简介:无线传感器网络部署的成功取决于是否能够在其诸如数据的精确性、数据聚类程度以及网络生命周期最大化等问题上,提供一个高质量可靠的性能服务。其中,数据融合机制就特别具有挑战性。如果将一小部分低质量的数据作为数据融合输入,那么极可能对整个数据融合结果产生负面影响。该文提出了改进型分批估计和BP神经网络相结合的多传感器数据融合方法,旨在提高网络的服务质量并减少整个网络的能量消耗。该方法能够辨别和剔除低质量的终端数据,提高数据的精确性;同时,它还能够融合冗余的数据,以减少各站点之间的数据通信消耗,使网络生命周期最大化。通过MATLAB实验仿真,表明该文提出的方法具有良好的数据融合性能;相比于LEACH,有效减少转发数据包量,提高了网络生命期。
简介:为了更好地管理和应用数据网格中大量分布异构的数据,在对网格技术发展现状进行深入研究基础上,提出基于数据空间概念的网格数据的管理架构.在此基础上,实现了一个网格数据空间管理原型系统,系统中将现有的一些数据空间技术如数据模型iDM、查询语言iTrails等与网格数据访问中间件OGSA-DAI相结合,使用OGSA-DAI工作流来完成数据空间管理系统的数据访问、抽取、数据索引、服务管理和查询回复等一系列工作.实验表明数据空间管理机制在网格环境下是可行的,数据空间管理系统屏蔽了网格数据的分布性和异构性,且能够适应网格数据动态特性,因此满足了对网格数据的管理要求.所提出的网格数据空间架构为网格数据管理提出了新的方法.