煤礦井下無線傳感器網絡量化式決策融合

摘 要：在非理想信道中，存在許多通信限制。為了保證實時、準確的通信，必須對各節(jié)點傳輸的數據進行融合。基于煤礦井下非理想信道情況，提出了一種基于多位本地決策，且近似于最優(yōu)似然比決策的量化式融合規(guī)則，并分析該融合規(guī)則在不同信噪比、量化度、傳感器節(jié)點數量下的性能，及決策系統(tǒng)的能耗與魯棒性問題.理論與實驗得出，在礦井信噪比較低的惡劣環(huán)境下，需要通過適量增加能量消耗并采用適當的融合規(guī)則（權衡偵測精度、節(jié)點數量、能耗與量化度之間的關系）來提高量化度，從而保證決策中心的決策精度。

關鍵詞：傳感器網絡；決策融合；量化式；井下信道；能耗

1 概述

分布在監(jiān)測區(qū)域的傳感器節(jié)點由于與目標之間的距離各不相同，單個傳感器檢測到的相關環(huán)境參數并不能直接反映目標的真實物理狀態(tài)，據其做出的判斷容易產生虛警（False alarm）[1]，如果將各個傳感器所觀測到的全部信息都直接傳輸到用戶又會造成網絡資源的浪費。為了提高對目標的識別和估計能力，降低傳輸消耗的能量，必須采用融合技術，對分布在不同位置的多個傳感器節(jié)點提供的局部不完整觀測量進行數據融合，從而清除多傳感器所采集的冗余和矛盾信息。

關于WSN的決策融合，已有一些文獻作了研究。李燕君等人[2]研究了WSN中衰減信道下的分布式一位決策融合規(guī)則，提出了3種近似優(yōu)化算法；Alexei Makarenko等人[3]詳細討論了基于貝葉斯方法的服從各種不同分布的信道下的信息融合算法，并介紹了一個目標追蹤的實例；Yingyue Xu等人[4]研究了在并行計算在傳感器網絡決策融合中的應用，介紹了協(xié)同式信號與信息處理方法；Ruixin Niu等人[5]研究了大規(guī)模傳感器網絡中的分布式決策算法，介紹了傳感器節(jié)點及決策中心的決策門限值的選擇方法；Israfil B等人[6]研究了基于似然比判決的分布式一位決策融合規(guī)則，采用窮盡搜索方法計算最優(yōu)閾值；Rajeev Shorey[7]研究了理想信道下WSN的集中式、分布式和量化式決策融合算法，并討論了各種算法的能耗與魯棒性問題。

上述相關文獻一部分考慮了分布式本地一位決策，一部分考慮了通信限制，但沒有具體的研究非理想信道下量化式本地多位決策對中心決策結論的影響。文章建立了非理想信道決策中心的決策規(guī)則模型，并通過仿真實驗分析了量化度在非理想信道下對偵測性能的影響程度。

2 系統(tǒng)模型

基于煤礦井下無線傳感器網絡人員定位系統(tǒng)，是在采煤工作面布置一定密度的無線傳感器節(jié)點，當礦工進入傳感器的感知區(qū)域，節(jié)點就通過無線信道將感知信息傳回中心節(jié)點。由于煤礦井下通信存在嚴重的多徑傳播、衰減、非視距、通信盲點，因此煤礦井下的通信環(huán)境是一個典型的非理想信道。由于煤礦生產需要定時檢修，無線傳感器節(jié)點的電池可定時更換，因此，節(jié)點能量限制不是影響井下無線傳感器網絡工作質量的最主要因素，而量化度是影響偵測性能的最主要因素。

盡管巷道及采煤工作面的傳感器節(jié)點的布置可以是鏈狀結構或是并行結構等，但在針對特定時刻某一目標的偵測，信息的融合任是并行的。因此，假定某時刻執(zhí)行同一任務的傳感器節(jié)點工作是同步的，基于非理想信道的無線傳感器網絡量化式決策融合系統(tǒng)，H1表示有礦工在監(jiān)測區(qū)域，H0表示無礦工在監(jiān)測區(qū)域，N個本地節(jié)點分別收到k個未經處理的原始數據向量Xi后，其中Xi=[xi，1，xi，2…xi，k]，i=1，2…N，xi，j∈{0，1}分別在本地做出一個b位（b？燮k）的決策向量Ui=[ui，1，ui，2，…ui，b]，i=1，2…N，ui，j∈{0，1}。各個本地傳感器節(jié)點的偵測概率為pd=p[xi，j=1|H1]，1？燮i？燮N，1？燮j？燮k；虛警概率為pf=p[xi，j=1|H0]，1？燮i？燮N，1？燮j？燮k。

本地決策向量集[U1，U2…UN]通過無線信道傳輸到融合中心，由于信道是非理想的，存在單調衰減和高斯噪聲，因此決策中心接收到的向量集為[R1，R2…RN]，其中Ri=[ri，1，ri，2…ri，b]，ri，j=gi，jui，j+ni，j，其中？籽為無線信道的平均信噪比，gi，j為服從標準正態(tài)分布的獨立高斯變量，gi，j～N（0，1），附加噪聲ni，j也服從正態(tài)分布，ni，j～N（0，1）。

融合中心的全局一位決策u0是基于向量集[R1，R2…RN]的。中心的偵測及虛警概率分別為PD和PF，有PD=p[u0=1|H1]，PF=p[u0=1|H0]。

3 量化式決策融合

3.1 本地決策規(guī)則

假設各個傳感器節(jié)點的決策規(guī)則相同，第i節(jié)點采集到的k個未經處理的原始數據向量[xi，1，xi，2…xi，k]中，xi，j=1的數量為mi，將其量化為b位的qi，可表示為映射mi∈{0，1…k}→qi∈{0，1…b}，i=1，2…k+1[7]。以k=10，b=2為例，mi∈{0，1，2}→qi=[0，0]；mi∈{3，4，5，6}→qi=[1，0]；mi∈{7，8，9，10}→qi=[1，1]。

3.2 中心決策規(guī)則

考慮實際工況，人員定位系統(tǒng)的傳感器節(jié)點相同，且無線信道的信噪比比較小。另外，傳感器節(jié)點位置固定，且在進行一次偵測后發(fā)送b位決策的時間間隔短，可認為在發(fā)送信號（b位）期間信道參數保持不變，從而可將文獻[2]的定理2加以推廣。

在低信噪比下，基于b位本地決策的中心融合規(guī)則為：

（1）

3.3 能效分析

節(jié)點進行一次偵測任務的能耗主要用于數據處理能耗Ep與數據傳輸能耗Et兩部分。其中數據處理能耗Ep包括統(tǒng)計采集數據中xi，j=1數量所消耗的能量Ecount，將比較統(tǒng)計值與閾值所消耗的能量Ecompare。

本地節(jié)點負責數據預處理和傳輸，中心節(jié)點負責決策融合，并將決策結果轉發(fā)到高層。

每個本地節(jié)點能耗為：

EL=Ecount×k+Ecompare×（b+1）/2+Et×b （2）

中心節(jié)點能耗為：

EC=Ecount×N×b+Ecompare×1+Et×1 （3）

執(zhí)行一次偵測任務系統(tǒng)總能耗為：

ETotal=EL×N+EC（4）

4 仿真實驗與性能分析

4.1 中心節(jié)點的決策融合

假定各個本地傳感器節(jié)點的偵測概率與虛警概率分別為Pd=0.8，Pf=0.1，節(jié)點每次采樣數據量k=4。圖1是在量化度b=2，不同節(jié)點數與信噪比下的ROC曲線，其中信噪比為？籽=4.77的非理想信道近似于Rayleigh衰減信道，可以發(fā)現信道狀況對系統(tǒng)性能有顯著影響，且在低信噪比的情況下，增加節(jié)點數量是提高性能的有效辦法，但同時也增加了系統(tǒng)的總能耗和成本；圖2是在Rayleigh衰減信道模型下，系統(tǒng)虛警概率PF？燮0.01，給定節(jié)點數量，不同量化度對系統(tǒng)的影響，其中b=1的情況就是分布式（Distributed）決策規(guī)則，而b=4的情況即是集中式（Centralized）決策規(guī)則，可以看出增加量化度可以提高系統(tǒng)性能，但在惡劣信道條件下，節(jié)點需要很高的傳輸開銷，因此集中式規(guī)則的對節(jié)點能量的消耗過大[7]。圖3是在不同信噪比和不同量化度下，系統(tǒng)的偵測性能PD情況，可以看出量化度越高，系統(tǒng)在低信噪比環(huán)境下的偵測性能越優(yōu)越。圖4反映的是虛警概率的情況，可以看出提高量化度后，PF值更加穩(wěn)定，系統(tǒng)穩(wěn)定性得到顯著提高。

4.2 系統(tǒng)能耗與魯棒性

與傳統(tǒng)網絡不同，井下WSN的節(jié)點被部署在惡劣環(huán)境中，容易遭到物理性的破壞。

表1反映的是在Ecount=Ecompare=5nJ/bit，Et=0.2nJ/bit時，不同量化度與節(jié)點數量下，執(zhí)行一次偵測任務的系統(tǒng)總能耗。可以看出成倍增加量化度，系統(tǒng)能耗并不成倍數增長。

表2顯示的是在Rayleigh衰減信道下，當有個別本地節(jié)點受到物理性損傷而失去偵測能力后，不同量化度對系統(tǒng)的偵測概率PD的影響情況。量化式決策規(guī)則有較優(yōu)的魯棒性。

5 結束語

考慮到煤礦井下復雜的通信條件，井下無線傳感器網絡的決策融合規(guī)則需要犧牲部分能耗來提高量化度，進而提高系統(tǒng)偵測性能與穩(wěn)定性。基于Neyman-Pearson法則的似然比決策規(guī)則在理論上任是最優(yōu)的多傳感器決策融合規(guī)則，但是需要預知節(jié)點大量的信息，且計算復雜度與能耗都很大，不適宜直接用于無線傳感器網絡。通過給定一些符合煤礦井下實際工況的約束條件，將決策規(guī)則進行合理簡化，得到以下結論：（1）在低信噪比情況下，使用量化式決策融合規(guī)則，在增加少量能耗的基礎上，系統(tǒng)的偵測性能顯著提高；（2）增加量化式決策融合規(guī)則的量化度，使得系統(tǒng)的虛警概率PF更加穩(wěn)定，不隨信道信噪比的變化而顯著變化；（3）量化式決策融合規(guī)則能夠增強系統(tǒng)的魯棒性。

參考文獻

[1]李建中.無線傳感器網絡專刊前言[J].軟件學報，2007，18（5）：

1077-1079.

[2]李燕君，王智，孫優(yōu)賢.資源受限的無線傳感器網絡基于衰減信道的決策融合[J].軟件學報，2007，18（5）：1130-1137.

[3]Alexei Makarenko，Hugh Durrant-Whyte.Decentralized Bayesian algorithms for active sensor networks[J].Information Fusion，2006（7）： 418-433.

[4]Yingyue Xu，Hairong Qi.Distributed computing paradigms for collaborative signal and information processing in sensor networks [J].Journal of Parallel and Distributed Computing，2004（64）：945-959.

[5]Ruixin Niu，Pramod K. Varshney，Qi Cheng. Distributed detection in a large wireless sensor network [J].Information Fusion，2006（7）：380-394.

[6]Israfil B，Ghassan A，Yucel A.Parallel distributed detection for wireless sensor networks：Performance analysis and design[J].In：Proc. of the IEEE Global Telecommunications Conf.（GLOBECOM 2005）.Piscataway： IEEE，2005：2420-2424.

[7]Rajeev Shorey. Mobile，Wireless，and Sensor Network-Technology， Application，and Future Directions[M].New Jersey：John Wiley Sons，Inc.，2006：145-158.