面向无线传感器网络的能源高效数据传输与融合的高级数学建模
网络与互联网体系结构
2024-07-19 v1 信号处理
摘要
无线传感器网络（WSNs）是数据密集型应用中必不可少的组件， necessitates 高效的能源管理和稳健的数据融合技术。本文提出了一个集成框架，利用模糊逻辑和反向传播神经网络（BPNN）来增强WSNs中的能源效率和数据准确性。该模型聚焦于利用模糊逻辑优化簇头（CH）选择，考虑能量水平、与基站的接近度以及局部密度中心性等参数。采用最小生成树（MST）算法实现从传感器节点到CHs的能源高效数据传输，最小化数据路由过程中的能耗。基于BPNN的数据融合技术在CHs处，减少了向基站的冗余数据传输，从而优化能源利用并提升整个网络性能。仿真结果表明，与传统方法相比，网络寿命提升30%，数据准确性提高25%，能耗降低40%。这些收益归功于模糊逻辑所启用的智能CH选择策略，确保了高效的资源分配并最小化能源浪费。该方法的有效性通过全面仿真得出验证，展示了其延长网络寿命、维持数据完整性和提高能源效率的能力。模糊逻辑和BPNN的集成不仅解决了WSNs中能源管理和数据融合的挑战，也为未来需要可靠可持续传感器网络运行的应用提供了一个可扩展且可适应的框架。源代码可在 https://github.com/hikomal/BPNN_WSN.git 获取
引用
@article{arxiv.2407.12806,
title = {Advanced Mathematical Modelling for Energy-Efficient Data Transmission and Fusion in Wireless Sensor Networks},
author = {Komal},
journal= {arXiv preprint arXiv:2407.12806},
year = {2024}
}
备注
18 pages, 8 Figures, 3 Tables