基于小波变换的分布式WSN数据融合模型研究

计算机工程与应用 ›› 2014, Vol. 50 ›› Issue (22): 97-101.

基于小波变换的分布式WSN数据融合模型研究

党小超1，2，高琪1，郝占军1，2

1.西北师范大学计算机科学与工程学院，兰州 730070
2.甘肃省物联网工程研究中心，兰州 730070

出版日期:2014-11-15 发布日期:2014-11-13

Research on model of distributed data aggregation in WSN based on wavelet transform

DANG Xiaochao1，2, GAO Qi1, HAO Zhanjun1，2

1.College of Computer Science and Engineering, Northwest Normal University, Lanzhou 730070, China
2.Gansu Province Internet of Things Engineering Research Center, Lanzhou 730070, China

Online:2014-11-15 Published:2014-11-13

摘要/Abstract

摘要： 针对无线传感器网络节点硬件、能量受限问题，分析现有数据融合方法，提出一种基于小波变换的分布式WSN数据融合模型，该模型对现有环结构模型进行改进，并加入数据验证环节，策略性地减少传输的数据量，并利用小波提升方案对数据进行融合处理，降低数据表示和传输的复杂度。通过仿真实验，证明了DDA-WT算法能有效降低网络节点的能耗，延长整体网络的生存期。

关键词: 无线传感器网络, 小波变换, 提升方案, 数据验证, 数据融合

Abstract: For the problems of hardware and energy of wireless sensor, the article puts forward a model of distributed data aggregation in WSN based on wavelet transform（DDA-WT）. The model improves the original loop structure, adds the data detection procedure to reduce the amount of sensory data, which also exploits the lifting scheme to process the data matrix from nodes of ring topology in order to low the complexity of transport the fused data. The simulation results confirm the DDA-WT can low the energy consumption of nodes and prolong the lifetime of network.

Key words: Wireless Sensor Network（WSN）, wavelet transform, lifting scheme, data detection, data aggregation

党小超1，2，高琪1，郝占军1，2. 基于小波变换的分布式WSN数据融合模型研究[J]. 计算机工程与应用, 2014, 50(22): 97-101.

DANG Xiaochao1，2, GAO Qi1, HAO Zhanjun1，2. Research on model of distributed data aggregation in WSN based on wavelet transform[J]. Computer Engineering and Applications, 2014, 50(22): 97-101.

[1]	李中道，刘元盛，常飞翔，张军，路铭. 室内环境下UWB与LiDAR融合定位算法研究[J]. 计算机工程与应用, 2021, 57(6): 260-266.
[2]	杜秀丽，马振倩，邱少明，吕亚娜. 基于卷积注意力机制的运动想象脑电信号识别[J]. 计算机工程与应用, 2021, 57(18): 181-185.
[3]	巩俊辉，胡晓辉，杜永文. 基于演化博弈的最优防御策略选取研究[J]. 计算机工程与应用, 2021, 57(13): 116-123.
[4]	孙泽宇，董汉磊，苏艳超，徐琛，聂雅琳，李传锋. 传感网中基于能量有效的多参数数据重构方法[J]. 计算机工程与应用, 2021, 57(11): 103-110.
[5]	赵怡，高淑萍，何迪. 基于深度学习的眼动跟踪数据融合算法[J]. 计算机工程与应用, 2021, 57(10): 211-217.
[6]	龚本灿，周峰，陈鹏，任东. 基于路径质量的无线传感网路由协议[J]. 计算机工程与应用, 2020, 56(6): 99-104.
[7]	范文兵，孙志远. 基于小波域广义高斯分布的SAR图像分割算法[J]. 计算机工程与应用, 2020, 56(5): 222-226.
[8]	曹军，陈鹤，张佳薇. 基于超分辨率的多聚焦图像融合算法研究[J]. 计算机工程与应用, 2020, 56(3): 180-186.
[9]	张红，程传祺，徐志刚，李建华. 基于深度学习的数据融合方法研究综述[J]. 计算机工程与应用, 2020, 56(24): 1-11.
[10]	宫睿，王小春. 基于可协调经验小波变换的多聚焦图像融合[J]. 计算机工程与应用, 2020, 56(2): 201-210.
[11]	郑祖朋，汪祖民，彭杨，季长清，秦静. 能量采集传感器网络中MAC协议研究综述[J]. 计算机工程与应用, 2020, 56(15): 24-29.
[12]	韩雨涝. 非并行二分法的覆盖空洞修复算法[J]. 计算机工程与应用, 2020, 56(12): 87-92.
[13]	杨飞跃，陶洋. 时空协作的WSNs节点异常检测算法[J]. 计算机工程与应用, 2019, 55(7): 127-131.
[14]	朱瑞金，龚雪娇，唐波. 分布式混合压缩感知无线传感器网络数据收集[J]. 计算机工程与应用, 2019, 55(6): 73-80.
[15]	曹雯雯1，康彬2，颜俊1，丁琬1. 面向多源数据融合的稀疏表示目标跟踪[J]. 计算机工程与应用, 2019, 55(6): 1-7.