無線傳感器網絡中的可靠信息融合模型研究

趙海萍

(煙臺汽車工程職業學院,組織人事處， 山東， 煙臺 265500)

0 引言

無線傳感器網絡擁有著良好的發展前景，在生活、生產中的多個領域都能發揮實用價值。無線傳感器網絡中的節點可以相互協作，共同完成信息的收集及感知工作。因此，如何將節點的能量、能力充分利用起來，完成數據監測、信息傳送等工作，也成為了主要研究方向。利用可靠信息融合技術，對原始數據進行處理后再進行傳輸，可以大幅度減少信息傳輸時所消耗的能量，進而達到減輕信息傳輸擁塞、時延的目的。

1 無線傳感器網絡和可靠信息融合技術綜述

1.1 無線傳感器網絡概述

1.1.1 概念綜述

無線傳感器網絡(WSN)，以下簡稱WSN，內部含有多個傳感器節點，各節點間相互通信、聯絡，進而組成網絡，相互合作完成監測任務。其結構如圖1所示。傳感器主要負責信息的獲取及采集，在無線傳感器網絡中發揮著重要的作用。當前市場上應用的傳感器種類頗多，相同原理的傳感器可以監測不同物理量，同一物理量也能用不同種類的傳感器進行監測。因此，其分類方法也種類頗多。

圖1 無線傳感器網絡節點結構圖

1.1.2 無線傳感器網絡的特點

WSN是一種高度自治的網絡，內部由不同種類的傳感器節點構成，可以對物理世界進行精準的感知和檢測，主要特點如下。

① 密度高、規模大

為了確保感知信息的準確性，無線傳感器網絡在實際應用過程中，應使用大量傳感器節點，從多個視角獲取信息，防止出現檢測遺漏、盲區等問題。其次，無線傳感器網絡通常用于大范圍監測，例如森林防火等方面。高密度、規模大的特點可以更好的應對這些實際需求。

② 高效的自組織性

WSN中的節點不分主次，無從屬關系，在工作過程中也沒有控制中心對其進行管理。節點按照事先設定好的程序進行工作，因此，當部分節點發生運行故障時，無線傳感器網絡并不受影響。高效的自組織性也提升了WSN的容錯性。

③ 動態拓撲

在WSN內，部分節點會受其他因素影響喪失工作能力，并退出運行中的網絡。當監測準確度與實際要求存在較大差異時，還需要在現有網絡中增設傳感器節點，以提升監測力。這些因素都會導致WSN的拓撲結構出現變化，且變化呈動態性。

④ 能量有限

通常情況下，都是由電池向傳感器節點供給能量，受電池容量的影響，可供傳感器節點使用的能量也有限。因此，延長節點的運行時間相當于延長WSN的生命周期[1]。通過實際調查可以發現，在進行數據傳輸時節點消耗的能量大。因此若想在WSN運行正常的狀態下延長運轉壽命，則必須減少數據傳輸的行為。

1.2 可靠信息融合技術

可靠性信息融合技術是一種數據處理方法，可以在網絡感知系統中同時應用多個傳感器節點，其主要研究內容如下。

① 可靠信息對準。在無線傳感器網絡中，傳感器節點所得到的監測信息都存儲在相應的參考框架中。對這些可靠信息進行融合時，需要將其整理至相同的公共參考系，但是在整理過程中，會產生舍入誤差，因此需要對可靠信息對準進行著重研究[2]。

② 可靠信息相關。可靠信息相關，是指將傳感器節點收集來的信息相互關聯起來。在進行關聯時，首先需要解決原始信息的不準確性和信息采集過程中因受到干擾，而產生的相關二義性，確保信息一致。其次是應用合理的算法和模型降低關聯復雜度。

③ 信息的不完整、不一致。受存在時長、位置、頻度的影響，傳感器在進行信息采集時容易出現不完整性。其次，由于算法、人為操作的差異，信息存在多義性和不一致性，此時就需要可靠信息融合模型具備綜合處理能力，剔除無效信息。

④ 數據庫。數據庫除了完成可靠信息的融合工作，還應將融合結果存儲起來。在數據庫中除了存有實時數據，還存有非實時先驗數據，因此設計可靠信息融合模型，有助于查找檢索機制和數據庫的日常管理及運行。

⑤ 性能評估。如何量化可靠信息模型的運行能力也是主要的研究方向，現階段可靠信息融合技術和理論還不夠完善，需要對其進一步優化[3]。但是在實際應用過程中，受外界因素影響，構建出實用且完整的性能評估系統十分困難。

2 基于層次結構的可靠信息融合模型研究

在以往的模型構建中，應用較多的是定向擴散法和分層結構法，但是經過實際驗證，使用這兩種方法構建出的模型性能較差，因此本研究提出了基于層次結構構建可靠信息融合模型的想法。其構建思路是提前設計好一組路徑，并不斷的運行此路徑，直到將全部傳感器節點都利用起來，再將最終得出的融合數據傳輸至匯聚節點。

2.1 可靠信息融合模型的建立

建立的可靠信息融合模型需要具備以下屬性。

① 匯聚節點能量充足。模型中的匯聚節點需要具備更改通信半徑的能力，通過調節發射頻率，對通信半徑不斷進行調整，直至其覆蓋全部網絡區域，且設定其等級為0級[4]。

② 確保傳感器節點分布均勻，并要求節點擁有控制功率的能力，其輸出功率可以隨著模型運行情況改變。按照可靠信息匯聚節點上消耗的跳數對其進行等級分配。

③ 要求傳感器節點擁有信息感知、融合及轉發能力，當數據包積累到一定長度時，將其發送至匯聚節點。

④ 當不需要進行可靠信息融合或所需融合信息較少時，傳感器節點可以自動進入休眠狀態或低耗能狀態，減少能量損耗，延長傳感器節點的運行周期。

2.2 可靠信息融合模型結構

可靠信息融合模型的具體結構如圖2所示。

圖2 模型結構圖

在這種結構中，一個傳感器節點可以同時擁有父節點和子節點，確保其可以擁有兩個列表。但是此種結構下，可靠信息只能在相鄰且等級相同的節點之間傳遞。通過觀察結構圖可知，節點總數為M*N，均勻的部署在M等級中。將匯聚節點的等級設定為0級，與之相鄰的節點等級設定為1級，依次類推，直到M級位置[5]。所以，等級越低代表其距離匯聚節點越近，信息傳輸時所消耗的能量越小。

2.3 可靠信息融合過程

本研究所提到的無線傳感器網絡中的可靠信息融合模型為了提升信息融合效率、降低信息傳送時所消耗的能量，延長無線傳感器應用時長，基于層次結構，專門規劃了內置路徑，將全部傳感器節點充分利用起來，快速完成可靠信息融合，再將其轉發至匯聚節點。通過這種方式，可以分析出最優傳送路徑，減少不必要的通信量，提升效率的同時降低耗能。其可靠信息融合過程主要分為四個階段，下面對其進行具體闡述。

2.3.1 路徑建立

均勻部署傳感器節點后，創建多父——多子分層拓撲樹，為信息傳輸提供路徑。從上文中可以得知，拓撲樹中的傳感器節點數量為M×N個，M代表行數，N代表列數。用P1代表第一條信息傳輸路徑，囊括1級首個傳感器節點到M級首個傳感器節點，依次類推可以得知總共有N條路徑[6]。將其整理后統一保存至路徑列表中，將其稱作參數表。

2.3.2 選取最優節點

基于WSN具有連通性，因此可以將每個路徑的最佳節點當做該模型的最優節點。最優節點在到達匯聚節點所需要的跳數最少。利用Dijkstra算法，可以計算出最優節點。在計算過程中，若出現無效路徑，則需要將其插入“NILL”值，并將其路徑編碼存入路由表，反之，則代表其為有效路徑。利用此種方式，每個節點都有N條指定路徑，即N個最優節點。

2.3.3 載入階段

將計算出的預設路徑和最優節點的具體參數載入WSN中，提升可靠信息的融合速度。利用基于層級結構的信息融合法，可以避免傳感器節點產生不必要的通信量，相較于現有的信息傳輸模式，無需頻繁交換信息協議，降低耗能和系統延遲，延長網絡生命期[7]。

2.3.4 路徑運行

將參數表中存取的N條路徑載入WSN的傳感器節點中，并以循環方式運行所有路徑。在一次循環中，只有一條路徑處于激活狀態。結合可靠信息融合算法，信息會自動傳送至匯聚節點。在下一輪循環中，將選取其他的路徑加以激活，數據通過全新路徑傳送至匯聚節點，循環往復，直到所有路徑全部被激活為止。經過一輪循環后，WSN中所有的傳感器節點均參與到可靠信息融合及傳輸的工作當中，均衡分配任務，提升能量利用率[8]。

2.4 算法實現

WSN中的可靠信息融合模型各階段的具體算法如下。

建立路徑階段算法：

For sensor nodesNj=1 toN，Pj=1 toN；Nj++，Pj++；

For levelLi=1 toM；Li++

SelectLiNj

Insert into NList[LiNj]； //路徑列表

Pj=NList；

Insert into Plist[Pj]；

最優節點算法

For sensor nodesLiNj=[1,1] to [M，N]，Li++，Nj++；

ForPj=1 toN，Pj++

MIN_hopc=infinite value;

Best_node=NULL;

ForLi=1 toM；Li++；//通過Dijkstra算法，查找最短跳數

Arry_hopc=DDistance(LiNj，Pj)；

If(MIN_hopc>Array_hopc[Pj,[Li]])

MIN_hopc=Array_hopc[Pj，[Li]]；

Best_node=Li；

InsertPjand Best_node into RTable； //將最佳節點插入路由表

載入階段算法

For sensorLiNj=[1,1] to [M,N]，Li++,Nj++；

Load(RTable)；

路徑運行算法

Time_to_run=T； //有效時間周期

Schedule(T)；

Pj=T/N；

ForPj=1 toN；Pj++

Round_robin(PList[Pj])； //循環運行路徑

Send-data(value)； //發送數據

Aggregate(value)； //融合

Return value

3 實驗分析

3.1 實驗平臺介紹

為了剔除外部環境等因素對可靠信息融合模型應用效果的影響，選擇在實驗室中進行仿真實驗[9]。選擇基于CC2430芯片的C51RF-3開發套件為硬件，操作系統則選擇由Smart Dust研發的TinyOS，開發語言為mesC，編譯軟件為GNUToolchain。

3.2 實驗結果分析

為了驗證無線傳感器網絡中的可靠信息融合模型的實際應用效果，以空氣壓縮機為實驗對象，采集設備故障信息，采集的主要內容為運行溫度、壓力等參數，并對經模型融合后的可靠信息加以分析。

① 將傳感器節點采集到的空氣壓縮機不同運行時段的運行溫度進行可靠信息融合，并將其與未融合的進行對比，可以得到表1。

表1 十次溫度比較圖

將融合后的數值與原始數值進行比較，可以計算出二者誤差值，具體數據如表2所示。

表2 溫度誤差數據表

通過觀察表2可知，應用模型對無線傳感器網絡中的可靠信息進行融合后，可以提升信息準確性，相較于未進行融合時的誤差值要小得多[10]。除了溫度信息外，還對空氣壓縮機運行時所受到的壓力信息進行采集，并應用同樣的方法對其進行仿真實驗。得出的結論相同，進行信息融合后其誤差值得到了大幅度降低，信息采集的準確性和可靠性都有所提升。準確率的提高可以減少信息傳送量，進一步起到延長傳感器節點使用時長的效果。

4 總結

WSN擁有著收集信息并將可靠信息傳送給用戶供其使用的功能，比無線網絡、物聯網的實用性更強。但是也存在一定的弊端，因傳感器節點在運行時消耗的能量都由電池提供，因此運行時長有限，WSN中通常含有大量傳感器節點，運行途中更換電池的難度過于巨大，基本不可能實現。因此著眼于通過利用可靠信息融合模型，借助層次結構法構建出拓撲圖，尋找出最優節點和最優信息傳送路徑，對原始數據進行整合，減少不必要的通信量，降低能量耗損的方式來解決WSN能量有限的問題。并通過仿真實驗，證明該模型具有實際應用性，融合效果可以達到預期，具有推廣意義。