林蔚，祝啟龍

(哈爾濱工程大學理學院，黑龍江哈爾濱150001)

近年來，無線傳感器網(wǎng)絡(luò)的應(yīng)用范圍越來越大，除軍事以外，還包括工業(yè)、農(nóng)業(yè)、醫(yī)療、防疫、科研等各個領(lǐng)域［1］.例如高密度人群細菌監(jiān)測環(huán)境，農(nóng)業(yè)的蔬菜塑料大棚環(huán)境監(jiān)測，森林防火監(jiān)測、煤礦井下監(jiān)測，水質(zhì)量監(jiān)測等，都是無線傳感器網(wǎng)絡(luò)在不同行業(yè)中的應(yīng)用，無線傳感器網(wǎng)絡(luò)也因此得到迅速發(fā)展.然而，網(wǎng)絡(luò)的穩(wěn)定性、生命期是網(wǎng)絡(luò)正常工作的關(guān)鍵.決定網(wǎng)絡(luò)生命期的主要因素是節(jié)點的能量.由于無線傳感器網(wǎng)絡(luò)節(jié)點采用易消耗的電池供給，其數(shù)據(jù)處理和通信能力受到限制，節(jié)能對于網(wǎng)絡(luò)至關(guān)重要，也因此成為研究的重點.數(shù)據(jù)融合能夠降低網(wǎng)絡(luò)數(shù)據(jù)傳輸?shù)臄?shù)量，本文就節(jié)能問題提出一種基于數(shù)據(jù)融合的節(jié)能型無線傳感器網(wǎng)絡(luò).

無線傳感器網(wǎng)絡(luò)數(shù)據(jù)融合包括數(shù)據(jù)級融合(低級)，特征級融合(中級)，決策級融合(高級)3個部分.數(shù)據(jù)級融合在傳感器節(jié)點處進行，稱為下位機融合.特征級融合和決策級融合在基站處進行數(shù)據(jù)融合，稱為上位機融合.數(shù)據(jù)級融合是最低層融合，即直接對傳感器采集的數(shù)據(jù)進行融合處理，將融合結(jié)果向基站或中心節(jié)點傳輸.特征級融合屬于中間層融合，一般稱作多傳感器數(shù)據(jù)融合.將傳感器節(jié)點傳輸?shù)臄?shù)據(jù)進行數(shù)據(jù)處理，以進行數(shù)據(jù)校準和狀態(tài)估計.常見方法有加權(quán)平均、卡爾曼濾波、模糊邏輯、神經(jīng)網(wǎng)絡(luò)等方法.

由于數(shù)據(jù)融合技術(shù)已成為無線傳感器網(wǎng)絡(luò)節(jié)約能源研究的重點，許多學者針對多傳感器數(shù)據(jù)的融合問題進行了研究.文獻［2］、［3］采用模糊理論對各傳感器測得數(shù)據(jù)之間的接近程度進行處理，通過接近度矩陣度量各傳感器測得數(shù)據(jù)的綜合接近程度，分配數(shù)據(jù)在融合過程中的權(quán)重，得出特性指標.文獻［4］、［5］通過討論分簇的融合方式，分析簇內(nèi)數(shù)據(jù)的融合算法誤差成因，提出先進行簇內(nèi)測量修正、再進行簇內(nèi)數(shù)據(jù)融合.文獻［6］通過傳感器的重要度，從各個傳感器對模糊命題支持度的一致度，以及傳感器重要度對數(shù)據(jù)融合結(jié)果的復合作用等三方面分析，提出一種模糊傳感器數(shù)據(jù)融合.上述數(shù)據(jù)融合均運行在上位機，底層數(shù)據(jù)仍采用采集一個數(shù)據(jù)發(fā)送一個數(shù)據(jù)的方法，這種方法不利于節(jié)省節(jié)點能源.

1 TFA數(shù)據(jù)融合算法

本文提出算法TFA(twice fusion algorithm)，其目標是降低節(jié)點能量消耗.其工作原理是:首先在網(wǎng)絡(luò)的數(shù)據(jù)采集點處，采用閾值限定和均值融合方法，進行下位機(節(jié)點)的數(shù)據(jù)融合;再在上位機(控制中心或網(wǎng)關(guān))進行多傳感器數(shù)據(jù)補償和融合.通過對節(jié)點采集數(shù)據(jù)的融合，減少節(jié)點通信量，從而減少能耗，延長WSN生存時間.雖然計算會增加能耗，然而計算上的能耗與通信消耗的能量相比是10-3倍［7］，并且由于傳感器的相對誤差小于 0.01［8-9］，當設(shè)定合適的參數(shù)和閾值時，不影響融合結(jié)果.因此，節(jié)能方面的優(yōu)勢可以得到充分體現(xiàn).

圖1 傳感器數(shù)據(jù)融合結(jié)構(gòu)圖Fig.1 Wireless sensor network data fusion chart

TFA數(shù)據(jù)融合模型如圖1所示.它包含了傳感器網(wǎng)絡(luò)從數(shù)據(jù)采集到上位機融合的全過程.其中包括:1)傳感器節(jié)點采集數(shù)據(jù)后的數(shù)據(jù)融合，2)上位機數(shù)據(jù)補償，3)上位機數(shù)據(jù)融合.

1.1 下位機(節(jié)點)數(shù)據(jù)處理

每個傳感器節(jié)點采集數(shù)據(jù)，形成各自的列矩陣.其中，每列表示同一傳感器每過一個φ時刻測得的數(shù)據(jù).K個傳感器產(chǎn)生k列數(shù)據(jù)，形成一個矩陣.

由于節(jié)點在相鄰時間測得的數(shù)據(jù)相似，本文將相似數(shù)據(jù)融合，去除冗余.

假設(shè)無線傳感器網(wǎng)絡(luò):

1)由k個傳感器節(jié)點監(jiān)測同一環(huán)境.

2)每個傳感器以等時間間隔 采集數(shù)據(jù):aij，(i=1，2，3，…;j=1，2，3，…).

采集后從同一時刻開始計算.則測得的數(shù)據(jù)用矩陣表示為A:

其中，每一列數(shù)據(jù)都存儲在本地節(jié)點內(nèi)存中，它是同一個傳感器在不同φ時刻測量值.每行表示同一時刻不同傳感器采集的數(shù)據(jù)，顯然，由于傳感器測得的數(shù)據(jù)在相鄰的時間上具有相似性，節(jié)點的相鄰數(shù)據(jù)具有相似性.為了節(jié)省節(jié)點能量，同時由于在底層觀測值的不穩(wěn)定性以及不確定性，對每列數(shù)據(jù)進行均值融合方法，并發(fā)送這個均值給控制中心(上位機).均值計算的過程如下:

設(shè)定2個閾值δ和τ.其中δ限定了數(shù)據(jù)最大距離，δ取傳感器的最大誤差.τ是限定采集次數(shù)，由于節(jié)點每隔時間采集一次數(shù)據(jù)，設(shè)定閾值τ是為了避免傳感器發(fā)送時間間隔過長.每個傳感器將采集的數(shù)據(jù)保存在節(jié)點存儲器中，直到當這些數(shù)據(jù)之間的任意兩個差值超過閾值δ，或采集次數(shù)超過τ時，以本次采集的數(shù)據(jù)次數(shù)為第i次，對已采集的前i-1次的數(shù)據(jù)進行均值計算，然后發(fā)送到控制中心.發(fā)送條件:1)當?shù)趇個采集的數(shù)據(jù)與之前的i-1個數(shù)據(jù)中的某個差值過大，數(shù)據(jù)出現(xiàn)突變趨勢，為保持數(shù)據(jù)的一致性，TFA算法對前i-1次的數(shù)據(jù)進行均值計算;2)當采集數(shù)據(jù)的次數(shù)達到τ次時，為了與1)中的i取得一致，TFA算法同樣取第i-1次之前的進行均值計算，將第i次的數(shù)據(jù)作為下一次采集的第一個數(shù)據(jù)，由此得到節(jié)點數(shù)據(jù)融合算法如下:

1)設(shè)a1j為節(jié)點j采集的第1個數(shù)據(jù);

2)每采集一次數(shù)據(jù)aij，分別與前i-1次的數(shù)據(jù)a1j，a2j，…，ai-1j進行比較，即:|aij-akj|，(k=1，2，…，i-1).

①當其中的任一數(shù)據(jù)距離超過閾值δ時，即

3)將第i次采集的數(shù)據(jù)aij作為下一次采集的第一個數(shù)據(jù)a1j;

5)重復1)～4).

1.2 上位機數(shù)據(jù)補償

由于數(shù)據(jù)在下位機進行了融合，使數(shù)據(jù)存在一定的失真，在上位機應(yīng)盡可能給予補償.補償原則是:在每行補償該節(jié)點在φ時刻的均值.上位機數(shù)據(jù)仍是一個矩陣.其行是φ時刻，列是每個傳感器在φ時刻的均值.算法是:當上位機接收到某傳感器的一個均值，在為(這個)傳感器預留的存儲空間(矩陣B中)補償傳感器的均值，方法是:補償上位機接收時刻的前一時刻(以φ為單位)以及之前各時刻未補償?shù)闹?，這些補償?shù)臅r刻，即為矩陣B中元素的行標，傳感器號為列標.即每過一個φ時間，就應(yīng)該產(chǎn)生一行數(shù)據(jù)，一行中每個數(shù)據(jù)值以傳感器在該時刻的平均值作為該位置的補償數(shù)據(jù)值，這就形成了數(shù)據(jù)補償矩陣B:

其中，bij表示第i個φ時刻第j個傳感器的數(shù)據(jù)補償值，bij的取值滿足:

其中，|ak'1-ak1|＜ δ，k、k'=1，2，3，k≠k';i≤τ.

1.3 上位機數(shù)據(jù)融合

在上位機對矩陣A進行數(shù)據(jù)補償和時間上的統(tǒng)一后，得到數(shù)據(jù)補償矩陣B.當上位機接收完每個傳感器同一時刻的數(shù)據(jù)，即得到矩陣B的一行，為了得到這一時刻的數(shù)據(jù)，算法TFA對某一行數(shù)據(jù)進行多傳感器數(shù)據(jù)融合，這一行數(shù)據(jù)來自于不同傳感器.融合方法是對期望真值進行擬合，每一時刻(即每一行)融合為一個數(shù)據(jù)，它代表這一時刻的監(jiān)測值，本文采用加權(quán)平均的方法對矩陣B中的每行數(shù)據(jù)進行擬合.算法如下:

1.3.2 權(quán)重及融合值計算

因為距離越大，偏離均值越遠，故權(quán)值取均值距離的倒數(shù).

則融合值Ci(第i行的融合值):

2 仿真實驗與分析

仿真環(huán)境采用C51RF-3-PK的軟件仿真系統(tǒng)，同時為了進行算法比較，底層數(shù)據(jù)算法TFA采用文獻［10］的原始數(shù)據(jù)，對其進行數(shù)據(jù)融合.設(shè)參數(shù)值為:τ=5，δ=5.

表1是文獻［10］的原始數(shù)據(jù)，是3個傳感器在算法TFA對表1中數(shù)據(jù)進行融合處理.

首先進行節(jié)點數(shù)據(jù)融合，得到融合矩陣A，再發(fā)送給上位機，得到數(shù)據(jù)補償矩陣B，如表2所示.

表1 傳感器測量值Table 1 Measured value ℃

表2 數(shù)據(jù)補償值Table 2 Compensation for the value of data ℃

表3是算法TFA在上位機的融合值以及相對誤差和絕對誤差.

表3 下位機數(shù)據(jù)融合值Table 3 Lower machine data fusion value

表4給出算法TFA、主成分分析方法PCA(principal component analysis)、平均值方法AA(averaging algrithm)以及可靠性分析方法RA(reliability analysis)等，針對同一原始采集數(shù)據(jù)進行不同融合算法后的結(jié)果比較.

表4 各種方法的融合結(jié)果Table 4 The results of various methods of fusion (°)

圖2給出誤差分析.從圖2的誤差分析圖可以看出，算法TFA更接近于真值(900℃)，說明算法TFA比其他算法更合理.

圖2 不同方法的絕對誤差分析圖Fig.2 The absolute error analysis chart

為了說明算法TFA在能量節(jié)約上的效果，用TFA算法與未經(jīng)過傳感器節(jié)點融合，而是直接將采集的數(shù)據(jù)發(fā)送給上位機的算法所消耗的能量進行比較，得到表5.仿真結(jié)果表明，隨著閾值δ的增加，節(jié)點節(jié)約較多的能量;但隨著δ值的增加，融合結(jié)果的精度會降低，再加上節(jié)點存儲能力有限，因此，閾值不能無限增大;反之，隨著閾值減小，能量消耗多，但精度會提高.當取適當?shù)拈撝禃r，算法TFA的絕對誤差較小，可以保證數(shù)據(jù)的精確性和穩(wěn)定性，而且節(jié)省能源消耗的絕對誤差較小.

表5 不同δ參數(shù)值節(jié)約能源的百分率Table 5 δ values for different parameters of the node＇s energy savings %

3 結(jié)束語

由于傳感器節(jié)點數(shù)量的冗余性、分布的隨機性以及相鄰傳感器對同一目標區(qū)域監(jiān)測數(shù)據(jù)具有相似性，使得無限傳感器網(wǎng)絡(luò)的監(jiān)測數(shù)據(jù)具有冗余性;又因為傳感器節(jié)點在能源、存儲空間和計算能力的局限性，因而過多地傳送冗余數(shù)據(jù)將消耗過多的能量，將縮短WSN的生存期.為減輕上述客觀因素對網(wǎng)絡(luò)生命期的影響，有必要將數(shù)據(jù)進行融合.本文提出的二次融合算法TFA，首先在各個節(jié)點采集數(shù)據(jù)的過程中，對數(shù)據(jù)進行底層的數(shù)據(jù)融合，以減少冗余信息的傳輸量，節(jié)省監(jiān)測網(wǎng)絡(luò)的能量;其次算法TFA利用監(jiān)測值在時間和空間上相似的特點，在上位機(控制中心)以多傳感器數(shù)據(jù)融合方式，對數(shù)據(jù)進行補償和融合，進而得到某一段時間對監(jiān)測環(huán)境的監(jiān)測結(jié)果.仿真結(jié)果表明，TFA算法在節(jié)能方面以及數(shù)據(jù)精度方面都取得較好的結(jié)果.此外，本文沒有考慮無線傳感器網(wǎng)絡(luò)的多跳路由情況，有待于進一步討論.

［1］王志宇，車承鈞，王陽.基于物聯(lián)網(wǎng)的區(qū)域農(nóng)田土壤墑情監(jiān)測系統(tǒng)研究［J］.自動化技術(shù)與應(yīng)用，2010，28(12):39-42.

WANG Zhiyu，CHE Cheng jun，WANG Yang.Research of self-congnitive internet of things model and its applications［J］.Techniques of Automation＆Applications，2010，28(12):39-42.

［2］焦竹青，熊偉麗，張林，等.基于信任度的多傳感器數(shù)據(jù)融合及其應(yīng)用［J］.東南大學學報自然科學版，2008，38(A01):253-257.

JIAO Zhuqing，XIONG Weili，ZHANG Lin，et al.Multi-sensor data fusion method based on belief degree and its applications［J］.Journal of Southeast University:Natural Science Edition，2008，38(A01):253-257.

［3］LEE M F R，STANLEY K，WU Q M J.Implementation of sensor selection and fusion using fuzzy logic［C］//IFSA World Congress and 20th NAFIPS International Conference.Vancouver，BC:2001，328-333.

［4］MARTALO M，F(xiàn)ERRARI G.A simple information-theoretic analysis of clustered sensor networks with decentralized detection［J］.IEEE Communications Letters，2010，14(6):560-562.

［5］翟建設(shè)，李娜，吳青.基于分簇的無線傳感器網(wǎng)絡(luò)簇內(nèi)數(shù)據(jù)融合算法［J］.計算機工程，2008，34(11):134-136.

ZHAI Jianshe，LI Na，WU Qing.Improved algorithm of clustering-based data fusion for WSN［J］.Computer Engineering，2008，34(11):134-136.

［6］馬琦，張記龍，王志斌.無線傳感器網(wǎng)絡(luò)簇內(nèi)自適應(yīng)融合算法研究［J］.計算機應(yīng)用研究，2009，7(26):2502-2503，2507 .

MA Qi，ZHANG Jilong，WANG Zhibin.Study of adaptive data fusion algorithm within clusters for WSN［J］.Application Research of Computers，2009，7(26):2502-2503，2507.

［7］張強，楊濤.用于環(huán)境監(jiān)測的自供電傳感器網(wǎng)絡(luò)［J］.儀表技術(shù)與傳感器，2008，2:34-36.

ZHANG Qiang，YANG Tao.Self-powered wireless sensor network for environment monitoring［J］.Instrument technique and sensor，2008，2:34-36.

［8］齊志才，馬占敖，江萍.提高帶隙溫度傳感器精度方法的研究［J］.儀表技術(shù)與傳感器，2004，7:46-47.

QI Zhicai，MA Zhanao，JIANG Ping.Study of method improving accuracy of band-gap temperature sensor［J］.Instrument Technique and Sensor，2004，7:46-47.

［9］楊雪芳，蔡萍，楊重遠.提高容柵位移傳感器精度的有效方法［J］.傳感器技術(shù)，2005，24(9):32-34 .

YANG Xuefang，CAI Ping，YANG Chongyuan.Effective ways to improve accuracy of capacitive grating displacement sensor［J］.Journal of Transducer Technology，2005，24(9):32-34.

［10］董九英.多傳感器數(shù)據(jù)融合的主成分方法研究［J］.計算機工程與應(yīng)用，2009，45(33):111-113.

DONG Jiuying.Study on principle component method for multi-sensor data fusion［J］.Computer Engineering and Applications，2009，45(33):111-113.