基于矩陣的無線傳感器網絡數據融合方案*

黃海輝，王海麗，張曉迪

(重慶郵電大學 通信與信息工程學院，重慶400065)

0 引 言

無線傳感器網絡(wireless sensor networks，WSNs)由于大量的傳感器節(jié)點隨機分布，會出現相鄰節(jié)點的監(jiān)測區(qū)域交叉重疊，所以，采集的信息可能具有很大的冗余度。如果數據不加處理地發(fā)送到匯聚節(jié)點，將極大地消耗網絡能量，同時存儲過多的數據還會導致網絡擁塞。實驗表明:傳輸1 bit數據100 m 需要的能耗大約可以用來執(zhí)行3 000 條計算指令［1］，因此，在WSNs 中采用數據融合技術顯得尤為重要。

隨著WSNs 理論研究向實際應用的加速進展，WSNs 數據融合技術成為重要研究方向，也是當今熱門研究領域［2］。數據融合技術就是充分利用傳感器節(jié)點本地計算能力和處理能力，將多份數據或者信息去除冗余、提取互補，組合出更有效、更符合用戶需求的數據，從而達到節(jié)省能量和帶寬以及延長網絡生存期的目的。

目前提出的WSNs 數據融合算法有很多，也各有其優(yōu)點，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據融合的問題。本文針對數據變化范圍大、數據需要分段處理的情況，提出新的數據融合算法，即基于矩陣的數據融合方案。該算法架構于分簇路由協議基礎上，在確定新的簇頭選舉機制的同時，利用矩陣的思想對簇內節(jié)點進行融合處理，以減少能量消耗，延長網絡生存期［3］。

1 網絡模型的構建

本文假設有n 個傳感器節(jié)點隨機部署在監(jiān)測區(qū)域內，監(jiān)測區(qū)域假設是邊長為a 的正方形區(qū)域，基站設置在監(jiān)測區(qū)域外。網絡節(jié)點通過自組織形成WSNs，在分簇式網絡中，節(jié)點又被分為簇頭節(jié)點和簇內普通節(jié)點兩類，每個節(jié)點除具有采集和傳遞數據的功能外，還具備數據融合的功能。對網絡模型作如下假設［4］:

1)監(jiān)測區(qū)域是一個靜態(tài)網絡，傳感器節(jié)點和基站分布后位置不再移動。

2)Sink 節(jié)點不考慮能量消耗，具有向全網廣播的能力，并且有足夠的存儲能力和計算能力。

3)網絡中節(jié)點是同構的，每個節(jié)點都有唯一的標識(ID)，具有相同的系統硬件配置和電池容量。

4)節(jié)點周期性地采集融合數據，并根據融合結果決定是否轉發(fā)數據。

5)節(jié)點可根據與接收節(jié)點的距離調整發(fā)射功率，以此來節(jié)約能量。

2 基于矩陣的數據融合方案

2.1 簇頭選舉機制

簇頭節(jié)點的選擇直接決定簇的大小和網絡的能量消耗，簇頭節(jié)點要對簇內節(jié)點的數據進行融合處理并轉發(fā)數據，所以，簇頭節(jié)點要比普通節(jié)點消耗更多的能量。LEACH協議［5］中簇頭節(jié)點是隨機選擇的，如果剩余能量較少的節(jié)點被選舉為簇頭節(jié)點，那么，該節(jié)點會因能量耗盡而較早死亡，這不僅縮短了網絡生存期，還影響數據收集的準確性［6］。為了解決上述問題，本文在選舉簇頭時綜合考慮節(jié)點剩余能量和相對密度。

每輪結束后都要重新計算存活節(jié)點個數A、每個節(jié)點的剩余能量Eres、存活節(jié)點的平均剩余能量以及鄰居節(jié)點個數Nnei。鄰居節(jié)點定義為:對于傳感器節(jié)點i，如果節(jié)點j 與它的距離小于閾值R，則節(jié)點j 稱為節(jié)點i 的鄰居節(jié)點。節(jié)點相對密度ρ 的計算如公式為

其中，S 為監(jiān)測區(qū)域的面積。

簇頭選舉過程如下:每個存活的節(jié)點隨機產生一個0～1 之間的數temp_rand，將這個隨機產生的數temp_rand 與閾值T(n)進行比較，如果隨機數小于閾值，那么，該節(jié)點就被選舉為簇頭節(jié)點。閾值是與簇頭節(jié)點占總節(jié)點的百分比和剩余能量有關的數，閾值表達式為

其中，r 為當前輪數，p 為簇頭節(jié)點占總節(jié)點的百分比，Eres為每個節(jié)點的剩余能量為存活節(jié)點的平均剩余能量，α，β 分別為節(jié)點剩余能量和相對密度的權值，且α+β=1，G 為在最近1/p 輪中未被選中當簇頭的節(jié)點集合。

2.2 數據融合

在分簇的WSNs 中，現有的算法研究基本上都是在簇頭進行數據融合，但簇內成員節(jié)點在數量上占絕大比例，每個傳感器節(jié)點不同時刻采集的數據具有很大冗余性，所以，在數據進行發(fā)送前對簇內節(jié)點進行數據融合處理能有效減少數據的發(fā)送量，進而節(jié)約能耗、延長網絡生存期。基于矩陣的數據融合算法基本思想是:每個傳感器節(jié)點都保留當前采集的數據，當節(jié)點再次采集到新的數據時，通過矩陣算法來計算前后兩次采集的數據是否具有冗余，以此判斷是否發(fā)送數據。具體實現方法如下:

表示該節(jié)點相鄰兩次采集的信息存在很大的冗余性，不需要進行傳輸，但要把本次采集的數據記錄在節(jié)點中，用來與下一次采集的數據進行比較;如果

表示節(jié)點當前采集的數據與上次采集的數據有很大差距，應該將數據傳送到簇頭節(jié)點。

簇頭節(jié)點不僅要接收簇內各成員節(jié)點所發(fā)送的數據，還要將數據轉發(fā)到Sink 節(jié)點，距離較近的節(jié)點采集的數據具有冗余性，所以，當簇頭節(jié)點接收到簇內成員節(jié)點發(fā)送的數據時，還要進一步融合，去掉相同的包頭并整合成一個數據包［8］，以減少冗余信息的傳輸和發(fā)送數據包的個數，然后把經過融合后的數據傳送到Sink 節(jié)點。

在一輪數據采集的過程中，如果節(jié)點采集到的數據沒有明顯變化，那么，Sink 節(jié)點就不會收到該節(jié)點發(fā)送的任何數據，用戶就得不到周期性采集的數據，也無法判斷該節(jié)點是否失效。為了避免這種情況，在一個周期結束時，就需要把平均值發(fā)送給簇頭節(jié)點。服務器對接收到的數據進行分析，調整數據(或者數據區(qū)間)的值，以適應數據的變化［9］，提高監(jiān)測結果的準確性。

3 仿真與結果分析

本文采用Matlab 作為仿真平臺，從網絡生存周期和每輪發(fā)送數據包個數兩方面驗證本文提出的數據融合方案的性能。網絡結構如圖1 所示，圖中，○表示傳感器節(jié)點，☆表示Sink 節(jié)點。網絡中傳感器節(jié)點個數為100，網絡監(jiān)測范圍為100 m×100 m，簇頭節(jié)點所占比例為5%，Sink 節(jié)點位置設置為(50，175)m，節(jié)點初始能量為0.5 J。假設服務器端記錄的歷史數據庫中有5 個樣本值(或者樣本區(qū)間)，且每個樣本值(或者樣本區(qū)間)發(fā)生的概率為10%，20%，40%，20%，10%，閾值R 設為26 m，DABM 表示本文提出的基于矩陣的數據融合方案。經反復實驗驗證:α，β 分別設置為0.6，0.4。

圖1 節(jié)點分布圖Fig 1 Node distribution

圖2 是LEACH 算法與DABM 算法網絡生存期的對比圖。由圖2 可以看出:從傳感器網絡剛開始工作到642 輪，兩種算法都沒有節(jié)點死亡，這是因為剛開始時節(jié)點能量充足。LEACH 算法和DABM 算法中第一個節(jié)點死亡分別發(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 個節(jié)點死亡分別發(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)點已全部死亡，而DABM 算法中還有少量存活節(jié)點，這是因為在選舉簇頭時，考慮了每個節(jié)點的剩余能量和相對密度，使剩余能量多，且周圍節(jié)點分布密集的節(jié)點有較大的概率成為簇頭，避免剩余能量少，且周圍節(jié)點分布較稀疏的節(jié)點成為簇頭導致節(jié)點過早死亡的現象;另外，節(jié)點在發(fā)送數據前對采集和接收的數據進行數據融合，避免了冗余數據的傳輸，從而節(jié)約了能量消耗，延長了網絡的生存周期。

圖2 網絡生存期Fig 2 Lifetime of network

圖3 分別顯示了LEACH 算法與DABM 算法每輪發(fā)送的數據包數量。由圖3 可以看出:LEACH 協議每輪每個節(jié)點都要發(fā)送數據，DABM 算法在發(fā)送數據前進行數據融合，節(jié)點前后兩次采集數據相同則不發(fā)送，在730 輪之前，DABM 算法發(fā)送數據包數目較LEACH 算法有明顯減少;在730 輪之后，DABM 算法中發(fā)送數據包數目較LEACH 算法多，這是因為730 輪左右LEACH 算法中節(jié)點急劇減少，而DABM 算法中存活節(jié)點依然很多，所以，730 輪后LEACH 算法中發(fā)送數據包的個數比DABM 算法少。

圖3 每輪發(fā)送數據包數量Fig 3 Number of packets sent per round

4 結 論

本文提出一種新的WSNs 數據融合方案——DABM 算法，該算法首先在簇頭選舉時考慮節(jié)點的剩余能量和相對密度，然后利用矩陣理論，在發(fā)送數據前對簇內節(jié)點采集的數據進行融合處理，最后將新的數據融合方案與LEACH 協議進行對比分析。結果表明:較之LEACH 協議，DABM 算法有效減少了數據傳輸量、節(jié)約了能耗、延長了網絡生存期。該方案尤其適用于采集數據變化范圍大，并且需要分段處理的情況，但該方案并沒有考慮LEACH 協議中路由方面存在的缺陷，WSNs 路由機制與數據融合相結合將是下一步研究的重點之一。

［1］ 張 強，盧 瀟，崔曉臣.基于分簇的無線傳感器網絡數據聚合方案研究［J］.傳感技術學報，2010，23(12):1778－1782.

［2］ 周 林，陳揚揚.無線傳感器網絡中數據匯聚方案的研究［J］.電視技術，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據收集協議［J］.計算機工程與設計，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.一種無線傳感器網絡動態(tài)成簇數據融合算法［J］.計算機系統應用，2011，20(7):25，61－64.

［7］ 樂 俊，張維明，肖衛(wèi)東，等.無結構動態(tài)適應無線傳感器網絡數據融合算法［J］.通信學報，2012，33(9):53－65.

［8］ 郭江鴻，陳德禮，劉志宏.無線傳感器網絡簇內數據匯聚方法［J］.微電子學與計算機，2013，30(9):13－17.

［9］ 張 強，盧 瀟，崔曉臣.基于分簇的無線傳感器網絡數據聚合方案研究［J］.傳感技術學報，2010，23(12):1778－1782.