基于分簇的無線傳感器網(wǎng)絡(luò)數(shù)據(jù)聚合方案研究

張 強,盧 瀟,崔曉臣

(空軍工程大學(xué)電訊工程學(xué)院,西安 710077)

無線傳感器網(wǎng)絡(luò)是由部署在監(jiān)測區(qū)域內(nèi)的大量傳感器節(jié)點組成,通過無線通信形成一個多跳的自組織的網(wǎng)絡(luò)系統(tǒng),其目的是協(xié)作地感知、采集和處理網(wǎng)絡(luò)覆蓋區(qū)域中被感知對象的信息,并發(fā)送給觀察者。如圖 1所示。其出色的實時檢測能力使得人們可以從更為細(xì)微的角度了解周圍環(huán)境或個體現(xiàn)象所出現(xiàn)的現(xiàn)象、所處的狀態(tài),并根據(jù)物理環(huán)境變化采取措施實行反向控制,為人類與客觀物理世界的交互提供了一種新的有效手段[1]。隨著研究的深入,WSN能夠廣泛應(yīng)用于軍事、環(huán)境監(jiān)測和預(yù)報、健康護(hù)理、智能家居、建筑物狀態(tài)監(jiān)控等領(lǐng)域。

圖1 無線傳感器網(wǎng)絡(luò)體系結(jié)構(gòu)

大量節(jié)點密集部署的特點導(dǎo)致大部分?jǐn)?shù)據(jù)是冗余的,數(shù)據(jù)的重復(fù)傳輸必然消耗節(jié)點能量,同時也必將引起無線通信的帶寬擁擠,增加信道協(xié)商或競爭過程造成的能量開銷。而且傳感器節(jié)點的絕大部分能量消耗在無線通信模塊,實驗表明傳輸 1 bit信息100m需要消耗的能量大約相當(dāng)于執(zhí)行 3 000條計算指令消耗的能量。因此在無線傳感器網(wǎng)絡(luò)中采用數(shù)據(jù)聚合機制,刪除冗余數(shù)據(jù),同時將來自不同節(jié)點的信息進(jìn)行聚合處理,減少網(wǎng)絡(luò)數(shù)據(jù)傳輸?shù)臄?shù)據(jù)量,就可以減少網(wǎng)絡(luò)能量消耗。數(shù)據(jù)聚合利用的是節(jié)點的計算資源和存儲資源,只要將增加計算量的能量消耗控制在小于降低通信量的能量消耗,就可以達(dá)到節(jié)省能量延長網(wǎng)絡(luò)壽命的目的。

數(shù)據(jù)聚合可以減少 WSN網(wǎng)絡(luò)中傳輸?shù)姆纸M數(shù)量,減少分組的沖突概率,減小 Sink節(jié)點接收到重復(fù)分組的概率以及提高監(jiān)測結(jié)果的準(zhǔn)確性。它是目前WSN的一個研究熱點,其中包括聚合點的選擇、聚合時機的選擇和數(shù)據(jù)聚合策略等三個問題[2]。目前已提出了很多數(shù)據(jù)聚合策略算法。文獻(xiàn)[3]提出一種數(shù)據(jù)融合樹算法,即匯聚節(jié)點作為樹的根節(jié)點,通過反向組播樹的形式從分散的傳感器節(jié)點逐步將監(jiān)測數(shù)據(jù)收集,樹上的每個中間節(jié)點都對收到的數(shù)據(jù)進(jìn)行融合處理。而樹的建立時間復(fù)雜度為 O(n3),n為傳感器節(jié)點個數(shù)。文獻(xiàn)[4]中提出了一種基于移動代理的數(shù)據(jù)融合方法,監(jiān)測數(shù)據(jù)保留在本地節(jié)點,當(dāng)移動代理遷移到數(shù)據(jù)處進(jìn)行融合處理。文獻(xiàn)[5]中提出自適應(yīng)的數(shù)據(jù)融合算法,匯聚節(jié)點根據(jù)節(jié)點的可靠度建立控制信息,網(wǎng)絡(luò)中數(shù)據(jù)的傳輸則建立在控制信息的可靠度 P基礎(chǔ)上,可靠度 P則反映了匯聚節(jié)點收到節(jié)點數(shù)據(jù)包的個數(shù)。而大量節(jié)點所帶來的控制信息將造成網(wǎng)絡(luò)性能降低。文獻(xiàn)[6]提出一種使用模糊邏輯推論方法用于分簇網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)以達(dá)到數(shù)據(jù)融合的算法,算法分為四個步驟：模糊化、規(guī)則評定、規(guī)則融合和去模糊化。文獻(xiàn)[7]提出了基于主元分析的神經(jīng)數(shù)據(jù)融合算法。文獻(xiàn)[8]提出了一種基于信息熵的分簇網(wǎng)絡(luò)數(shù)據(jù)融合方案。在數(shù)據(jù)聚合的聚合時機研究方面,文獻(xiàn)[9]對周期性檢測應(yīng)用中的周期性簡單數(shù)據(jù)聚合時機模型、周期性逐跳數(shù)據(jù)聚合時機模型和周期性逐跳調(diào)整數(shù)據(jù)聚合時機模型等三種數(shù)據(jù)聚合時機模型進(jìn)行了比較研究。文獻(xiàn)[10]為事件觸發(fā)類數(shù)據(jù)回傳提出了一種確定數(shù)據(jù)時機的協(xié)議——MFS,當(dāng) WSN中發(fā)生某個事件時,事件附近區(qū)域的多個傳感器節(jié)點將采集數(shù)據(jù)并報告給匯聚節(jié)點。在本文中,筆者主要在分簇網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的基礎(chǔ)上討論數(shù)據(jù)聚合技術(shù),并結(jié)合分簇路由協(xié)議提出了一種新的數(shù)據(jù)聚合方案。

1 數(shù)據(jù)聚合概念

數(shù)據(jù)聚合或數(shù)據(jù)融合是指利用傳感器節(jié)點的本地處理能力,先對采集到的或接收到的其他傳感器節(jié)點發(fā)送的多個數(shù)據(jù)進(jìn)行網(wǎng)內(nèi)處理,消除冗余信息,然后再傳輸處理后的數(shù)據(jù)。如圖 2所示。這與傳統(tǒng)的多傳感器數(shù)據(jù)融合有所不同,同樣是在軍事應(yīng)用背景中,后者是指對空間分布的多源信息,對所關(guān)心的目標(biāo)進(jìn)行檢測、關(guān)聯(lián)、跟蹤、估計和綜合等多級多功能處理,以更高的概率或置信度得到所需要的目標(biāo)狀態(tài)和身份估計以及完整的及時的態(tài)勢和威脅評估,為指揮員提供有用的決策信息。它的數(shù)據(jù)源主要是具有不同體制和功能的雷達(dá)。而 WSN數(shù)據(jù)融合或數(shù)據(jù)聚合主要是指單種傳感器為了減少網(wǎng)絡(luò)內(nèi)的數(shù)據(jù)傳輸量,達(dá)到減少能源消耗、延長網(wǎng)絡(luò)壽命的目的。它的數(shù)據(jù)源主要是同類的傳感器節(jié)點。為區(qū)別傳統(tǒng)的多傳感器數(shù)據(jù)融合,本文使用數(shù)據(jù)聚合一詞。這里的數(shù)據(jù)聚合也不同于信息融合,信息融合是對來自不同來源、不同模式、不同媒質(zhì)、不同時間、不同地點、不同表示形式的信息進(jìn)行綜合處理,從而獲得更為準(zhǔn)確、可靠的結(jié)論。融合的信息來源可能是數(shù)據(jù)庫或知識庫中的先驗信息;也可能是人機交互中的人工輸入信息。它是對人腦綜合處理復(fù)雜問題能力的一種較全面的、高水平的模仿。而 WSN數(shù)據(jù)聚合指中間節(jié)點對采集或接收到的多個數(shù)據(jù)進(jìn)行合并,具體處理有：幾個數(shù)據(jù)任選一個,計算數(shù)據(jù)的平均值、最大值或最小值等[2]。

圖2 數(shù)據(jù)聚合處理圖

2 數(shù)據(jù)聚合方案

本文中數(shù)據(jù)聚合的研究建立在 WSN分簇的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)上,聚合點將選擇簇頭節(jié)點,并且結(jié)合分簇路由協(xié)議建立的路由回傳數(shù)據(jù);聚合時機主要考慮周期性數(shù)據(jù)回傳應(yīng)用模型。如果數(shù)據(jù)聚合只在監(jiān)測節(jié)點進(jìn)行,數(shù)據(jù)的準(zhǔn)確性將受到較大影響;同樣如果數(shù)據(jù)聚合只在匯聚節(jié)點進(jìn)行,監(jiān)測節(jié)點在發(fā)送數(shù)據(jù)時能量消耗較大,同時將造成無線信道擁擠。在分簇網(wǎng)絡(luò)中,共有三類節(jié)點,分別是簇內(nèi)節(jié)點、簇頭節(jié)點和同時擔(dān)任中轉(zhuǎn)其它簇頭數(shù)據(jù)的簇頭節(jié)點。因此,筆者考慮在三類節(jié)點上各自采用不同的數(shù)據(jù)聚合策略,確保數(shù)據(jù)準(zhǔn)確性和能量高效的平衡。

2.1 網(wǎng)絡(luò)模型

本文中 WSN采用分簇網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu),分簇算法將整個傳感器網(wǎng)絡(luò)劃分為若干個簇,每個簇包含一個簇頭和多個簇成員節(jié)點。簇成員節(jié)點只需將采集到的數(shù)據(jù)發(fā)送至簇頭,簇頭負(fù)責(zé)管理簇內(nèi)成員節(jié)點,收集簇成員的監(jiān)測數(shù)據(jù),并將收集到的數(shù)據(jù)進(jìn)行聚合處理后通過多跳方式報告至匯聚節(jié)點。LEACH協(xié)議中所做的假設(shè)將同樣適用本文中的研究,另外還有如下假設(shè)：

(1)網(wǎng)絡(luò)中監(jiān)測區(qū)域內(nèi)部署著同種類型的大量傳感器節(jié)點;

(2)相鄰節(jié)點間的監(jiān)測數(shù)據(jù)具有相似性,節(jié)點分布冗余并且檢測得到的數(shù)據(jù)存在冗余信息,可進(jìn)行數(shù)據(jù)聚合處理;

(3)各個節(jié)點周期性收集監(jiān)測區(qū)域的數(shù)據(jù),周期結(jié)束節(jié)點處理監(jiān)測數(shù)據(jù)并決定是否轉(zhuǎn)發(fā);匯聚節(jié)點同樣采用周期性地收集各個節(jié)點的數(shù)據(jù)。

(4)WSN所要監(jiān)測的物理量可以由部分傳感器節(jié)點的監(jiān)測數(shù)據(jù)聚合得到,而并非必須網(wǎng)絡(luò)中全部傳感器節(jié)點。

2.2 簇內(nèi)節(jié)點聚合策略

WSN內(nèi)節(jié)點部署高度冗余,監(jiān)測數(shù)據(jù)也具有冗余性,通過減少數(shù)據(jù)發(fā)送量的方法可以達(dá)到數(shù)據(jù)聚合的目的。簇內(nèi)節(jié)點減少監(jiān)測數(shù)據(jù)發(fā)送的方法可以采用相應(yīng)的 MAC協(xié)議根據(jù)時間片輪轉(zhuǎn)來關(guān)閉部分節(jié)點,也可以降低節(jié)點收集數(shù)據(jù)頻率。在本文中,筆者采用相對信息熵的方法,各簇內(nèi)節(jié)點都將保留前一次向簇頭節(jié)點發(fā)送的監(jiān)測數(shù)據(jù),當(dāng)節(jié)點再次得到新的監(jiān)測數(shù)據(jù)時,計算兩個數(shù)據(jù)的相對信息熵值,當(dāng)比較值具有明顯差異時才向簇頭節(jié)點發(fā)送,同時更新保留的數(shù)據(jù)。否則不發(fā)送新的檢測數(shù)據(jù)。

信息熵是 Shannon在 1948年提出,并作為一個隨機變量的不確定性或信息量的度量。如果某事物X具有的獨立可能的結(jié)果為 x1,x2,…,xn,并且每一種可能出現(xiàn)的概率分別為 p(x1),p(x2),…,p(xn),則該事物的信息熵為：信息熵的物理意義是在 X中所包含的信息的量。

假設(shè) P和 Q是 2個概率分布函數(shù),P相對于 Q的信息距離即相對信息熵[11]為：相對信息熵的物理意義是信息獲取量,表征了 2組概率分布之間的差異性程度,因而對于 2組不同的概率分布 P和 Q,計算其相對信息熵D(P‖Q)以及 D(Q‖P),如果這 2個值越小,表明 2組概率分布越近似,數(shù)據(jù)冗余則越大。因此,對于簇內(nèi)節(jié)點 ni新舊得到的監(jiān)測數(shù)據(jù) yi和 yi′,如果其相對信息熵 D(yi‖yi′)和 D(yi′‖yi)滿足條件max(D(yiyi′),D(yi′‖yi))≤ε,其中 ε根據(jù)實際應(yīng)用設(shè)定為足夠小的常量,則認(rèn)為兩組數(shù)據(jù)間存在較大冗余,也即所監(jiān)測的物理量沒有顯著變化,所以節(jié)點可以不發(fā)送最新收集到的監(jiān)測數(shù)據(jù)。否則按照該簇內(nèi)節(jié)點的路由表,將新的監(jiān)測數(shù)據(jù)發(fā)送給該簇的簇頭節(jié)點,同時更新該簇內(nèi)節(jié)點的監(jiān)測數(shù)據(jù)值。

2.3 簇頭節(jié)點聚合策略

在本文的分簇網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)中,基于能量節(jié)省的角度考慮,簇頭節(jié)點與匯聚節(jié)點間采用多跳通信方式。因此在聚合策略上,普通簇頭節(jié)點只負(fù)責(zé)聚合本地監(jiān)測數(shù)據(jù)和其簇內(nèi)成員節(jié)點發(fā)送的數(shù)據(jù),而擔(dān)當(dāng)轉(zhuǎn)發(fā)簇頭數(shù)據(jù)的簇頭節(jié)點不僅負(fù)責(zé)普通簇頭節(jié)點聚合的數(shù)據(jù),同時還需將其他簇頭節(jié)點發(fā)送過來的數(shù)據(jù)進(jìn)行聚合。兩種簇頭節(jié)點的聚合策略為此有所不同。下面先介紹普通簇頭節(jié)點的聚合策略。

普通簇頭節(jié)點處理的監(jiān)測數(shù)據(jù)包括自身傳感器模塊監(jiān)測的數(shù)據(jù)和簇內(nèi)各成員節(jié)點所發(fā)送的數(shù)據(jù)。每個簇頭節(jié)點保存前一次轉(zhuǎn)發(fā)的監(jiān)測數(shù)據(jù)作為反饋比較值 E,初始值為零。當(dāng)簇頭節(jié)點接收到其成員節(jié)點的新數(shù)據(jù)或是當(dāng)其自身傳感器模塊得到新數(shù)據(jù)時,該值的作用是決定新數(shù)據(jù)是否轉(zhuǎn)發(fā)出去。實際監(jiān)測環(huán)境中存在噪聲誤差,并且聚合多個傳感器節(jié)點的數(shù)據(jù)存在著不確定性。在本文中節(jié)點傳感器模塊得到的測量值采用對稱三角模糊數(shù)來表示,節(jié)點nk的自身監(jiān)測數(shù)據(jù)經(jīng)過模糊化處理為 Vk=(vk,vsk),其中 vk為對稱三角模糊數(shù) Vk的中心值,vsk為Vk的模糊寬度,該值與測量誤差相關(guān)。同樣估計值E也為模糊數(shù),表示為 Ei=(ei,esi),而這些模糊數(shù)值都將在匯聚節(jié)點處去模糊化。簇頭包含多個成員節(jié)點,分別采用 TDMA方式通信。當(dāng)成員節(jié)點 ni發(fā)送的數(shù)據(jù) Vi到來時,nk進(jìn)行數(shù)據(jù)聚合。輸入由三部分組成,分別是自身傳感器得到的 Vk、Vi和 nk維持的回饋比較值 Ek。聚合輸出得到新值 nEk取代舊的 Ek。新值 nEk將與聚合表中的值進(jìn)行比較,兩者的絕對差值如果大于預(yù)先設(shè)定的閾值,閾值取聚合表中所獲得兩組數(shù)據(jù)間之差的最大值,則說明監(jiān)測區(qū)域出現(xiàn)異常變化需立即轉(zhuǎn)發(fā) nEk,則依據(jù)路由表中的路由發(fā)送數(shù)據(jù)到下一簇頭節(jié)點。否則將新值nEk存入聚合表中。簇內(nèi)通信一輪完成后,簇頭將對聚合表中所有的比較值 nEk進(jìn)行平均值計算,同時將結(jié)果轉(zhuǎn)發(fā)。節(jié)點的傳感器模塊能耗較低,因此可以將其數(shù)據(jù)采集周期設(shè)為與簇內(nèi)成員節(jié)點的工作周期一致,這樣將確保數(shù)據(jù)聚合處理不用等待某一輸入數(shù)據(jù)的到來。簇頭節(jié)點 nk的聚合算法流程圖如圖 3。

圖3 簇頭節(jié)點nk聚合流程圖

2.3.1 數(shù)據(jù)聚合模塊

數(shù)據(jù)聚合在簇頭節(jié)點進(jìn)行,聚合的數(shù)據(jù)包括Vk(vk,vsk)、Vi(vi,vsi)和 Ek(ek,esk),得 到新值nEk(nek,nesk)。下面的計算中用 I(i,is)表示Vk(vk,vsk)和 Vi(vi,vsi)。nEk的取值同時還取決于WSN所監(jiān)測數(shù)據(jù)的物理量,分為下面情況討論[14]。

(1)、I∩ Ek=φ。如果監(jiān)測數(shù)據(jù)取最小值,則nEk=min(I,Ek);而如果監(jiān)測數(shù)據(jù)取最大值,則 nEk=max(I,Ek);

(2)、I∩ Ek≠φ。 nEk的計算如下,引入加權(quán)和計算。

從上述計算可以看出,如果 Vk和 Vi與估計值Ek不相關(guān),新估計值則與監(jiān)測數(shù)據(jù)值的實際應(yīng)用有關(guān),否則引入加權(quán)和來計算新估計值 nEk,其權(quán)值與兩個對稱三角模糊數(shù)的模糊寬度(幅度)成反比。因為模糊數(shù)的不確定性越少,聚合處理越相關(guān),則說明數(shù)據(jù)之間的冗余性也越大。

2.3.2 聚合表

簇頭節(jié)點除了建立路由表,在進(jìn)行數(shù)據(jù)聚合處理時還需建立聚合表,表的更新也隨著簇的變化簇頭的轉(zhuǎn)換而動態(tài)建立。當(dāng)簇頭接收到簇內(nèi)成員節(jié)點的數(shù)據(jù)后進(jìn)行數(shù)據(jù)聚合處理,表中記錄下該次聚合的輸出值 nEi(nei,nesi)的記錄項,其中包括節(jié)點標(biāo)識、簇內(nèi)節(jié)點號、監(jiān)測數(shù)據(jù)值、計數(shù)值和有效標(biāo)志。其中節(jié)點標(biāo)識為該簇內(nèi)成員節(jié)點的節(jié)點號,監(jiān)測數(shù)據(jù)值是由簇頭每進(jìn)行一次聚合處理的輸出值,與成員節(jié)點標(biāo)識一一對應(yīng);計數(shù)值初始值都為 0,簇頭節(jié)點每向其下一跳節(jié)點發(fā)送一次數(shù)據(jù)時,該值加 1,而當(dāng)簇頭收到成員節(jié)點 ni的數(shù)據(jù)時,ci清 0;有效標(biāo)志bi初始值都為 1,當(dāng) ci大于預(yù)定值 cmax時 bi清 0,cmax取該簇的成員節(jié)點數(shù)。當(dāng)節(jié)點死亡或是無法與簇頭通信時,ci的值將大于 cmax,所以 bi和 ci可以用來作為判斷成員節(jié)點能否與簇頭正常通信的標(biāo)志位。如表 1所示。

表1 簇頭節(jié)點聚合表

擔(dān)任中轉(zhuǎn)數(shù)據(jù)的簇頭節(jié)點的聚合策略算法同上,不同之處在于此類簇頭節(jié)點還要接收其它簇頭的數(shù)據(jù),將其存入聚合表并將參與該簇頭的轉(zhuǎn)發(fā)決定。為了區(qū)分簇內(nèi)成員節(jié)點和簇頭發(fā)送的消息,規(guī)定消息如表 2。

表2 消息結(jié)構(gòu)

當(dāng)中轉(zhuǎn)簇頭接收到其簇內(nèi)成員節(jié)點的數(shù)據(jù),處理過程同普通簇頭節(jié)點;當(dāng)接收到其它簇頭節(jié)點的數(shù)據(jù)時,根據(jù)消息中的簇號和簇內(nèi)標(biāo)識即可判定是否是簇頭轉(zhuǎn)發(fā)數(shù)據(jù)。聚合表與前不同,將增加一列簇頭數(shù)據(jù)標(biāo)志位,初始都為 0,當(dāng)接收到簇頭數(shù)據(jù)變?yōu)?1,簇內(nèi)節(jié)點號將存入該簇頭的簇號,其它列數(shù)據(jù)不變。當(dāng)中轉(zhuǎn)簇頭每完成一次數(shù)據(jù)聚合處理,得出的新估計值不僅與聚合表中所有的簇內(nèi)成員節(jié)點對應(yīng)的值進(jìn)行比較,還將與其它簇頭的數(shù)據(jù)值比較,同理,在中轉(zhuǎn)簇頭完成一輪簇內(nèi)通信時,其它簇頭的數(shù)據(jù)也將參與周期轉(zhuǎn)發(fā)數(shù)據(jù)的平均值計算。

3 仿真實驗

本文采用 NS2+NRL-SENSORSIM作為仿真平臺,通過仿真環(huán)境來分析本文提出的數(shù)據(jù)聚合機制的性能。網(wǎng)絡(luò)拓?fù)錇?100個節(jié)點隨機部署在 100m×100m的范圍內(nèi),匯聚節(jié)點位于(50,150),采用IEEE802.1b作為 MAC協(xié)議,節(jié)點初始能量為 1 J,ε分別取值 0.5和 1。每 10 s計算一次網(wǎng)絡(luò)平均能耗(測量節(jié)點剩余能量)。在 NRL-SENSORSIM中,傳感器網(wǎng)絡(luò)事件由大量的 PHENOM節(jié)點來模擬,每秒8個事件在監(jiān)測范圍內(nèi)隨機產(chǎn)生,且事件持續(xù)時間為 1 s,假定用戶對監(jiān)測數(shù)據(jù)的最大值感興趣。圖 4和圖 5分別為網(wǎng)絡(luò)節(jié)點平均能量消耗圖及網(wǎng)絡(luò)壽命圖。從圖中可以看出本文提出的基于分簇數(shù)據(jù)聚合機制的網(wǎng)絡(luò)平均能耗較 LEACH協(xié)議有明顯的改進(jìn),當(dāng)所監(jiān)測區(qū)域數(shù)據(jù)沒有明顯變化時,節(jié)點減少了轉(zhuǎn)發(fā)的數(shù)據(jù)量,網(wǎng)絡(luò)平均能耗也有顯著減少。隨著ε的增大,節(jié)點轉(zhuǎn)發(fā)的數(shù)據(jù)量增加,能量消耗也隨著增大。節(jié)點死亡率隨時間增加有效降低,網(wǎng)絡(luò)壽命得到明顯延長。

圖4 網(wǎng)絡(luò)節(jié)點平均能量消耗

圖5 網(wǎng)絡(luò)壽命

4 結(jié)束語

分簇算法和數(shù)據(jù)聚合是 WSN中節(jié)省能量的兩種有效方法,本文在分簇網(wǎng)絡(luò)拓?fù)涞幕A(chǔ)上,提出了一種新的數(shù)據(jù)聚合機制。在仿真實驗中將新方法與LEACH協(xié)議進(jìn)行對比分析,結(jié)果表明新方法在降低節(jié)點的數(shù)據(jù)傳輸量,節(jié)省能量消耗和延長網(wǎng)絡(luò)壽命等方面都有明顯改進(jìn)。而數(shù)據(jù)聚合帶來的延遲代價和魯棒性問題,則是筆者下一步研究的重點。

[1]孫利民,李建中,陳渝,等.無線傳感器網(wǎng)絡(luò)[M].北京：清華大學(xué)出版社,2005：1-10.

[2]于宏毅,李鷗,張效義,等.無線傳感器網(wǎng)絡(luò)理論、技術(shù)與實現(xiàn)[M].北京：,國防工業(yè)出版社,2008：190-193.

[3]Kalpakis K,Dasgupta K,Nam joshi P.An Efficient Clustering based Heuristic for Data Gathering and Aggregation in Sensor Networks[C]//IEEE Wireless Communications and Networking,2003：1948-1953.

[4]王殊,閻毓杰,陳帥,等.傳感器網(wǎng)絡(luò)中基于移動代理的數(shù)據(jù)融合方法研究[J].傳感技術(shù)學(xué)報,2006,19：926-932.

[5]So J,K im J,Gupta I.Cushion：Autonomically Adaptive Data Fusion in Wireless Sensor Networks[C]//IEEE International Conference on Mobile Adhoc and Sensor Systems,2005：1-3.

[6]Weilian SU,Theodoros C.Bougiouklis.Data Fusion Algorithms in Cluster-Based Wireless Sensor Networks Using Fuzzy Logic Theory[C]//Proceedings of the 11th Conference on 11th WSEAS International Conference on Communications,2007：291-299.

[7]馮秀芳,高戰(zhàn)強.無線傳感器網(wǎng)絡(luò)中基于 PCA神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)融合[J].計算機科學(xué),2007,34：372-375.

[8]唐晨,王汝傳,黃海平,等.基于信息熵的無線傳感器網(wǎng)絡(luò)數(shù)據(jù)融合方案[J].東南大學(xué)學(xué)報,2008,38：276-279.

[9]Ignacio Solis,Katia Obraczka.The Impact of Timing in Data Aggregation for Sensor Networks[C]//IEEE International Conference on Communications,2004：3640-3645.

[10]YuanW,Krishnamachari S V,Tripathi S K.Synchronization of Multiple Levels of Data Fusion in Wireless Sensor Networks[C]//IEEE Global Telecommunications Conference,2003：221-225.

[11]Yager RR.On the Entropy of Fuzzy Measures[J].IEEE Transactions on Fuzzy Systems,2000,8(4)：453-461.

[12]Silvio Croce,Francesco Marcelloni,Massimo Vecchio.Reducing Power Consumption in Wireless Sensor Networks Using a Novel Approach to Data Aggregation[J].The Computer Journal,2008,51(2)：226-239.