宮 真，趙志剛

（沈陽師范大學(xué) 科信軟件學(xué)院，沈陽 110034）

隨著片上系統(tǒng)、微機(jī)電系統(tǒng)、無線通信和低功耗嵌入式技術(shù)的飛速發(fā)展，孕育出無線傳感器網(wǎng)絡(luò)（WSN），以低功耗、低成本、分布式和自組織的特點帶來了信息感知的一場革命。無線傳感器網(wǎng)絡(luò)是大量的靜止或移動的傳感器以自組織和多跳的方式構(gòu)成的無線網(wǎng)絡(luò)，目的是采集、處理和傳輸網(wǎng)絡(luò)覆蓋地域內(nèi)感知對象的檢測信息，并報告給用戶［3－4］。

傳感器節(jié)點體積小，集成度高，但是能量由電池提供且不易更換，因此節(jié)能是研究的關(guān)鍵問題之一。無線傳感器網(wǎng)絡(luò)以數(shù)據(jù)為中心，多跳自組織的網(wǎng)絡(luò)通信半徑小、帶寬低。數(shù)據(jù)融合能夠減少數(shù)據(jù)傳輸量，有效利用帶寬，節(jié)約節(jié)點能量消耗。無線傳感器網(wǎng)絡(luò)中，收集到的數(shù)據(jù)依照時間順序排列，依據(jù)這些收集到的歷史數(shù)據(jù)，如何找出它們之間存在的一些規(guī)律，從中得到需要的信息，值得探討研究。

本文基于拉格朗日插值法，提出了適用于無線傳感器網(wǎng)絡(luò)的數(shù)據(jù)融合算法。該方法是根據(jù)一個周期內(nèi)的歷史數(shù)據(jù)預(yù)測未來的數(shù)據(jù)，減少數(shù)據(jù)的傳輸量，達(dá)到節(jié)省節(jié)點能量。

1 數(shù)據(jù)融合

數(shù)據(jù)融合也稱為信息融合，是無線傳感器網(wǎng)絡(luò)的關(guān)鍵技術(shù)之一。它是一種信息處理技術(shù)，通過對收集到的數(shù)據(jù)進(jìn)行優(yōu)化合成，得到更準(zhǔn)確、完整的數(shù)據(jù)。數(shù)據(jù)融合的作用主要體現(xiàn)在減少信息傳輸量，節(jié)省能量，提高數(shù)據(jù)收集效率等方面。

無線傳感器網(wǎng)絡(luò)用描述性的語言發(fā)送查詢請求，查詢請求以分布式的方式進(jìn)行處理，查詢結(jié)果通過路由形式發(fā)給匯聚節(jié)點，處理查詢請求以及返回查詢結(jié)果的過程就是進(jìn)行數(shù)據(jù)融合的過程［1－2］。典型的聚集包括 TAG（Tiny Aggregation）、TiNA（Temporal co－h(huán)erency－aware in－Network Aggregation）等。TAG去除相鄰傳感器采集的空間一致性的冗余數(shù)據(jù)，減少了數(shù)據(jù)傳輸量［3］。TiNA利用采集數(shù)據(jù)的時間的一致性進(jìn)行網(wǎng)內(nèi)融合，與本文相似，都是基于時域的數(shù)據(jù)融合。

2 算法基本思想

本文基于時間周期的數(shù)據(jù)融合算法是根據(jù)一個采樣周期的歷史數(shù)據(jù)，預(yù)測下一個采樣周期的數(shù)據(jù)，若數(shù)據(jù)在誤差閾值范圍內(nèi)則不需要上傳，減少數(shù)據(jù)傳輸量，延長網(wǎng)絡(luò)的壽命。

2.1 系統(tǒng)結(jié)構(gòu)

本文研究的無線傳感器網(wǎng)絡(luò)分為2個層次，分別是普通傳感器節(jié)點和匯聚節(jié)點，如圖1所示。在這種結(jié)構(gòu)中，普通節(jié)點負(fù)責(zé)獲取信息，周期性的收集數(shù)據(jù)，把收集到的數(shù)據(jù)傳給匯聚節(jié)點［4－5］。

在普通傳感器節(jié)點中加入了預(yù)測模型，預(yù)測模型用來根據(jù)一個周期歷史數(shù)據(jù)預(yù)測未來數(shù)據(jù)。并且設(shè)置閾值，閾值大小根據(jù)用戶需求確定，它用作預(yù)測值、實測值差值度量。在匯聚節(jié)點存儲一個采樣周期的數(shù)據(jù)，若節(jié)點沒有收到預(yù)測數(shù)據(jù)，匯聚節(jié)點則使用上個采樣周期的數(shù)據(jù)；否則，使用節(jié)點的實測數(shù)據(jù)。

圖1 系統(tǒng)體系結(jié)構(gòu)

圖2 普通節(jié)點工作流程

圖3 匯聚節(jié)點工作流程

2.2 數(shù)據(jù)融合算法

本文提出的數(shù)據(jù)融合算法中，普通節(jié)點的工作分為收集歷史數(shù)據(jù)、預(yù)測未來數(shù)據(jù)、檢驗預(yù)測結(jié)果3個階段，如圖2所示。在初始周期內(nèi)，節(jié)點內(nèi)沒有存儲歷史數(shù)據(jù)，不能預(yù)測，此時節(jié)點等待一個周期，采集數(shù)據(jù)并存儲在本節(jié)點中，同時把數(shù)據(jù)上傳。收集完所需的歷史數(shù)據(jù)后，節(jié)點開始對未來的數(shù)據(jù)進(jìn)行預(yù)測。根據(jù)存儲的采樣周期內(nèi)的歷史數(shù)據(jù)利用預(yù)測算法節(jié)點計算出未來的數(shù)據(jù)。在下一個周期，節(jié)點對預(yù)測的結(jié)果進(jìn)行檢驗，比較預(yù)測值與實測值，若誤差值在閾值范圍之內(nèi)，則不需要更新數(shù)據(jù)和上傳數(shù)據(jù)，否則更新本地數(shù)據(jù)并上傳。

匯聚節(jié)點工作流程如圖3，它等待普通節(jié)點的數(shù)據(jù)上傳。如果在初始周期，節(jié)點會上傳所有收集到的數(shù)據(jù)，匯聚節(jié)點緩存初始周期數(shù)據(jù)；之后，如果普通節(jié)點發(fā)來數(shù)據(jù)說明節(jié)點的預(yù)測數(shù)據(jù)超出閾值，匯聚節(jié)點接收數(shù)據(jù)并更新緩存，否則匯聚節(jié)點采用需要的歷史數(shù)據(jù)。

3 拉格朗日插值法公式

本文采用的預(yù)測算法是拉格朗日插值法，拉格朗日插值法可以近似表達(dá)數(shù)值的函數(shù)解析式，幾個采樣周期內(nèi)的數(shù)據(jù)規(guī)律相近，因此用拉格朗日插值法表達(dá)。下面主要介紹拉格朗日插值法的主要思想：設(shè)數(shù)據(jù)點為（x0，y0）（x1，y1）…（xn，yn），n次多項式Ln（x）的表達(dá)式為

由給定的條件

把式（3）和式（4）代入式（2）可得到拉格朗日插值表達(dá)式（1）。

對于數(shù)據(jù)點（xi，yi），xi用時刻代替，yi用xi時刻收集到的數(shù)據(jù)代替。通過拉格朗日插值插值公式可以得到指定時刻的估計數(shù)據(jù)值。

4 仿真實驗及結(jié)果分析

本實驗的主要目的是驗證基于時間周期的數(shù)據(jù)融合算法的能量節(jié)省，因此做2個實驗進(jìn)行了比較。未加入拉格朗日插值法的節(jié)點實驗1和加入拉格朗日插值法的節(jié)點實驗2進(jìn)行了對比。

本文使用Matlab進(jìn)行仿真，采用的數(shù)據(jù)是沈陽地區(qū)夏天的溫度數(shù)據(jù)（每隔一小時記錄一次），模擬節(jié)點的工作過程，組網(wǎng)采用的是leach協(xié)議。

實驗1的設(shè)置是隨機(jī)選取了100個節(jié)點，在坐標(biāo)系的中心設(shè)立匯聚節(jié)點，節(jié)點依據(jù)leach協(xié)議簇頭選舉的方法選舉簇頭，劃分好簇頭節(jié)點后，簇頭節(jié)點根據(jù)查詢需要，收集本簇內(nèi)節(jié)點的測量值，然后把測量值傳輸?shù)慕o匯聚節(jié)點。節(jié)點的初始能量為0.3。

實驗2中設(shè)置了時間周期，每24個時間間隔為一個時間周期。在每個節(jié)點內(nèi)加入拉格朗日插值法，把上一個采樣周期的數(shù)據(jù)輸入到該算法中，得到預(yù)測對應(yīng)時刻的數(shù)據(jù)。設(shè)置閾值，即所允許的誤差范圍。在節(jié)點上比較預(yù)測數(shù)據(jù)與此時刻的實際數(shù)據(jù)，若在閾值范圍內(nèi)，每一個節(jié)點設(shè)一標(biāo)記量為0，否則為1.簇頭收集節(jié)點標(biāo)記量為0的節(jié)點的收據(jù)，上傳給匯聚節(jié)點。匯聚節(jié)點收到的數(shù)據(jù)中有的節(jié)點未上傳，在歷史數(shù)據(jù)中找到該時刻的數(shù)據(jù)，并記錄在本次時間間隔實驗中。

通過實驗結(jié)果的比較可以看出實驗2節(jié)點剩余能量在0.1以上的明顯多于實驗1。實驗2數(shù)據(jù)中如果一個采樣周期的數(shù)據(jù)與上一個采樣周期的數(shù)據(jù)相比趨勢曲線相近，則這個采樣周期的數(shù)據(jù)上傳較少。

圖4 未加入拉格朗日插值法的節(jié)點剩余能量統(tǒng)計

圖5 加入拉格朗日插值法的節(jié)點剩余能量統(tǒng)計

圖6 實際數(shù)據(jù)（實驗1收集數(shù)據(jù)）和實驗2收集數(shù)據(jù)對比圖

5 結(jié) 語

本文基于時間周期的預(yù)測，提出了一種適合無線傳感器網(wǎng)絡(luò)的數(shù)據(jù)融合算法。該算法執(zhí)行過程中普通節(jié)點和匯聚節(jié)點有不同的工作流程。普通節(jié)點分為3個階段，收集數(shù)據(jù)，預(yù)測數(shù)據(jù)和檢測結(jié)果，預(yù)測數(shù)據(jù)的部分使用拉格朗日插值法；匯聚節(jié)點等待節(jié)點的上傳數(shù)據(jù)，若有數(shù)據(jù)上傳更新存儲，否則采用預(yù)測的數(shù)據(jù)。實驗以沈陽夏天的溫度數(shù)據(jù)作為樣本，通過仿真對該算法進(jìn)行了驗證。與普通節(jié)點上傳進(jìn)行了比較，基于時間周期的數(shù)據(jù)融合算法傳輸數(shù)據(jù)量減少了，節(jié)約了節(jié)點的能量，延長網(wǎng)絡(luò)的壽命。

［1］回春立，崔莉.無線傳感器網(wǎng)絡(luò)中基于預(yù)測的時域數(shù)據(jù)融合技術(shù)［J］.計算機(jī)工程與應(yīng)用，2007，43（21）：121－125.

［2］崔莉，鞠海玲，苗勇，等.無線傳感器網(wǎng)絡(luò)研究進(jìn)展［J］.計算機(jī)研究與發(fā)展，2005，42（1）：163－174.

［3］YIN Zhenyu，ZHAO Hai，LIN Kai，et al.Multi－sensor Data fusion in wireless sensor networks［J］.Computation Engineering in Systems Applications，IMACS Multiconference on，2006：1690－1694.

［4］張少軍.無線傳感器網(wǎng)絡(luò)技術(shù)及應(yīng)用［M］.北京：中國電力出版社，2010：4－9.

［5］彭冬亮，文成林，薛安克.多傳感器多源信息融合理論及應(yīng)用［M］.北京：科學(xué)出版社，2010.

［6］MARAIYA K，KANT K，GUPTA N.Study of Data fusion in Wireless Sensor Network［J］.Advanced Computing and Communication Technologies，2011：535－539.

［7］CAM H，?ZDEMIR S，NAIR P.ESPDA：Energy－Efficient and Secure Pattern－based Data Aggregation for Wireless Sensor Networks［J］.IEEE Sensor－The Second IEEE Conference on Sensors，2003，11（2）：732－736.

［8］TAO Huixiang，MA Huadong.Data Fusion with Desired Reliability in Wireless Sensor Network［J］.Parallel and Distributed Systems，IEEE Transactions on，2011，22（3）：501－513.

［9］LUO Jun，LIU Yonghe，DAS S K.Adaptive Data Fusion for Energy Efficient Routing in Wireless Sensor Networks［J］.Computers IEEE Transcations on，2006，55（10）：1286－1299.

［10］LI Li.Analysis of data fusion in wireless sensor networks［J］.Electronics，Communications and Control（ICECC），2011：2547－2549.

［11］郭利，馬彥恒，張錫恩.一種多傳感器數(shù)據(jù)時空融合估計算法［J］.系統(tǒng)工程與電子技術(shù)，2005，27（12）：2016－2018

［12］羅大庸，張遠(yuǎn).多傳感器信息時空融合模型及算法研究［J］.系統(tǒng)工程與電子技術(shù)，2004，26（1）：36－39.

［13］HIROTA K，IWAMATSU N，TAKAMA Y.A Proposal of an Internal－State Inference System Based on Multimodal Sensory Fusion Method［J］.Instrumentation and Measurement，IEEE Transactions On，2002，51（2）：347－352.

［14］回春立，劉巍，張豫鶴，等.無線傳感器網(wǎng)絡(luò)中的數(shù)據(jù)融合及其效能評估［J］.計算機(jī)應(yīng)用究，2008，25（2）：546－550.

［15］LI Wenchao，ZHANG Xiaotong，YANG Yanhong，et al.Efficient data fusion for wireless sensor networks［J］.Open－Source Software for Scientific Computation（OSSC），2011：43－46.