本發(fā)明屬于無線傳感器網(wǎng)絡(luò)技術(shù)領(lǐng)域，具體涉及一種基于螢火蟲算法優(yōu)化rbf神經(jīng)網(wǎng)絡(luò)的無線傳感器網(wǎng)絡(luò)數(shù)據(jù)融合方法。

背景技術(shù)：

無線傳感器網(wǎng)絡(luò)是由部署在監(jiān)測區(qū)域內(nèi)大量傳感器節(jié)點相互通信形成的多跳自組織網(wǎng)絡(luò)系統(tǒng)，是物聯(lián)網(wǎng)底層網(wǎng)絡(luò)的重要技術(shù)形式。由于傳感器節(jié)點的體積小、資源非常有限，故在無線傳感器網(wǎng)絡(luò)覆蓋區(qū)域內(nèi)，傳感器節(jié)點分分布往往具有高密性和分布不均勻性，使傳感器節(jié)點采集的數(shù)據(jù)具有很高的冗余性。如果所有信息都發(fā)送到匯聚節(jié)點，會造成傳感器節(jié)點能源消耗過快，嚴(yán)重縮短無線傳感器網(wǎng)絡(luò)的使用壽命。為了避免上述問題的產(chǎn)生，無線傳感器網(wǎng)絡(luò)在釆集數(shù)據(jù)的過程中需要使用數(shù)據(jù)融合技術(shù)，以減少信息在網(wǎng)內(nèi)的傳輸量，可以在降低傳感器節(jié)點功耗的同時節(jié)省網(wǎng)絡(luò)通信帶寬。

神經(jīng)網(wǎng)絡(luò)是由大量的、簡單的處理單元(稱為神經(jīng)元)廣泛地互相連接而形成的復(fù)雜網(wǎng)絡(luò)系統(tǒng)，它反映了人腦功能的許多基本特征，能夠模擬人的大腦活動,具有極強(qiáng)的非線性逼近、分布式存儲、大規(guī)模并行處理、自訓(xùn)練學(xué)習(xí)、自組織和容錯能力等優(yōu)點,特別適合處理需要同時考慮諸多因素和條件的、不精確和模糊的信息處理問題。無線傳感器網(wǎng)絡(luò)和神經(jīng)網(wǎng)絡(luò)有特別相似的地方：無線傳感器網(wǎng)絡(luò)中的傳感器節(jié)點就好比神經(jīng)元,具有感受和處理的功能；而無線傳感器節(jié)點之間的連接則相當(dāng)于連接神經(jīng)元的突觸，完成信號的傳遞。無線傳感器網(wǎng)絡(luò)的數(shù)據(jù)融合與神經(jīng)網(wǎng)絡(luò)具有一個共同的基本特征,即通過對大量的數(shù)據(jù)進(jìn)行一定的運算和處理,得到能夠反映這些數(shù)據(jù)特征的結(jié)論性的結(jié)果。因此,可以利用神經(jīng)網(wǎng)絡(luò)的方法來實現(xiàn)和解決無線傳感器網(wǎng)絡(luò)中的數(shù)據(jù)融合問題。神經(jīng)網(wǎng)絡(luò)用于無線傳感器網(wǎng)絡(luò)的數(shù)據(jù)融合已經(jīng)被證明是非常有效的。

徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)是一種高效的前饋式神經(jīng)網(wǎng)絡(luò)，三層結(jié)構(gòu)，它具有其他前向網(wǎng)絡(luò)所不具有的最佳逼近性能和全局最優(yōu)特性，并且結(jié)構(gòu)簡單，訓(xùn)練速度快.同時，它也是一種可以廣泛應(yīng)用于模式識別、故障診斷、非線性函數(shù)逼近等領(lǐng)域的神經(jīng)網(wǎng)絡(luò)模型。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的在于提出一種基于螢火蟲算法優(yōu)化rbf神經(jīng)網(wǎng)絡(luò)的無線傳感器網(wǎng)絡(luò)數(shù)據(jù)融合方法，有效減少信息在網(wǎng)內(nèi)的傳輸量，可以在降低傳感器節(jié)點功耗的同時節(jié)省網(wǎng)絡(luò)通信帶寬。

為了解決上述技術(shù)問題，本發(fā)明提供一種無線傳感器網(wǎng)絡(luò)數(shù)據(jù)融合方法，每個傳感器節(jié)點對其采集到的數(shù)據(jù)按照輸入層神經(jīng)元函數(shù)進(jìn)行初步處理，獲得少量的特征數(shù)據(jù)，然后將特征數(shù)據(jù)發(fā)送給其所在簇的簇頭節(jié)點；簇頭節(jié)點根據(jù)隱層神經(jīng)元函數(shù)和輸出層神經(jīng)元函數(shù)對特征數(shù)據(jù)做進(jìn)一步處理，獲得融合后數(shù)據(jù)；簇頭節(jié)點將融合后數(shù)據(jù)發(fā)送給匯聚節(jié)點。

進(jìn)一步，上述方法的步驟為：簇頭向匯聚節(jié)點傳送其簇內(nèi)傳感器節(jié)點信息表；匯聚節(jié)點依據(jù)簇頭及其簇內(nèi)傳感器節(jié)點信息，構(gòu)造rbf神經(jīng)網(wǎng)絡(luò)；rbf神經(jīng)網(wǎng)絡(luò)檢索樣本數(shù)據(jù)庫，搜集與簇成員信息匹配的樣本進(jìn)行訓(xùn)練，從而生成相應(yīng)簇的神經(jīng)網(wǎng)絡(luò)參數(shù)；匯聚節(jié)點將基于螢火蟲優(yōu)化的rbf神經(jīng)網(wǎng)絡(luò)各神經(jīng)元參數(shù)發(fā)送給對應(yīng)傳感器節(jié)點；分簇穩(wěn)定工作后，簇頭對接收信息進(jìn)行融合并向匯聚節(jié)點傳遞融合后數(shù)據(jù)。

進(jìn)一步，在無線傳感器網(wǎng)絡(luò)中選取簇頭以及對傳感器節(jié)點分簇的方法為：在每一輪簇的初始階段，每個傳感器節(jié)點隨機(jī)生成一個[0,1]之間的數(shù)值，如果所述數(shù)值小于設(shè)置的閾值t(n)，則該傳感器節(jié)點作為簇頭，其中，已經(jīng)當(dāng)過簇頭的傳感器節(jié)點的閾值t(n)為0；選定簇頭后，簇頭通過廣播告知其他不作為簇頭的傳感器節(jié)點其已成為簇頭節(jié)點的消息，其他不作為簇頭的傳感器節(jié)點根據(jù)接收信號的強(qiáng)度加入相應(yīng)的簇頭從而形成簇集；簇頭根據(jù)加入的傳感器節(jié)點的數(shù)量建立了一個時分多址的通信方案，為簇內(nèi)每個傳感器節(jié)點分配了一定的通信時隙，簇內(nèi)傳感器節(jié)點在分配給自己的通信時隙內(nèi)發(fā)送數(shù)據(jù)給簇頭。

進(jìn)一步，將整個無線傳感器網(wǎng)絡(luò)作為一個rbf神經(jīng)系統(tǒng)，將各傳感器節(jié)點作為輸入層的神經(jīng)元，將簇頭作為隱層神經(jīng)元，運用螢火蟲算法進(jìn)行模糊聚類，確認(rèn)所述神經(jīng)網(wǎng)絡(luò)的徑向基中心和基寬，具體為：計算數(shù)據(jù)對象隸屬于各聚類中心的隸屬度；計算每只螢火蟲的適應(yīng)度參數(shù)值，并更新每只螢火蟲的熒光素值；在每只螢火蟲的決策域半徑內(nèi)，選擇高于自身熒光素值的螢火蟲構(gòu)成動態(tài)決策域，用輪盤賭選擇螢火蟲，更新螢火蟲位置；更新每只螢火蟲動態(tài)決策域半徑；判斷是否達(dá)到最大迭代次數(shù)，若達(dá)到，則終止；否則返還繼續(xù)計算每只螢火蟲的適應(yīng)度參數(shù)值。

本發(fā)明與現(xiàn)有技術(shù)相比，其顯著優(yōu)點在于，(1)通過優(yōu)化傳統(tǒng)的rbf神經(jīng)網(wǎng)絡(luò)與無線傳感網(wǎng)絡(luò)相結(jié)合，本數(shù)據(jù)融合方法在每個簇內(nèi)對原始信息進(jìn)行數(shù)據(jù)融合處理，使網(wǎng)絡(luò)收斂加速、傳感器節(jié)點能耗降低、無線傳感網(wǎng)絡(luò)的壽命顯著延長；(2)本發(fā)明方法可以結(jié)合任何分簇路由協(xié)議，實現(xiàn)數(shù)據(jù)融合，可以有效地降低無線傳感器網(wǎng)絡(luò)的能耗，提高了網(wǎng)絡(luò)的生存時間。

附圖說明

圖1是本發(fā)明具體實施方案中的一個無線傳感器網(wǎng)絡(luò)的示意圖；

圖2是本發(fā)明具體實施方案中數(shù)據(jù)融合過程示意圖；

圖3是本發(fā)明具體實施方案的流程圖。

具體實施方式

容易理解，依據(jù)本發(fā)明的技術(shù)方案，在不變更本發(fā)明的實質(zhì)精神的情況下，本領(lǐng)域的一般技術(shù)人員可以想象出本發(fā)無線傳感器網(wǎng)絡(luò)數(shù)據(jù)融合方法的多種實施方式。因此，以下具體實施方式和附圖僅是對本發(fā)明的技術(shù)方案的示例性說明，而不應(yīng)當(dāng)視為本發(fā)明的全部或者視為對本發(fā)明技術(shù)方案的限制或限定。

本發(fā)明所述基于螢火蟲算法優(yōu)化rbf神經(jīng)網(wǎng)絡(luò)的無線傳感器網(wǎng)絡(luò)數(shù)據(jù)融合方法，每個傳感器節(jié)點對其采集到的數(shù)據(jù)按照輸入層神經(jīng)元函數(shù)進(jìn)行初步處理，獲得少量的特征數(shù)據(jù)，然后將特征數(shù)據(jù)發(fā)送給其所在簇的簇頭節(jié)點；簇頭節(jié)點根據(jù)隱層神經(jīng)元函數(shù)和輸出層神經(jīng)元函數(shù)對特征數(shù)據(jù)做進(jìn)一步處理，獲得最終需要傳遞的數(shù)據(jù)，即融合后數(shù)據(jù)；簇頭節(jié)點將融合后數(shù)據(jù)發(fā)送給匯聚節(jié)點。從無線傳感器網(wǎng)絡(luò)的整體來看，簇成員節(jié)點即各傳感器節(jié)點相當(dāng)于輸入層的神經(jīng)元，簇頭節(jié)點則是起到匯聚作用的隱層神經(jīng)元，而整個無線傳感器網(wǎng)絡(luò)則可以被看成是一個復(fù)雜的神經(jīng)系統(tǒng)。具體包括以下步驟：

步驟一、無線傳感器網(wǎng)絡(luò)中傳感器節(jié)點分簇和簇頭節(jié)點選取

1.1選擇簇頭節(jié)點。在每一輪簇的初始階段，每個傳感器節(jié)點都會隨機(jī)生成一個[0,1]之間的數(shù)，如果這個數(shù)小于設(shè)置的閾值t(n)，則對應(yīng)的傳感器節(jié)點將會被選為簇頭，從而廣播其成為簇頭的消息。而當(dāng)過簇頭的傳感器節(jié)點將閾值t(n)置為0。閾值t(n)如下式所示：

其中，p表示簇頭節(jié)點的個數(shù)與無線傳感器網(wǎng)絡(luò)中所有傳感器節(jié)點個數(shù)的百分比，r表示選取當(dāng)前簇頭所進(jìn)行的“輪”數(shù)，n是傳感器節(jié)點的個數(shù)，g表示一個集合，該集合中的元素是在1/p輪中還未當(dāng)選過簇頭的傳感器節(jié)點。

1.2選定簇頭節(jié)點后，簇頭節(jié)點通過廣播告知整個無線傳感器網(wǎng)絡(luò)中的其他不作為簇頭節(jié)點的傳感器節(jié)點其已成為簇頭節(jié)點的消息，其他不作為簇頭節(jié)點的傳感器節(jié)點根據(jù)接收信號的強(qiáng)度決定加入相應(yīng)的簇頭節(jié)點從而形成簇集，并通知其加入的簇頭節(jié)點；

1.3簇頭節(jié)點根據(jù)加入的傳感器節(jié)點的數(shù)量建立了一個時分多址(tdma)的通信方案，為簇內(nèi)的每個傳感器節(jié)點分配了一定的通信時隙，并將該通信方案發(fā)送給簇內(nèi)傳感器節(jié)點。簇內(nèi)傳感器節(jié)點只有在自己的通信時隙內(nèi)才能發(fā)送數(shù)據(jù)給簇頭節(jié)點，為了節(jié)省傳感器節(jié)點有限的能量，在其他時間內(nèi)設(shè)置傳感器節(jié)點的通信模塊處于休眠狀態(tài)；

1.4經(jīng)過一段時間后進(jìn)入下一輪數(shù)據(jù)融合，重新選取簇頭，保持傳感器節(jié)點能量消耗均衡。

這樣，如附圖1所示的基于分簇的無線傳感網(wǎng)絡(luò)就構(gòu)建完成了。

為了進(jìn)一步說明在無線傳感網(wǎng)絡(luò)中數(shù)據(jù)是如何傳輸?shù)?，仍以上述分簇的無線傳感網(wǎng)絡(luò)為例，附圖2表示無線傳感器網(wǎng)絡(luò)數(shù)據(jù)融合的過程，(x1,x2,x3…xn)是指簇內(nèi)成員節(jié)點采集的數(shù)據(jù)，(y1,y2,y3…ym)是傳遞給匯聚節(jié)點的數(shù)據(jù),w是隱含層與輸出層的連接權(quán)值。附圖3是具體實施方案的技術(shù)流程圖：

步驟二，運用螢火蟲算法進(jìn)行模糊聚類，下面是優(yōu)化rbf神經(jīng)網(wǎng)絡(luò)的具體過程

2.1計算數(shù)據(jù)對象隸屬于各聚類中心的隸屬度，在螢火蟲模糊聚類中，給定數(shù)據(jù)集x＝{x1,x2,…xi…xn}，其中xi為含d個屬性的數(shù)據(jù)對象，每個螢火蟲由各聚類中心構(gòu)成，共c個聚類中心，每一只螢火蟲的位置用聚類中心表示，其位置為向量v＝(v1,v2,…vi…vc)，其中vi為第i個聚類中心，uij表示數(shù)據(jù)對象xi隸屬于vj的隸屬的度，u＝(uij)為隸屬度矩陣，m模糊權(quán)重系數(shù)，其中隸屬度計算公式如下所示；

2.2計算每只螢火蟲的適應(yīng)度參數(shù)值，計算公式如下：

并更新每只螢火蟲的熒光素值，計算公式如下：

li(t)＝(1-ρ)li(t-1)+γj(xi(t))

其中，li(t)是第t代第i只螢火蟲的的熒光素，n是數(shù)據(jù)集表示數(shù)據(jù)的個數(shù)，nc為聚類樣本數(shù)，yi為第i個樣本，j(xi(t))代表所有數(shù)據(jù)到聚類中心cj(t)(j＝1,2,…,n)的最小值，聚類的最優(yōu)結(jié)果是所有的螢火蟲群的適應(yīng)度函數(shù)取最小值，xi(t)代表第t代第i只螢火蟲的位置，j(xi(t))適應(yīng)度函數(shù)值轉(zhuǎn)換為熒光素，其中，ρ和γ分別為控制熒光素值、評價函數(shù)值的參數(shù)，取值在0到1之間。

2.3在每只螢火蟲的決策域半徑內(nèi)，選擇高于自身熒光素值的螢火蟲構(gòu)成動態(tài)決策域，計算每只螢火蟲移動的概率，計算公式如下：

并更新螢火蟲位置，新的螢火蟲位置為xi(t+1)，計算公式如下

其中，pij(t)是指向決策域內(nèi)每只螢火蟲j移動概率，dij(t)為第t代螢火蟲i與螢火蟲j之間距離，為第t代螢火蟲i的動態(tài)決策域半徑，lj(t)是經(jīng)過概率選擇出的動態(tài)決策域螢火蟲j的熒光素值，ni(t)是第t代螢火蟲i的動態(tài)決策域。

2.4更新每只螢火蟲動態(tài)決策域半徑。螢火蟲的動態(tài)決策域半徑取決于當(dāng)前動態(tài)決策域半徑的變化和個體感知半徑，更新每只螢火蟲動態(tài)決策域半徑的方法如下公式所示：

其中，是第t代螢火蟲i的感知半徑，rs表示螢火蟲初始感知半徑，β表示動態(tài)決策域更新因子，nt表示動態(tài)決策域的初始閾值，|ni(t)|表示動態(tài)決策域內(nèi)的螢火蟲數(shù)。

2.5判斷是否達(dá)到最大迭代次數(shù)，若達(dá)到，則終止；否則轉(zhuǎn)向步驟2.2。

步驟三、訓(xùn)練rbf神經(jīng)網(wǎng)絡(luò)的隱含層到輸出層之間的權(quán)值

3.1計算隱含層的輸出矩陣φ，其中輸出矩陣φ的n個列向量構(gòu)成n維歐氏空間

3.2用偽逆方法計算網(wǎng)絡(luò)的輸出權(quán)值，并得到此時樣本的輸出誤差；如果誤差小于目標(biāo)值，則終止算法，否則對前一步中剩下的n-1個向量作格萊姆-施密特正交化，使之正交于e1,得到

3.3找出與輸出層數(shù)據(jù)y有最大投影的選擇與輸入層數(shù)據(jù)y對應(yīng)的樣本輸入為第2個數(shù)據(jù)中心；計算輸出權(quán)值和訓(xùn)練誤差，并判斷是否終止算法；

3.4重復(fù)步驟3.1-3.3，使網(wǎng)絡(luò)的訓(xùn)練誤差小于給定值ε，結(jié)束權(quán)值訓(xùn)練，ε是平衡最終網(wǎng)絡(luò)精度和復(fù)雜的重要的參數(shù)。

步驟四，無線傳感器網(wǎng)絡(luò)匯聚節(jié)點對神經(jīng)網(wǎng)絡(luò)的訓(xùn)練數(shù)據(jù)進(jìn)行融合

4.1簇頭節(jié)點向匯聚節(jié)點傳送其簇內(nèi)傳感器節(jié)點信息表；

4.2匯聚節(jié)點依據(jù)簇頭及其簇內(nèi)傳感器節(jié)點信息，構(gòu)造rbf神經(jīng)網(wǎng)絡(luò)；

4.3rbf神經(jīng)網(wǎng)絡(luò)檢索樣本數(shù)據(jù)庫，搜集與簇成員信息匹配的樣本進(jìn)行訓(xùn)練，從而生成相應(yīng)簇的神經(jīng)網(wǎng)絡(luò)參數(shù)；

4.4匯聚節(jié)點將基于螢火蟲優(yōu)化的rbf神經(jīng)網(wǎng)絡(luò)各神經(jīng)元參數(shù)發(fā)送給對應(yīng)傳感器節(jié)點，包括簇頭節(jié)點和成員節(jié)點；

4.5分簇穩(wěn)定工作后，簇頭節(jié)點對接收信息進(jìn)行融合并向匯聚節(jié)點傳遞融合后數(shù)據(jù)。無線傳感器網(wǎng)絡(luò)運行過程中產(chǎn)生的歷史記錄也可添加至樣本數(shù)據(jù)庫。