基于神經(jīng)網(wǎng)絡的可穿戴無線傳感網(wǎng)絡數(shù)據(jù)融合方法.pdf

1、可穿戴無線傳感網(wǎng)絡節(jié)點一般使用電池供電，能量補給受限，同時，數(shù)據(jù)冗余量大，相互矛盾數(shù)據(jù)較多。數(shù)據(jù)融合技術可以有效減少數(shù)據(jù)傳送階段的通信量，降低傳感節(jié)點的能量損耗，延長傳感網(wǎng)絡的生命周期。本文主要研究基于神經(jīng)網(wǎng)絡及模糊神經(jīng)網(wǎng)絡的數(shù)據(jù)融合方法。
　　為了提高學習算法的收斂速率，解決網(wǎng)絡收斂振蕩問題，本文提出一種動量項-學習速率自適應的反向傳播學習算法(A Momentum Adaptive Learning Rate Algorith

2、m，MALRBPA)。以解決二維異或問題為背景，將 MALRBPA算法與標準學習算法以及傳統(tǒng)改進型學習算法收斂速度進行比較，采用 MALRBPA學習算法的神經(jīng)網(wǎng)絡收斂速率更快。將改進型 BP神經(jīng)網(wǎng)絡與無線傳感網(wǎng)絡分簇路由協(xié)議（LEACH-F協(xié)議）進行結(jié)合，提出一種改進的 BP神經(jīng)網(wǎng)絡數(shù)據(jù)融合算法（A Back Propagation Neural-Network Data Fusion Algorithm， BPNDFA），在傳感網(wǎng)絡簇

3、內(nèi)，對采集的原始數(shù)據(jù)進行數(shù)據(jù)擬合，將數(shù)據(jù)的特征向量值進行CDMA編碼并發(fā)送給匯聚節(jié)點，以實現(xiàn)加快網(wǎng)絡學習訓練的收斂速度，減少節(jié)點數(shù)據(jù)通信量的目的。仿真實驗表明，與傳統(tǒng)的BP神經(jīng)網(wǎng)絡數(shù)據(jù)融合算法相比，BPNDFA算法降低了節(jié)點能耗，延長了網(wǎng)絡生命周期。在監(jiān)測人體特征參數(shù)等方面具有較好的準確性、有效性以及實時性。
　　本文最后采用T-S(Takagi- Sugeno)結(jié)構(gòu)的模糊推理系統(tǒng)，使用MALRBPA算法及模糊規(guī)則訓練模糊神經(jīng)網(wǎng)絡