基于分層的層內無線傳感網絡數據融合

李同鋒+杜秀娟+牛昆

摘 要： 無線傳感網絡數據融合能夠有效減少傳感節點的數據通信量，減少節點的能量消耗，延長了網絡的壽命。本文提出了節點分層算法，在層內傳感節點加入了具體的數據融合算法，利用拉依達準則對節點收到的數據進行異常數據檢測，在上層節點利用主成分分析對剩余數據進行數據融合。通過仿真實驗得出該算法數據融合結果準確率好。

關鍵字： 無線傳感網絡； 節點分層算法； 拉依達準則； 主成分分析

中圖分類號： TN711?34 文獻標識碼： A 文章編號： 1004?373X（2014）20?0011?03

Wireless sensor network data fusion in layer based on hierarchy

LI Tong?feng， DU Xiu?juan， NIU Kun

（Computer School of Qinghai Normal University， Xining 810005， China）

Abstract： Data fusion of wireless sensor networks can effectively reduce the data traffic among sensing nodes and energy consumption of nodes， and prolong the life of networks. A node hierarchical algorithm is proposed in this paper. The specific data fusion algorithm is added into the sensing node inside layer. The Pauta criterion is utilized in the algorithm the to detect the abnormal data which are received by nodes. The principal components analysis （PCA） is adopted to fuse the remaining data. The simulations experiment indicates this algorithm has a high data fusion accuracy.

Keywords： wireless network sensors； node hierarchical algorithm； Pauta criterion； principal component analysis

0 引 言

無線傳感網絡（Wireless Sensor Networks）是由大量廉價的微型傳感器節點隨機散落在檢測區域中，傳感器節點之間通過無線通信的方式自發形成的一個多跳自組織網絡系統，它綜合了嵌入式計算技術、分布式信息處理技術、通信技術以及傳感技術。節點之間能夠協作地感知，采集和處理網絡覆蓋區域中感知對象的信息，并將信息發送給一個或多個基站[1]。無線網絡被廣泛應用到國防、工業、智能家居等重要的領域。

在WSN中，傳感節點的體積比較小，由電池提供能量，通常沒有設備進行充電，因此，節點的節能是無線網絡設計的首要目標之一。節點因數據的采集，計算以及與其他節點、基站的通信而耗盡自身能量，從現在使用最廣泛的通信模型中，我們可以看出，傳感節點發送數據包時，發送方會因與接收節點間通信距離的增大而迅速增大。那么如何減少網絡數據的通信量，提高資源的利用率，延長網絡節點生存時間，是WSN數據融合研究的重要方面之一[2]。 數據融合（Data Fusion）技術是無線傳感網絡重要的技術之一，在無線傳感網路中，運用一定的準則對多個傳感節點的數據加以分析，整合，形成比一個傳感節點更加準確的信息[3]。數據融合技術能夠有效地減少網絡中傳輸的數據，節省節點的能量，因為數據在傳輸中所消耗的能量要遠遠大于數據在節點中計算所消耗的能量。

1 相關數據融合工作

基于Bayes估計的多傳感器數據融合技術[4]，通過樣本信息和先驗信息來推出后驗分布，然后推斷出要檢測的目標。基于統計理論信息融合技術[5]，采用的是統計理論，用高等數學方法求解具有多變量約束條件的極值問題，從而得到最小方差的信息融合結果。基于神經網絡技術[6]，將簇設計成人體大腦神經網絡模型，利用神經網絡提取特征數數據，然后發到匯聚節點，進而提高數據采集效率。還有LEACH，TEEN，APTEEN[7]等路由融合算法，其中LEACH算法將整個網絡進行分簇，在簇頭進行數據融合，從而減少了網絡傳輸的數據量，但是卻沒給出具體的融合算法。而TEEN[8]是對LEACH算法的改進，設置了硬閾值和軟閾值兩個參數來決定是否發送數據，但TEEN適用于實時應用系統，而不適用于周期采集數據的應用環境。APTEEN[8]算法是由Manjeshware等人結合LEACH算法和TEEN算法開發的，除了結合了TEEN算法和LEACH算法優點外，還提出了三種查詢概念：歷史數據的查詢，當前網絡的一次查詢和持續監控某一時間的連續查詢。還有用數學的方法進行多傳感器的數據融合，比如基于分組的技術[9]，無線網絡含有數據缺失的數據融合算法[2]，其主要就是通過感知的數據時空相關性，對傳感節點中缺失的數據進行線性插補，但如果很多數據丟失時，只能估測出區間的平均值，造成數據的不準確性。相關研究還有基于神經網絡的數據融合算法[10]，基于誤差等級的數據融合算法[11]，基于移動和網絡代理的數據融合算法[12]等。本文提出了節點分層算法（Hierarchical Algorithm Of Nodes），通過萊茵達準則對傳感節點收到的數據進行異常值分析，除去數據中的異常數據。在剩余數據中，利用主成分分析進行數據融合。通過仿真實驗，該算法效果較好。

2 HAN算法

在考慮節能的情況下，檢測區域內的傳感節點無需直接與基站（Base Station，BS）進行相互通信，而是采用分層的思想，節點逐層轉發數據。假設M個無線傳感節點隨機分布在檢測區域內，BS放在檢測區域以外的某個固定位置，其能量是可以補充的。網內傳感節點部署后不再移動，各個傳感節點間的地位以及它們各自的處理能力是相似的。傳感節點的發射功率是自行調整的并且知道自己的位置。網絡初始化時，BS以大小為R的傳輸距離向檢測區中的傳感節點發送Hello包（其中，R遠遠大于BS到檢測區域的距離），該包包括基站BS的層次級別值（ID of Level，LID），初始化值LID=0。在R范圍內的所有傳感節點收到此包后，節點就會把自己的LID值在收到的LID值的基礎上加1。把LID=1的所有傳感節點設置為第一層。接著，處于第一層的各個傳感節點將自己的LID值放到廣播包中廣播給其他節點，其他節點收到后按上述方式把自己的LID號加1。依次類推，直到檢測區域內的所有節點都擁有了自己所在的層次。如圖1所示，箭頭表示發射半徑。

由于，傳感節點隨機分布在檢測區域中，那么節點的位置就具有隨機性，在彼此通信范圍內，發送節點與接收節點間距離有的很近，有的很遠。那么，在分層時，就會存在同一個節點在不同時刻收到多個包含LID值的廣播包。上一層節點收到下一層廣播的信息包，相應節點不做處理，會引起分層的混亂。如圖2所示。

圖1 節點分層示意圖

圖2 檢測區域某3個節點分布

假如，1號傳感節點將自己的LID=1，放入信息包廣播其廣播范圍內的2，3號節點。因2，3號節點與1號節點的距離不同，那么，3號節點在未收到1號節點的廣播包時，2號節點早已發出了自己的廣播包，一段時間后，3號節點在不同時刻收到兩個不同的LID值廣播包。為了避免分層的混亂，采用了如下策略：3號節點比較兩個LID的大小，LID1

3 異常值檢測

部署在檢測區域中的傳感節點，經網絡初始化分層后，節點周期性的采集檢測區域中的信息，此時，監測區域中所有節點都有了自己的數據。傳感節點會把采集的數據逐層傳到最上層的節點，再由上層節點傳到BS，數據在傳輸的過程中會做相應的處理。

在檢測區域中，由于檢測環境存在著不確定性，那么，傳感節點難免會采集到一些干擾數據。再加上地理位置相鄰的傳感器節點采集區域的相互重疊，導致了在彼此采集的數據中存在著大量的冗余數據，即數據之間存在一定的相關性。而此時傳感節點如不對數據加以分析，剔除干擾的信息而直接將這些數據直接進行數據融合，勢必造成融合結果的不準確性。如不進行數據融合而直接傳給其上層節點，會因數據量的龐大造成額外能量的損耗，不利于節點的節能。因此，傳感節點在數據融合之前，首先對數據進行可信分析，除去干擾數據（異常數據）。本節中引入了拉依達準則對數據進行異常數據處理。多個傳感節點對監測區域中某一目標進行檢測，X1，X2，…，Xn為某個節點所在層以下的各個節點傳來的數據，假設它們都服從正態分布。此節點對收到的數據先進行平均值[x=1nxi] 。其中i=1，2，…，n。每一個數值與平均值做差mi=Xi-[x]。然后在計算出均方根偏差[δ=inm2in-1]。如果滿足|Xi-[x]|>3δ，則認為Xi 為異常數據，應予以刪除。

根據上面所述的算法，如圖3所示，5號與6，7號傳感節點處在不同層，在彼此的傳輸半徑之內具有相鄰的地理位置，節點與節點的采集范圍勢必會相互交叉重疊，因此它們采集的數據中存在著大量的冗余，此時，如一層中某一個節點（如6號）因自身質量出現故障問題，把一異常數據傳給5號節點。如果，5號節點在收到6號傳來的數據時，不加以異常值分析，而直接進行數據融合，反而會異常值的存在造成結果準確度下降。因此，在數據融合之前進行異常值的分析是有必要的。

圖3 傳感節點數據傳輸路徑

4 節點數據融合

由于上層節點收傳感節點發來的大量含有冗余的數據。此時，在發給BS節點之前，進行相應的數據融合，融合時采用了主成分分析的方法。主成分分析是將多個變量通過線性變換的形式，找出幾個重要的綜合因子來代表原來大量的數據的信息。設收到的成員節點的數據在內存中是以矩陣的形式存在的。設：

[M=x11x12 …x1jx21x22 …x2jxi1xi2 …xij]

式中：i為層內傳感節點；j為傳感節點采集周期。那么，上層節點做以下計算：

（1） 計算收到數據的平均值和平均偏差：

[xm=1pxpm， C=xpm-xm]；p=1，2，…，i； m=1，2，…， j

（2） 協方差矩陣[S]為i×i的方陣：

[S=CTC×1j-1]

（3） 求出協方差的特征值和特征向量，|[S]-λI|=0，i個特征值λ1≥λ2≥…≥λi≥0，對應特征值λi的相應的單位特征向量[uk]=（[u1]，[u2]，…，[ui]），k=1，2，…，i。其中，[uk]×[uk+1]=0。

（4） 選擇q個主分量，q

（5）[yi]=[uTi]×[x]，[x]為M中的每一列。

5 仿真結果和分析

本文實驗采用文獻[13]中的實驗數據，假設10個傳感器對同一目標進行檢測，測量數據如表1所示。

表1 測量數據

本文在Matlab 7.6.0環境下進行實驗，根據上面算法，首先對異常值檢測，發現并不存在異常數據。數據的平均值為0.959 0。平均偏差C=[0.041 0 0.031 0 0.021 0 0.011 0 0.001 0 -0.459 0 0.071 0 0.541 0 ]。協方差S=[1j-1]×C×CT=0.609 7。S相應的特征值和特征向量分別為0.609 7和1。所以，y融合=1×1.00=1.00。如通過基于綜合支持度的數據融合的融合結果為0.942 5。通過融合結果可見，加入了基于主成分分析算法，減少了數據量的發送，減少了冗余數據，提高了融合結果的準確性。

6 結 語

本文結合分層算法，在節點中加入了具體的數據融合算法，減少了數據量的傳輸，達到了一定的節能效果，從仿真中，具體加了融入數據，融合結果的準確性有所提高。在以后的工作中，將進一步完善數據融合的延遲時間及數據的準確性。

參考文獻

[1] 雷昕，鄢楚平.無線傳感網絡網絡數據融合技術的研究仿真[J].計算機工程與設計，2008，29（18）：4669?4671.

[2] 林蔚，尹娟.無線傳感網絡含有缺失數據的數據融合研究[J].計算機工程與應用，2012，29（11）：4824?4826.

[3] 回春立，崔莉.無線傳感網絡中基于預測的時域數據融合技術[J].計算機工程與應用，2007，43（21）：121?125.

[4] 吳小俊，曹奇英.基于Bayes估計的多傳感器數據融合方法的研究[J].系統工程理論與實踐，2000（7）：46?48.

[5] 胡學駿，羅中良.基于統計理論的多傳感器信息融合方法[J].傳感器技術，2002，21（8）：38?43.

[6] 孫凌逸，黃先祥.基于神經網絡的無線傳感器網絡數據融合算法[J].傳感技術學報，2011，24（1）：122?127.

[7] 李敏，羅挺，周俊.一種無線網絡動態成簇數據融合算法[J].計算機系統應用，2011，20（7）：61?64.

[8] 李曉維，徐勇軍，任豐原.無線傳感網器網絡技術[M].北京：北京理工大學出版社，2007.

[9] 曾黎，蔣沅.多傳感器數據融合的數學方法研究[J].云南民族大學學報：自然科學版，2010（5）：321?324.

[10] 俞黎陽，王能.無線傳感網絡中基于神經網絡的數據融合模型[J].計算機科學，2008（12）：43?47.

[11] 錢菲菲，秦寧寧.無線傳感網絡中誤差等級融合算法[J].計算機應用研究，2012（3）：1008?1011.

[12] 李志宇，史浩山.一種基于網絡和移動代理的無線傳感網絡數據融合算法[J].傳感技術學報，2008（7）：1222?1236.

[13] 王威，周紅軍，王潤生.多傳感器數據融合的一種方法[J].傳感器技術，2003，22（9）：39?40.

本文在Matlab 7.6.0環境下進行實驗，根據上面算法，首先對異常值檢測，發現并不存在異常數據。數據的平均值為0.959 0。平均偏差C=[0.041 0 0.031 0 0.021 0 0.011 0 0.001 0 -0.459 0 0.071 0 0.541 0 ]。協方差S=[1j-1]×C×CT=0.609 7。S相應的特征值和特征向量分別為0.609 7和1。所以，y融合=1×1.00=1.00。如通過基于綜合支持度的數據融合的融合結果為0.942 5。通過融合結果可見，加入了基于主成分分析算法，減少了數據量的發送，減少了冗余數據，提高了融合結果的準確性。

6 結 語

本文結合分層算法，在節點中加入了具體的數據融合算法，減少了數據量的傳輸，達到了一定的節能效果，從仿真中，具體加了融入數據，融合結果的準確性有所提高。在以后的工作中，將進一步完善數據融合的延遲時間及數據的準確性。

參考文獻

[1] 雷昕，鄢楚平.無線傳感網絡網絡數據融合技術的研究仿真[J].計算機工程與設計，2008，29（18）：4669?4671.

[2] 林蔚，尹娟.無線傳感網絡含有缺失數據的數據融合研究[J].計算機工程與應用，2012，29（11）：4824?4826.

[3] 回春立，崔莉.無線傳感網絡中基于預測的時域數據融合技術[J].計算機工程與應用，2007，43（21）：121?125.

[4] 吳小俊，曹奇英.基于Bayes估計的多傳感器數據融合方法的研究[J].系統工程理論與實踐，2000（7）：46?48.

[5] 胡學駿，羅中良.基于統計理論的多傳感器信息融合方法[J].傳感器技術，2002，21（8）：38?43.

[6] 孫凌逸，黃先祥.基于神經網絡的無線傳感器網絡數據融合算法[J].傳感技術學報，2011，24（1）：122?127.

[7] 李敏，羅挺，周俊.一種無線網絡動態成簇數據融合算法[J].計算機系統應用，2011，20（7）：61?64.

[8] 李曉維，徐勇軍，任豐原.無線傳感網器網絡技術[M].北京：北京理工大學出版社，2007.

[9] 曾黎，蔣沅.多傳感器數據融合的數學方法研究[J].云南民族大學學報：自然科學版，2010（5）：321?324.

[10] 俞黎陽，王能.無線傳感網絡中基于神經網絡的數據融合模型[J].計算機科學，2008（12）：43?47.

[11] 錢菲菲，秦寧寧.無線傳感網絡中誤差等級融合算法[J].計算機應用研究，2012（3）：1008?1011.

[12] 李志宇，史浩山.一種基于網絡和移動代理的無線傳感網絡數據融合算法[J].傳感技術學報，2008（7）：1222?1236.

[13] 王威，周紅軍，王潤生.多傳感器數據融合的一種方法[J].傳感器技術，2003，22（9）：39?40.

本文在Matlab 7.6.0環境下進行實驗，根據上面算法，首先對異常值檢測，發現并不存在異常數據。數據的平均值為0.959 0。平均偏差C=[0.041 0 0.031 0 0.021 0 0.011 0 0.001 0 -0.459 0 0.071 0 0.541 0 ]。協方差S=[1j-1]×C×CT=0.609 7。S相應的特征值和特征向量分別為0.609 7和1。所以，y融合=1×1.00=1.00。如通過基于綜合支持度的數據融合的融合結果為0.942 5。通過融合結果可見，加入了基于主成分分析算法，減少了數據量的發送，減少了冗余數據，提高了融合結果的準確性。

6 結 語

本文結合分層算法，在節點中加入了具體的數據融合算法，減少了數據量的傳輸，達到了一定的節能效果，從仿真中，具體加了融入數據，融合結果的準確性有所提高。在以后的工作中，將進一步完善數據融合的延遲時間及數據的準確性。

參考文獻

[1] 雷昕，鄢楚平.無線傳感網絡網絡數據融合技術的研究仿真[J].計算機工程與設計，2008，29（18）：4669?4671.

[2] 林蔚，尹娟.無線傳感網絡含有缺失數據的數據融合研究[J].計算機工程與應用，2012，29（11）：4824?4826.

[3] 回春立，崔莉.無線傳感網絡中基于預測的時域數據融合技術[J].計算機工程與應用，2007，43（21）：121?125.

[4] 吳小俊，曹奇英.基于Bayes估計的多傳感器數據融合方法的研究[J].系統工程理論與實踐，2000（7）：46?48.

[5] 胡學駿，羅中良.基于統計理論的多傳感器信息融合方法[J].傳感器技術，2002，21（8）：38?43.

[6] 孫凌逸，黃先祥.基于神經網絡的無線傳感器網絡數據融合算法[J].傳感技術學報，2011，24（1）：122?127.

[7] 李敏，羅挺，周俊.一種無線網絡動態成簇數據融合算法[J].計算機系統應用，2011，20（7）：61?64.

[8] 李曉維，徐勇軍，任豐原.無線傳感網器網絡技術[M].北京：北京理工大學出版社，2007.

[9] 曾黎，蔣沅.多傳感器數據融合的數學方法研究[J].云南民族大學學報：自然科學版，2010（5）：321?324.

[10] 俞黎陽，王能.無線傳感網絡中基于神經網絡的數據融合模型[J].計算機科學，2008（12）：43?47.

[11] 錢菲菲，秦寧寧.無線傳感網絡中誤差等級融合算法[J].計算機應用研究，2012（3）：1008?1011.

[12] 李志宇，史浩山.一種基于網絡和移動代理的無線傳感網絡數據融合算法[J].傳感技術學報，2008（7）：1222?1236.

[13] 王威，周紅軍，王潤生.多傳感器數據融合的一種方法[J].傳感器技術，2003，22（9）：39?40.