融合算法研究[D];湘潭大學(xué);2015年

6 丁曉嬌;可保護(hù)數(shù)據(jù)隱私性和完整性的安全數(shù)據(jù)融合算法研究[D];河南大學(xué);2015年

7 李同鋒;一種改進(jìn)的LEACH路由協(xié)議及數(shù)據(jù)融合算法[D];青海師范大學(xué);2015年

8 董為浩;基于目標(biāo)定位的數(shù)據(jù)融合算法研究[D];杭州電子科技大學(xué);2015年

9 李智強;基于小波的動車組數(shù)據(jù)預(yù)處理及分析研究[D];西南交通大學(xué);2011年

10 徐仁晶;無線傳感器網(wǎng)絡(luò)數(shù)據(jù)融合算法研究[D];南京理工大學(xué);2012年

本文編號：2421312