可穿戴無線傳感器網(wǎng)絡(luò)節(jié)能算法研究

查 琳

(沈陽理工大學(xué) 信息科學(xué)與工程學(xué)院，沈陽 110159)

可穿戴無線傳感器網(wǎng)絡(luò)(Wearable Wireless Sensor Network，WWSN)指在人體等目標(biāo)載體的不同位置布置多個(gè)無線傳感器節(jié)點(diǎn)所構(gòu)成的無線傳感器網(wǎng)絡(luò)，該網(wǎng)絡(luò)是在可穿戴計(jì)算機(jī)基礎(chǔ)上發(fā)展形成的新型網(wǎng)絡(luò)[1]?？纱┐鳠o線傳感器網(wǎng)絡(luò)具有十分廣闊的應(yīng)用意義，與無線傳感器網(wǎng)絡(luò)擁有相似的結(jié)構(gòu)，其節(jié)點(diǎn)隨機(jī)分布，給節(jié)點(diǎn)供電的電池都只含有較少的能量，不能保證可以隨時(shí)給可穿戴設(shè)備的節(jié)點(diǎn)充電，所以解決節(jié)能問題已成為研究的熱點(diǎn)。

研究表明，可穿戴無線傳感器網(wǎng)絡(luò)中節(jié)點(diǎn)的能量主要消耗于數(shù)據(jù)處理和傳輸，為降低這兩個(gè)階段的能耗，研究人員提出了三種節(jié)能方法：節(jié)能覆蓋法、數(shù)據(jù)壓縮法和數(shù)據(jù)融合法。由于數(shù)據(jù)融合法不需求出覆蓋集，也不需花費(fèi)昂貴的費(fèi)用來壓縮數(shù)據(jù)，所以本文采用數(shù)據(jù)融合法來完成可穿戴無線傳感器網(wǎng)絡(luò)的節(jié)能。但現(xiàn)有的基于傳統(tǒng)數(shù)據(jù)融合的節(jié)能算法仍存在很多問題，如標(biāo)準(zhǔn)偏差較大問題。所以本文提出一種基于改進(jìn)的自適應(yīng)加權(quán)數(shù)據(jù)融合的節(jié)能算法(Energy saving algorithm based on Improved Adaptive Weighted Data Fusion，EIAWDF)，這個(gè)算法在成本幾乎不變的情況下解決了基于傳統(tǒng)的自適應(yīng)加權(quán)數(shù)據(jù)融合的(Energy saving algorithm based on Traditional Adaptive Weighted Data Fusion，ETAWDF)節(jié)能算法標(biāo)準(zhǔn)偏差較大的問題，使融合后的數(shù)據(jù)更加精確。

1 可穿戴無線傳感器網(wǎng)絡(luò)和數(shù)據(jù)融合

1.1 可穿戴無線傳感器網(wǎng)絡(luò)體系結(jié)構(gòu)

可穿戴無線傳感器網(wǎng)絡(luò)由人體攜帶的可穿戴設(shè)備上的傳感器節(jié)點(diǎn)、人體上的匯聚節(jié)點(diǎn)以及監(jiān)測區(qū)域外的匯聚節(jié)點(diǎn)組成。人體攜帶的可穿戴設(shè)備上的傳感器節(jié)點(diǎn)在監(jiān)測區(qū)域內(nèi)采集數(shù)據(jù)，然后將采集到的數(shù)據(jù)傳遞給人體上的匯聚節(jié)點(diǎn)，最后將人體上的匯聚節(jié)點(diǎn)接收到的數(shù)據(jù)傳遞到監(jiān)測區(qū)域外的匯聚節(jié)點(diǎn)。結(jié)構(gòu)如圖1所示。

圖1 可穿戴無線傳感器網(wǎng)絡(luò)結(jié)構(gòu)圖

1.2 數(shù)據(jù)融合

可穿戴無線傳感器網(wǎng)絡(luò)數(shù)據(jù)融合是指將傳感器節(jié)點(diǎn)采集到的數(shù)據(jù)信息在一定規(guī)則下進(jìn)行多方面、多層次、多級別的自動信息檢測、相關(guān)估計(jì)和組合[2]。由文獻(xiàn)[3]可知，數(shù)據(jù)融合技術(shù)是實(shí)現(xiàn)節(jié)能的關(guān)鍵技術(shù)，通過去除節(jié)點(diǎn)采集數(shù)據(jù)的冗余，進(jìn)而減少網(wǎng)絡(luò)的通信量，提高節(jié)點(diǎn)能源的利用率。

采用數(shù)據(jù)融合技術(shù)對可穿戴無線傳感器網(wǎng)絡(luò)的研究有很多益處。

(1)節(jié)約節(jié)點(diǎn)的能量：可穿戴無線傳感器網(wǎng)絡(luò)的能量大部分都消耗于數(shù)據(jù)處理和傳輸階段，若能將傳感器節(jié)點(diǎn)采集到的數(shù)據(jù)融合在一起，就能減少人體上的匯聚節(jié)點(diǎn)與監(jiān)測區(qū)域外的匯聚節(jié)點(diǎn)間傳輸?shù)臄?shù)據(jù)量，進(jìn)而減少節(jié)點(diǎn)的能耗。

(2)提高信道利用率：可穿戴無線傳感器網(wǎng)絡(luò)有兩種匯聚節(jié)點(diǎn)，即：人體上的匯聚節(jié)點(diǎn)和監(jiān)測區(qū)域外的匯聚節(jié)點(diǎn)。若直接在這兩種匯聚節(jié)點(diǎn)間進(jìn)行數(shù)據(jù)傳輸，由于傳輸?shù)臄?shù)據(jù)量太大，很可能會造成網(wǎng)絡(luò)擁塞，這樣會降低信道利用率。若采用數(shù)據(jù)融合，先在人體上的匯聚節(jié)點(diǎn)處將傳感器節(jié)點(diǎn)采集到的數(shù)據(jù)進(jìn)行融合，就能減少傳輸?shù)臄?shù)據(jù)量，提高傳輸速率進(jìn)而提高信道利用率。

(3)能得到更精確的數(shù)據(jù)：如果攜帶可穿戴設(shè)備的人到環(huán)境惡劣的地方執(zhí)行某些任務(wù)，會導(dǎo)致可穿戴設(shè)備上的節(jié)點(diǎn)分布在環(huán)境惡劣的地方，這時(shí)節(jié)點(diǎn)監(jiān)測到的數(shù)據(jù)會變得不準(zhǔn)確，此時(shí)如能采集多組數(shù)據(jù)并將這些數(shù)據(jù)進(jìn)行融合，就能得到更精確的數(shù)據(jù)。

2 ETAWDF

2.1 傳統(tǒng)自適應(yīng)加權(quán)數(shù)據(jù)融合算法原理

圖2為ETAWDF算法的模型圖。

圖2 ETAWDF模型

圖2中w1、w2、…、wn是ETAWDF的權(quán)數(shù)，X為經(jīng)過數(shù)據(jù)融合后輸出的數(shù)據(jù)[4]。

(1)

式(1)為系統(tǒng)總的量測方差函數(shù)，根據(jù)該函數(shù)最小原則，對式(1)求偏導(dǎo)數(shù)，得

(2)

(3)

將式(2)代入式(3)中即可得出經(jīng)過自適應(yīng)加權(quán)數(shù)據(jù)融合后的數(shù)據(jù)X。

2.2 ETAWDF的特點(diǎn)

ETAWDF能夠直接通過傳感器節(jié)點(diǎn)的測量方差求出融合后的數(shù)據(jù)，但這樣測量標(biāo)準(zhǔn)偏差較大，進(jìn)而導(dǎo)致誤差變大，但此算法產(chǎn)生的誤差仍比其他傳統(tǒng)數(shù)據(jù)融合算法的誤差小。

3 EIAWDF

3.1 網(wǎng)絡(luò)模型

假設(shè)若干節(jié)點(diǎn)隨機(jī)分布在大小為L×H的監(jiān)測區(qū)域中。設(shè)此網(wǎng)絡(luò)中擁有k個(gè)攜帶兩個(gè)可穿戴設(shè)備的人(這兩個(gè)可穿戴設(shè)備上的兩個(gè)傳感器節(jié)點(diǎn)分別用來監(jiān)測攜帶者的心率和每小時(shí)行走的步數(shù))、k個(gè)人體上的匯聚節(jié)點(diǎn)和一個(gè)監(jiān)測區(qū)域外的匯聚節(jié)點(diǎn)S。人體攜帶的可穿戴設(shè)備上的傳感器節(jié)點(diǎn)采集數(shù)據(jù)，并把采集到的數(shù)據(jù)傳給人體上的匯聚節(jié)點(diǎn)。把人體上的所有傳感器節(jié)點(diǎn)和匯聚節(jié)點(diǎn)放在監(jiān)測區(qū)域中，將總的匯聚節(jié)點(diǎn)放在與監(jiān)測區(qū)域距離較遠(yuǎn)的位置。

3.2 EIAWDF設(shè)計(jì)思路

首先利用分批理論對可穿戴設(shè)備上的傳感器節(jié)點(diǎn)采集到的數(shù)據(jù)進(jìn)行分批處理；然后將分批后的每個(gè)分組的數(shù)據(jù)的方差和算數(shù)平均值融合為一個(gè)方差和算數(shù)平均值；再利用經(jīng)過融合后得到的方差和算數(shù)平均值求出權(quán)數(shù)以及在人體上的匯聚節(jié)點(diǎn)處融合出的數(shù)據(jù)，采用分布圖法來減少在人體上匯聚節(jié)點(diǎn)處融合后的數(shù)據(jù)疏忽誤差，刪除與其他數(shù)據(jù)相差較大的數(shù)據(jù)，降低由于數(shù)據(jù)本身差別過大而產(chǎn)生的誤差；最后在監(jiān)測區(qū)域外的匯聚節(jié)點(diǎn)將每個(gè)人體上的匯聚節(jié)點(diǎn)融合出的數(shù)據(jù)根據(jù)EIAWDF融合為一個(gè)數(shù)據(jù)。

3.3 分布圖法原理

分布圖法是一種新型的數(shù)據(jù)處理算法，由文獻(xiàn)[5]可知，首先將需要處理的數(shù)據(jù)由小到大排序，假設(shè)排序后的數(shù)據(jù)為x1、x2、x3、…、xn，其中x1為下極限，xn為上極限，然后求這些數(shù)據(jù)的中位值，當(dāng)n為奇數(shù)時(shí)中位值為

xm=x(n+1)/2

(4)

當(dāng)n為偶數(shù)時(shí)中位值為

(5)

這時(shí)的下四分位數(shù)fl為區(qū)間[x1,xm]內(nèi)數(shù)據(jù)的中位值，上四分位數(shù)fh為區(qū)間[xm,xn]內(nèi)數(shù)據(jù)的中位值，根據(jù)上四分位數(shù)和下四分位數(shù)可求出有效數(shù)據(jù)的下邊界為

L=2fl-fh

(6)

有效數(shù)據(jù)的上邊界為

H=2fh-fl

(7)

保留[L，H]區(qū)間中的數(shù)據(jù)，即可降低疏忽誤差。分布圖法不需要復(fù)雜的數(shù)據(jù)結(jié)構(gòu)，且運(yùn)算量小。

3.4 EIAWDF步驟

(1)人體上匯聚節(jié)點(diǎn)處的數(shù)據(jù)融合

(2)降低疏忽誤差

疏忽誤差是指與事實(shí)不符的誤差，其對測量結(jié)果有很大的影響[6]。疏忽誤差導(dǎo)致測量結(jié)果不準(zhǔn)確，所以消除疏忽誤差極為重要。

利用分布圖法對k個(gè)人體上的匯聚節(jié)點(diǎn)接收到的k個(gè)數(shù)據(jù)進(jìn)行疏忽誤差的消除，先將數(shù)據(jù)由小到大排列，再求出這k個(gè)數(shù)據(jù)的上四分位數(shù)fh和下四分位數(shù)fl，再用這組數(shù)據(jù)的fh和fl求出可使用的數(shù)據(jù)范圍，刪除不在這個(gè)范圍的數(shù)據(jù)，以便在之后的運(yùn)算中減少標(biāo)準(zhǔn)偏差，得到更精確的方差，提高數(shù)據(jù)融合的精度，達(dá)到更加理想的節(jié)能效果。

(3)監(jiān)測區(qū)域外的數(shù)據(jù)融合

假設(shè)經(jīng)過疏忽誤差剔除后還剩余p個(gè)人體上匯聚節(jié)點(diǎn)融合的數(shù)據(jù)，根據(jù)分批理論將p個(gè)數(shù)據(jù)分為兩組，分別計(jì)算出兩個(gè)分組數(shù)據(jù)的算數(shù)平均值T1、T2和方差V1、V2，采用分批方法可減少標(biāo)準(zhǔn)偏差，獲得更加精確的方差和算數(shù)平均值。根據(jù)這兩個(gè)算數(shù)平均值求出融合后的算數(shù)平均值T，再用方差V1、V2求出融合后的方差V，根據(jù)公式Y(jié)1=T，在監(jiān)測區(qū)域外的匯聚節(jié)點(diǎn)S用權(quán)數(shù)W=1和算數(shù)平均值T，融合為一個(gè)總的數(shù)據(jù)Y1。

(4)重復(fù)上述過程，采集到的數(shù)據(jù)是由可穿戴設(shè)備上的其余k個(gè)傳感器節(jié)點(diǎn)監(jiān)測到的每小時(shí)行走步數(shù)。

4 算法分析及仿真實(shí)驗(yàn)

4.1 實(shí)驗(yàn)參數(shù)設(shè)定

仿真實(shí)驗(yàn)參數(shù)設(shè)置如表1所示。

表1 實(shí)驗(yàn)參數(shù)

4.2 可穿戴無線傳感器網(wǎng)絡(luò)總能耗仿真研究

圖3為未經(jīng)過數(shù)據(jù)融合消耗的總能量和經(jīng)過數(shù)據(jù)融合算法消耗的總能量。

由圖3可知，經(jīng)過數(shù)據(jù)融合后，傳感器節(jié)點(diǎn)之間傳輸數(shù)據(jù)的數(shù)量大大減少，所以經(jīng)過數(shù)據(jù)融合所消耗的總能量明顯小于未經(jīng)過數(shù)據(jù)融合所消耗的總能量。因?yàn)槊總€(gè)節(jié)點(diǎn)消耗的能量不太大而節(jié)點(diǎn)個(gè)數(shù)增加幅度也很小，所以經(jīng)過數(shù)據(jù)融合消耗的總能量幾乎為一條水平直線。

4.3 可穿戴無線傳感器網(wǎng)絡(luò)方差仿真研究

圖4為利用算數(shù)平均值數(shù)據(jù)融合的節(jié)能算法和利用EIAWDF的方差。

圖3 經(jīng)過數(shù)據(jù)融合和未經(jīng)過數(shù)據(jù)融合網(wǎng)絡(luò)消耗的總能量

圖4 算數(shù)平均值數(shù)據(jù)融合的節(jié)能算法與EIAWDF的方差

由圖4可知，采用EIAWDF時(shí)，不但采用分布圖法對數(shù)據(jù)進(jìn)行了預(yù)處理，且權(quán)數(shù)會根據(jù)數(shù)據(jù)的變化而變化，提高了數(shù)據(jù)的精度，所以采用EIAWDF算法的方差小于算數(shù)平均值數(shù)據(jù)融合節(jié)能算法的方差。

4.4 可穿戴無線傳感器網(wǎng)絡(luò)標(biāo)準(zhǔn)偏差仿真研究

圖5為EIAWDF和ETAWDF的標(biāo)準(zhǔn)偏差。

圖5 EIAWDF與ETAWDF的標(biāo)準(zhǔn)偏差

標(biāo)準(zhǔn)偏差指的是融合后數(shù)據(jù)與平均值之間的差，由圖5可知，EIAWDF的標(biāo)準(zhǔn)偏差明顯小于ETAWDF的標(biāo)準(zhǔn)偏差。

5 結(jié)論

探討了一種改進(jìn)的算法EIAWDF，此算法在ETAWDF的基礎(chǔ)上，運(yùn)用分批處理和分布圖法解決了標(biāo)準(zhǔn)偏差較大的問題。仿真結(jié)果表明，此算法能明顯降低可穿戴無線傳感器網(wǎng)絡(luò)的能耗，且可改善ETAWDF中標(biāo)準(zhǔn)偏差較大的問題。