[发明专利]一种无线传感器网络数据融合方法

权利要求书

1.一种无线传感器网络数据融合方法，其特征在于，每个传感器节点对其采集到的数据按照输入层神经元函数进行初步处理，获得少量的特征数据，然后将特征数据发送给其所在簇的簇头节点；簇头节点根据隐层神经元函数和输出层神经元函数对特征数据做进一步处理，获得融合后数据；簇头节点将融合后数据发送给汇聚节点。

2.如权利要求1所述无线传感器网络数据融合方法，其特征在于，包括以下步骤：

2.1簇头向汇聚节点传送其簇内传感器节点信息表；

2.2汇聚节点依据簇头及其簇内传感器节点信息，构造RBF神经网络；

2.3RBF神经网络检索样本数据库，搜集与簇成员信息匹配的样本进行训练，从而生成相应簇的神经网络参数；

2.4汇聚节点将基于萤火虫优化的RBF神经网络各神经元参数发送给对应传感器节点；

2.5分簇稳定工作后，簇头对接收信息进行融合并向汇聚节点传递融合后数据。

3.如权利要求2所述无线传感器网络数据融合方法，其特征在于，在无线传感器网络中选取簇头以及对传感器节点分簇的方法为：

3.1在每一轮簇的初始阶段，每个传感器节点随机生成一个[0,1]之间的数值，如果所述数值小于设置的阈值T(n)，则该传感器节点作为簇头，其中，已经当过簇头的传感器节点的阈值T(n)为0；

3.2选定簇头后，簇头通过广播告知其他不作为簇头的传感器节点其已成为簇头节点的消息，其他不作为簇头的传感器节点根据接收信号的强度加入相应的簇头从而形成簇集；

3.3簇头根据加入的传感器节点的数量建立了一个时分多址的通信方案，为簇内每个传感器节点分配了一定的通信时隙，簇内传感器节点在分配给自己的通信时隙内发送数据给簇头。

4.如权利要求3所述无线传感器网络数据融合方法，其特征在于，将整个无线传感器网络作为一个RBF神经系统，将各传感器节点作为输入层的神经元，将簇头作为隐层神经元，运用萤火虫算法进行模糊聚类，确认所述神经网络的径向基中心和基宽，具体为：

4.1计算数据对象隶属于各聚类中心的隶属度；

4.2计算每只萤火虫的适应度参数值，并更新每只萤火虫的荧光素值；

4.3在每只萤火虫的决策域半径内，选择高于自身荧光素值的萤火虫构成动态决策域，用轮盘赌选择萤火虫，更新萤火虫位置；

4.4更新每只萤火虫动态决策域半径；

4.5判断是否达到最大迭代次数，若达到，则终止；否则转向步骤4.2。