基于改进BiLSTM-KF的WSN数据漂移盲校准算法

来源：计算机技术与发展杂志2025年第02期北京时间：

作者：史志强;;古丽米拉·克孜尔别克;;韩博;;张瑛进;

单位：1. 新疆农业大学 计算机与信息工程学院,新疆 乌鲁木齐 830052;2. 智能农业教育部工程研究中心,新疆 乌鲁木齐 830052;3. 新疆农业信息化工程技术研究中心,新疆 乌鲁木齐 830052

摘要：无线传感器网络数据的准确性对智能系统的决策和环境监测的优化至关重要。 针对传感器设备在工作过程中易受外部环境变化及自身特性的影响产生数据漂移现象,导致数据精确度产生偏差的问题,该文提出一种基于 CNN-BiLSTM-Attention-KF 的无线传感器网络数据漂移校准方法。 首先,利用 CNN 提取数据的局部特征,BiLSTM 捕获时序数据的长期依赖关系,并引入 Attention 增强模型处理数据序列中的关键信息,根据节点数据的时空相关性进行建模,得到待校准节点的预测值。 其次,将其预测值与节点的实际观测值作为卡尔曼滤波器的输入,实现对漂移数据的跟踪和校准。 在公开数据集 IBRL 上进行实验,结果表明该方法在各评价指标有所改善,其中平均绝对误差(MAE)降至 0. 325 5,均方误差(MSE)降至 0. 228 9,相关系数(R2)达到 0. 988 2,均优于其他算法。 CNN-BiLSTM-Attention-KF 具有较好的校准效果,对于传感器在长时间工作中保持数据准确性具有重要意义。

关键词：无线传感器网络;数据漂移;双向长短期记忆网络;卡尔曼滤波器;盲校准