无线传感器网络数据融合技术与展望.docxVIP

无线传感器网络数据融合技术与展望 　　摘 要：无线传感器网络以数据为中心，其数据具有数据流特征、强时空相关性并伴随着大量噪声。通过对无线传感器网络中传感器数据的预处理、数据挖掘和后处理完成数据融合，可以降低甚至消除网络中的冗余信息，减少通信开销，提高能量效率，延长网络寿命，发展前景十分广阔。　　关键词：无线传感器网络；数据融合；数据清理；数据挖掘　　中图分类号： 文献标识码：A 文章编号：2095--00-03　　0 引 言　　无线传感器网络是计算、通信和传感器技术相结合的产物。数量众多的传感器节点采集观测区域的热、光、声音、速度以及图像等信号，在无线传感器网络中通过无线信道通信实现信息共享与合作处理，从而将监控到的温度、物种、气候变化、压力、方向、速度等传递给用户[1]。　　无线传感器网络是信息感知和采集领域的一场深刻变革，目前已在国防、交通、医疗、反恐、环境监控以及自然灾害预防等领域投入应用[2]，今后凭借其得天独厚的优势必将给人类的生产和生活带来深远影响。　　无线传感器网络与传统的Ad-hoc网络差别明显，主要表现在以数据为中心；节点数量众多、密度大；节点能量、计算、存储等能力受限；节点可靠性差；数据冗余度高；采用多对一通信模式等。　　1 无线传感器网络中的数据特征　　无线传感器网络中的数据常含有大量冗余信息，即使采用专业的数据分析方法也难以解释数据的含义。受所部署地理位置的影响，无线传感器网络中的数据常常还包含噪声，很难将其和“真正的”数据分开。此外，除非将无线传感器网络中的数据与时间和位置信息关联，否则无意义。　　相对于传统数据而言，无线传感器网络中的数据具有其独有的特征，主要表现在三个方面。　　 数据流特征　　无线传感器网络中的数据自动生成，以多路、连续、时变的方式传输[3]，随着时间的推移而增加，且数据总量可能非常庞大。这些数据具有显式的时间戳或者隐式的到达时间，是形式按时间排序的数据流。　　 强时空相关性　　无线传感器网络通常按照一定密度进行部署，以便使传感器覆盖整个监测区域。因此，大部分无线传感器网络中各节点间的读数会表现出时间和空间上的相关性。?@种强时空相关性使得某一时刻某个传感器节点的读数不仅对下一时刻观测到的读数具有高度预测指示性，还对附近节点的读数具有指示性。利用强时空相关性可以估计丢失或损坏的数据、监测偏值、提高传感器数据的质量、进行数据抑制、减少网络中的数据传输，从而降低能耗。但强时空相关性也会带来大量的冗余数据。　　 噪声　　无线传感器网络中传感器的设计目标是低功耗和低成本。但会导致传感器的精度受限，加之传感器通常部署在严酷的环境中，会受到潜在的环境干扰。因此，传感器数据通常含有错误和噪声，在把它们存储到数据库之前，应先对其进行清理。　　2 无线传感器网络中数据融合的意义　　数据融合是一种多源数据处理技术，在无线传感器网络中数据融合的核心理念就是收集数据时，基于传感器节点的软硬件技术对所采集数据做进一步处理，删除冗余信息，为节点所需传输的数据“瘦身”，同时处理多个不同节点的数据，使汇聚节点能够收集到比单个节点更加有效、更能满足用户需求的数据信息，从而实现提高资源利用率、延长网络寿命的目的。数据融合对无线传感器网络具有十分重要的意义，主要体现在三个方面。　　 节约通信带宽和能量　　通过数据融合可以在网内对冗余数据进行处理，即删除冗余信息，使要传输的数据在可以满足应用所需的前提下尽可能的少。由于传感器节点传输数据消耗的能量高于计算所消耗能量几个数量级，因此在网内数据融合过程中消耗一定的计算资源来节约通信带宽，不但可以提高传输效率，还可以通过降低节点的能量消耗延长整个无线传感器网络的生命周期。　　 提高信息准确度　　通过数据融合技术对监测同一对象的多个传感器节点所采集的数据进行综合，可以使最终获得的数据精度和可信度处于一个较高的水平。因为比邻传感器节点几乎监测同一区域，其所获数据差异性较小。如果个别节点出现数据错误或误差较大，可以通过网内数据融合将其过滤掉。　　 提高数据收集效率　　通过数据融合可以减少需要传输的数据量，从而有效减轻网络中的数据堵塞，减少传输过程中的数据冲突和碰撞，也使数据传输延迟处于较低水平，从而提高整个网络无线信道的利用率。　　3 数据融合过程　　无线传感器网络的数据融合过程包括预处理、数据挖掘和后处理。图1所示为从原始数据提取信息的全过程。　　 数据预处理　　无线传感器网络中的节点数据通常包含噪声、偏值和丢失值。如图2所示，引起这些数据质量问题的原因包括传感器内部误差；传感器部署所处的严酷环境；无线传输过程中数据的损毁和丢失。数据预处理包括数据清理、丢失值恢复、网内整合以及偏值检测、数据压缩、维数压缩和数据预测等。