無線傳感網絡中基于數據融合的路由協議研究

范英盛

摘要：

數據融合技術是目前無線傳感器網絡研究的熱點，數據融合算法的主要是通過收集和聚合數據來減少冗余信息量，節約能耗，從而延長網絡的生命周期。無線傳感器網絡在采用數據融合技術節省能耗的同時，也會增加網絡的傳輸時延，降低數據收集的精度?；谝陨蠁栴}，本文分析當前典型的各類數據聚合算法的主要機制，詳細比較了當前已有算法的特點、性能差異。

關鍵詞：無線傳感器網絡;數據融合協議;聚合時機;服務質量

一、無線傳感器網絡

當前，信息技術可以實現信息的海量存儲、高速傳輸和快速處理，但信息獲取仍未達到自動化水平。微傳感器技術、微電子技術、無線通信技術以及計算技術的進步，極大地推動了集信息采集、處理、無線傳輸等功能于一體的無線傳感器網絡（wireless sensor networks，簡稱WSNs）的發展。WSNs正在給人類生活和生產的各個領域帶來深遠影響，在國防軍事、醫療衛生、環境監測、城市交通以及空間探索等領域具有廣闊的應用前景[1]。盡管無線傳感器網絡具有廣闊的發展前景，但是基于現有技術，傳感器網絡還存在一些問題。第一，傳感器節點能量有限，網絡壽命較短，節點的意外死亡可能會造成路由的中斷或某些重要信息的丟失;第二，網絡的拓撲結構會因節點的休眠、死亡、網絡的擴展等不斷變化，給網絡維護和路由帶來額外的負擔;第三 ，網絡的QoS支持不夠完善。

基于以上問題，現有的無線傳感器網絡的研究主要有網絡覆蓋與節點布設、網路層路由協議、數據融合與處理等[2]。這些研究從不同的方面發展了無線傳感器網絡，其中減小網絡節點能耗、延長網絡壽命、增強網絡健壯性和可擴展性、減小網絡時延、提高信息精確度等成為無線傳感器網絡的設計目標和評價標準。

二、數據融合

數據融合實際上是把來自多個源節點的傳感數據進行合并。由于傳感器采集的數據通常是小報文段數據，每個傳感器節點采集的數據不進行合并直接發送給SINK（匯聚節點）節點將需要過多的數據轉發次數。而在路由操作中，能耗最大的就是數據的轉發。所以，為了達到節能的目的，通常采用數據融合的方法，將小數據包合并成較大的數據包后發送。數據聚合也面臨著一些挑戰，如數據聚合點可能會因過多的工作負擔而造成能量提前耗盡、數據聚合產生較大的時延造成對事件的監測反應緩慢、數據聚合點的選擇欠佳造成不能盡可能多地進行數據聚合、數據聚合時機選擇欠佳造成更大的網絡時延。解決以上問題的關鍵是結合數據路由提出更加高效合理的數據聚合結構和分組轉發機制。

三、WSN中的數據融合技術

數據融合處理是一種重要的網內處理技術，它可以消除冗余信息，降低傳輸的數據量，從而降低網絡的通信能耗。無限傳感器網絡中的數據融合技術主要分為如下五類。

1、基于簇的數據收集協議

基于簇的數據收集協議是在網絡中選擇一部分節點作為簇頭，將它作為聚合節點，其它節點選擇加入簇中。首先簇內成員節點把數據傳輸到簇頭，其次簇頭收到所有簇內成員節點的數據后，根據聚合函數進行數據聚合，最后經過單跳或多跳把數據發送到SINK節點。比較典型的基于簇的數據收集協議有LEACH， CEDA， BCDCP等。雖然分簇的數據收集協議便于實現和管理，但是由于網絡中簇頭數目的多少，簇頭的分布不均勻，都會引起簇頭負載很大，最終導致簇頭節點死亡，網絡失效，而且，如果簇內有失效節點無法發送數據，簇頭將一直等待簇成員節點發送數據，引起網絡延遲增大。

LEACH算法是一種自適應分簇拓撲算法，它的執行過程是周期性的，每輪循環分為簇的建立階段和穩定的數據通信階段。在簇的建立階段，每個節點隨機的選擇一個0～1之間的隨機數，如果這個數小于閾值，則選擇為簇頭。的計算公式如式（1）所示。

式（1）

其中， P表示簇頭在所有節點中所占的百分比， r表示選舉輪數，r mod（1/P）代表這一輪循環中當選過簇頭的節點的個數， G是這一輪循環中未當選過簇頭的節點集合。

2、基于鏈的數據收集協議

基于鏈的數據收集協議將網絡中所有的節點構成一條鏈，并在鏈上選擇一個節點作為頭節點與SINK節點直接通信，鏈兩端數據沿鏈傳輸到頭結點。比較典型的基于鏈的數據收集協議有PEGASIS， CCS等。基于鏈的數據收集協議的優點是減少了分簇算法在簇重構過程中所產生的開銷，節點采用小功率與最近鄰居節點通信，從而降低了能量的消耗。但是，鏈中距離較遠的節點會引起較大的數據延遲，而且唯一的頭節點會使得它會成為嚴重的瓶頸。

3、基于樹的數據收集協議

基于樹的數據收集協議以SINK為根將網絡中所有節點組成一棵生成樹，每個節點接收其孩子節點發送來的數據，連同自己感知到的數據一起發送給父節點。由于樹結構是支持網絡連通性的最小圖結構，因此，基于樹的數據收集協議能夠有效保證網絡的連通性和可靠性，具有保證QoS、容易實現高效的能量管理等優點，是目前研究的熱點。比較典型的基于樹的數據收集協議有PEDAP和PEDAP-PA， MLDGA等。

4、基于統計信息模型的數據聚合協議

只收集感知數據的統計信息而不是所有數據在許多情況下是具有實際意義的。首先，大部分的感知數據并不能使對查詢的回復變得更精確。其次，目前一些數據聚合策略忽略了感知數據間的關聯和不關聯性。另外，在許多情況下，統計信息即可以人工檢驗，也可以利用程序檢驗。許多基于統計信息模型的數據聚合協議已經提出。

Ma YJ在文獻[3]中提出了一種局部空間成簇算法，主要是利用歐氏距離較近的節點感知的數據具有較高相關性的特點來成簇。節點在部署完成后會首先采集一輪數據，用一組向量來表示。假設節點和采集的數據分別為X=（x1，x2，L xn）和Y=（y1，y2，L yn），則可以利用類似于歐氏距離的計算方式來表示其感知數據的相關性，如式（3）所示，然后給出權值計算公式（4）。endprint

式（2）

式（3）

其中|N（i）|表示鄰居節點的數目之和，di表示i節點與所有鄰居節點感知數據相關性求和的均值，D（dij）表示dij的方差。根據節點權值ωi的大小選擇簇頭，簇頭選擇完畢后，非簇頭節點選擇與簇頭dij值較小的加入。網絡建立后由簇頭節點代表本簇向網關發送數據，非簇頭節點不采集也不傳遞數據。仿真結果表明，該算法具有較高的精確性。但該算法僅適用于監測一些數據變化較緩慢的場景，例如城市空氣質量監測等，有一定的局限性。

5、基于地理網格的數據聚合協議

在無線傳感器網絡中，為了獲取更加有效準確的信息，網絡有時需要獲得地理信息，因此基于地理位置信息的路由研究也廣泛起來。節點獲取地理位置信息的方式分為兩種，第一種是節點自身帶有GPS定位系統，可以精確獲取網絡坐標信息。第二種是節點本身不帶GPS定位系統，可以利用信號強度來估算自己的地理位置信息。典型的節點帶有GPS定位系統的算法有GRID， EADA等，節點利用信號強度來估算自己的地理位置信息的算法有BEES[4]。

BEES協議是節點在沒有安裝GPS設備時如何利用信號強度來估算自己的地理位置信息的分布式算法。該協議將網絡等分為六個扇形，再將扇形劃分為等大小的正六邊形，每個正六邊形利用一個三元組表示，例如<4，3，2>表示第4個扇形第3行第2列的正六邊形。每個六邊形相當于一個簇，在每個簇中選擇最靠近六邊形中心的節點作為簇首節點。以SINK為中心建立直角坐標系，SINK首先以初始角θ1向節點發送角度估算消息，然后偏轉Δθ繼續發送，節點則根據公式（5）計算出自身和SINK連線與x軸正方向的夾角。

式（4）

其中Prm代表節點接收到θm的消息的信號強度。利用θ及節點間的距離關系可以計算出節點的地理位置坐標，仿真表明該算法具有較高的精確性。然而該算法每次選擇的簇首節點總是在正六邊形中心附近，雖然設置了代替機制，但節點的能量消耗卻極不均勻，造成能量空洞問題。

四、總結與展望

近年來，研究人員針對WSNs的應用需求和新特性進行了大量卓有成效的研究，新的網絡層協議層出不窮。數據融合這一概念被提出，通過對各種WSNs數據融合協議進行分析和比較，我們發現目前大多數研究工作的重點都放在為數據融合提出有效的路由機制上。數據融合技術在節省能量、提高信息準確度的同時，要犧牲其它方面的性能作為代價。首先是延遲的代價：在數據傳送過程中，尋找易于進行數據融合的路由、進行數據融合操作、為融合而等待其它數據的到來，這三方面都可能增加網絡的平均延遲。其次是抗毀性代價：數據融合可以大幅度降低數據的冗余性，但丟失相同的數據量可能損失更多的信息，因此相對而言也降低了網絡的抗毀性?，F有支持QoS的數據融合技術大多局限在僅支持部分QoS 指標， 還應該進一步考慮如何在支持網絡生命周期、抗毀、數據時延及數據質量之間進行折中。

[參考文獻]

[1] Ameer Ahmed Abbasi， Mohamed Younis. A survey on clustering algorithms for wireless sensor networks. Computer Communications，2007，30（15）：2826-2841.

[2] Klaoudatou E， Konstantinou E， Kambourakis G， et al. A survey on cluter-based group key agreement protocols for WSNs. Communications Surveys & Tutorials，2011，13（3）：429-442.

[3] Ma YJ， Guo YK. Distributed clustering-based aggregation algorithm for spatial correlated sensor networks. IEEE Sensors Journal， 2011，11（1）：641-648.

[4] AbdelSalam H， Olariu S. BEES： bioinspired backbone selection in wireless sensor networks. IEEE Transactions on Parallel and Distributed Systems， 2012，23（1）：44-51.

（作者單位：浙江警察學院，浙江 杭州 310053）