基于马尔可夫链的传感器网络空间相关性数据预测算法  

Data prediction algorithm of spatial correlation based on Markov chain for wireless sensor networks

作　　者：李志华[1] 卢昭[1] 薛亮[1] 黎作鹏 赵继军[1] Li Zhihua;Lu Zhao;Xue Liang;Li Zuopeng;Zhao Jijun(School of Information & Electric Engineering, Hebei University of Engineering, Handan Hebei 056038 , China)

机构地区：[1]河北工程大学信息与电气工程学院,河北邯郸056038

出　　处：《计算机应用研究》2016年第9期2747-2750,共4页Application Research of Computers

基　　金：国家自然科学基金资助项目(61304131);河北省教育厅科学研究计划项目(BJ2014019;QN2015046);邯郸市科学技术研究与发展计划项目(1121103137)

摘　　要：如何在降低计算复杂度的同时提高数据预测的精度,是传感器网络数据预测研究中亟需解决的问题之一。针对目前主流的时间相关性数据预测算法在数据波动大时预测精度低的问题,引入Delaunay三角形邻近图来度量网络中监测数据的空间相关性,并提出基于马尔可夫链的空间相关性数据预测算法。实验表明,该算法可以在数据波动不规律的情况下提高数据预测精度,减少网络中数据传输量。It is a key problem to the data prediction that how to simplify computation while improving the accuracy for wireless sensor networks. The current forecasting algorithm employing temporal correlation can 't obtain accurate results in irregular changing environment. This paper proposed the data prediction algorithm of spatial correlation based on Markov chain,which introduced Delaunay triangle adjacent figure to measure the spatial correlation of sensing data. The experiment show that the algorithm can effectively reduce a significant number of data transmissions.

关 键 词：无线传感器网络 数据预测 邻近图 空间相关性 马尔可夫链 

分 类 号：TP393[自动化与计算机技术—计算机应用技术] TP301.6[自动化与计算机技术—计算机科学与技术]