無線傳感器網絡數據融合技術研究

◆楊涵越 王軍

無線通信與移動互聯網安全

無線傳感器網絡數據融合技術研究

◆楊涵越 王軍

（沈陽化工大學計算機科學與技術學院 遼寧 110142）

隨著數據技術的蓬勃發展，無線傳感器網絡數據存儲、整合和分析處理面臨大的發展機遇，從而使得無線傳感器網絡有可能向更全面、更實時的方向演進。中大型客戶眾多，在證券行業等占有很大市場份額。通過無線傳感器網絡數據融合技術來對于大量的數據進行分析處理有利于實現數據的共享使用，從而能夠提升數據的應用價值。

無線傳感器；網絡數據；融合

1 引言

正因為在無線傳感器網絡領域人才、技術、產品、客戶、資質認可、案例的積累，所以應當盡早發現自身及產業的不足，以立足本市、面向全國、放眼國際的姿態，尋求產業新的發展機遇、有效需求，提早布局，形成技術優勢。數據融合模型和分布式流計算有助于解決無線傳感器網絡面臨數據更龐大、診斷更全面、處理更實時、決策更智能的有效需求，為解決我們提煉出的關于無線傳感器網絡領域數據融合模型和分布式流計算的兩個問題：（1）基于連接拓撲的異構時序數據融合模型；（2）多尺度多層次異型數據的流計算方案，通過突破重點技術，推出完善產品方案，解決行業痛點，實現經濟價值。Gartner預計到2020年，全球聯網設備的數量將達到260億，并以每秒增加150臺的速度遞增。而研究機構IMSResearch的數據稱2020年全球聯網設備將達到300億臺。無論260億還是300億，都是非常可觀的數據。在萬物互聯的大環境和時代背景下，越來越多的創新產品會嵌入環境技術感知功能，通過通信、溝通、分析、感知來實現快速發展。將來的企業從生產、管理、運營、維護到拓展，都會受到萬物互聯互通的影響。

2 網絡數據融合的重要性

網絡數據融合可以解決用戶需要從監控、管理到治理的一體化解決方案。徹底解決運維產品各自為政、信息孤立、流程復雜的問題，使數據和流程能集中管理，信息無障礙交互，全面解決無線傳感器網絡難題。數據化運維服務管理系統，提供質量評價體系及各類分析、統計、預測報告，使高層領導可準確掌握資產利用情況、投資回報率；并掌握IT部門對外提供業務的連續性、運行質量，了解實際情況和預期的差距；根據資產、業務使用運行情況動態調整資源配置、投資方向。無線傳感器網絡數據量多，有設備增多，信息化服務增多的因素，也跟無線傳感器網絡業務及系統建設多元化有關，強調運維管理跟業務的結合，背后就有數據融合、數據驅動和數據建模的驅動因素。從數據領域的發展來看，數據融合技術和實時數據技術，近年來隨著大數據和分布式技術發展，有了許多基礎性的框架，雖然無線傳感器網絡領域吸納和改進此類技術的舉措不多，本文動機正有此因。

3 無線傳感器技術分析

3.1 無線傳感器網絡的結構

在WSN中，監控環境中的傳感器節點通過多跳中繼將數據傳輸到匯聚節點。其規模相對較大，由幾個集群組成。在群集中選擇節點，所有節點構成匯聚節點的骨干網絡。集群中的節點將收集的數據發送到集群節點。節點通過骨干網絡將數據發送到匯聚節點。最后，整個區域的數據通過互聯網或衛星傳輸到遠程監控中心進行集中處理。典型的傳感器網絡架構包括分布式傳感器節點，聚合節點，互聯網和用戶界面。無線傳感器網絡中的大多數節點傳輸范圍小，匯聚節點傳輸能力強，功率大，處理能力強。

3.2 無線傳感器網絡的特性和應用

無線傳感器網絡很大，是自組織的，動態的和可靠的，它們被部署在人力資源不易訪問的地方。無線傳感器網絡在軍事，農業，環境檢測，智能家居，醫療等領域具有廣闊的應用前景。（1）功耗低，實現簡單。這是其最重要的特性。該標準引入多種節能機制，最重要的是“超幀模式”，允許設備在沒有數據傳輸的情況下進入休眠狀態。（2）成本低。該標準的設備成本，安裝成本和維護成本較低。器件可在標準電池供電條件下工作，無須充電。該標準內部可配置，降低維護費用。（3）單個網絡能容納節點密度更高。ZigBee通過使用該標準的物理層和控制層，支持幾乎任意數量的設備，這對于大規模傳感器陣列和控制尤其重要。

4 無線傳感器網絡數據融合技術分析

無線傳感器網絡數據融合服務的內容主要有以下幾方面：服務器監控和管理、存儲監控和管理、網絡監控和管理、數據庫監控和管理、性能監控和調試、性能測試和報告、高可用性監控和報告、備份計劃和監控、備份恢復。

4.1 數據管理

利用傳感器較多的物聯網行業，多傳感器數據融合異常重要。各行業數據融合的發展迅速，無線傳感器網絡領域有引入數據融合架構的必要。數據融合的字面含義比較直觀，業界即使在沒有理論和框架指導下，許多數據搜集、處理的常規處理也暗合了許多數據融合的理念。數據融合也有許多相近相似的名稱，比如數據合并（merge）、數據協同（synergy）、數據綜合（integration）、數據結合（combination）等。在機器學習范疇內，數據融合是指從多個信息源整合信息，從而對相關實體形成具體、全面、統一的數據積累。數據融合這一流程可以操作在幾個層面：數據級（特征提取以前）、特征層（屬性說明之前），以及決策層（對數據獨立屬性說明之后）。

4.2 數據融合

在信息技術高速發展的今天，互聯網發展促使傳統物理設備（如服務器、網絡設備）的數量持續增長。除此之外，更重要的趨勢是一個比互聯網覆蓋范圍更廣的物聯網已經進入了市場。物聯網以互聯網為核心，以智能傳感器技術為發展基礎，延伸擴展到物與物之間，形成一個巨大且又復雜的網絡來進行信息交換與通信，從而帶來基于傳感數據的運維管理需求。SDN網絡能采集的數據比傳統網絡內采集的數據多。但SDN網絡更加動態化，因此分析跟預測模型需要有更實時的響應。所以需要針對全面的網絡運行數據、具體的服務場景及用戶屬性進行分析。綜合而言，數據融合作為一種框架思維，在很多領域得到了應用。在無線傳感器網絡場景里也是非常真切的需求。IT系統普遍具備多個節點、多個環節，采集的數據具備多來源、跨時期、結構化各異的特點。一方面隨著物聯網時代來臨，數據中心、網絡中心、設備機房等，溫濕度電力等的傳感器部署日益密集。而各類物理設備在系統、網絡及應用層運維數據監控數據格式與結構化特征日趨多元。另外隨著云技術和虛擬化發展，特別是Docker類容器虛擬化技術使得低端老舊設備虛擬化也漸趨普遍，它們高彈性擴展及即用即起的特點使得虛擬化系統運維數據更具瞬時性和爆發性。實現全局的運維監控與決策，對各類半結構、非結構、時衰性數據的存儲、綜合、融合及檢索等顯得尤為必要。現在很多公司的在線系統每天都會產生數以TB甚至PB級的大數據，很多數據是實時產生，并且需要實時處理，特別是大型集群的運維監控、電子商務的商品推薦、新聞熱點的實時推送和機器學習算法的在線學習等方面。

4.3 數據計算

實時流計算在運維領域也逐漸顯示價值。因為隨著互聯網公司各個系統里的運維相關數據越來越多，這些數據像滾雪球一樣，以幾何量級快速增長，它們正是做好業務質量保障的所需要的。我們必須利用好這些運維質量數據，甚至還需要從質量保障的角度補充更多的數據，并通過實時的計算和分析，全方位的、及時的發現問題，甚至可以預防問題的發生，從而更好地保障業務質量。為了實現這個目標，就需要解決海量數據實時采集跟融合，以及計算方面的問題。無線傳感器網絡圍繞監測數據進行診斷決策和管理。過往即使數據采集速度不低，但用于運維的數據偏少，采用簡單閥值自適應性不強，歷史數據多的算法模型更新又不夠及時。可利用擴散模型、壓力模型，分析模擬圖結構內異常事件的傳導，從而在全局、宏觀、整體的層面，理解、把握、監控整個無線傳感器網絡環境。基于連接拓撲的異構時序數據融合模型除了將數據進行節點連接式融合，本項目還在常規數據融合框架下，針對無線傳感器網絡的數據，進行數據級（特征提取以前）、特征層（屬性說明之前），以及決策層（對數據獨立屬性說明之后）的融合創新。正因為運維數據，具備時序化細顆粒度特性，通過我們的數據融合，根據融合頻率的不同，獲得的圖、數據尺度不一。由于圖結構內節點有的隸屬于層級架構內，它們還具備分層分片的特征。又可放置在圖結構和層次結構下，將圖結構引入到流計算的操作DStream單元中。此外，本項目還重點研發適合無線傳感器網絡的離線機器學習訓練模型。

5 總結

隨著計算框架的進步，目前在金融、互聯網廣告等領域興起的流式計算，具備能處理近期數據多、更新算法模型快、分布可擴展能力強的特點。但無線傳感器網絡場景跟流式計算的結合，除少數互聯網巨頭內部有一定程度的探索，國內外尚無實質的落地。但眾多中大型傳統企業，在向互聯網+延伸時對無線傳感器網絡時效有廣泛需求。

[1]陶永才，張鑫倩，石磊，衛琳.面向短文本情感分析的多特征融合方法研究[J].小型微型計算機系統，2020，41（06）：1126-1132.

[2]金豐，邵清.信號分解與融合神經網絡的金融數據預測研究[J].小型微型計算機系統，2020，41（06）：1140-1146.

[3]華鋼，曹青峰，朱艾春，張賽，唐士宇，崔冉.多流卷積神經網絡的骨架行為識別[J].小型微型計算機系統，2020，41（06）：1286-1290.

[4]劉桂玉，劉佩林，錢久超.基于3D骨架和RGB圖片的時空動作識別[J].信息技術，2020，44（05）：121-124+130.

[5]朱永琴，解博江.現代物流服務業與互聯網融合發展研究[J].計算機產品與流通，2020（06）：125.