无线传感器网络基于定向扩散与分批估计的数据融合算法

１ 引言
随着计算机技术、 微系统技术、 通信技术 、 传感器 技术的飞速发展 ， ２０ 世纪 ９０ 年代末 在国外出现了具有现代意义的无线传感器网络
数据发送给汇聚节点 ， 从而提高采集到 的数据的精 度 和可信度并减少网络的能量消耗。
技 术 创 新
２ 定向扩散路由机制
定 向 扩 散 路 由 （Ｄｉｒｅｃｔｅｄ Ｄｉｆｆｕｓｉｏｎ ， ＤＤ） 是 ＷＳＮ 路 由协议中比较典型的一种 ， 是基于查询的路 由机制 ， 本文就是基于定向扩散路由的。在定向扩散的整个过 程中汇聚节点采用洪泛方式把查询命令传播到整个
以测量温度为例 ， 假设在一 个很小的区 域内随机
可以计算出
TÁ = 25.606 ， α Ｔｈ＝０．０３４４１ 由上述的方法计算出环境温度为 ２５．６０１℃， 由此 可见这种融合方法可获得与真实值非常接近的数据 ，
这比定向扩散中发现重复的数据就丢掉 ， 不予转发的 融合方法要精确得多。并且将这些重复的数据融合 成一个值 ， 减少了数据传输量。 为了保证实验的普遍性 ， 针对不同节点数量做了 一系列的实验 ， 对 ５ ， １０ ， １５ ， ２０ ， ２５ 个节点分别进行实 验观察融合效果。通过仿真观察进行融合与不进行
您的论文得到两院院士关注
文章编号 ：１００８－ ０５７０（２００６）０９－ １－ ０１７３－ ０２
传感器与仪器仪表
无线传感器网络基于定向扩散与分批估计的数 据融合算法
Ａ ｄ ａ ｔａ ａ ｇ ｇ ｒｅ ｇ ａ ｔｉｏ ｎ ａ ｒｉｔｈ ｍ ｅ ｔｉｃ ｂ ａ ｓ ｅ ｄ ｏ ｎ ｄ ｉｒｅ ｃｔｅ ｄ ｄ ｉｆｆｕ ｓ ｉｏ ｎ ａ ｎ ｄ ｂ ａ ｔｃｈ ｅ ｓ ｔｉｍ ａ ｔｅ ｆｏ ｒ ｗ ｉｒｅ ｌｅ ｓ ｓ ｓ ｅ ｎ ｓ ｏ ｒ ｎ ｅ ｔｗ ｏ ｒｋ
《 Ｐ ＬＣ 技术应用 ２００ 例》
传感器与仪器仪表
采集到的数据存在误差 ， 如果按照这种方法只发送 单 一的数据很容易偏离真实的数据值 ， 这样就达 不到监 测的目的。因此本文提出一种改进的分批估 计算法 ， 它将几个距离很近的节点采集的重复数据融合成一 个值 ， 而不是简单的丢弃 ， 一是可以节省节点能量 ， 二 是可以获得更接近真实值的数据。
1 σ 1 1] P + = [ 0 0 1 σ 1 1
−
1 σ Á σÁ σÁ X + = P + H Á R −Á T = Á 1 1 [ ] T σ +σ Á 0
－
１７４ － ３６０ 元 ／ 年 邮局订阅号 ： ８２－９４６
技 术 创 新
布置了 １０ 个温度传感器节点 ， 由于监测范围小 ， １０ 个 测得的温度值会基本相同 ， 把这 １０ 个数据分为两组。
假 设 第 一 组 温 度 序 列 分 别 为 Ｔａ１，Ｔａ２， ．．．Ｔａ５ 第 二 组 温度序列分别为 Ｔｂ１， Ｔｂ２，．．．Ｔｂ５ 则两组值的平均值分别为 ： 1 1 T = ∑ T , T = ∑T （１） 5 = 5 = 对应的均方差分别为 ：
σ
1 = ∑ (T − T ) , σ 5 =
1 = ∑ (T − T ) 5 =
（２）
融合的能量消耗情况。这里采用 ＮＳ２ 仿真工具 ， 结果 如图 ２ 所示。可以看出这种数据融合的方法对节省 能量有了很大改善。
T 1 V T = = T + V T 1 其中 ， Ｖ１，Ｖ２ 分别为 Ｔａ，Ｔｂ 的测量噪声。
ＷＳＮ。汇聚节点首先将查询请求发给它所有的邻居节
点， 然后邻居节点再将请求发送到下一级节点， 依次 类推就完成了查询请求的传播。然后每个传感器节点 都建立反向的从数据源到汇聚节点的 数据传输梯 度 ， 汇聚节点会根据数据到达的先后选择一条路径进行 加强。这样以后收集到的数据就会沿着这个加强路径 传输。各条路径会形成交叉节点 ， 在交叉 节点上用分 批估计算法进行数据融合。定向扩散机制由发送查询 请求 ， 梯度建立 ， 路径加强与发送数据四个阶段组成 。 如图 １ 所示。 根据这种定向扩散的机制 ， 每个传感器 节点在收 到查询请求之后都会产生一个到汇聚节点的最优路 径 ， 各条路径在交叉的节点上进行数 据融合。定向 扩 散路由中现有的数据融合方法采用的是 “抑制 副本” 的方法， 即对转发过的数据进行缓存， 发现重复的数 据就丢掉 ， 不予转发。但是这种方法缺乏可靠性 ， 因为 传感器节点很容易受到精度及外界环 境的干扰 ， 使 它
《 现场总线技术应用 ２００ 例》
传感器与仪器仪表
中文核心期刊 《 微计算机信息》（ 测控自动化 ）２００６ 年第 ２２ 卷第 ９－１ 期
网络 ＢＰ 神经网络的均方误差变化曲线最后得到加热 电流均方误差变化曲线如图 ３ 所示。当训练迭代至 ７ 步 时 ， 网 络 训 练 收 敛 。 此 时 的 均 方 误 差 ＭＳＥ ０．０００１５３６９７， 已满足要求。 为进一步检验 ＢＰ 神经网络对加热电流预报的性 能 ， 采用预报输出和目标输出作回归分析 ， 得到图 ４ 所示的线性回归分析结果。 由图 ４ 可见， 仿真数据与目标输出的相关系数 此 ０．９９３， 说明该 ＢＰ 神经网络预报模型是令人满意的。 时 ， 可确定网络的模型结构。 （ ２ ） 神经网络的测试 在神经网络训练和相关分 析后 ， 实质上 是确定了 镦粗时间、 镦粗缸速度、 砧子缸速度、 镦粗压力和输出 参数 － － 加热电流的一个函数 ， 这个函数是 一个 Ｍａｔｌａｂ 环 境 下 的 神 经 网 络 结 构 体 ， 则 在 Ｍａｔｌａｂ 环 境 下 可 用
（３）
测量噪声的协方差计算公式为 ：
R = E VV
E[ V ] [ ]=
VV ] E[
E[ V V ] σ = EV 0
[ ]
0
σ

（４）

在分批估计的情况下在测量之前没有任何有关
图 ２ 数据融合前后功耗对比图
５ 结束语
无线传感器网络中的定向 扩散机制采 用 “抑制副 本” 的方法进行数据融合， 即对转发过的数据进行缓 存 ， 发现重复的数据就丢掉 ， 不予转发。但是这种方法 缺乏可靠性 ， 因为传感器节点很容易受 到精度及外 界
假设温度的真实值为 ＴＴ， 则温度的测量方程为 Ｔ＝ ＨＴＴ＋Ｖ， 其中 Ｔ 是温度的测量值 ， Ｈ 为系数矩阵 ， Ｖ 为 测量噪声。 采用分批估计的算法 ， 则测量方程可变为 ：
温度的统计资料 ， 因此 Ｐ－ ＝∞， （Ｐ－ ）－ １＝０ 即 ， 可得到 ： X + = [P+ (P− )−Á ]T X − +[P+ H Á R−Á ]T （５） P + = [( P − ) −Á + H Á R −Á H ] −Á ， T 把 （Ｐ－ ）－ １＝０ 代入 ｐ＋公式得到 ：
表 １ 温度传感器测量结果
(°C)
1 25.55 6 25.58
2 25.63 7 25.65
3 25.60 8 25.60
4 25.61 9 25.55
5 25.60 10 25.64
图 １ 定向扩散路由机制
(°C)
３ 分批估计算法
将上面的数据作为一组 ， 下面的数据作为一组。
TÁ = 25.598 ， α Ｔａ＝０．０２６３８
ÅÃ Á ÅÂ Á Â Ã Ä Á Â Ã Ä Å Æ Ç È É ! " Á ÂÃ ÂÄÃÂ Á ÃÂÂÁ ÃÁ ÄÁ Ã Â Â Ã Â ÂÁ Á ÃÂ ÃÂ Á Ã
这个公式就是融合后的温度值。
中文核心期刊 《 微计算机信息》（ 测控自动化 ）２００６ 年第 ２２ 卷第 ９－１ 期
（江苏大学 ）张 西 良
孙 优
Ｚｈａｎｇ ，Ｘｉｌｉａｎｇ Ｓ ｕｎ ，Ｙｏｕ
摘要 ： 无 线 传 感 器 网 络 中 采 集 的 数 据 存 在 着 较 大 的 冗 余 与 误 差 ， 造 成 能 量 消 耗 过 多 ， 并 且 影 响 数 据 的 可 靠 性 。 针 对 这 个 问 题 提出一种基于定向扩散与分批估计的数据融合算法， 对监测同一对象的多个传感器所采集的数据进行综合， 提高数据精度 和 可 信 度 ， 并 减 少 数 据 传 输 量 ， 从 而 降 低 了 功 耗 。 通 过 对 室 内 环 境 参 数 （温 度 ）的 监 测 验 证 了 这 种 算 法 的 可 行 性 。 关键词 ： 无线传感器网络 ， 数据融合 ， 定向扩散 ， 分批估计 文献标识码 ： Ａ 中图分类号 ： ＴＮ９８
=
σ σ σ +σ
（６）
把与代入公式得到 ：
环境的干扰， 使它采集到的数据存在误差， 如果按照 上面的方法只发送单一的数据很容易偏离真实的数 据值 ， 这样就达不到监测的目的。（转 １８０ 页）
0
T σ Á T + σ Á T = Á （７） σ Á +σ Á 1σ T
Ａｂｓｔｒ ａｃｔ：Ｔｈｅ ｄａｔａ ｇａｔｈｅｒｉｎｇ ｉｎ ｗｉｒｅｌｅｓｓ ｓｅｎｓｏｒ ｎｅｔｗｏｒｋ ｈａｖｅ ｍｕｃｈ ｒｅｄｕｎｄａｎｃｙ ａｎｄ ｅｒｒｏｒ ｗｈｉｃｈ ｉｍｐａｃｔｓ ｔｈｅ ｄｅｐｅｎｄａｂｉｌｉｔｙ ｏｆ ｔｈｅ ｄａｔａ ａｎｄ ｗｉｌｌ ｃｏｎｓｕｍｅｓ ｍｏｒｅ ｅｎｅｒｇｙ． Ａ ｄａｔａ ａｇｇｒｅｇａｔｉｏｎ ａｒｉｔｈｍｅｔｉｃ ｂａｓｅｄ ｏｎ ｄｉｒｅｃｔｅｄ ｄｉｆｆｕｓｉｏｎ ａｎｄ ｂａｔｃｈ ｅｓｔｉｍａｔｅ ｉｓ ｐｒｏｐｏｓｅｄ ｗｈｉｃｈ ｉｎｔｅ－ ｇｒａｔｅ ｔｈｅ ｄａｔａ ｏｆ ｍｕｌｔｉ － ｓｅｎｓｏｒｓ ｆｏｒ ｗａｔｃｈｉｎｇ ｏｎｅ ｏｂｊｅｃｔ ｔｏ ｉｍｐｒｏｖｅ ｔｈｅ ｐｒｅｃｉｓｉｏｎ ｏｆ ｔｈｅ ｄａｔａ ａｎｄ ｒｅｄｕｃｅ ｔｈｅ ｄａｔａ ｓｔｒｅａｍ ｔｏ ｄｅｃｒｅａｓｅ ｅｎｅｒｇｙ ｃｏｎｓｕｍｐｔｉｏｎ． Ｔｈｅｎ ｖａｌｉｄａｔｉｎｇ ｔｈｅ ｆｅａｓｉｂｉｌｉｔｙ ｏｆ ｔｈｉｓ ｍｅｔｈｏｄ ｔｈｒｏｕｇｈ ｗａｔｃｈｉｎｇ ｔｈｅ ｐａｒａｍｅｔｅｒ ｏｆ ｉｎｄｏｏｒ ｅｎｖｉｒｏｎｍｅｎｔ （ｔｅｍｐｅｒａｔｕｒｅ）． Ｋｅｙ ｗｏｒ ｄｓ： ｗｉｒ ｅｌｅｓｓ ｓｅｎｓｏｒ ｎｅｔｗｏｒ ｋ，ｄａｔａ ａｇｇｒ ｅｇａｔｉｏｎ，ｄｉｒ ｅｃｔｅｄ ｄｉｆｆｕｓｉｏｎ，ｂａｔｃｈ ｅｓｔｉｍａｔｅ
（ｗｉｒｅｌｅｓｓ ｓｅｎｓｏｒ ｎｅｔｗｏｒｋ ， ＷＳＮ）。 ＷＳＮ 就是由部署在监
测区域内大量的廉价微型传感器节点组成 ， 通过 无线 通信方式形成一个多跳的自组织的网络系 统 ， 用来协 作地感知、 采集和处理网络覆盖区域中感知对象的信 息并发送给观察者。但是传感器节点体积很小 ， 通 常 只能携带能量十分有限的电池。由于传感器节点个数 多、 成本要求低廉、 分布区域广 ， 而且部署区域环境复 杂， 有些区域甚至人员不能到达， 所以传感器节点通 过更换电池的方式来补充能量是不现实的。这就要在
４ 实验
以 ＷＳＮ 监 测 室 内 环 境 温 度 为 例 验 证 上 面 的 方
法 ， 将 １０ 个节点密集布置在一个小的范围内。首先汇 聚节点向室内的所有节点发出只采集这个小的范围 内温度的命令 ， 然后每叉点上对这 些数据进 行融合。 １０ 个节点检测的温度值如表 １ 所示 ， 由于受 到传感器精度及干扰的影响 ， 数据会有一定误差。
邮局订阅号 ： ８２－９４６ ３６０ 元 ／ 年
－１７３ －
ＷＳＮ 中采用数据融 合技 术 ， 对 冗 余 数 据 进 行 网 内 处
理， 即中间节点在转发数据之前首先对数据进行综 合， 去掉冗余信息， 在满足应用需求的前提下将需要 传输的数据量最小化 ， 延长网络周期。 本文提出一种基于定向扩散路由与分批估计的 数据融合算法 ， 将分批估计与定向扩散路由机制相 结 合 ， 对监测同一对象的多个传感器所采集的数据 进行 综合， 得到更接近于真实值的数据， 把这个融合后的 张西良 ： 副教授 基金项目 ： 江苏省教育厅 ２００３ 年自然科学计划项目 （０３ＫＪ Ｄ５２００７７）； 江苏大学博士创新基金（０５ＢＣＸ０９）