WSN中传感器节点的弹性神经网络任务分配方法

摘要：

为解决WSN多目标跟踪节点任务分配的竞争冲突问题,提出一种融合了模糊聚类的多弹性子模自组织神经网络节点任务分配方法.通过模糊聚类估计目标数量,建立节点任务分配跟踪精度和能量消耗的综合性能指标,采用非全连接的环形弹性结构自组织神经网络优化监测联盟,用最近邻法对神经元弹性子模进行初始化,根据胜者为王原则动态调整子模的感受域,以快速锁定最优监测联盟,实现多目标的精确跟踪.实验结果表明:文中方法能有效解决多目标跟踪节点任务分配的竞争冲突问题,以及竞争冲突时的系统能耗增加与实时性问题;在随机均匀部署节点拓扑和目标直线运动模式下,文中方法的能耗较最近邻法降低了48.2%～55.9%,较未改进弹性神经网络法降低了37.4%～42.5%,且运算速度提高了19.0%～27.4%.

关键词：无线传感器网络、多目标跟踪、任务分配、多弹性子模自组织神经网络、模糊聚类

所属期刊栏目：38

分类号：TP391(计算技术、计算机技术)

资助基金：广东省自然科学基金资助项目9151052101000013;茂名市重点科技计划项目20091010

在线出版日期：2010-09-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：66-72