一种基于分簇网络拓扑结构的数据聚合方案.docxVIP

一种基于分簇网络拓扑结构的数据聚合方案 无线传感器网络由配备在监测区域的大量传感器节点组成，通过无线通信形成一个可变的自给自足网络系统。用于合作感知、收集和处理网络覆盖区域内受感知对象的信息，并将其发送给受访者。如图1所示。其出色的实时检测能力使得人们可以从更为细微的角度了解周围环境或个体现象所出现的现象、所处的状态,并根据物理环境变化采取措施实行反向控制,为人类与客观物理世界的交互提供了一种新的有效手段。随着研究的深入,WSN能够广泛应用于军事、环境监测和预报、健康护理、智能家居、建筑物状态监控等领域。 大量节点密集部署的特点导致大部分数据是冗余的,数据的重复传输必然消耗节点能量,同时也必将引起无线通信的带宽拥挤,增加信道协商或竞争过程造成的能量开销。而且传感器节点的绝大部分能量消耗在无线通信模块,实验表明传输1 bit信息100 m需要消耗的能量大约相当于执行3 000条计算指令消耗的能量。因此在无线传感器网络中采用数据聚合机制,删除冗余数据,同时将来自不同节点的信息进行聚合处理,减少网络数据传输的数据量,就可以减少网络能量消耗。数据聚合利用的是节点的计算资源和存储资源,只要将增加计算量的能量消耗控制在小于降低通信量的能量消耗,就可以达到节省能量延长网络寿命的目的。 数据聚合可以减少WSN网络中传输的分组数量,减少分组的冲突概率,减小Sink节点接收到重复分组的概率以及提高监测结果的准确性。它是目前WSN的一个研究热点,其中包括聚合点的选择、聚合时机的选择和数据聚合策略等三个问题。目前已提出了很多数据聚合策略算法。文献提出一种数据融合树算法,即汇聚节点作为树的根节点,通过反向组播树的形式从分散的传感器节点逐步将监测数据收集,树上的每个中间节点都对收到的数据进行融合处理。而树的建立时间复杂度为O(n3),n为传感器节点个数。文献中提出了一种基于移动代理的数据融合方法,监测数据保留在本地节点,当移动代理迁移到数据处进行融合处理。文献中提出自适应的数据融合算法,汇聚节点根据节点的可靠度建立控制信息,网络中数据的传输则建立在控制信息的可靠度P基础上,可靠度P则反映了汇聚节点收到节点数据包的个数。而大量节点所带来的控制信息将造成网络性能降低。文献提出一种使用模糊逻辑推论方法用于分簇网络拓扑结构以达到数据融合的算法,算法分为四个步骤:模糊化、规则评定、规则融合和去模糊化。文献提出了基于主元分析的神经数据融合算法。文献提出了一种基于信息熵的分簇网络数据融合方案。在数据聚合的聚合时机研究方面,文献对周期性检测应用中的周期性简单数据聚合时机模型、周期性逐跳数据聚合时机模型和周期性逐跳调整数据聚合时机模型等三种数据聚合时机模型进行了比较研究。文献为事件触发类数据回传提出了一种确定数据时机的协议——MFS,当WSN中发生某个事件时,事件附近区域的多个传感器节点将采集数据并报告给汇聚节点。在本文中,笔者主要在分簇网络拓扑结构的基础上讨论数据聚合技术,并结合分簇路由协议提出了一种新的数据聚合方案。 1 融合的数据源和聚合数据 数据聚合或数据融合是指利用传感器节点的本地处理能力,先对采集到的或接收到的其他传感器节点发送的多个数据进行网内处理,消除冗余信息,然后再传输处理后的数据。如图2所示。这与传统的多传感器数据融合有所不同,同样是在军事应用背景中,后者是指对空间分布的多源信息,对所关心的目标进行检测、关联、跟踪、估计和综合等多级多功能处理,以更高的概率或置信度得到所需要的目标状态和身份估计以及完整的及时的态势和威胁评估,为指挥员提供有用的决策信息。它的数据源主要是具有不同体制和功能的雷达。而WSN数据融合或数据聚合主要是指单种传感器为了减少网络内的数据传输量,达到减少能源消耗、延长网络寿命的目的。它的数据源主要是同类的传感器节点。为区别传统的多传感器数据融合,本文使用数据聚合一词。这里的数据聚合也不同于信息融合,信息融合是对来自不同来源、不同模式、不同媒质、不同时间、不同地点、不同表示形式的信息进行综合处理,从而获得更为准确、可靠的结论。融合的信息来源可能是数据库或知识库中的先验信息;也可能是人机交互中的人工输入信息。它是对人脑综合处理复杂问题能力的一种较全面的、高水平的模仿。而WSN数据聚合指中间节点对采集或接收到的多个数据进行合并,具体处理有:几个数据任选一个,计算数据的平均值、最大值或最小值等。 2 分簇网络的可扩张性 本文中数据聚合的研究建立在WSN分簇的网络拓扑结构上,聚合点将选择簇头节点,并且结合分簇路由协议建立的路由回传数据;聚合时机主要考虑周期性数据回传应用模型。如果数据聚合只在监测节点进行,数据的准确性将受到较大影响;同样如果数据聚合只在汇聚节点进行,监测节点在发送数据时能量消耗较大,同时将造成无线信道拥挤。在分簇网络中,共有三