基于無線傳感器網絡的數據融合方法研究

李榮偉

摘 要：在無線傳感器網絡中，數據融合技術能減少網絡節點間的通信量， 從而大大提高網絡感知性能， 延長了網絡的生存周期， 減小數據傳輸的時間延遲，因此設計高效的數據融合算法是無線傳感器網絡關鍵技術之一。目前數據融合技術的應用研究方興未艾，本文的主要工作首先介紹數據融合的基本概念，并對數據融合的功能模型進行了分析，然后在此基礎上對當前無線傳感器網絡數據融合算法進行分類研究。

關鍵詞：無線傳感器網絡；數據融合；功能模型

DOI：10.16640/j.cnki.37-1222/t.2017.05.114

1 引言

無線傳感器網絡（Wireless Sensor Networks，WSN）作為一種新興的信息獲取和處理技術，已經吸引了眾多研究者的關注[1，2]。由于無線傳感器網絡具有范圍大、低成本，、布設靈活的特點，它越來越多的被用于如森林、戰場和災難現場等無人值守的應用環境中。在WSN中，網絡節點通常自身攜帶的電池進行供電，且采用嵌入式處理器和存儲器，所以往往造成網絡節點計算資源和能量嚴重受限。隨著物聯網的應用和發展，WSN的應用范圍也不斷擴展，同時WSN呈現出網絡結構動態變化更頻繁、數據通信可靠性的要求更高等特點。但是WSN 仍然具有節點體積受限、使用有限電源、采用無線通信方式等本質特性，因此網絡節點的帶寬資源、能量、通信距離依然受限，這就使得研究人員更加關注WSN中節能和提高通信效率的問題。數據融合技術就是解決無線傳感器網絡能量和資源受限問題的有效方法之一。

在文章的余下章節中，第二節給出了數據融合的基本概念，第三節分析了功能模型，最后第四節對WSN中現有的數據融合方法進了分類介紹。

2 數據融合的基本概念

生物系統（如人）對多源信息的融合處理體現了信息獲取的多樣性，同時使得信息交融而得到感知信息。傳感器感測外部信息，而數據融合系統則是模仿人的信息處理能力。因此文獻[3]中給出了傳感器數據融合的概念，針對一個系統中使用多種傳感器（多個或多類）對某一特定問題進行的信息處理方法，又稱多傳感器信息融合。單一傳感器可能只獲得環境或被測對象的部分信息段，不能有效地利用多傳感器資源；而多傳感器系統可以很大程度地獲得被探測目標和環境的信息量。數據融合所處理的多傳感器信息具有復雜的形式，可以在不同的信息層次上出現，這些信息抽象層次包括數據層、特征層和決策層。

數據融合技術在智能信息處理技術的研究中有不可代替的作用。數據融合充分利用不同時空的多傳感器信息資源，采用計算機技術對按時序獲得的多傳感器觀測信息按一定的準則加以自動分析、綜合、支配和使用，獲得對被測對象的一致性解釋與描述，已完成所需要的決策和估計任務，使得系統獲得比它的各組成部分更優越的性能。數據融合研究主要涵蓋的內容包括檢測、關聯、跟蹤、估計及綜合；在幾個層次上完成對多源信息處理，各個層次都表示不同級別的信息抽象；結果包括較低層次上的狀態和屬性估計，以及較高層次上的整個戰場態勢估計和威脅評估。

3 數據融合的功能模型

數據融合的模型可以分為：功能模型、結構模型和數學模型。結構模型描述數據融合的系統拓撲結構關系，以及數據流的定義。數學模型定義了數據融合算法的數學表示和綜合邏輯。數據融合的功能模型則是根據融合需求，定義數據融合系統的組成，數據融合時系統各主要功能部分之間的相互作用過程，以及數據融合系統的軟、硬件組成。White給出了一個在軍事應用背景下建立的一般處理模型，其基本思想如圖1所示。檢測級數據融合屬于低級融合，是經典信號處理的直接發展，適用于任何多傳感器數據融合系統。位置級融合和屬性級融合是多傳感器數據融合最重要的兩級。態勢評估和威脅估計為決策級融合，是C4ISR的核心，適用于軍事領域。

3.1 檢測級融合

檢測級融合是信號級的數據融合，屬于分布式檢測問題，它根據所選擇的檢測準則形成最有門限，以闡述最終檢測輸出。傳感器向融合中心傳送經過某種處理的檢測和背景雜波統計量，然后在融合中心直接進行分布式虛警檢測（CFAR）。如圖1所示，預濾波根據時間和空間以及傳感器類型對數據進行分選和歸并，以控制進行第二級處理的信息量。采集管理主要是控制融合的數據收集，包括傳感器的選擇、任務分配（通過預測目標位置）、工作狀態優選和監視。從分布式檢測的角度看，檢測級融合的結構模型主要有4種：即并行結構、串行結構、分散式結構和樹狀結構。檢測級融合具有兩種處理形式：即集中式和分布式。

3.2 位置級融合

位置級融合包括數據的校準、跟蹤、預測、濾波和關聯，綜合傳感器的位置信息，以獲取目標的位置和速度（動態特性、屬性信息），建立對象軌跡（航跡）數據庫。從信息流通形式和綜合處理層次上看，其系統結構模型主要有集中式、分布式、混合式和多級式結構。下面主要對集中式和分布式的位置級融合進行介紹。

集中式位置級融合是將各傳感器采集的檢測數據傳送到融合中心進行數據對準、點跡相關、數據互聯、航跡濾波、預測和綜合跟蹤。這種結構的優點是信息損失最小，但是數據互聯較為困難，同時要求系統容量大，因此計算負擔重，系統生存能力差。

分布式結構的應用很普遍，特別是在C4ISR系統中，它不僅具有局部獨立跟蹤能力，還具有全局監視和評估特性，且造價可控。這種結構的特點是：每個傳感器的檢測數據在進行融合之前，先由其自己的數據處理器產生局部多目標跟蹤航跡，然后把處理過的信息送至融合中心，中心根據各節點的航跡數據完成航跡的相關和合成。這種結構還可稱為分級式和自主式融合。

3.3 目標識別級融合

目標識別（屬性）級數據融合，也稱屬性分類或身份估計，主要是組合來自多個傳感器的屬性信息，獲取目標（身份）的聯合估計。目標識別的基本過程如圖2所示。用于目標識別的技術主要有模板法，聚類分類，自適應神經網絡，或識別實體身份的基于知識的技術。目標識別（屬性）級的數據融合結構主要分為三類：分別對應決策級、特征級和數據級屬性融合。例如基于圖像的目標識別融合，就可以這三級中的任一級進行。

決策級屬性融合結構中，每個傳感器為了獲得一個獨立的屬性判決要完成一個變換，然后順序融合來自每個傳感器的屬性判決。特征級屬性融合結構中，每個傳感器觀測一個目標，為了產生來自每個傳感器的特征向量要完成特征提取，然后組合這些特征向量，并基于聯合特征向量做出屬性判決。在數據級融合方法中，直接融合來自同類傳感器的數據，然后是特征提取和對來自融合數據的屬性判決。為了實現這種融合，傳感器必須是相同的或同類的。與位置級數據融合結構類似，通過融合靠近信源的信息可獲得較高的精度，即數據級屬性融合比特征級精度高，而決策級融合是最差的。

圖像融合作為目標識別融合中的一個重要方面，可以在像素級、特征級或決策級任一級進行融合，也可以利用Dastrathy提出的5級結構，構造靈活的圖像融合識別結構，以進一步改善圖像融合的性能。

4 無線傳感器網絡中的數據融合算法

無線傳感器網絡中的數據融合主要集中于應用層和網絡層。在網絡層中，將路由技術與數據融合技術進行結合，可用于設計面對應用的數據融合接口。數據融合技術還可以獨立應用于協議層之外，在網絡層與數據鏈路層的中間建立信息融合層。

4.1 應用層中的數據融合

在應用層進行數據融合時，需要考慮以下兩點。

（1）對無線傳感器網絡的架構進行設計時，應用層涉及到的參數量較多，需要屏蔽應用層的工作，為用戶終端提供一個方便、靈活的需求界面。

（2）在無線傳感器網絡的能量分配中，數據通信所占的比率最大，可以利用分布式數據庫技術對網絡中的冗余信息進行融合，將中間點接收到的數據與本地數據進行融合處理。目前，應用層中基于查詢的數據融合技術的研究比較熱門，對此技術貢獻最大的是美國加州大學伯克利分校（UC Berkeley）的 TinyDB[4]和康奈爾（Cornell）大學的 Cougar 系統[5]?；趹脤拥臄祿诤霞夹g適用于網絡規模較小且單個節點的計算與存儲能力較強的傳感器網絡。

4.2 網絡層中的數據融合

網絡層主要研究路由選擇，其目的是挑選出一條通信帶寬和路徑最為合適的路由，以提高通信效率。無線傳感器網絡融合技術可以減少冗余數據，減少數據通信量，避免網絡擁堵。將兩者協同使用可以延長網絡系統的壽命。根據 WSN 中的路由技術是否有數據融合功能可以分為兩類[6-7]。

（1）以地址為中心的路由（Address-Centre Routing，AC 路由）。每個節點只是尋找從源節點到目的節點的最短路徑，并且數據通過最優路徑被轉發，不考慮數據融合。如圖 3（a）所示，從源節點 1 與源節點 2 到匯聚節點數據傳輸時分別經過中間節點 A 與 B、C 尋找最短路徑，沒有運用數據融合技術。

（2）以數據為中心的路由（Data-Centre Routing，DC 路由）。選路過程中有數據融合。如圖3（b）所示，數據從源節點傳送到 Sink 節點的過程中，沒有選擇最短路徑：源節點 1→中間節點 A→Sink 節點，而是將源節點 1 與源節點 2 采集的數據在中間節點 B 處融合，并將融合結果傳送給 Sink 節點。

4.3 具有數據融合的路由協議

具有數據融合的路由協議主要概括為以下幾種：

（1）具有查詢能力的路由協議。具有查詢能力的路由協議的代表是定向擴散路由。其路由建立和數據傳輸兩個階段都涉及到數據融合。

在路由建立階段，匯聚節點向鄰節點廣播興趣。對于每個節點的興趣，都有一個表項記錄發出該興趣的鄰節點，包括數據發送速率和時間戳等。當在同一檢測區域內的鄰節點之間的興趣命名的方式相同時，可以將具有相同屬性的興趣融合為一個。

在數據傳輸時，當節點采集的數據與興趣匹配時，對此轉發數據進行緩存處理，再有重復的數據則不予發送，有效地減少了網絡通信過程中的數據傳輸量。

（2）基于層次的路由協議?；趯哟蔚穆酚蓞f議的典型代表是 LEACH，此協議分為三個階段：簇首的選擇、簇的建立和數據的融合與傳輸階段。在數據的融合與傳輸階段，簇內節點把采集的數據信息發送給簇首，簇首接受所有簇內成員傳輸的數據信息，并融合處理收集到的數據，將融合結果傳送給 Sink節點。

基于鏈的路由?；阪湹穆酚刹徊捎梅謱咏Y構，典型代表是PEGASIS協議[8-9]。PEGASIS 協議中只有距離相近的節點間才互相通信，每一次通信都是在鏈中進行。每一次只有一個鄰節點與Sink節點通信。

Sink節點選定后，采用令牌方式進行數據傳輸。信息從兩端向中間靠攏，經過多次的數據傳輸和融合，將結果送到 Sink 節點，當鏈中有一個節點死亡時，鏈就需要重新構建。在運用 PEGASIS 協議時，“Sink 節點”可以被鏈中節點輪流充當，從而使在每一輪通信中每個節點的能量消耗降低，整個網絡的能耗均衡性更好。

5 結論

經過幾十年的發展，數據融合從單一的軍事領域逐漸發展到更廣闊的多元化應用領域。數據融合技術是為適應WSN以數據為中心的應用而產生的，是WSN的關鍵技術之一。它能減少網絡節點間通信量，明顯提高網絡感知效率，延長網絡生存周期，節省通信帶寬和能量資源，這非常有利于無線傳感器網絡的設計與應用。本文從數據融合技術與WSN的協議層之間的緊密聯系和數據融合的功能模型兩個方面就進行了論述，明確了數據融合的功能模型對融合細節和研究對象所起的框架作用，以及數據融合技術在WSN中各協議層間的應用機制。在WSN的不斷創新和發展中，對數據融合算法的設計和分析是極具研究價值的，同時也存在巨大的挑戰性。

參考文獻：

[1]馬祖長，孫怡寧，梅濤.無線傳感器網絡綜述[J].通信學報，2004，25（04）：114-124.

[2]KRISHNAMACHARI B，ESTRIN D，WICKER S. The impact of data aggregation in wireless sensor networks[C].Proc of the 22nd International Conference on Distributed Computing Systems.2002：575-578.

[3]MaoY.Y，Ksehisehang F.R.，Li B.，et al.A factor graph approach to link loss monitoring in wireless sensor network[J].IEEE Journal on Selected Areas in Communications，2005，23（04）：820-829

[4]Madden S R， Franklin M J， Hellerstein J M， et al. TinyDB： an acquisitional query processing system for sensor networks[J].ACM Transactions on database systems （TODS）， 2005，30（01）：122-173.

[5]Yao Y，Gehrke J.The cougar approach to in-network query processing in sensor networks[J].ACM Sigmod Record，2002， 31（03）：9-18.

[6]Cao J G.A data fusion routing algorithm in wireless sensor network based on mobile agent[C].Machine Learning and Cybernetics（ICMLC），2013 International Conference on.IEEE， 2013（01）：1-4.

[7]Karaboga D，Okdem S，Ozturk C.Cluster based wireless sensor network routing using artificial bee colony algorithm[J].Wireless Networks，2012，18（07）：847-860.

[8]劉偉強，蔣華，王鑫.無線傳感器網絡中PEGASIS協議的研究與改進[J].傳感技術學報，2013，26（12）：1764-1769.