一种无线传感器网络数据融合方法及装置制造方法
【专利摘要】本发明公开了一种无线传感器网络数据融合方法及装置，方法包括：A)利用多个无线传感器节点，在各信噪比下采集多组特征信号，形成神经网络数据集；B)从无线传感器节点的权值空间中，随机选取N组权值作为N个权值个体，形成一个权值种群；C)利用所述神经网络数据集,得到权值种群中每个权值个体的适应度值，并确定具有最大适应度值的权值个体；D)将所述最大适应度值与适应度阈值进行比较；E)若所述最大适应度值大于所述适应度阈值，则按照所述权值个体，提取对应于各信噪比下的相应组特征信号；F)若所述最大适应度值小于等于所述适应度阈值，则通过对所述权值种群进行遗传处理，得到新的权值种群，并重复步骤C)和D)。
【专利说明】一种无线传感器网络数据融合方法及装置
【技术领域】
[0001]本发明涉及无线传感器网络，特别涉及一种无线传感器网络数据融合方法及相关
装直。
【背景技术】
[0002]目前主要的分类器包括决策树分类器、神经网络分类器和支持向量机分类器，但都立足于单节点采集的特征信号进行识别。对于大量的数据不具备数据融合能力，对大量数据进行处理时计算复杂，耗时久，不适用于基于无线传感器网络进行的调制识别，容易导致传感器网络能量消耗过快。
【发明内容】
[0003]本发明的目的在于提供一种无线传感器网络数据融合方法及装置，主要解决利用神经网络进行单节点分类识别时，系统复杂度高，数据存在冗余的问题。
[0004]根据本发明的一个方面，提供了一种无线传感器网络数据融合方法，包括:
[0005]Α)利用无线传感器网络的多个无线传感器节点，在各信噪比下采集多组特征信号，形成神经网络数据集；
[0006]B)从无线传感器节点的权值空间中，随机选取N组权值作为N个权值个体，形成一个权值种群，其中，每个权值个体对应于各信噪比下提取的特征信号组数；
[0007]C)利用所述神经网络数据集，得到权值种群中每个权值个体的适应度值，并确定具有最大适应度值的权值个体；
[0008]D)将所述最大适应度值与适应度阈值进行比较；
[0009]Ε)若所述最大适应度值大于所述适应度阈值,则输出所述具有最大适应度值的权值个体，并按照所述权值个体，提取对应于各信噪比的相应组特征信号；
[0010]F)若所述最大适应度值小于等于所述适应度阈值，则通过对所述权值种群进行遗传处理，得到新的权值种群，并重复执行步骤C)和步骤D)。
[0011]优选地，所述步骤F)中，所述遗传处理步骤包括选择处理子步骤，包括:
[0012]Fl)将权值种群中每个权值个体的适应度值相加，得到权值种群适应度值；
[0013]F2)将权值种群中每个个体的适应度值分别与所述权值种群适应度值相除，得到每个权值个体的选择概率；
[0014]F3)生成选择随机数，并通过比较所述选择概率与所述选择随机述，复制权值种群中的一个或多个权值个体，得到用于形成新的权值种群的N个新的权值个体。
[0015]优选地，所述步骤F)中，所述遗传处理步骤还包括交叉处理子步骤，包括:
[0016]F4)生成交叉随机数，并将所述交叉随机数与预设交叉概率进行比较；
[0017]F5)若所述交叉随机数大于等于所述交叉概率，则将所述步骤F3)中得到的N个权值个体进行复制，得到用于形成新的权值种群的N个新的权值个体；
[0018]F6)若所述交叉随机数小于所述交叉概率，则利用所述交叉随机数，计算任意两个权值个体中用于交叉的起始位，并将自所述起始位开始的字符值进行按位交叉，得到用于形成新的权值种群的N个新的权值个体。
[0019]优选地，所述步骤F)中，所述遗传处理的步骤还包括变异处理子步骤，包括:
[0020]F7)利用预设变异概率，计算权值种群中每个权值个体中待变异的字符位数；
[0021]F8)在所述步骤F5)或F6)中得到的N个权值个体中，按照所述待变异的字符位数，随机选取相应字符位，并改变其字符值，从而得到N个新的权值个体；
[0022]F9)利用所述N个新的权值个体，形成一个新的权值种群。
[0023]优选地，还包括:
[0024]若对所述权值种群进行遗传处理的次数大于预设最大处理次数，则将最后一次遗传处理得到的权值种群中具有最大适应度值的权值个体输出，以便按照所述权值个体提取对应各信噪比的相应组特征信号。
[0025]优选地，还包括:
[0026]若当前遗传处理得到的新权值种群的最大适应度值和权值种群适应度值不再上升，则将当前遗传处理得到的权值种群中具有最大适应度值的权值个体输出，以便按照所述权值个体提取对应各信噪比的相应组特征信号。
[0027]根据本发明的另一方面，提供了一种无线传感器网络数据融合装置，包括:
[0028]数据集生成模块，用于利用无线传感器网络的多个无线传感器节点，在各信噪比下采集多组特征信号，形成神经网络数据集；
[0029]权值种群生成模块，用于从无线传感器节点的权值空间中，随机选取N组权值作为N个权值个体，形成一个权值种群，其中，每个权值个体对应于各信噪比下提取的特征信号组数；
[0030]适应度确定模块，用于利用所述神经网络数据集，得到权值种群中每个权值个体的适应度值，并确定具有最大适应度值的权值个体；
[0031]比较模块，用于将所述最大适应度值与适应度阈值进行比较；
[0032]信号输出模块,用于当所述最大适应度值大于所述适应度阈值时,输出所述具有最大适应度值的权值个体，并按照所述权值个体，提取对应于各信噪比的相应组特征信号;
[0033]遗传处理模块，用于当所述最大适应度值小于等于所述适应度阈值时，通过对所述权值种群进行遗传处理，得到新的权值种群，并重复执行所述适应度确定模块和所述比较模块的处理。
[0034]优选地，所述遗传处理模块包括:
[0035]选择处理子模块，用于将权值种群中每个权值个体的适应度值相加，得到权值种群适应度值，将权值种群中每个个体的适应度值分别与所述权值种群适应度值相除，得到每个权值个体的选择概率，生成选择随机数，并通过比较所述选择概率与所述选择随机述，复制权值种群中的一个或多个权值个体，得到N个新的权值个体；
[0036]交叉处理子模块，用于生成交叉随机数，并将所述交叉随机数与预设交叉概率进行比较，若所述交叉随机数大于等于所述交叉概率，则将所述选择处理子模块处理得到的N个权值个体进行复制，得到N个权值个体，若所述交叉随机数小于所述交叉概率，则利用所述交叉随机数，计算任意两个权值个体中用于交叉的起始位，并将自所述起始位开始的字符值进行按位交叉，得到N个新的权值个体；
[0037]变异处理子模块，用于利用预设变异概率，计算权值种群中每个权值个体中待变异的字符位数，在所述交叉处理子模块处理得到的N个权值个体中，按照所述待变异的字符位数，随机选取相应字符位，并改变其字符值，从而得到N个新的权值个体，利用所述N个新的权值个体，形成一个新的权值种群。
[0038]优选地，所述信号输出模块还用于在对所述权值种群进行遗传处理的次数大于预设最大处理次数时，将最后一次遗传处理得到的权值种群中具有最大适应度值的权值个体输出，以便按照所述权值个体提取对应各信噪比的相应组特征信号。
[0039]优选地，所述信号输出模块还用于在当前遗传处理得到的新权值种群的最大适应度值和权值种群适应度值不再上升时，将当前遗传处理得到的权值种群中具有最大适应度值的权值个体输出，以便按照所述权值个体提取对应各信噪比的相应组特征信号。
[0040]与现有技术相比较，本发明的有益效果在于:
[0041]本发明通过遗传处理步骤进行优化后，能将无线传感器节点采集到的特征信号进行融合，使分类识别所需要的特征信号数量大幅减少，正确识别率有所提高，既可以降低系统计算复杂度，又可以减少无线传感器网络能量消耗。
【专利附图】
【附图说明】
[0042]图1是本发明实施例提供的无线传感器网络数据融合方法原理框图；
[0043]图2是本发明实施例提供的无线传感器网络数据融合方法流程图；
[0044]图3是本发明实施例提供的无线传感器网络数据融合装置框图。
【具体实施方式】
[0045]以下结合附图对本发明的优选实施例进行详细说明，应当理解，以下所说明的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
[0046]图1是本发明实施例提供的无线传感器网络数据融合方法原理框图，如图1所示，包括:
[0047]步骤101、利用无线传感器网络的多个无线传感器节点，在各信噪比下采集多组特征信号，形成神经网络数据集。
[0048]步骤102、从无线传感器节点的权值空间中，随机选取N组权值作为N个权值个体，形成一个权值种群，其中，每个权值个体对应于各信噪比下提取的特征信号组数。
[0049]步骤103、利用所述神经网络数据集，得到权值种群中每个权值个体的适应度值，并确定具有最大适应度值的权值个体。
[0050]步骤104、将所述最大适应度值与适应度阈值进行比较。
[0051]步骤105、若所述最大适应度值大于所述适应度阈值，则输出所述具有最大适应度值的权值个体，并按照所述权值个体，提取对应于各信噪比的相应组特征信号；
[0052]步骤106、若所述最大适应度值小于等于所述适应度阈值，则通过对所述权值种群进行遗传处理，得到新的权值种群，并重复执行步骤C)和步骤D)。
[0053]所述步骤106中，所述遗传处理步骤包括选择处理子步骤，包括:将权值种群中每个权值个体的适应度值相加，得到权值种群适应度值；将权值种群中每个权值个体的适应度值分别与所述权值种群适应度值相除，得到每个权值个体的选择概率；生成选择随机数，并通过比较所述选择概率与所述选择随机述，复制权值种群中的一个或多个权值个体，得到用于形成新的权值种群的N个新的权值个体。
[0054]所述步骤106中，所述遗传处理步骤还包括交叉处理子步骤，包括:生成交叉随机数，并将所述交叉随机数与预设交叉概率进行比较；若所述交叉随机数大于等于所述交叉概率，则将所述步骤选择处理子步骤中得到的N个权值个体进行复制，得到用于形成新的权值种群的N个新的权值个体；若所述交叉随机数小于所述交叉概率，则利用所述交叉随机数，计算任意两个权值个体中用于交叉的起始位，并将自所述起始位开始的字符值进行按位交叉，得到用于形成新的权值种群的N个新的权值个体。
[0055]所述步骤106中，所述遗传处理的步骤还包括变异处理子步骤，包括:利用预设变异概率，计算权值种群中每个权值个体中待变异的字符位数；在所述步骤交叉处理子步骤中得到的N个权值个体中，按照所述待变异的字符位数，随机选取相应字符位，并改变其字符值，从而得到N个新的权值个体；利用所述N个新的权值个体，形成一个新的权值种群。
[0056]进一步地，若对所述权值种群进行遗传处理的次数大于预设最大处理次数，则将最后一次遗传处理得到的权值种群中具有最大适应度值的权值个体输出，以便按照所述权值个体提取对应各信噪比的相应组特征信号。
[0057]进一步地，若当前遗传处理得到的新权值种群的最大适应度值和权值种群适应度值不再上升，则将当前遗传处理得到的权值种群中具有最大适应度值的权值个体输出，以便按照所述权值个体提取对应各信噪比的相应组特征信号。
[0058]图2是本发明实施例提供的无线传感器网络数据融合方法流程图，如图2所示，其基于遗传算法对采集到的特征信号进行融合的步骤如下:
[0059]第一步:对于无线传感器节点N1, N2,..., Nk提供的特征信号，相应地赋予O到I之间的权值Wl，w2，...,wk,以表示其在融合过程中的可信程度，即确定性因子。其中k为无线传感器节点个数。将所述权值进行编码，转换为二进制形式。确定搜索空间U，所述U为包含无线传感器节点权值的所有可能取值，即U为无线传感器节点权值的空间，用来限制权值的取值范围。定义适应度函数f(x)为测试特征信号的正确识别率，通过计算得到。确定种群规模N，交叉概率P。，变异概率Pm，预设最大处理次数T。其中，种群为个体的集合，每个个体对应于一个解，该解的含义在本发明背景下为一组权值，即需要选取的特征信号组数。
[0060]第二步:权值种群初始化。
[0061]在搜索空间U中随机选取N组权值S1, S2,..., Sn作为N个权值个体，形成初始的权值种群S= {Si，S2,, SN}，其中N为权值种群规模，置代数计数器t=l。也就是说，每个权值个体对应一组权值，N个权值个体对应N组权值，而每一组权值对应无线传感器节点的可信度，即要提取的特征信号组数。
[0062]第三步:计算S中每个权值个体的适应度值f(x)。
[0063]所述适应度对应正确识别率，对特征信号调制识别的正确识别率通过神经网络计算得到。在神经网络训练过程中，对比神经网络的输入和输出即可得到正确识别率。
[0064]第四步:评价权值种群。
[0065]根据每个权值个体的适应度值,确定最大适应度值和具有所述最大适应度值的权值个体。[0066]第五步:判断是否满足终止条件。
[0067]当满足终止条件时，取S中具有最大适应度值的权值个体，作为所求结果，并将所述结果从二进制形式转化为实数形式，得到使得适应度值达到最大的一组权值，否则执行第六步。
[0068]为便于数据处理，在计算过程中将权值个体编码为二进制形式，最后再将其转化为实数形式。例如，权值个体为一组50位的二进制数,分为5段,每10个二进制数转化为一个十进制数，则共有5个十进制数，每一个十进制数为一个权值，这一个权值个体中便包含5个权值。
[0069]所述终止条件可以是达到预设最大处理次数(即t=T时)，或大于给定的适应度阈值，或最优权值个体和权值种群适应度值不再上升的情况。
[0070]第六步:进行遗传操作。
[0071]1、选择处理
[0072]按每个权值个体的选择概率P (Xi)每次从S中随机选择一个权值个体，并将其染色体复制，共做N次，将所得的N个染色体组成权值种群S,。
[0073]其中，所述选择概率P (Xi)为的计算公式为:
[0074]
【权利要求】
1.一种无线传感器网络数据融合方法，其特征在于，包括: A)利用无线传感器网络的多个无线传感器节点，在各信噪比下采集多组特征信号，形成神经网络数据集； B)从无线传感器节点的权值空间中，随机选取N组权值作为N个权值个体，形成一个权值种群，其中，每个权值个体对应于各信噪比下提取的特征信号组数； C)利用所述神经网络数据集，得到权值种群中每个权值个体的适应度值，并确定具有最大适应度值的权值个体； D)将所述最大适应度值与适应度阈值进行比较； E)若所述最大适应度值大于所述适应度阈值,则输出所述具有最大适应度值的权值个体，并按照所述权值个体，提取对应于各信噪比的相应组特征信号； F)若所述最大适应度值小于等于所述适应度阈值，则通过对所述权值种群进行遗传处理，得到新的权值种群，并重复执行步骤C)和步骤D)。
2.根据权利要 求1所述的方法，其特征在于，所述步骤F)中，所述遗传处理步骤包括选择处理子步骤，包括: Fl)将权值种群中每个权值个体的适应度值相加,得到权值种群适应度值； F2)将权值种群中每个个体的适应度值分别与所述权值种群适应度值相除，得到每个权值个体的选择概率； F3)生成选择随机数，并通过比较所述选择概率与所述选择随机述，复制权值种群中的一个或多个权值个体，得到用于形成新的权值种群的N个新的权值个体。
3.根据权利要求2所述的方法，其特征在于，所述步骤F)中，所述遗传处理步骤还包括交叉处理子步骤，包括: F4)生成交叉随机数，并将所述交叉随机数与预设交叉概率进行比较； F5)若所述交叉随机数大于等于所述交叉概率，则将所述步骤F3)中得到的N个权值个体进行复制，得到用于形成新的权值种群的N个新的权值个体； F6)若所述交叉随机数小于所述交叉概率，则利用所述交叉随机数，计算任意两个权值个体中用于交叉的起始位，并将自所述起始位开始的字符值进行按位交叉，得到用于形成新的权值种群的N个新的权值个体。
4.根据权利要求3所述的方法，其特征在于，所述步骤F)中，所述遗传处理的步骤还包括变异处理子步骤，包括: F7)利用预设变异概率，计算权值种群中每个权值个体中待变异的字符位数； F8)在所述步骤F5)或F6)中得到的N个权值个体中，按照所述待变异的字符位数，随机选取相应字符位，并改变其字符值，从而得到N个新的权值个体； F9)利用所述N个新的权值个体，形成一个新的权值种群。
5.根据权利要求1-4任意一项所述的方法，其特征在于，还包括: 若对所述权值种群进行遗传处理的次数大于预设最大处理次数，则将最后一次遗传处理得到的权值种群中具有最大适应度值的权值个体输出，以便按照所述权值个体提取对应各信噪比的相应组特征信号。
6.根据权利要求2-4任意一项所述的方法，其特征在于，还包括: 若当前遗传处理得到的新权值种群的最大适应度值和权值种群适应度值不再上升，则将当前遗传处理得到的权值种群中具有最大适应度值的权值个体输出，以便按照所述权值个体提取对应各信噪比的相应组特征信号。
7.一种无线传感器网络数据融合装置，其特征在于，包括: 数据集生成模块，用于利用无线传感器网络的多个无线传感器节点，在各信噪比下采集多组特征信号，形成神经网络数据集； 权值种群生成模块，用于从无线传感器节点的权值空间中，随机选取N组权值作为N个权值个体，形成一个权值种群，其中，每个权值个体对应于各信噪比下提取的特征信号组数； 适应度确定模块，用于利用所述神经网络数据集，得到权值种群中每个权值个体的适应度值，并确定具有最大适应度值的权值个体； 比较模块，用于将所述最大适应度值与适应度阈值进行比较； 信号输出模块，用于当所述最大适应度值大于所述适应度阈值时，输出所述具有最大适应度值的权值个体，并按照所述权值个体，提取对应于各信噪比的相应组特征信号； 遗传处理模块，用于当所述最大适应度值小于等于所述适应度阈值时，通过对所述权值种群进行遗传处理，得到新的权值种群，并重复执行所述适应度确定模块和所述比较模块的处理。
8.根据权利要求7所述的装置，其特征在于，所述遗传处理模块包括: 选择处理子模块，用于将权值种群中每个权值个体的适应度值相加，得到权值种群适应度值，将权值种群中每个个体的适应度值分别与所述权值种群适应度值相除，得到每个权值个体的选择概率，生成选择随机数，并通过比较所述选择概率与所述选择随机述，复制权值种群中的一个或多个权值个体，得到N个新的权值个体； 交叉处理子模块，用于生成交叉随机数，并将所述交叉随机数与预设交叉概率进行比较，若所述交叉随机数大于等于所述交叉概率，则将所述选择处理子模块处理得到的N个权值个体进行复制，得到N个权值个体，若所述交叉随机数小于所述交叉概率，则利用所述交叉随机数，计算任意两个权值个体中用于交叉的起始位，并将自所述起始位开始的字符值进行按位交叉，得到N个新的权值个体； 变异处理子模块，用于利用预设变异概率，计算权值种群中每个权值个体中待变异的字符位数，在所述交叉处理子模块处理得到的N个权值个体中，按照所述待变异的字符位数，随机选取相应字符位，并改变其字符值，从而得到N个新的权值个体，利用所述N个新的权值个体，形成一个新的权值种群。
9.根据权利要求7或8所述的装置，其特征在于，所述信号输出模块还用于在对所述权值种群进行遗传处理的次数大于预设最大处理次数时，将最后一次遗传处理得到的权值种群中具有最大适应度值的权值个体输出，以便按照所述权值个体提取对应各信噪比的相应组特征信号。
10.根据权利要求8所述的装置，其特征在于，所述信号输出模块还用于在当前遗传处理得到的新权值种群的最大适应度值和权值种群适应度值不再上升时，将当前遗传处理得到的权值种群中具有最大适应度值的权值个体输出，以便按照所述权值个体提取对应各信噪比的相应组特征信号。
【文档编号】H04W52/02GK103974388SQ201310033866
【公开日】2014年8月6日 申请日期:2013年1月29日 优先权日:2013年1月29日
【发明者】徐启建, 张 杰, 党月芳 申请人:中国人民解放军总参谋部第六十一研究所