第14卷第2期 智能系统学报 Vol.14 No.2 2019年3月 CAAI Transactions on Intelligent Systems Mar.2019 D0:10.11992/tis.201712003 网络出版地址：http:/kns.cnki.net/kcms/detail/23.1538.TP.20180515.1116.004html 基于GABP-KF的WSN数据漂移盲校准算法 武加文，李光辉23 (1.江南大学物联网工程学院，江苏无锡214122；2.物联网技术应用教育部工程技术研究中心，江苏无锡 214122:3.江苏省模式识别与计算智能工程实脸室，江苏无锡214122) 摘要：针对无线传感器网络节点容易产生数据漂移的问题，提出了一种新型的跟踪和校准节点数据流漂移的 算法。首先使用基于遗传算法优化的BP神经网络对目标节点和其邻居节点间的时空相关性进行建模，以获得 目标节点的预测值，再使用卡尔曼滤波器跟踪和校准该节点的数据漂移。针对不同的真实数据集进行仿真实 验显示，该方法相较于其他对比方法模型预测精度更高，漂移校准性能更好。实验结果表明，该算法可以精确 地校准传感器节点的数据漂移，提高节点数据的可靠性。 关键词：无线传感器网络：数据漂移：盲校准：BP神经网络：遗传算法：卡尔曼滤波器：去噪：模型构建 中图分类号：TP274.2文献标志码：A文章编号：1673-4785(2019)02-0254-09 中文引用格式：武加文，李光辉.基于GABP-KF的WSN数据漂移盲校准算法J智能系统学报，2019,14(2)：254-262. 英文引用格式：WU Jiawen,LI Guanghui..GABP-KF-based blind calibration algorithm of data drift in wireless sensor networks, CAAI transactions on intelligent systems,2019,14(2):254-262. GABP-KF-based blind calibration algorithm of data drift in wireless sensor networks WU Jiawen,LI Guanghui'23 (1.School of Internet of Things Engineering,Jiangnan University,Wuxi 214122,China;2.Research Center of IoT Technology Ap- plication Engineering (MOE),Wuxi 214122,China;3.Jiangsu Provincial Engineering Laboratory of Pattern Recognition and Com- putational Intelligence,Wuxi 214122,China) Abstract:Data drifts easily occur in wireless sensor network.To solve this problem,we propose a novel algorithm for tracking and calibrating the drifts of sensor data stream.First,backpropagation(BP)neural network optimized by genet- ic algorithm is applied to model the spatio-temporal correlations between the target node and its neighbor nodes to pre- dict the value of the node.and then.the data drift of the node is tracked and calibrated by a Kalman filter.The simula- tion results using different datasets demonstrate that this method has superior prediction accuracy and calibration per- formance,compared with other methods.The experimental results show that this method can accurately calibrate the sensor drift and improve the reliability of node data Keywords:wireless sensor network;data drift;blind correction;BP neural network;genetic algorithm;Kalman filter, denoising;model building 近年来，随着无线通信，计算机网络和传感器 networks,.WSN)已成为重要的研究对象并被广泛 技术的巨大进步，无线传感器网络(wireless sensor 应用于医疗、军事、环境监测等众多领域川。在环 收稿日期：2017-12-02.网络出版日期：2018-05-17. 境监测领域，大规模的无线传感器网络通常被部 基金项目：国家自然科学基金项目(61472368)、江苏省重点研 署于无人监管、气候复杂的野外环境中。若长期 发计划项目(BE2016627)、中央高校基本科研业务费 项目(JUSRP51635B)、无锡市国际科技研发合作项 使用，节点读数容易产生数据漂移。这对于终端 目(CZE02H1706)、江苏省普通高校专业学位研究生 实践创新计划项目(SJLX160499) 用户来说是一个严重的问题，因为在无线传感器 通信作者：李光辉.E-mail:ghli@jiangnan.edu.cn. 网络的大规模应用场景中必须使用精确数据，才DOI: 10.11992/tis.201712003 网络出版地址: http://kns.cnki.net/kcms/detail/23.1538.TP.20180515.1116.004.html 基于 GABP-KF 的 WSN 数据漂移盲校准算法 武加文1,2，李光辉1,2,3 （1. 江南大学 物联网工程学院，江苏 无锡 214122; 2. 物联网技术应用教育部工程技术研究中心，江苏 无锡 214122; 3. 江苏省模式识别与计算智能工程实验室，江苏 无锡 214122） 摘 要：针对无线传感器网络节点容易产生数据漂移的问题，提出了一种新型的跟踪和校准节点数据流漂移的 算法。首先使用基于遗传算法优化的 BP 神经网络对目标节点和其邻居节点间的时空相关性进行建模，以获得 目标节点的预测值，再使用卡尔曼滤波器跟踪和校准该节点的数据漂移。针对不同的真实数据集进行仿真实 验显示，该方法相较于其他对比方法模型预测精度更高，漂移校准性能更好。实验结果表明，该算法可以精确 地校准传感器节点的数据漂移，提高节点数据的可靠性。 关键词：无线传感器网络；数据漂移；盲校准；BP 神经网络；遗传算法；卡尔曼滤波器；去噪；模型构建 中图分类号：TP274.2 文献标志码：A 文章编号：1673−4785(2019)02−0254−09 中文引用格式：武加文, 李光辉. 基于 GABP-KF 的 WSN 数据漂移盲校准算法[J]. 智能系统学报, 2019, 14(2): 254–262. 英文引用格式：WU Jiawen, LI Guanghui. GABP-KF-based blind calibration algorithm of data drift in wireless sensor networks[J]. CAAI transactions on intelligent systems, 2019, 14(2): 254–262. GABP-KF-based blind calibration algorithm of data drift in wireless sensor networks WU Jiawen1,2 ，LI Guanghui1,2,3 (1. School of Internet of Things Engineering, Jiangnan University, Wuxi 214122, China; 2. Research Center of IoT Technology Ap￾plication Engineering (MOE), Wuxi 214122, China; 3. Jiangsu Provincial Engineering Laboratory of Pattern Recognition and Com￾putational Intelligence, Wuxi 214122, China) Abstract: Data drifts easily occur in wireless sensor network. To solve this problem, we propose a novel algorithm for tracking and calibrating the drifts of sensor data stream. First, backpropagation (BP) neural network optimized by genet￾ic algorithm is applied to model the spatio–temporal correlations between the target node and its neighbor nodes to pre￾dict the value of the node, and then, the data drift of the node is tracked and calibrated by a Kalman filter. The simula￾tion results using different datasets demonstrate that this method has superior prediction accuracy and calibration per￾formance, compared with other methods. The experimental results show that this method can accurately calibrate the sensor drift and improve the reliability of node data. Keywords: wireless sensor network; data drift; blind correction; BP neural network; genetic algorithm; Kalman filter; denoising; model building 近年来，随着无线通信，计算机网络和传感器 技术的巨大进步，无线传感器网络 (wireless sensor networks，WSN) 已成为重要的研究对象并被广泛 应用于医疗、军事、环境监测等众多领域[1]。在环 境监测领域，大规模的无线传感器网络通常被部 署于无人监管、气候复杂的野外环境中。若长期 使用，节点读数容易产生数据漂移。这对于终端 用户来说是一个严重的问题，因为在无线传感器 网络的大规模应用场景中必须使用精确数据，才 收稿日期：2017−12−02. 网络出版日期：2018−05−17. 基金项目：国家自然科学基金项目 (61472368)、江苏省重点研 发计划项目 (BE2016627)、中央高校基本科研业务费 项目 (JUSRP51635B)、无锡市国际科技研发合作项 目 (CZE02H1706)、江苏省普通高校专业学位研究生 实践创新计划项目 (SJLX16_0499). 通信作者：李光辉. E-mail：ghli@jiangnan.edu.cn. 第 14 卷第 2 期 智 能 系 统 学 报 Vol.14 No.2 2019 年 3 月 CAAI Transactions on Intelligent Systems Mar. 2019