基于深度自编码网络的实验室WSN数据压缩算法

• 作者: 时磊
• 来源期刊: 沈阳工业大学学报
• 学科: 工学
• 关键词: 自编码网络 无线传感器网络 数据压缩 数据融合 贝叶斯估计 节点 生命周期 计算开销
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 信息科学与工程|Information Science & Engineering
• 页码范围: 193-197
• 页数: 5页
• 分类号: TP393
• 语种: 中文
• DOI: 10.7688/j.issn.1000-1646.2022.02.12

摘要

针对无线传感器网络节点冗余和数据重叠的问题,提出一种基于深度自编码网络的实验室WSN数据压缩算法来减少传感器通信和计算开销.使用K-means算法将传感器节点划分为不同的簇,使用深度神经网络对相同簇中节点采集的数据进行压缩编码与分类,从而减小数据规模.使用贝叶斯估计算法对压缩编码后的数据特征进行融合.仿真测试与实验结果表明,所提出的算法能明显减少数据量,相比于Megrez算法与E-CPDA算法的数据融合精度分别提升了4.2％和19％,同时能够增加无线传感器网络的生命周期.