摘要：無(wú)線傳感器網(wǎng)絡(luò)（Wireless Sensor Networks，wSN是由許多具有低功率無(wú)線收發(fā)裝置的傳感器節(jié)點(diǎn)組成，它們監(jiān)測(cè)采集周邊環(huán)境信息并傳送到基站進(jìn)行處理在某一時(shí)刻通過(guò)wSN采集的數(shù)據(jù)量非常大，如何正確、高效地處理這些數(shù)據(jù)成為當(dāng)前WSN研究中的一個(gè)熱點(diǎn)。傳感器節(jié)點(diǎn)一般部署在惡劣環(huán)境中，一些偶然因素會(huì)使采集的數(shù)據(jù)中出現(xiàn)不準(zhǔn)確的數(shù)據(jù)，用戶依據(jù)這樣的數(shù)據(jù)很難準(zhǔn)確判斷出被測(cè)對(duì)象的真實(shí)狀態(tài)。基于模糊理論的決策級(jí)數(shù)據(jù)融合算法能夠很好的解決這個(gè)問(wèn)題本文以國(guó)家863研究項(xiàng)目《基于無(wú)線傳感器網(wǎng)絡(luò)的鐵路危險(xiǎn)貨物在途安全狀態(tài)監(jiān)測(cè)技術(shù)研究》為背景，結(jié)合鐵路運(yùn)輸中棉花在途狀態(tài)監(jiān)測(cè)系統(tǒng)的開(kāi)發(fā)，在分析了當(dāng)前有效的決策級(jí)數(shù)據(jù)融合技術(shù)基礎(chǔ)上，提出了基于模糊理論的決策級(jí)數(shù)據(jù)融合算法，該算法通過(guò)對(duì)采集數(shù)據(jù)進(jìn)行處理和分析，以獲得準(zhǔn)確的被測(cè)對(duì)象狀態(tài)的描述。本文的主要工作包括：
（1）分析了WSN中傳統(tǒng)的決策級(jí)數(shù)據(jù)融合算法，如自適應(yīng)加權(quán)數(shù)據(jù)融合算法和算術(shù)平均數(shù)數(shù)據(jù)融合算法，總結(jié)這兩種算法的優(yōu)缺點(diǎn)和檢測(cè)系統(tǒng)的需求，進(jìn)步明確理想算法應(yīng)達(dá)到的目標(biāo)。
（2）提出了基于模糊理論的兩階段數(shù)據(jù)融合算法：該算法第一階段利用基于貼近度的數(shù)據(jù)融合算法進(jìn)行同類數(shù)據(jù)的融合校準(zhǔn)，這一階段的目的是剔除錯(cuò)誤的和可信度較差的數(shù)據(jù)，得到相對(duì)更加準(zhǔn)確的數(shù)據(jù)，第二階段利用模糊推理對(duì)第個(gè)階段得到的異類數(shù)據(jù)進(jìn)行融合推理，得到被測(cè)對(duì)象當(dāng)前狀態(tài)的描述，為決策提供支持
（3）結(jié)合實(shí)測(cè)數(shù)據(jù)仿真本文所提出的算法，結(jié)果證明與傳統(tǒng)的融合算法相比，可以更加準(zhǔn)確的描述被測(cè)對(duì)象狀態(tài)

點(diǎn)擊標(biāo)簽查看更多相關(guān)資源：