一种针对温室环境的无线传感器网络的数据融合方法与流程

技术特征：

1.一种针对温室环境的无线传感器网络的数据融合方法，所述无线传感器网络采用树形分簇结构，包括网关节点、簇头节点和终端节点，其特征在于，所述数据融合方法包括下列步骤：

1)终端节点采集温室环境数据；

2)终端节点采用基于时间的K次算术平均算法对步骤1)中采集的温室环境数据进行处理；

3)终端节点将步骤2)中处理后的温室环境数据上传至簇头节点；

4)簇头节点对步骤3)中簇头节点上传的温室环境数据进行优化接收；

5)簇头节点根据步骤4)中优化接收的温室环境数据，对下属所有终端节点两两进行支持度权重计算；

6)簇头节点利用步骤5)中计算得到的支持度权重，对优化接收的温室环境数据进行加权平均；

7)网关节点接收簇头节点传输的加权平均后的温室环境数据，并与基站或上位机通讯。

2.根据权利要求1所述的针对温室环境的无线传感器网络的数据融合方法，其特征在于，所述基于时间的K次算术平均算法具体为：

$X_i\left(t\right)=\frac{{\mathrm{\Σ}}_{d=0}^{d=K-1}{X}_i(t-d)}{K}$

其中，K为处理采集的温室环境数据的过程中包含的采样周期个数，X_i(t)为第i个终端节点t时刻采集到的温室环境数据，X_i(t-d)为第i个终端节点t-d时刻采集到的温室环境数据。

3.根据权利要求1所述的针对温室环境的无线传感器网络的数据融合方法，其特征在于，所述优化接收具体步骤为：

41)计算当前温室环境数据与前一周期接收到的温室环境数据的绝对差值；

42)判断步骤41)中计算得到的绝对差值是否超过温度变化阈值，若是，则进入步骤43)，若否，则进入步骤44)；

43)直接接收终端节点上传的当前温室环境数据；

44)不接收终端节点上传的当前温室环境数据，保持前一周期接收到的温室环境数据不变。

4.根据权利要求1所述的针对温室环境的无线传感器网络的数据融合方法，其特征在于，所述支持度权重计算具体为：

${\mathrm{\ω}}_{ij}(X_i,X_j)=\left\{\begin{array}{cc}1-\frac{\left|X_i-X_j\right|}{D},& \left|X_i-X_j\right|\≤D\\ 0,& \left|X_i-X_j\right|\>D\end{array}\right.$

其中，ω_ij(X_i,X_j)为第i个终端节点和第j个终端节点之间的支持度权重，X_i为第i个终端节点采集到的温室环境数据，X_j为第j个终端节点采集到的温室环境数据，D为支持度阈值。

5.根据权利要求4所述的针对温室环境的无线传感器网络的数据融合方法，其特征在于，所述对优化接收的温室环境数据进行加权平均具体为：

$F=\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\left(\underset{j=1,j\≠i}{\overset{m}{\mathrm{\Σ}}}\right({\mathrm{\ω}}_{ij}\×X_i\left)\right)}{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\left(\underset{j=1,j\≠i}{\overset{m}{\mathrm{\Σ}}}{\mathrm{\ω}}_{ij}\right)}$

其中，n为网络中簇头节点的个数，m为每个簇头节点下属终端节点的总数，F为加权平均后的温室环境数据。

6.根据权利要求1所述的针对温室环境的无线传感器网络的数据融合方法，其特征在于，所述温室环境数据包括温度、湿度、光照强度、二氧化碳浓度、气压和风速。