学位论文 > 优秀研究生学位论文题录展示

基于信任的无线传感器网络中数据融合的研究

作　者: 王战友
导　师: 郑明春
学　校: 山东师范大学
专　业: 管理科学与工程
关键词: 无线传感器网络信任分簇数据融合
分类号: TP202
类　型: 硕士论文
年　份: 2010年
下　载: 240次
引　用: 1次
阅　读: 论文下载

内容摘要

无线传感器网络(Wireless Sensor Networks, WSN)是由大量传感器节点通过协同工作构建而成。无线传感器网络以数据为中心,具有节点电池能量有限、硬件资源有限、节点数目众多、自组织和动态拓扑等特征。因此,传感器网络设计的一个重要目标就是最大化网络生命周期。在无线传感器网络拓扑结构中,分层结构尤其是分簇结构非常适合于大规模、高密度随机部署的无线传感器网络的数据收集应用。分簇已被证实是更加适合于大规模的传感器网络和方便在数据收集中嵌入数据融合技术,这种结构对均衡负载、延长网络生命周期有显著的作用。数据融合技术是减少传感器节点间数据通信,节省传感器节点能量开销,延长网络寿命的有效技术手段之一。它通过对传感器节点采集到大量具有高冗余度的原始数据进行一定的运算处理,提取少量可以取代原始数据的特征数据发送给汇聚节点,在保证数据有效性的同时减少传感器节点的数据通信。无线传感器网络有着广泛的应用前景,但安全性是影响其发展的一个重要问题。本文对无线传感器网络中的信任安全问题进行研究,主要研究内容为:第一部分从传感器网络的体系结构、特点、信任模型、分簇和数据融合等多个方面对无线传感器网络进行概述。分析了分簇技术的优势,从信任组成因素、信任模型、信任管理等几个方面介绍了无线传感器网络中安全问题的研究现状,并对数据融合的分类、数据融合常用的方法进行分析和比较。第二部分对节点的信任值进行研究,来判断节点是否值得信赖。重点介绍分簇的无线传感器网络中信任的计算模型。在该模型中,综合直接信任和信誉给出信任度的计算方法。直接信任度采用基于贝叶斯评估方法,在推荐信任度的基础上描述信誉。第三部分将节点的信任值作为一个参数引入到簇头选举的过程中,结合节点的剩余能量和地理位置信息提出了一种基于信任的网格状分簇算法GCBT,尽量避免恶意节点或者是自私节点当选为簇头节点,来保证网络的正常通信。并通过仿真试验对算法的性能进行综合评估。第四部分将节点的信任值和人工神经网络中的多层感知器模型相结合。通过神经网络的方法对传感器节点采集到的大量原始数据进行融合处理,在处理的过程中考虑节点的信任值,然后只将处理结果发送给汇聚节点。得出一种基于信任的数据融合算法DFBT,并通过理论分析和仿真试验来验证其优越性。最后总结了研究过程中存在的问题,提出未来研究工作的方向和计划。本文的创新点有:(1)对节点的信任值进行研究,得出一种基于分簇的无线传感器网络中信任的计算模型。(2)将该信任计算模型运用到簇头的选举过程中,得出一种新的基于信任的网格状分簇算法GCBT。(3)将该信任计算模型与人工神经网络多层感知模型相结合,得出一种新的基于信任的数据融合算法DFBT。

全文目录

摘要  6-8
ABSTRACT  8-10
第一章绪论  10-13
  1.1 课题的背景和意义  10-11
  1.2 研究的目标和研究内容  11-12
  1.3 本文工作  12-13
第二章无线传感器网络和数据融合  13-28
  2.1 无线传感器网络概述  13-18
    2.1.1 无线传感器网络的体系结构  13-14
    2.1.2 无线传感器网络的特点  14-15
    2.1.3 无线传感器网络中分簇技术的相关研究  15-18
  2.2 无线传感器网络信任概述  18-22
    2.2.1 无线传感器网络中信任的因素  19-20
    2.2.2 无线传感器网络中信任管理  20-21
    2.2.3 无线传感器网络中信任模型  21-22
  2.3 无线传感器网络中数据融合概述  22-28
    2.3.1 无线传感器网络中数据融合的研究现状  23-24
    2.3.2 数据融合的定义和分类  24-28
第三章基于信任的簇头选举  28-41
  3.1 相关概念  28-30
  3.2 信任计算模型  30-32
    3.2.1 直接信任评估  31
    3.2.2 信誉的评估  31-32
  3.3 基于信任的网格状分簇算法GCBT  32-41
    3.3.1 算法思想  32-37
    3.3.2 算法的实现  37-38
    3.3.3 算法的评估与比较  38-41
第四章基于信任的数据融合  41-56
  4.1 数据融合方法的比较与分析  42-45
    4.1.1 加权平均法  42
    4.1.2 神经网络法  42-43
    4.1.3 贝叶斯估计法  43-44
    4.1.4 粗糙集理论  44-45
  4.2 人工神经网络模型  45-47
    4.2.1 形式神经元模型  45-46
    4.2.2 多层感知器模型  46-47
  4.3 基于信任的数据融合算法DFBT  47-56
    4.3.1 算法的框架  47-49
    4.3.2 算法的设计  49-52
    4.3.3 算法的评估与比较  52-56
第五章总结和展望  56-58
  5.1 总结  56
  5.2 进一步研究工作  56-58
参考文献  58-61
攻读硕士学位期间发表或录用论文及参与项目  61-62
致谢  62

基于信任的无线传感器网络中数据融合的研究

内容摘要

全文目录

相似论文