黃海輝，王海麗，張曉迪

(重慶郵電大學(xué) 通信與信息工程學(xué)院，重慶400065)

0 引 言

無線傳感器網(wǎng)絡(luò)(wireless sensor networks，WSNs)由于大量的傳感器節(jié)點(diǎn)隨機(jī)分布，會(huì)出現(xiàn)相鄰節(jié)點(diǎn)的監(jiān)測(cè)區(qū)域交叉重疊，所以，采集的信息可能具有很大的冗余度。如果數(shù)據(jù)不加處理地發(fā)送到匯聚節(jié)點(diǎn)，將極大地消耗網(wǎng)絡(luò)能量，同時(shí)存儲(chǔ)過多的數(shù)據(jù)還會(huì)導(dǎo)致網(wǎng)絡(luò)擁塞。實(shí)驗(yàn)表明:傳輸1 bit數(shù)據(jù)100 m 需要的能耗大約可以用來執(zhí)行3 000 條計(jì)算指令［1］，因此，在WSNs 中采用數(shù)據(jù)融合技術(shù)顯得尤為重要。

隨著WSNs 理論研究向?qū)嶋H應(yīng)用的加速進(jìn)展，WSNs 數(shù)據(jù)融合技術(shù)成為重要研究方向，也是當(dāng)今熱門研究領(lǐng)域［2］。數(shù)據(jù)融合技術(shù)就是充分利用傳感器節(jié)點(diǎn)本地計(jì)算能力和處理能力，將多份數(shù)據(jù)或者信息去除冗余、提取互補(bǔ)，組合出更有效、更符合用戶需求的數(shù)據(jù)，從而達(dá)到節(jié)省能量和帶寬以及延長網(wǎng)絡(luò)生存期的目的。

目前提出的WSNs 數(shù)據(jù)融合算法有很多，也各有其優(yōu)點(diǎn)，但是也都存在一定缺陷，而且沒有一種是用矩陣的概念來解決數(shù)據(jù)融合的問題。本文針對(duì)數(shù)據(jù)變化范圍大、數(shù)據(jù)需要分段處理的情況，提出新的數(shù)據(jù)融合算法，即基于矩陣的數(shù)據(jù)融合方案。該算法架構(gòu)于分簇路由協(xié)議基礎(chǔ)上，在確定新的簇頭選舉機(jī)制的同時(shí)，利用矩陣的思想對(duì)簇內(nèi)節(jié)點(diǎn)進(jìn)行融合處理，以減少能量消耗，延長網(wǎng)絡(luò)生存期［3］。

1 網(wǎng)絡(luò)模型的構(gòu)建

本文假設(shè)有n 個(gè)傳感器節(jié)點(diǎn)隨機(jī)部署在監(jiān)測(cè)區(qū)域內(nèi)，監(jiān)測(cè)區(qū)域假設(shè)是邊長為a 的正方形區(qū)域，基站設(shè)置在監(jiān)測(cè)區(qū)域外。網(wǎng)絡(luò)節(jié)點(diǎn)通過自組織形成WSNs，在分簇式網(wǎng)絡(luò)中，節(jié)點(diǎn)又被分為簇頭節(jié)點(diǎn)和簇內(nèi)普通節(jié)點(diǎn)兩類，每個(gè)節(jié)點(diǎn)除具有采集和傳遞數(shù)據(jù)的功能外，還具備數(shù)據(jù)融合的功能。對(duì)網(wǎng)絡(luò)模型作如下假設(shè)［4］:

1)監(jiān)測(cè)區(qū)域是一個(gè)靜態(tài)網(wǎng)絡(luò)，傳感器節(jié)點(diǎn)和基站分布后位置不再移動(dòng)。

2)Sink 節(jié)點(diǎn)不考慮能量消耗，具有向全網(wǎng)廣播的能力，并且有足夠的存儲(chǔ)能力和計(jì)算能力。

3)網(wǎng)絡(luò)中節(jié)點(diǎn)是同構(gòu)的，每個(gè)節(jié)點(diǎn)都有唯一的標(biāo)識(shí)(ID)，具有相同的系統(tǒng)硬件配置和電池容量。

4)節(jié)點(diǎn)周期性地采集融合數(shù)據(jù)，并根據(jù)融合結(jié)果決定是否轉(zhuǎn)發(fā)數(shù)據(jù)。

5)節(jié)點(diǎn)可根據(jù)與接收節(jié)點(diǎn)的距離調(diào)整發(fā)射功率，以此來節(jié)約能量。

2 基于矩陣的數(shù)據(jù)融合方案

2.1 簇頭選舉機(jī)制

簇頭節(jié)點(diǎn)的選擇直接決定簇的大小和網(wǎng)絡(luò)的能量消耗，簇頭節(jié)點(diǎn)要對(duì)簇內(nèi)節(jié)點(diǎn)的數(shù)據(jù)進(jìn)行融合處理并轉(zhuǎn)發(fā)數(shù)據(jù)，所以，簇頭節(jié)點(diǎn)要比普通節(jié)點(diǎn)消耗更多的能量。LEACH協(xié)議［5］中簇頭節(jié)點(diǎn)是隨機(jī)選擇的，如果剩余能量較少的節(jié)點(diǎn)被選舉為簇頭節(jié)點(diǎn)，那么，該節(jié)點(diǎn)會(huì)因能量耗盡而較早死亡，這不僅縮短了網(wǎng)絡(luò)生存期，還影響數(shù)據(jù)收集的準(zhǔn)確性［6］。為了解決上述問題，本文在選舉簇頭時(shí)綜合考慮節(jié)點(diǎn)剩余能量和相對(duì)密度。

每輪結(jié)束后都要重新計(jì)算存活節(jié)點(diǎn)個(gè)數(shù)A、每個(gè)節(jié)點(diǎn)的剩余能量Eres、存活節(jié)點(diǎn)的平均剩余能量以及鄰居節(jié)點(diǎn)個(gè)數(shù)Nnei。鄰居節(jié)點(diǎn)定義為:對(duì)于傳感器節(jié)點(diǎn)i，如果節(jié)點(diǎn)j 與它的距離小于閾值R，則節(jié)點(diǎn)j 稱為節(jié)點(diǎn)i 的鄰居節(jié)點(diǎn)。節(jié)點(diǎn)相對(duì)密度ρ 的計(jì)算如公式為

其中，S 為監(jiān)測(cè)區(qū)域的面積。

簇頭選舉過程如下:每個(gè)存活的節(jié)點(diǎn)隨機(jī)產(chǎn)生一個(gè)0～1 之間的數(shù)temp_rand，將這個(gè)隨機(jī)產(chǎn)生的數(shù)temp_rand 與閾值T(n)進(jìn)行比較，如果隨機(jī)數(shù)小于閾值，那么，該節(jié)點(diǎn)就被選舉為簇頭節(jié)點(diǎn)。閾值是與簇頭節(jié)點(diǎn)占總節(jié)點(diǎn)的百分比和剩余能量有關(guān)的數(shù)，閾值表達(dá)式為

其中，r 為當(dāng)前輪數(shù)，p 為簇頭節(jié)點(diǎn)占總節(jié)點(diǎn)的百分比，Eres為每個(gè)節(jié)點(diǎn)的剩余能量為存活節(jié)點(diǎn)的平均剩余能量，α，β 分別為節(jié)點(diǎn)剩余能量和相對(duì)密度的權(quán)值，且α+β=1，G 為在最近1/p 輪中未被選中當(dāng)簇頭的節(jié)點(diǎn)集合。

2.2 數(shù)據(jù)融合

在分簇的WSNs 中，現(xiàn)有的算法研究基本上都是在簇頭進(jìn)行數(shù)據(jù)融合，但簇內(nèi)成員節(jié)點(diǎn)在數(shù)量上占絕大比例，每個(gè)傳感器節(jié)點(diǎn)不同時(shí)刻采集的數(shù)據(jù)具有很大冗余性，所以，在數(shù)據(jù)進(jìn)行發(fā)送前對(duì)簇內(nèi)節(jié)點(diǎn)進(jìn)行數(shù)據(jù)融合處理能有效減少數(shù)據(jù)的發(fā)送量，進(jìn)而節(jié)約能耗、延長網(wǎng)絡(luò)生存期?；诰仃嚨臄?shù)據(jù)融合算法基本思想是:每個(gè)傳感器節(jié)點(diǎn)都保留當(dāng)前采集的數(shù)據(jù)，當(dāng)節(jié)點(diǎn)再次采集到新的數(shù)據(jù)時(shí)，通過矩陣算法來計(jì)算前后兩次采集的數(shù)據(jù)是否具有冗余，以此判斷是否發(fā)送數(shù)據(jù)。具體實(shí)現(xiàn)方法如下:

表示該節(jié)點(diǎn)相鄰兩次采集的信息存在很大的冗余性，不需要進(jìn)行傳輸，但要把本次采集的數(shù)據(jù)記錄在節(jié)點(diǎn)中，用來與下一次采集的數(shù)據(jù)進(jìn)行比較;如果

表示節(jié)點(diǎn)當(dāng)前采集的數(shù)據(jù)與上次采集的數(shù)據(jù)有很大差距，應(yīng)該將數(shù)據(jù)傳送到簇頭節(jié)點(diǎn)。

簇頭節(jié)點(diǎn)不僅要接收簇內(nèi)各成員節(jié)點(diǎn)所發(fā)送的數(shù)據(jù)，還要將數(shù)據(jù)轉(zhuǎn)發(fā)到Sink 節(jié)點(diǎn)，距離較近的節(jié)點(diǎn)采集的數(shù)據(jù)具有冗余性，所以，當(dāng)簇頭節(jié)點(diǎn)接收到簇內(nèi)成員節(jié)點(diǎn)發(fā)送的數(shù)據(jù)時(shí)，還要進(jìn)一步融合，去掉相同的包頭并整合成一個(gè)數(shù)據(jù)包［8］，以減少冗余信息的傳輸和發(fā)送數(shù)據(jù)包的個(gè)數(shù)，然后把經(jīng)過融合后的數(shù)據(jù)傳送到Sink 節(jié)點(diǎn)。

在一輪數(shù)據(jù)采集的過程中，如果節(jié)點(diǎn)采集到的數(shù)據(jù)沒有明顯變化，那么，Sink 節(jié)點(diǎn)就不會(huì)收到該節(jié)點(diǎn)發(fā)送的任何數(shù)據(jù)，用戶就得不到周期性采集的數(shù)據(jù)，也無法判斷該節(jié)點(diǎn)是否失效。為了避免這種情況，在一個(gè)周期結(jié)束時(shí)，就需要把平均值發(fā)送給簇頭節(jié)點(diǎn)。服務(wù)器對(duì)接收到的數(shù)據(jù)進(jìn)行分析，調(diào)整數(shù)據(jù)(或者數(shù)據(jù)區(qū)間)的值，以適應(yīng)數(shù)據(jù)的變化［9］，提高監(jiān)測(cè)結(jié)果的準(zhǔn)確性。

3 仿真與結(jié)果分析

本文采用Matlab 作為仿真平臺(tái)，從網(wǎng)絡(luò)生存周期和每輪發(fā)送數(shù)據(jù)包個(gè)數(shù)兩方面驗(yàn)證本文提出的數(shù)據(jù)融合方案的性能。網(wǎng)絡(luò)結(jié)構(gòu)如圖1 所示，圖中，○表示傳感器節(jié)點(diǎn)，☆表示Sink 節(jié)點(diǎn)。網(wǎng)絡(luò)中傳感器節(jié)點(diǎn)個(gè)數(shù)為100，網(wǎng)絡(luò)監(jiān)測(cè)范圍為100 m×100 m，簇頭節(jié)點(diǎn)所占比例為5%，Sink 節(jié)點(diǎn)位置設(shè)置為(50，175)m，節(jié)點(diǎn)初始能量為0.5 J。假設(shè)服務(wù)器端記錄的歷史數(shù)據(jù)庫中有5 個(gè)樣本值(或者樣本區(qū)間)，且每個(gè)樣本值(或者樣本區(qū)間)發(fā)生的概率為10%，20%，40%，20%，10%，閾值R 設(shè)為26 m，DABM 表示本文提出的基于矩陣的數(shù)據(jù)融合方案。經(jīng)反復(fù)實(shí)驗(yàn)驗(yàn)證:α，β 分別設(shè)置為0.6，0.4。

圖1 節(jié)點(diǎn)分布圖Fig 1 Node distribution

圖2 是LEACH 算法與DABM 算法網(wǎng)絡(luò)生存期的對(duì)比圖。由圖2 可以看出:從傳感器網(wǎng)絡(luò)剛開始工作到642 輪，兩種算法都沒有節(jié)點(diǎn)死亡，這是因?yàn)閯傞_始時(shí)節(jié)點(diǎn)能量充足。LEACH 算法和DABM 算法中第一個(gè)節(jié)點(diǎn)死亡分別發(fā)生在第642 輪和第823 輪，DABM 算法較LEACH 算法延長28%;LEACH 算法和DABM 算法中第50 個(gè)節(jié)點(diǎn)死亡分別發(fā)生在第814 輪和第961 輪，后者較前者延長18%;直到第2000 輪，LEACH 算法中的節(jié)點(diǎn)已全部死亡，而DABM 算法中還有少量存活節(jié)點(diǎn)，這是因?yàn)樵谶x舉簇頭時(shí)，考慮了每個(gè)節(jié)點(diǎn)的剩余能量和相對(duì)密度，使剩余能量多，且周圍節(jié)點(diǎn)分布密集的節(jié)點(diǎn)有較大的概率成為簇頭，避免剩余能量少，且周圍節(jié)點(diǎn)分布較稀疏的節(jié)點(diǎn)成為簇頭導(dǎo)致節(jié)點(diǎn)過早死亡的現(xiàn)象;另外，節(jié)點(diǎn)在發(fā)送數(shù)據(jù)前對(duì)采集和接收的數(shù)據(jù)進(jìn)行數(shù)據(jù)融合，避免了冗余數(shù)據(jù)的傳輸，從而節(jié)約了能量消耗，延長了網(wǎng)絡(luò)的生存周期。

圖2 網(wǎng)絡(luò)生存期Fig 2 Lifetime of network

圖3 分別顯示了LEACH 算法與DABM 算法每輪發(fā)送的數(shù)據(jù)包數(shù)量。由圖3 可以看出:LEACH 協(xié)議每輪每個(gè)節(jié)點(diǎn)都要發(fā)送數(shù)據(jù)，DABM 算法在發(fā)送數(shù)據(jù)前進(jìn)行數(shù)據(jù)融合，節(jié)點(diǎn)前后兩次采集數(shù)據(jù)相同則不發(fā)送，在730 輪之前，DABM 算法發(fā)送數(shù)據(jù)包數(shù)目較LEACH 算法有明顯減少;在730 輪之后，DABM 算法中發(fā)送數(shù)據(jù)包數(shù)目較LEACH 算法多，這是因?yàn)?30 輪左右LEACH 算法中節(jié)點(diǎn)急劇減少，而DABM 算法中存活節(jié)點(diǎn)依然很多，所以，730 輪后LEACH 算法中發(fā)送數(shù)據(jù)包的個(gè)數(shù)比DABM 算法少。

圖3 每輪發(fā)送數(shù)據(jù)包數(shù)量Fig 3 Number of packets sent per round

4 結(jié) 論

本文提出一種新的WSNs 數(shù)據(jù)融合方案——DABM 算法，該算法首先在簇頭選舉時(shí)考慮節(jié)點(diǎn)的剩余能量和相對(duì)密度，然后利用矩陣?yán)碚摚诎l(fā)送數(shù)據(jù)前對(duì)簇內(nèi)節(jié)點(diǎn)采集的數(shù)據(jù)進(jìn)行融合處理，最后將新的數(shù)據(jù)融合方案與LEACH 協(xié)議進(jìn)行對(duì)比分析。結(jié)果表明:較之LEACH 協(xié)議，DABM 算法有效減少了數(shù)據(jù)傳輸量、節(jié)約了能耗、延長了網(wǎng)絡(luò)生存期。該方案尤其適用于采集數(shù)據(jù)變化范圍大，并且需要分段處理的情況，但該方案并沒有考慮LEACH 協(xié)議中路由方面存在的缺陷，WSNs 路由機(jī)制與數(shù)據(jù)融合相結(jié)合將是下一步研究的重點(diǎn)之一。

［1］ 張 強(qiáng)，盧 瀟，崔曉臣.基于分簇的無線傳感器網(wǎng)絡(luò)數(shù)據(jù)聚合方案研究［J］.傳感技術(shù)學(xué)報(bào)，2010，23(12):1778－1782.

［2］ 周 林，陳揚(yáng)揚(yáng).無線傳感器網(wǎng)絡(luò)中數(shù)據(jù)匯聚方案的研究［J］.電視技術(shù)，2012，36(13):71－73.

［3］ Zhang Jiao，Ren Fengyuan，He Tao，et al.Attribute－aware data aggregation using dynamic routing in wireless sensor networks［C］∥The 11th IEEE International Symposium on a World of Wireless，Mobile and Multimedia Networks(WOWMOM 2010)，Montreal，Canada，2010.

［4］ 李菲菲，徐汀榮.基于能量感知的雙簇頭數(shù)據(jù)收集協(xié)議［J］.計(jì)算機(jī)工程與設(shè)計(jì)，2011，32(7):2290－2293.

［5］ Heinzelman W R，Chandrakasan A，Balakrishnan H.Energy－efficient communication protocol for wireless microsensor networks［C］∥Proceeding of the 33rd Annual Hawaii Int’l Conf on System Sciences，Maui:IEEE Computer Society，2000:3005－3014.

［6］ 李 敏，羅 挺，周 俊.一種無線傳感器網(wǎng)絡(luò)動(dòng)態(tài)成簇?cái)?shù)據(jù)融合算法［J］.計(jì)算機(jī)系統(tǒng)應(yīng)用，2011，20(7):25，61－64.

［7］ 樂 俊，張維明，肖衛(wèi)東，等.無結(jié)構(gòu)動(dòng)態(tài)適應(yīng)無線傳感器網(wǎng)絡(luò)數(shù)據(jù)融合算法［J］.通信學(xué)報(bào)，2012，33(9):53－65.

［8］ 郭江鴻，陳德禮，劉志宏.無線傳感器網(wǎng)絡(luò)簇內(nèi)數(shù)據(jù)匯聚方法［J］.微電子學(xué)與計(jì)算機(jī)，2013，30(9):13－17.

［9］ 張 強(qiáng)，盧 瀟，崔曉臣.基于分簇的無線傳感器網(wǎng)絡(luò)數(shù)據(jù)聚合方案研究［J］.傳感技術(shù)學(xué)報(bào)，2010，23(12):1778－1782.