无线传感网中时空融合算法研究.docVIP

无线传感网中时空融合算法研究 　　摘 要：无线传感网络是由部署在监测区域内大量微型传感器节点，以协作感知、采集和处理被感知对象信息的局部网络。由于无线传感网络节点携带的能量十分有限，并且节点能量消耗主要是在无线通信上，所以节能是无线传感器网络需要考虑的关键问题之一。在监测区域中，节点布置密度较大，所以节点所采集到的数据之间存在冗余，本文主要研究通过基于时空相关性的数据压缩融合算法，对这些数据进行处理之后可以有效地减少数据传送量，以及通过基于地理位置的路由算法来实现数据的链路传输，通过仿真实验表明时空融合算法可以达到节省能量、延长网络生命周期的目的以及提高整个网络的稳定性和生命周期。 　　关键词：压缩融合 能量路由 节能 GPSR 　　一、引言 　　无线传感器网络（WSN）是由传感器、数据处理单元和通信模块集成[1]的微小节点通过自组织方式构成的网络，借助节点中内置的各种传感器来采集外界信息。随着WSN技术的不断发展和完善，各种已有和潜在的无线传感器网络应用已经涉及军事侦测、环境监测、病人监护、家居智能和安全报警等领域。由于网络覆盖范围的增大和网络节点的增加，使网络规模不断扩大，而节点能量与计算能力的有限性，使得大规模无线传感器网络整体能量开销与网络整体寿命的矛盾日益突出。因此，如何提高网络能源效率一直是该领域研究的热点问题。 　　无线传感器网络中节点的能量消耗主要集中在无线通信上[2]，已有文献证明节点传送1bit信息经过100米距离所消耗的能量可供节点上的处理器执行大约3000计算指令[3]。由此可以看出，减少数据的传输是节省网络能量的有效途径之一。 　　二、节点的能量模型 　　本文采用如图3-1所示的无线通信能量模型[4]。 　　为了达到合适的信噪比（SNR），在距离为d时，传送L比特信息时能量消耗公式为： 　　其中，是传送或接收每比特信息时电路消耗的能量。εfs和εmp由使用的放大器决定，本文定义阀值。 　　接收L比特信息所消耗的能量为 　　三、数据压缩融合算法 　　（一）数据融合理论 　　数据压缩融合是一种数据处理技术。该技术将数据进行压缩，以减少数据的处理、传输的数量。数据压缩融合技术应用在各个方面，它与各个应用领域的特定知识想结合，形成了许多典型的算法，比如人工神经网络、小波变化等等。由于受到无线传感网络节点上集成的资源限制和监测区域环境因素的影响，数据压缩融合算法在无线传感网的发展历程中占据了一席之地。Athanassions Boulis[5]等研究发现网络能耗与网关节点接收数据准确性是相互矛盾的属性，因此提出了解决数据准确性与能量消耗的折中方案。 　　Naoto Kimura[6]等分析了命令编码、网内压缩、低维视频压缩和分布式压四种数据压缩方法，并预测这四种方法在以后的实际监测中会得到应用，下面将分析数据压缩融合对无线传感网络的作用及无线传感网络中数据压缩融合的模型和方法。 　　（二） 空间相关性的数据抑制融合 　　一个事件的发生将会在时间上和空间上持续一段时间，事件周围的节点会监测到异样的参数值。这些参数值的变化幅度与其与事件源的距离相关，更甚者节点 1 参数值与节点2 参数值的差异与两个节点在空间分布上相关。很明显相邻节点的数据相异性比较小。所以网络中节点的参数值具有空间相关性。利用感知数据的时空相关性，不仅能压缩传输的数据，同时节省网络节点的能量。 　　当节点 u 的监测周期到来时，读取自身监测的数值，在节点 u 有许多邻居节点，这些节点在逻辑上是相邻的或者地理位置上是在其通信半径之内，所以它们监测到的数据具有很强的相似度。这种数据的相似度是因为节点们在地理位置上相邻，同一片区域监测到的数据具有一定的相似度，当然也会有差异，而这种差异会随着距离的变化而变化。数据的差异与距离有关，这就是空间相关性的体现。正是因为以上的原因，节点准备发送数据时，为了节省能量，减少冗余的信息，会选取那些具有代表性的数据传输，抑制其他的数据，所以并不是所有节点的数据都需要传送。为了详细讲解算法流程，以下先说明即将用到符号的含义，如表 3-1 所示。 　　网络中节点u，通过相应的传感器获取当前监测数据，在事件e中，定义了N（u）表示在节点u通信半径之内的所用邻居节点集合。N（u）中各自采集所监测的数据，首先节点内部进行时间轴上的上一次采集的值比较，若差值小于阈值δ 则此次，此节点是数据抑制将不发送至簇首节点，反之，则发送数据至簇首节点；当事件周期到来时，簇首节点将邻居节点的数据进行空间范围上的压缩取均值Mearg，节点u自身监测的Mev与Mearg值进行比较如果差值少于阈值δ，节点u将抑制其监测到的读数传输，也就是不发送这一周期监测到的数据，否则节点 u 将发送该监测值。算法流程图如下：