林蔚，祝啟龍

(哈爾濱工程大學理學院，黑龍江哈爾濱150001)

近年來，無線傳感器網絡的應用范圍越來越大，除軍事以外，還包括工業(yè)、農業(yè)、醫(yī)療、防疫、科研等各個領域［1］.例如高密度人群細菌監(jiān)測環(huán)境，農業(yè)的蔬菜塑料大棚環(huán)境監(jiān)測，森林防火監(jiān)測、煤礦井下監(jiān)測，水質量監(jiān)測等，都是無線傳感器網絡在不同行業(yè)中的應用，無線傳感器網絡也因此得到迅速發(fā)展.然而，網絡的穩(wěn)定性、生命期是網絡正常工作的關鍵.決定網絡生命期的主要因素是節(jié)點的能量.由于無線傳感器網絡節(jié)點采用易消耗的電池供給，其數據處理和通信能力受到限制，節(jié)能對于網絡至關重要，也因此成為研究的重點.數據融合能夠降低網絡數據傳輸的數量，本文就節(jié)能問題提出一種基于數據融合的節(jié)能型無線傳感器網絡.

無線傳感器網絡數據融合包括數據級融合(低級)，特征級融合(中級)，決策級融合(高級)3個部分.數據級融合在傳感器節(jié)點處進行，稱為下位機融合.特征級融合和決策級融合在基站處進行數據融合，稱為上位機融合.數據級融合是最低層融合，即直接對傳感器采集的數據進行融合處理，將融合結果向基站或中心節(jié)點傳輸.特征級融合屬于中間層融合，一般稱作多傳感器數據融合.將傳感器節(jié)點傳輸的數據進行數據處理，以進行數據校準和狀態(tài)估計.常見方法有加權平均、卡爾曼濾波、模糊邏輯、神經網絡等方法.

由于數據融合技術已成為無線傳感器網絡節(jié)約能源研究的重點，許多學者針對多傳感器數據的融合問題進行了研究.文獻［2］、［3］采用模糊理論對各傳感器測得數據之間的接近程度進行處理，通過接近度矩陣度量各傳感器測得數據的綜合接近程度，分配數據在融合過程中的權重，得出特性指標.文獻［4］、［5］通過討論分簇的融合方式，分析簇內數據的融合算法誤差成因，提出先進行簇內測量修正、再進行簇內數據融合.文獻［6］通過傳感器的重要度，從各個傳感器對模糊命題支持度的一致度，以及傳感器重要度對數據融合結果的復合作用等三方面分析，提出一種模糊傳感器數據融合.上述數據融合均運行在上位機，底層數據仍采用采集一個數據發(fā)送一個數據的方法，這種方法不利于節(jié)省節(jié)點能源.

1 TFA數據融合算法

本文提出算法TFA(twice fusion algorithm)，其目標是降低節(jié)點能量消耗.其工作原理是:首先在網絡的數據采集點處，采用閾值限定和均值融合方法，進行下位機(節(jié)點)的數據融合;再在上位機(控制中心或網關)進行多傳感器數據補償和融合.通過對節(jié)點采集數據的融合，減少節(jié)點通信量，從而減少能耗，延長WSN生存時間.雖然計算會增加能耗，然而計算上的能耗與通信消耗的能量相比是10-3倍［7］，并且由于傳感器的相對誤差小于 0.01［8-9］，當設定合適的參數和閾值時，不影響融合結果.因此，節(jié)能方面的優(yōu)勢可以得到充分體現.

圖1 傳感器數據融合結構圖Fig.1 Wireless sensor network data fusion chart

TFA數據融合模型如圖1所示.它包含了傳感器網絡從數據采集到上位機融合的全過程.其中包括:1)傳感器節(jié)點采集數據后的數據融合，2)上位機數據補償，3)上位機數據融合.

1.1 下位機(節(jié)點)數據處理

每個傳感器節(jié)點采集數據，形成各自的列矩陣.其中，每列表示同一傳感器每過一個φ時刻測得的數據.K個傳感器產生k列數據，形成一個矩陣.

由于節(jié)點在相鄰時間測得的數據相似，本文將相似數據融合，去除冗余.

假設無線傳感器網絡:

1)由k個傳感器節(jié)點監(jiān)測同一環(huán)境.

2)每個傳感器以等時間間隔 采集數據:aij，(i=1，2，3，…;j=1，2，3，…).

采集后從同一時刻開始計算.則測得的數據用矩陣表示為A:

其中，每一列數據都存儲在本地節(jié)點內存中，它是同一個傳感器在不同φ時刻測量值.每行表示同一時刻不同傳感器采集的數據，顯然，由于傳感器測得的數據在相鄰的時間上具有相似性，節(jié)點的相鄰數據具有相似性.為了節(jié)省節(jié)點能量，同時由于在底層觀測值的不穩(wěn)定性以及不確定性，對每列數據進行均值融合方法，并發(fā)送這個均值給控制中心(上位機).均值計算的過程如下:

設定2個閾值δ和τ.其中δ限定了數據最大距離，δ取傳感器的最大誤差.τ是限定采集次數，由于節(jié)點每隔時間采集一次數據，設定閾值τ是為了避免傳感器發(fā)送時間間隔過長.每個傳感器將采集的數據保存在節(jié)點存儲器中，直到當這些數據之間的任意兩個差值超過閾值δ，或采集次數超過τ時，以本次采集的數據次數為第i次，對已采集的前i-1次的數據進行均值計算，然后發(fā)送到控制中心.發(fā)送條件:1)當第i個采集的數據與之前的i-1個數據中的某個差值過大，數據出現突變趨勢，為保持數據的一致性，TFA算法對前i-1次的數據進行均值計算;2)當采集數據的次數達到τ次時，為了與1)中的i取得一致，TFA算法同樣取第i-1次之前的進行均值計算，將第i次的數據作為下一次采集的第一個數據，由此得到節(jié)點數據融合算法如下:

1)設a1j為節(jié)點j采集的第1個數據;

2)每采集一次數據aij，分別與前i-1次的數據a1j，a2j，…，ai-1j進行比較，即:|aij-akj|，(k=1，2，…，i-1).

①當其中的任一數據距離超過閾值δ時，即

3)將第i次采集的數據aij作為下一次采集的第一個數據a1j;

5)重復1)～4).

1.2 上位機數據補償

由于數據在下位機進行了融合，使數據存在一定的失真，在上位機應盡可能給予補償.補償原則是:在每行補償該節(jié)點在φ時刻的均值.上位機數據仍是一個矩陣.其行是φ時刻，列是每個傳感器在φ時刻的均值.算法是:當上位機接收到某傳感器的一個均值，在為(這個)傳感器預留的存儲空間(矩陣B中)補償傳感器的均值，方法是:補償上位機接收時刻的前一時刻(以φ為單位)以及之前各時刻未補償的值，這些補償的時刻，即為矩陣B中元素的行標，傳感器號為列標.即每過一個φ時間，就應該產生一行數據，一行中每個數據值以傳感器在該時刻的平均值作為該位置的補償數據值，這就形成了數據補償矩陣B:

其中，bij表示第i個φ時刻第j個傳感器的數據補償值，bij的取值滿足:

其中，|ak'1-ak1|＜ δ，k、k'=1，2，3，k≠k';i≤τ.

1.3 上位機數據融合

在上位機對矩陣A進行數據補償和時間上的統一后，得到數據補償矩陣B.當上位機接收完每個傳感器同一時刻的數據，即得到矩陣B的一行，為了得到這一時刻的數據，算法TFA對某一行數據進行多傳感器數據融合，這一行數據來自于不同傳感器.融合方法是對期望真值進行擬合，每一時刻(即每一行)融合為一個數據，它代表這一時刻的監(jiān)測值，本文采用加權平均的方法對矩陣B中的每行數據進行擬合.算法如下:

1.3.2 權重及融合值計算

因為距離越大，偏離均值越遠，故權值取均值距離的倒數.

則融合值Ci(第i行的融合值):

2 仿真實驗與分析

仿真環(huán)境采用C51RF-3-PK的軟件仿真系統，同時為了進行算法比較，底層數據算法TFA采用文獻［10］的原始數據，對其進行數據融合.設參數值為:τ=5，δ=5.

表1是文獻［10］的原始數據，是3個傳感器在算法TFA對表1中數據進行融合處理.

首先進行節(jié)點數據融合，得到融合矩陣A，再發(fā)送給上位機，得到數據補償矩陣B，如表2所示.

表1 傳感器測量值Table 1 Measured value ℃

表2 數據補償值Table 2 Compensation for the value of data ℃

表3是算法TFA在上位機的融合值以及相對誤差和絕對誤差.

表3 下位機數據融合值Table 3 Lower machine data fusion value

表4給出算法TFA、主成分分析方法PCA(principal component analysis)、平均值方法AA(averaging algrithm)以及可靠性分析方法RA(reliability analysis)等，針對同一原始采集數據進行不同融合算法后的結果比較.

表4 各種方法的融合結果Table 4 The results of various methods of fusion (°)

圖2給出誤差分析.從圖2的誤差分析圖可以看出，算法TFA更接近于真值(900℃)，說明算法TFA比其他算法更合理.

圖2 不同方法的絕對誤差分析圖Fig.2 The absolute error analysis chart

為了說明算法TFA在能量節(jié)約上的效果，用TFA算法與未經過傳感器節(jié)點融合，而是直接將采集的數據發(fā)送給上位機的算法所消耗的能量進行比較，得到表5.仿真結果表明，隨著閾值δ的增加，節(jié)點節(jié)約較多的能量;但隨著δ值的增加，融合結果的精度會降低，再加上節(jié)點存儲能力有限，因此，閾值不能無限增大;反之，隨著閾值減小，能量消耗多，但精度會提高.當取適當的閾值時，算法TFA的絕對誤差較小，可以保證數據的精確性和穩(wěn)定性，而且節(jié)省能源消耗的絕對誤差較小.

表5 不同δ參數值節(jié)約能源的百分率Table 5 δ values for different parameters of the node＇s energy savings %

3 結束語

由于傳感器節(jié)點數量的冗余性、分布的隨機性以及相鄰傳感器對同一目標區(qū)域監(jiān)測數據具有相似性，使得無限傳感器網絡的監(jiān)測數據具有冗余性;又因為傳感器節(jié)點在能源、存儲空間和計算能力的局限性，因而過多地傳送冗余數據將消耗過多的能量，將縮短WSN的生存期.為減輕上述客觀因素對網絡生命期的影響，有必要將數據進行融合.本文提出的二次融合算法TFA，首先在各個節(jié)點采集數據的過程中，對數據進行底層的數據融合，以減少冗余信息的傳輸量，節(jié)省監(jiān)測網絡的能量;其次算法TFA利用監(jiān)測值在時間和空間上相似的特點，在上位機(控制中心)以多傳感器數據融合方式，對數據進行補償和融合，進而得到某一段時間對監(jiān)測環(huán)境的監(jiān)測結果.仿真結果表明，TFA算法在節(jié)能方面以及數據精度方面都取得較好的結果.此外，本文沒有考慮無線傳感器網絡的多跳路由情況，有待于進一步討論.

［1］王志宇，車承鈞，王陽.基于物聯網的區(qū)域農田土壤墑情監(jiān)測系統研究［J］.自動化技術與應用，2010，28(12):39-42.

WANG Zhiyu，CHE Cheng jun，WANG Yang.Research of self-congnitive internet of things model and its applications［J］.Techniques of Automation＆Applications，2010，28(12):39-42.

［2］焦竹青，熊偉麗，張林，等.基于信任度的多傳感器數據融合及其應用［J］.東南大學學報自然科學版，2008，38(A01):253-257.

JIAO Zhuqing，XIONG Weili，ZHANG Lin，et al.Multi-sensor data fusion method based on belief degree and its applications［J］.Journal of Southeast University:Natural Science Edition，2008，38(A01):253-257.

［3］LEE M F R，STANLEY K，WU Q M J.Implementation of sensor selection and fusion using fuzzy logic［C］//IFSA World Congress and 20th NAFIPS International Conference.Vancouver，BC:2001，328-333.

［4］MARTALO M，FERRARI G.A simple information-theoretic analysis of clustered sensor networks with decentralized detection［J］.IEEE Communications Letters，2010，14(6):560-562.

［5］翟建設，李娜，吳青.基于分簇的無線傳感器網絡簇內數據融合算法［J］.計算機工程，2008，34(11):134-136.

ZHAI Jianshe，LI Na，WU Qing.Improved algorithm of clustering-based data fusion for WSN［J］.Computer Engineering，2008，34(11):134-136.

［6］馬琦，張記龍，王志斌.無線傳感器網絡簇內自適應融合算法研究［J］.計算機應用研究，2009，7(26):2502-2503，2507 .

MA Qi，ZHANG Jilong，WANG Zhibin.Study of adaptive data fusion algorithm within clusters for WSN［J］.Application Research of Computers，2009，7(26):2502-2503，2507.

［7］張強，楊濤.用于環(huán)境監(jiān)測的自供電傳感器網絡［J］.儀表技術與傳感器，2008，2:34-36.

ZHANG Qiang，YANG Tao.Self-powered wireless sensor network for environment monitoring［J］.Instrument technique and sensor，2008，2:34-36.

［8］齊志才，馬占敖，江萍.提高帶隙溫度傳感器精度方法的研究［J］.儀表技術與傳感器，2004，7:46-47.

QI Zhicai，MA Zhanao，JIANG Ping.Study of method improving accuracy of band-gap temperature sensor［J］.Instrument Technique and Sensor，2004，7:46-47.

［9］楊雪芳，蔡萍，楊重遠.提高容柵位移傳感器精度的有效方法［J］.傳感器技術，2005，24(9):32-34 .

YANG Xuefang，CAI Ping，YANG Chongyuan.Effective ways to improve accuracy of capacitive grating displacement sensor［J］.Journal of Transducer Technology，2005，24(9):32-34.

［10］董九英.多傳感器數據融合的主成分方法研究［J］.計算機工程與應用，2009，45(33):111-113.

DONG Jiuying.Study on principle component method for multi-sensor data fusion［J］.Computer Engineering and Applications，2009，45(33):111-113.