基于概率图模型的无线传感器网络信息融合
分类号:T P 3 9 35 2 0 6 0 9 9密级: 天津理工大学研究生学位论文 基于概率图模型的无线传感器网络 信息融合 ( 申请硕士学位) 学科专业:计算机应用技术 研究方向:网络与信息安全 作者姓名:陈英辉 指导教师:王春东教授 2 0 1 2 年2 月 T h e s i sS u b m i t t e dt oT i a n j i nU n i v e r s i t yo fT e c h n o l o g y f o rt h eM a s t e r SD e g r e e I n f o r m a t i o nF u s i o no fW i r e l e s sS e n s o r N e t w o r k sB a s e do n P r o ba b i l i s t i cG r a p h i cM o d e l B y C h e nY i n g h u i S u p e r v i s o r W a n gC h u n d o n g F e b r u a r y2 0 1 2 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取 得的研究成果,除了文中特别加以标注和致谢之处外,论文中不包含其他 人已经发表或撰写过的研究成果,也不包含为获得天津理工大堂或 其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研 究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。 学位论文作者签名:帑炎辉签字日期:冽乞年2 月矽日 I lJ , 学位论文版权使用授权书 本学位论文作者完全了解 叁盗墨兰盘望有关保留、使用学位论文 的规定。特授权叁盗墨兰盘鲎 可以将学位论文的全部或部分内容编入 有关数据库进行检索,并采用影印、缩印或扫描等复制手段保存、汇编, 以供查阅和借阅。同意学校向国家有关部门或机构送交论文的复本和电子 文件。 ( 保密的学位论文在解密后适用本授权说明) 学位论文作者牦黔炙坪 签字日期:矽,2 年1 月刁日 导师签名:身币逼易 I 签字日期肼堋7 日 要 由多个学科交叉形成的,综合了嵌入式技 术、传感技术、分布式技术、无线通信技术以及现代网络等多种技术,是一种全新的信 息获取平台。传感器网络的特点决定了信息融合技术是无线传感器网络研究的热点。信 息融合可以在能量和通信方面实现高性能、低成本,对传感器网络的研究有重要的意义。 首先,本文从解决传感器网络不确定信息入手,建立了无线传感器网络的信息融合 物理模型。通过对这个模型的分析,本文深入研究了一种可广泛应用的有向静态概率图 模型,并给出了它的表示、信度消息传递的原理和过程,据此提出了参数学习的改进算 法,在仿真环境中建立了传感器网络的系统。其次,对改进的算法的性能进行了测试及 仿真,验证了新模型的可行性,证明了静态概率图模型对于处理不确定性信息是有效性 的。 静态模型不能处理随时间变化而状态改变的对象,需要使用动态模型进行处理。本 文在静态模型的基础上提出了动态模型分布式连续贝叶斯估计方法,它可在无线传 感器网络中传输信度状态,用新传感器节点的采集值对信度进行更新。由于传感器节点 能源和计算能力的限制,信度表示是模型研究中的关键。针对建立的动态模型,本文使 用的信度表示方法是高斯逼近法和线性组合多项式高斯逼近法( L P G 函数逼近法) 。通 过实验,对所提出的动态模型的性能进行了测试。在对两种信度方法进行分析时,本文 得出L P G 算法更能缩短响应时间,同时降低了传感器之间协作的能耗,表现出更为良 好的性能。 关键词:无线传感器网络信息融合概率图模型信度传播连续贝叶斯 b u i l tu p S e c o n d l y , w et e s tt h ep e r f o r m a n c eo fi m p r o v e da l g o r i t h ma n dd os i m u l a t i o nt ov e r i f y t h ef e a s i b i l i t yo ft h en e wm o d e l T h es t a t i cp r o b a b i l i t yg r a p hm o d e li sp r o v e dv a l i d i t yf o r d e a l i n g 埘廿lt m e e r t a i ni n f o r m a t i o n T h es t a t i cm o d e lc a n n o th a n d l et h eo b j e c t sw h i c hc h a n g es t a t ew i lt i m e ,S OW en e e dt o f o c u so nd y n a m i cm o d e l s I nt h i sp a p e r , ad i s t r i b u t e ds e q u e n t i a lB a y e s i a ne s t i m a t i o nm o d e li s p r o p o s e di nw h i c ht h eb e l i e fs t a t e i st r a n s m i t t e di nt h ew i r e l e s ss e n s o rn e t w o r k s ,a n di s u p d a t e du s i n gt h em e a s u r e m e n t sf r o mt h en e ws e n s o rn o d e D u et ot h el i m i t a t i o n so ft h e p o w e ra n dc o m p u t a t i o n a lc a p a b i l i t yo fs e n s o rn e t w o r k s ,b e l i e fr e p r e s e n t a t i o ni st h ek e yo f t h e m o d e l F o rt h ed y n a m i cm o d e l ,t w ob e l i e fr e p r e s e n t a t i o nm e t h o d sa r ep r o p o s e d :G a u s s i a n d e n s i t ya p p r o x i m a t i o na n dan e wL P Gf u n c t i o na p p r o x i m a t i o n B ys i m u l a t i o n s ,i th a sb e e n t e s t e do nt h ep e r f o r m a n c eo ft h ed y n a m i cm o d e l s A n a l y z e dt w om e t h o d s ,i th a sb e e ns h o w n t h a tt h eL P Gf u n c t i o na p p r o x i m a t i o na l g o r i t h mh a saw o n d e r f u lp e r f o r m a n c ei nr e s p o n s i n g t i m ea n de n e r g yc o n s u m p t i o n K e yw o r d s :W i r e l e s ss e n s o rn e t w o r k s ,i n f o r m a t i o nf u s i o n ,p r o b a b i l i t yg r a p h i cm o d e l ,b e l i e f p r o p a g a t i o n ,s e q u e n t i a lB a y e s i a n 目录 第一章绪论1 1 1 背景及意义1 1 2 无线传感器网络概述2 1 2 1 无线传感器网络的概念2 1 2 2 无线传感器网络的特征2 1 2 3 无线传感器网络的应用3 1 3 信息融合技术概述3 1 3 1 信息融合的基本原理3 1 3 2 信息融合的优缺点4 1 4 无线传感器网络信息融合的发展和研究意义4 1 5 论文组织结构5 第二章无线传感器网络的信息融合技术6 2 1 无线传感器网络的结构6 2 1 1 典型的无线传感器网络的结构6 2 1 2 无线传感器网络的协议栈7 2 1 3 无线传感器网络的关键问题7 2 2 无线传感器网络中的信息融合8 2 2 1 融合与能源消耗8 2 2 2 融合技术1 0 2 2 3 应用于无线传感器网络的融合技术1 0 2 3 基于概率图模型的信息融合1 2 2 3 1 概率图模型1 2 2 3 2 贝叶斯网络1 3 2 3 2 动态贝叶斯网络1 5 2 4 本章小结j 1 6 第三章无线传感器网络的静态模型1 7 3 1 分布式环境中的无线传感器网络的静态模型1 7 3 1 1 网络结构1 7 3 1 2 模型结构1 9 3 2 有向静态模型的信度传播2 0 3 3 有向静态模型的学习2 2 3 4 实验及分析说明2 3 3 5 本章小结2 5 第四章无线传感器网络的分布式动态模型2 6 4 1 物理模型的建立2 6 4 2 分布式连续贝叶斯2 7 4 2 1 分布式连续贝叶斯估计2 7 4 2 2 分布式连续贝叶斯算法2 9 4 3 信度循环算法3 0 4 3 1 高斯逼近法3 0 4 3 2L P G 函数逼近法3 2 4 3 3 高斯近似法和L P G 函数逼近法的比较3 5 4 4 最佳传感器节点的选取3 5 4 5 实验分析及说明3 5 4 6 本章小节4 1 第五章总结和展望4 2 参考文献4 3 发表论文和科研情况说明4 6 致谢