范英盛

摘要：

數(shù)據(jù)融合技術(shù)是目前無(wú)線傳感器網(wǎng)絡(luò)研究的熱點(diǎn)，數(shù)據(jù)融合算法的主要是通過(guò)收集和聚合數(shù)據(jù)來(lái)減少冗余信息量，節(jié)約能耗，從而延長(zhǎng)網(wǎng)絡(luò)的生命周期。無(wú)線傳感器網(wǎng)絡(luò)在采用數(shù)據(jù)融合技術(shù)節(jié)省能耗的同時(shí)，也會(huì)增加網(wǎng)絡(luò)的傳輸時(shí)延，降低數(shù)據(jù)收集的精度?；谝陨蠁?wèn)題，本文分析當(dāng)前典型的各類數(shù)據(jù)聚合算法的主要機(jī)制，詳細(xì)比較了當(dāng)前已有算法的特點(diǎn)、性能差異。

關(guān)鍵詞：無(wú)線傳感器網(wǎng)絡(luò);數(shù)據(jù)融合協(xié)議;聚合時(shí)機(jī);服務(wù)質(zhì)量

一、無(wú)線傳感器網(wǎng)絡(luò)

當(dāng)前，信息技術(shù)可以實(shí)現(xiàn)信息的海量存儲(chǔ)、高速傳輸和快速處理，但信息獲取仍未達(dá)到自動(dòng)化水平。微傳感器技術(shù)、微電子技術(shù)、無(wú)線通信技術(shù)以及計(jì)算技術(shù)的進(jìn)步，極大地推動(dòng)了集信息采集、處理、無(wú)線傳輸?shù)裙δ苡谝惑w的無(wú)線傳感器網(wǎng)絡(luò)（wireless sensor networks，簡(jiǎn)稱WSNs）的發(fā)展。WSNs正在給人類生活和生產(chǎn)的各個(gè)領(lǐng)域帶來(lái)深遠(yuǎn)影響，在國(guó)防軍事、醫(yī)療衛(wèi)生、環(huán)境監(jiān)測(cè)、城市交通以及空間探索等領(lǐng)域具有廣闊的應(yīng)用前景[1]。盡管無(wú)線傳感器網(wǎng)絡(luò)具有廣闊的發(fā)展前景，但是基于現(xiàn)有技術(shù)，傳感器網(wǎng)絡(luò)還存在一些問(wèn)題。第一，傳感器節(jié)點(diǎn)能量有限，網(wǎng)絡(luò)壽命較短，節(jié)點(diǎn)的意外死亡可能會(huì)造成路由的中斷或某些重要信息的丟失;第二，網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)會(huì)因節(jié)點(diǎn)的休眠、死亡、網(wǎng)絡(luò)的擴(kuò)展等不斷變化，給網(wǎng)絡(luò)維護(hù)和路由帶來(lái)額外的負(fù)擔(dān);第三 ，網(wǎng)絡(luò)的QoS支持不夠完善。

基于以上問(wèn)題，現(xiàn)有的無(wú)線傳感器網(wǎng)絡(luò)的研究主要有網(wǎng)絡(luò)覆蓋與節(jié)點(diǎn)布設(shè)、網(wǎng)路層路由協(xié)議、數(shù)據(jù)融合與處理等[2]。這些研究從不同的方面發(fā)展了無(wú)線傳感器網(wǎng)絡(luò)，其中減小網(wǎng)絡(luò)節(jié)點(diǎn)能耗、延長(zhǎng)網(wǎng)絡(luò)壽命、增強(qiáng)網(wǎng)絡(luò)健壯性和可擴(kuò)展性、減小網(wǎng)絡(luò)時(shí)延、提高信息精確度等成為無(wú)線傳感器網(wǎng)絡(luò)的設(shè)計(jì)目標(biāo)和評(píng)價(jià)標(biāo)準(zhǔn)。

二、數(shù)據(jù)融合

數(shù)據(jù)融合實(shí)際上是把來(lái)自多個(gè)源節(jié)點(diǎn)的傳感數(shù)據(jù)進(jìn)行合并。由于傳感器采集的數(shù)據(jù)通常是小報(bào)文段數(shù)據(jù)，每個(gè)傳感器節(jié)點(diǎn)采集的數(shù)據(jù)不進(jìn)行合并直接發(fā)送給SINK（匯聚節(jié)點(diǎn)）節(jié)點(diǎn)將需要過(guò)多的數(shù)據(jù)轉(zhuǎn)發(fā)次數(shù)。而在路由操作中，能耗最大的就是數(shù)據(jù)的轉(zhuǎn)發(fā)。所以，為了達(dá)到節(jié)能的目的，通常采用數(shù)據(jù)融合的方法，將小數(shù)據(jù)包合并成較大的數(shù)據(jù)包后發(fā)送。數(shù)據(jù)聚合也面臨著一些挑戰(zhàn)，如數(shù)據(jù)聚合點(diǎn)可能會(huì)因過(guò)多的工作負(fù)擔(dān)而造成能量提前耗盡、數(shù)據(jù)聚合產(chǎn)生較大的時(shí)延造成對(duì)事件的監(jiān)測(cè)反應(yīng)緩慢、數(shù)據(jù)聚合點(diǎn)的選擇欠佳造成不能盡可能多地進(jìn)行數(shù)據(jù)聚合、數(shù)據(jù)聚合時(shí)機(jī)選擇欠佳造成更大的網(wǎng)絡(luò)時(shí)延。解決以上問(wèn)題的關(guān)鍵是結(jié)合數(shù)據(jù)路由提出更加高效合理的數(shù)據(jù)聚合結(jié)構(gòu)和分組轉(zhuǎn)發(fā)機(jī)制。

三、WSN中的數(shù)據(jù)融合技術(shù)

數(shù)據(jù)融合處理是一種重要的網(wǎng)內(nèi)處理技術(shù)，它可以消除冗余信息，降低傳輸?shù)臄?shù)據(jù)量，從而降低網(wǎng)絡(luò)的通信能耗。無(wú)限傳感器網(wǎng)絡(luò)中的數(shù)據(jù)融合技術(shù)主要分為如下五類。

1、基于簇的數(shù)據(jù)收集協(xié)議

基于簇的數(shù)據(jù)收集協(xié)議是在網(wǎng)絡(luò)中選擇一部分節(jié)點(diǎn)作為簇頭，將它作為聚合節(jié)點(diǎn)，其它節(jié)點(diǎn)選擇加入簇中。首先簇內(nèi)成員節(jié)點(diǎn)把數(shù)據(jù)傳輸?shù)酱仡^，其次簇頭收到所有簇內(nèi)成員節(jié)點(diǎn)的數(shù)據(jù)后，根據(jù)聚合函數(shù)進(jìn)行數(shù)據(jù)聚合，最后經(jīng)過(guò)單跳或多跳把數(shù)據(jù)發(fā)送到SINK節(jié)點(diǎn)。比較典型的基于簇的數(shù)據(jù)收集協(xié)議有LEACH， CEDA， BCDCP等。雖然分簇的數(shù)據(jù)收集協(xié)議便于實(shí)現(xiàn)和管理，但是由于網(wǎng)絡(luò)中簇頭數(shù)目的多少，簇頭的分布不均勻，都會(huì)引起簇頭負(fù)載很大，最終導(dǎo)致簇頭節(jié)點(diǎn)死亡，網(wǎng)絡(luò)失效，而且，如果簇內(nèi)有失效節(jié)點(diǎn)無(wú)法發(fā)送數(shù)據(jù)，簇頭將一直等待簇成員節(jié)點(diǎn)發(fā)送數(shù)據(jù)，引起網(wǎng)絡(luò)延遲增大。

LEACH算法是一種自適應(yīng)分簇拓?fù)渌惴?，它的?zhí)行過(guò)程是周期性的，每輪循環(huán)分為簇的建立階段和穩(wěn)定的數(shù)據(jù)通信階段。在簇的建立階段，每個(gè)節(jié)點(diǎn)隨機(jī)的選擇一個(gè)0～1之間的隨機(jī)數(shù)，如果這個(gè)數(shù)小于閾值，則選擇為簇頭。的計(jì)算公式如式（1）所示。

式（1）

其中， P表示簇頭在所有節(jié)點(diǎn)中所占的百分比， r表示選舉輪數(shù)，r mod（1/P）代表這一輪循環(huán)中當(dāng)選過(guò)簇頭的節(jié)點(diǎn)的個(gè)數(shù)， G是這一輪循環(huán)中未當(dāng)選過(guò)簇頭的節(jié)點(diǎn)集合。

2、基于鏈的數(shù)據(jù)收集協(xié)議

基于鏈的數(shù)據(jù)收集協(xié)議將網(wǎng)絡(luò)中所有的節(jié)點(diǎn)構(gòu)成一條鏈，并在鏈上選擇一個(gè)節(jié)點(diǎn)作為頭節(jié)點(diǎn)與SINK節(jié)點(diǎn)直接通信，鏈兩端數(shù)據(jù)沿鏈傳輸?shù)筋^結(jié)點(diǎn)。比較典型的基于鏈的數(shù)據(jù)收集協(xié)議有PEGASIS， CCS等?；阪湹臄?shù)據(jù)收集協(xié)議的優(yōu)點(diǎn)是減少了分簇算法在簇重構(gòu)過(guò)程中所產(chǎn)生的開(kāi)銷，節(jié)點(diǎn)采用小功率與最近鄰居節(jié)點(diǎn)通信，從而降低了能量的消耗。但是，鏈中距離較遠(yuǎn)的節(jié)點(diǎn)會(huì)引起較大的數(shù)據(jù)延遲，而且唯一的頭節(jié)點(diǎn)會(huì)使得它會(huì)成為嚴(yán)重的瓶頸。

3、基于樹(shù)的數(shù)據(jù)收集協(xié)議

基于樹(shù)的數(shù)據(jù)收集協(xié)議以SINK為根將網(wǎng)絡(luò)中所有節(jié)點(diǎn)組成一棵生成樹(shù)，每個(gè)節(jié)點(diǎn)接收其孩子節(jié)點(diǎn)發(fā)送來(lái)的數(shù)據(jù)，連同自己感知到的數(shù)據(jù)一起發(fā)送給父節(jié)點(diǎn)。由于樹(shù)結(jié)構(gòu)是支持網(wǎng)絡(luò)連通性的最小圖結(jié)構(gòu)，因此，基于樹(shù)的數(shù)據(jù)收集協(xié)議能夠有效保證網(wǎng)絡(luò)的連通性和可靠性，具有保證QoS、容易實(shí)現(xiàn)高效的能量管理等優(yōu)點(diǎn)，是目前研究的熱點(diǎn)。比較典型的基于樹(shù)的數(shù)據(jù)收集協(xié)議有PEDAP和PEDAP-PA， MLDGA等。

4、基于統(tǒng)計(jì)信息模型的數(shù)據(jù)聚合協(xié)議

只收集感知數(shù)據(jù)的統(tǒng)計(jì)信息而不是所有數(shù)據(jù)在許多情況下是具有實(shí)際意義的。首先，大部分的感知數(shù)據(jù)并不能使對(duì)查詢的回復(fù)變得更精確。其次，目前一些數(shù)據(jù)聚合策略忽略了感知數(shù)據(jù)間的關(guān)聯(lián)和不關(guān)聯(lián)性。另外，在許多情況下，統(tǒng)計(jì)信息即可以人工檢驗(yàn)，也可以利用程序檢驗(yàn)。許多基于統(tǒng)計(jì)信息模型的數(shù)據(jù)聚合協(xié)議已經(jīng)提出。

Ma YJ在文獻(xiàn)[3]中提出了一種局部空間成簇算法，主要是利用歐氏距離較近的節(jié)點(diǎn)感知的數(shù)據(jù)具有較高相關(guān)性的特點(diǎn)來(lái)成簇。節(jié)點(diǎn)在部署完成后會(huì)首先采集一輪數(shù)據(jù)，用一組向量來(lái)表示。假設(shè)節(jié)點(diǎn)和采集的數(shù)據(jù)分別為X=（x1，x2，L xn）和Y=（y1，y2，L yn），則可以利用類似于歐氏距離的計(jì)算方式來(lái)表示其感知數(shù)據(jù)的相關(guān)性，如式（3）所示，然后給出權(quán)值計(jì)算公式（4）。endprint

式（2）

式（3）

其中|N（i）|表示鄰居節(jié)點(diǎn)的數(shù)目之和，di表示i節(jié)點(diǎn)與所有鄰居節(jié)點(diǎn)感知數(shù)據(jù)相關(guān)性求和的均值，D（dij）表示dij的方差。根據(jù)節(jié)點(diǎn)權(quán)值ωi的大小選擇簇頭，簇頭選擇完畢后，非簇頭節(jié)點(diǎn)選擇與簇頭dij值較小的加入。網(wǎng)絡(luò)建立后由簇頭節(jié)點(diǎn)代表本簇向網(wǎng)關(guān)發(fā)送數(shù)據(jù)，非簇頭節(jié)點(diǎn)不采集也不傳遞數(shù)據(jù)。仿真結(jié)果表明，該算法具有較高的精確性。但該算法僅適用于監(jiān)測(cè)一些數(shù)據(jù)變化較緩慢的場(chǎng)景，例如城市空氣質(zhì)量監(jiān)測(cè)等，有一定的局限性。

5、基于地理網(wǎng)格的數(shù)據(jù)聚合協(xié)議

在無(wú)線傳感器網(wǎng)絡(luò)中，為了獲取更加有效準(zhǔn)確的信息，網(wǎng)絡(luò)有時(shí)需要獲得地理信息，因此基于地理位置信息的路由研究也廣泛起來(lái)。節(jié)點(diǎn)獲取地理位置信息的方式分為兩種，第一種是節(jié)點(diǎn)自身帶有GPS定位系統(tǒng)，可以精確獲取網(wǎng)絡(luò)坐標(biāo)信息。第二種是節(jié)點(diǎn)本身不帶GPS定位系統(tǒng)，可以利用信號(hào)強(qiáng)度來(lái)估算自己的地理位置信息。典型的節(jié)點(diǎn)帶有GPS定位系統(tǒng)的算法有GRID， EADA等，節(jié)點(diǎn)利用信號(hào)強(qiáng)度來(lái)估算自己的地理位置信息的算法有BEES[4]。

BEES協(xié)議是節(jié)點(diǎn)在沒(méi)有安裝GPS設(shè)備時(shí)如何利用信號(hào)強(qiáng)度來(lái)估算自己的地理位置信息的分布式算法。該協(xié)議將網(wǎng)絡(luò)等分為六個(gè)扇形，再將扇形劃分為等大小的正六邊形，每個(gè)正六邊形利用一個(gè)三元組表示，例如<4，3，2>表示第4個(gè)扇形第3行第2列的正六邊形。每個(gè)六邊形相當(dāng)于一個(gè)簇，在每個(gè)簇中選擇最靠近六邊形中心的節(jié)點(diǎn)作為簇首節(jié)點(diǎn)。以SINK為中心建立直角坐標(biāo)系，SINK首先以初始角θ1向節(jié)點(diǎn)發(fā)送角度估算消息，然后偏轉(zhuǎn)Δθ繼續(xù)發(fā)送，節(jié)點(diǎn)則根據(jù)公式（5）計(jì)算出自身和SINK連線與x軸正方向的夾角。

式（4）

其中Prm代表節(jié)點(diǎn)接收到θm的消息的信號(hào)強(qiáng)度。利用θ及節(jié)點(diǎn)間的距離關(guān)系可以計(jì)算出節(jié)點(diǎn)的地理位置坐標(biāo)，仿真表明該算法具有較高的精確性。然而該算法每次選擇的簇首節(jié)點(diǎn)總是在正六邊形中心附近，雖然設(shè)置了代替機(jī)制，但節(jié)點(diǎn)的能量消耗卻極不均勻，造成能量空洞問(wèn)題。

四、總結(jié)與展望

近年來(lái)，研究人員針對(duì)WSNs的應(yīng)用需求和新特性進(jìn)行了大量卓有成效的研究，新的網(wǎng)絡(luò)層協(xié)議層出不窮。數(shù)據(jù)融合這一概念被提出，通過(guò)對(duì)各種WSNs數(shù)據(jù)融合協(xié)議進(jìn)行分析和比較，我們發(fā)現(xiàn)目前大多數(shù)研究工作的重點(diǎn)都放在為數(shù)據(jù)融合提出有效的路由機(jī)制上。數(shù)據(jù)融合技術(shù)在節(jié)省能量、提高信息準(zhǔn)確度的同時(shí)，要犧牲其它方面的性能作為代價(jià)。首先是延遲的代價(jià)：在數(shù)據(jù)傳送過(guò)程中，尋找易于進(jìn)行數(shù)據(jù)融合的路由、進(jìn)行數(shù)據(jù)融合操作、為融合而等待其它數(shù)據(jù)的到來(lái)，這三方面都可能增加網(wǎng)絡(luò)的平均延遲。其次是抗毀性代價(jià)：數(shù)據(jù)融合可以大幅度降低數(shù)據(jù)的冗余性，但丟失相同的數(shù)據(jù)量可能損失更多的信息，因此相對(duì)而言也降低了網(wǎng)絡(luò)的抗毀性?，F(xiàn)有支持QoS的數(shù)據(jù)融合技術(shù)大多局限在僅支持部分QoS 指標(biāo)， 還應(yīng)該進(jìn)一步考慮如何在支持網(wǎng)絡(luò)生命周期、抗毀、數(shù)據(jù)時(shí)延及數(shù)據(jù)質(zhì)量之間進(jìn)行折中。

[參考文獻(xiàn)]

[1] Ameer Ahmed Abbasi， Mohamed Younis. A survey on clustering algorithms for wireless sensor networks. Computer Communications，2007，30（15）：2826-2841.

[2] Klaoudatou E， Konstantinou E， Kambourakis G， et al. A survey on cluter-based group key agreement protocols for WSNs. Communications Surveys & Tutorials，2011，13（3）：429-442.

[3] Ma YJ， Guo YK. Distributed clustering-based aggregation algorithm for spatial correlated sensor networks. IEEE Sensors Journal， 2011，11（1）：641-648.

[4] AbdelSalam H， Olariu S. BEES： bioinspired backbone selection in wireless sensor networks. IEEE Transactions on Parallel and Distributed Systems， 2012，23（1）：44-51.

（作者單位：浙江警察學(xué)院，浙江 杭州 310053）