无线传感器网络数据融合关键技术研究

无线传感器网络数据融合关键技术研究

摘要：路由协议与数据融合技术已成为无线传感器网络（WSN）的一个重要研究方面。本文按照面向应用和面向层次两个分类进行了介绍，并通过联系以数据为中心的路由协议以及相关的数据融合算法，简要分析了其在节省功耗，优化网络性能方面所采取的有效措施。通过仿真实验，推断出以数据为中心的路由协议对网络内数据融合的帮助意义。

关键词：无线传感器网络；路由协议；数据融合；NS2

1 引言

无线传感器网络（wireless sensor network，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的一个多跳的自组织的网络系统，其目的是协作的感知、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[1]。

路由协议和数据融合已成为无线传感器网络的关键技术。本文首先对现有的几种路由协议和数据融合算法进行介绍，然后通过仿真来验证以数据为中心的路由协议在性能上的优势，以及对数据融合的促进意义。

2 无线传感器网络路由协议

路由协议负责将数据分组从源节点通过网络转发到目的节点，它主要包括两个方面的功能：寻找源节点和目的节点间的优化路径，将数据分组沿着优化路径正确转发。

2.2面向应用的路由协议

面向应用的路由协议是众多路由协议中较为常见的一种。所谓面向应用，即是与应用模式紧密相连的路由协议。从具体应用角度出发，根据不同应用对传感器网络各种特性的敏感性不同，将路由协议分为四种类型[2]：1）能量感知路由协议；

2）基于查询的路由协议；

3）地理位置路由协议；

4）可靠的路由协议。

能量路由是最早提出的传感器网络路由机制之一，它根据节点的可用能量（power available，PA）或传输路径上的能量需求，选择数据的转发路径。节点可用能量就是节点当前的剩余能量。

基于查询的路由协议包括定向扩散路由和谣传路由。定向扩散是专门为传感器网络设计的路由策略，是以数据为中心的典型路由协议代表，与己有的路由算法有着截然不同的实现机制。谣传路由引入了查询消息的单波随机转发的机制，克服了使用洪泛方式建立转发路径带来的开销过大的问题。

地理位置路由包括GEAR路由和GEM路由。GEAR（geographical and energy aware routing）路由假设已知事件区域的位置信息，每个节点知道自己的位置信息和剩余能量信息，并且通过一个简单的Hello消息交换机制了解所有邻居节点的位置信息和剩余能量信息。GEM（graph embedding）路由是一种适合于数据中心存储方式的地理路由。其基本思想是建立一个虚拟极坐标系统（virtual polar coordinate system ，VPCS），用来表示实际的网络拓扑结构。网络中的节点形成一个以汇聚节点为根的带环树（ringed tree），每个节点用到树根的跳数距离和角度范围来表示，节点间的数据路由通过这个带环树实现。

2.3面向层次的路由协议

针对无线传感器网络中节点所处的地位，以及网络的拓扑结构，还可以将无线传感器网络的路由协议分为平面结构和分层结构。

平面路由协议包括定向扩散路由协议、谣传路由协议、SPIN路由协议（基于能量感知的路由协议）、HREEMR路由协议（基于多路径的路由协议）、SPEED 路由协议、GEM路由协议、边界定位路由协议、有序分配路由协议等。前面介绍的四类面向应用的路由协议大都属于平面的路由协议。

分层路由协议包括：LEACH路由协议、TEEN路由协议、GAF路由协议、GEAR 路由协议、SPAN路由协议、SOP路由协议、MECN协议、EARSN路由协议等。这里，我们重点介绍两个相似的路由协议：LEACH和TEEN协议。

3 数据融合技术

所谓数据融合，是将来自多个传感器和信息源的数据信息加以联合、相关和组合，剔除冗余信息，获得互补信息，以便能够较精确地估计出节点的位置和在网络中的地位，以及对现场情况及其传送数据的重要程度进行适时的完整的评价[3]。

对于无线传感器网络系统来说，信息具有多样性和复杂性，因此对数据融合方法的基本要求是具有鲁棒性和并行处理能力。由于来自各种不同传感器的数据信息可能具有不同的特征，于是相应地出现了多种不同的数据融合方法。常用的数据融合算法如图3.1所示[2]：

图3.1 检测分类算法分类

1、贝叶斯推理技术：它解决了经典推理方法的某些困难，贝叶斯推理在给定一个预先似然估计和附加证据（观测）的条件下，能更新一个假设的似然函数。

2、Dempster-Shafer证据区间理论：D-S证据理论是一种不精确推理理论，是贝叶斯推理的扩展，但贝叶斯方法必须给出先验概率，而证据理论则能够处理这种由不知道引起的不确定性。

3、自适应人工神经网络：人工神经网络模型或自适应神经系统是一个仿效生物神经系统信息处理的系统。一个神经网络包括以各种方式连接的处理单元(或节点)的层。神经网对输入的数据矢量进行非线性的变换，一次完成聚类分析技术所进行的从数据到属性的分类。

4、专家系统：是一组计算机程序，它试图模拟专家对专业进行决策和推理的能力。

5、模糊集合理论：应用广义的集合论以确定指定集合所具有的隶属关系，模糊集合是这样的一个集合，其隶属关系不是一个布尔判定元素。模

6、粗糙集理论：是一种新的分析和处理不精确、不一致、不完整信息和知识的数学工具，针对知识库，提出了不精确范畴等概念。

4 以数据为中心的路由协议模拟实现

4.1实验设计与模拟结果分析

4.1.1移动网络模型和参数设计

本文实验的网络模拟软件工具采用NS2，并针对节点随机分布的无线传感器网络，本文参照国际上发表的相关文献的实验场景的设置[4,5]，综合关于无线传感器网络的国内外文献实验场景[6,7]，采用了最为常见的实验场景配置。在本文中，设置若干无线传感器节点随机散落在160m*160m的正方形区域内。每一个节点的无线传输距离是40m。采用1.6Mb/s速率的802.11协议。设置节点的能量模型为：发送数据包的功率耗损为660mW；接收数据包的功率损耗为396mW；空闲期间的功率损耗为35mW。在给定的无线传感器域中具有若干个源节点和汇聚节点，并且它们都是随机的从整个传感器域中的所有传感器节点中选取的。每个源节点每秒钟产生两个数据包，其数据包的大小设定为64字节。周期性的每5秒产生一个兴趣，并且兴趣的持续时间被设定为15秒，而兴趣的大小则被设定为32字节。假设本文中的实验在没有网络拥塞的理想情况下进行。

4.1.2能量消耗方面的研究

本实验重点针对路由协议的能量消耗方面。因此，本章将在改变各个参数（包括网络节点数目、源节点数目、汇聚节点数目、网络规模）的情况下，分别对洪泛和定向扩散协议进行四个模拟实验，其中具体实验场景配置如表4.1所示。在这四个模拟实验中，都是以平均消耗能量这个性能参数作为性能评价的技术指标。在这里，平均消耗能量这个性能参数衡量的是无线传感器网络中每一个节点在传输单位数据包时所消耗的能量，同时也是衡量整个传感器网络中节点的生存时间长短的参数。