RFID世界網(wǎng) >
技術(shù)文章 >
其他 >
正文
無線傳感器網(wǎng)絡(luò)數(shù)據(jù)傳輸及融合技術(shù)
作者:章書勤 郭 迪 肖明波
來源:現(xiàn)代電子技術(shù)
日期:2009-12-23 08:45:02
摘要:如今無線傳感器網(wǎng)絡(luò)已經(jīng)成為一種極具潛力的測量工具。它是一個(gè)由微型、廉價(jià)、能量受限的傳感器節(jié)點(diǎn)所組成,通過無線方式進(jìn)行通信的多跳網(wǎng)絡(luò),其目的是對(duì)所覆蓋區(qū)域內(nèi)的信息進(jìn)行采集、處理和傳遞。
0 引 言
如今無線傳感器網(wǎng)絡(luò)已經(jīng)成為一種極具潛力的測量工具。它是一個(gè)由微型、廉價(jià)、能量受限的傳感器節(jié)點(diǎn)所組成,通過無線方式進(jìn)行通信的多跳網(wǎng)絡(luò),其目的是對(duì)所覆蓋區(qū)域內(nèi)的信息進(jìn)行采集、處理和傳遞。然而,傳感器節(jié)點(diǎn)體積小,依靠電池供電,且更換電池不便,如何高效使用能量,提高節(jié)點(diǎn)生命周期,是傳感器網(wǎng)絡(luò)面臨的首要問題。這里討論傳感器網(wǎng)絡(luò)的數(shù)據(jù)傳輸,并列舉了幾種通過網(wǎng)絡(luò)內(nèi)部的數(shù)據(jù)壓縮機(jī)制(數(shù)據(jù)在網(wǎng)絡(luò)內(nèi)部通過鏈路傳輸時(shí),進(jìn)行匯聚和壓縮)來減少數(shù)據(jù)傳輸量的節(jié)能算法。
1 傳統(tǒng)的無線傳感器網(wǎng)絡(luò)數(shù)據(jù)傳輸
1.1 直接傳輸模型
直接傳輸模型是指傳感器節(jié)點(diǎn)將采集到的數(shù)據(jù)通過較大的功率直接一跳傳輸?shù)絊ink節(jié)點(diǎn)上,進(jìn)行集中式處理,如圖1所示。這種方法的缺點(diǎn)在于:距離Sink節(jié)點(diǎn)較遠(yuǎn)的傳感器節(jié)點(diǎn)需要很大的發(fā)送功率才可以達(dá)到與sink節(jié)點(diǎn)通信的目的,而傳感器節(jié)點(diǎn)的通信距離有限,因此距離Sink較遠(yuǎn)的節(jié)點(diǎn)往往無法與Sink節(jié)點(diǎn)進(jìn)行可靠的通信,這是不能被接受的。且在較大通信距離上的節(jié)點(diǎn)需耗費(fèi)很大的能量才能完成與Sink節(jié)點(diǎn)的通信,容易造成有關(guān)節(jié)點(diǎn)的能量很快耗盡,這樣的傳感器網(wǎng)絡(luò)在實(shí)際中難以得到應(yīng)用。
1.2 多跳傳輸模型
這種方式類似于AD-Hoc網(wǎng)絡(luò)模型,如圖2所示。每個(gè)節(jié)點(diǎn)自身不對(duì)數(shù)據(jù)進(jìn)行任何處理,而是調(diào)整發(fā)送功率,以較小功率經(jīng)過多跳將測量數(shù)據(jù)傳輸?shù)絊ink節(jié)點(diǎn)中再進(jìn)行集中處理。多跳傳輸模型很好地改善了直接傳輸?shù)娜毕荩沟媚芰康玫搅溯^有效的利用,這是傳感器網(wǎng)絡(luò)得到廣泛利用的前提。
該方法的缺點(diǎn)在于:當(dāng)網(wǎng)絡(luò)規(guī)模較大時(shí),會(huì)出現(xiàn)熱點(diǎn)問題,即位于兩條或多條路徑交叉處的節(jié)點(diǎn),以及距離Sink節(jié)點(diǎn)一跳的節(jié)點(diǎn)(將它稱之為瓶頸節(jié)點(diǎn)),如圖2中N1,N2,N3,N4,它們除了自身的傳輸之外,還要在多跳傳遞中充當(dāng)中介。在這種情況下,這些節(jié)點(diǎn)的能量將會(huì)很快耗盡。對(duì)于以節(jié)能為前提的傳感器網(wǎng)絡(luò)而言,這顯然不是一種很有效的方式。
2 無線傳感器網(wǎng)絡(luò)數(shù)據(jù)融合技術(shù)
在大規(guī)模的無線傳感器網(wǎng)絡(luò)中,由于每個(gè)傳感器的監(jiān)測范圍以及可靠性都是有限的,在放置傳感器節(jié)點(diǎn)時(shí),有時(shí)要使傳感器節(jié)點(diǎn)的監(jiān)測范圍互相交疊,以增強(qiáng)整個(gè)網(wǎng)絡(luò)所采集的信息的魯棒性和準(zhǔn)確性。那么,在無線傳感器網(wǎng)絡(luò)中的感測數(shù)據(jù)就會(huì)具有一定的空間相關(guān)性,即距離相近的節(jié)點(diǎn)所傳輸?shù)臄?shù)據(jù)具有一定的冗余度。在傳統(tǒng)的數(shù)據(jù)傳輸模式下,每個(gè)節(jié)點(diǎn)都將傳輸全部的感測信息,這其中就包含了大量的冗余信息,即有相當(dāng)一部分的能量用于不必要的數(shù)據(jù)傳輸。而傳感器網(wǎng)絡(luò)中傳輸數(shù)據(jù)的能耗遠(yuǎn)大于處理數(shù)據(jù)的能耗。因此,在大規(guī)模無線傳感器網(wǎng)絡(luò)中,使各個(gè)節(jié)點(diǎn)多跳傳輸感測數(shù)據(jù)到Sink節(jié)點(diǎn)前,先對(duì)數(shù)據(jù)進(jìn)行融合處理是非常有必要的,數(shù)據(jù)融合技術(shù)應(yīng)運(yùn)而生。
2.1 集中式數(shù)據(jù)融合算法
2.1.1 分簇模型的LEACH算法
為了改善熱點(diǎn)問題,Wendi Rabiner Heinzelman等提出了在無線傳感器網(wǎng)絡(luò)中使用分簇概念,其將網(wǎng)絡(luò)分為不同層次的LEACH算法:通過某種方式周期性隨機(jī)選舉簇頭,簇頭在無線信道中廣播信息,其余節(jié)點(diǎn)檢測信號(hào)并選擇信號(hào)最強(qiáng)的簇頭加入,從而形成不同的簇。簇頭之間的連接構(gòu)成上層骨干網(wǎng),所有簇間通信都通過骨干網(wǎng)進(jìn)行轉(zhuǎn)發(fā)。簇內(nèi)成員將數(shù)據(jù)傳輸給簇頭節(jié)點(diǎn),簇頭節(jié)點(diǎn)再向上一級(jí)簇頭傳輸,直至Sink節(jié)點(diǎn)。圖3所示為兩層分簇結(jié)構(gòu)。這種方式降低了節(jié)點(diǎn)發(fā)送功率,減少了不必要的鏈路,減少節(jié)點(diǎn)間干擾,達(dá)到保持網(wǎng)絡(luò)內(nèi)部能量消耗的均衡,延長網(wǎng)絡(luò)壽命的目的。該算法的缺點(diǎn)在于:分簇的實(shí)現(xiàn)以及簇頭的選擇都需要相當(dāng)一部分的開銷,且簇內(nèi)成員過多地依賴簇頭進(jìn)行數(shù)據(jù)傳輸與處理,使得簇頭的能量消耗很快。為避免簇頭能量耗盡,需頻繁選擇簇頭。同時(shí),簇頭與簇內(nèi)成員為點(diǎn)對(duì)多點(diǎn)的一跳通信,可擴(kuò)展性差,不適用于大規(guī)模網(wǎng)絡(luò)。
2.1.2 PEGASIS算法
Stephanie Lindsey等人在LEACH的基礎(chǔ)上,提出了PEGASIS算法。此算法假定網(wǎng)絡(luò)中的每個(gè)節(jié)點(diǎn)都是同構(gòu)的且靜止不動(dòng),節(jié)點(diǎn)通過通信來獲得與其他節(jié)點(diǎn)之間的位置關(guān)系。每個(gè)節(jié)點(diǎn)通過貪婪算法找到與其最近的鄰居并連接,從而整個(gè)網(wǎng)絡(luò)形成一個(gè)鏈,同時(shí)設(shè)定一個(gè)距離Sink最近的節(jié)點(diǎn)為鏈頭節(jié)點(diǎn),它與Sink進(jìn)行一跳通信。數(shù)據(jù)總是在某個(gè)節(jié)點(diǎn)與其鄰居之間傳輸,節(jié)點(diǎn)通過多跳方式輪流傳輸數(shù)據(jù)到Sink處。如圖4所示。
該算法缺點(diǎn)也很明顯,首先每個(gè)節(jié)點(diǎn)必須知道網(wǎng)絡(luò)中其他各節(jié)點(diǎn)的位置信息。其次,鏈頭節(jié)點(diǎn)為瓶頸節(jié)點(diǎn),它的存在至關(guān)重要,若它的能量耗盡則有關(guān)路由將會(huì)失效。再次,較長的鏈會(huì)造成較大的傳輸時(shí)延。
2.2 分布式數(shù)據(jù)融合算法
可以將一個(gè)規(guī)則傳感器網(wǎng)絡(luò)拓?fù)鋱D等效于一幅圖像,獲得一種將小波變換應(yīng)用到無線傳感器網(wǎng)絡(luò)中的分布式數(shù)據(jù)融合技術(shù)。這方面的研究已取得了一些階段性成果,下面就對(duì)其進(jìn)行介紹。
2.2.1 規(guī)則網(wǎng)絡(luò)情況
Servetto首先研究了小波變換的分布式實(shí)現(xiàn),并將其用于解決無線傳感器網(wǎng)絡(luò)中的廣播問題。南加州大學(xué)的A.Ciancio進(jìn)一步研究了無線傳感器網(wǎng)絡(luò)中的分布式數(shù)據(jù)融合算法,引入lifting變換,提出一種基于lifting的規(guī)則網(wǎng)絡(luò)中分布式小波變換數(shù)據(jù)融合算法(DWT_RE),并將其應(yīng)用于規(guī)則網(wǎng)絡(luò)中。如圖5所示,網(wǎng)絡(luò)中節(jié)點(diǎn)規(guī)則分布,每個(gè)節(jié)點(diǎn)只與其相鄰的左右兩個(gè)鄰居進(jìn)行通信,對(duì)數(shù)據(jù)進(jìn)行去相關(guān)計(jì)算。
DWT_RE算法的實(shí)現(xiàn)分為兩步,第一步,奇數(shù)節(jié)點(diǎn)接收到來自它們偶數(shù)鄰居節(jié)點(diǎn)的感測數(shù)據(jù),并經(jīng)過計(jì)算得出細(xì)節(jié)小波系數(shù);第二步,奇數(shù)節(jié)點(diǎn)把這些系數(shù)送至它們的偶數(shù)鄰居節(jié)點(diǎn)以及Sink節(jié)點(diǎn)中,偶數(shù)鄰居節(jié)點(diǎn)利用這些信息計(jì)算出近似小波系數(shù),也將這些系數(shù)送至Sink節(jié)點(diǎn)中。
小波變換在規(guī)則分布網(wǎng)絡(luò)中的應(yīng)用是數(shù)據(jù)融合算法的重要突破,但是實(shí)際應(yīng)用中節(jié)點(diǎn)分布是不規(guī)則的,因此需要找到一種算法解決不規(guī)則網(wǎng)絡(luò)的數(shù)據(jù)融合問題。
2.2.2 不規(guī)則網(wǎng)絡(luò)情況
萊斯大學(xué)的R Wagner在其博士論文中首次提出了一種不規(guī)則網(wǎng)絡(luò)環(huán)境下的分布式小波變換方案即Distributed Wavelet Transform_IRR(DWT_IRR),并將其擴(kuò)展到三維情況。萊斯大學(xué)的COMPASS項(xiàng)目組已經(jīng)對(duì)此算法進(jìn)行了檢驗(yàn),下面對(duì)其進(jìn)行介紹。DWT_IRR算法是建立在lifting算法的基礎(chǔ)上,它的具體思想如圖6~圖8所示,分成三步:分裂,預(yù)測和更新。
首先根據(jù)節(jié)點(diǎn)之間的不同距離(數(shù)據(jù)相關(guān)性不同)按一定算法將節(jié)點(diǎn)分為偶數(shù)集合Ej和奇數(shù)集合Oj。以O(shè)j中的數(shù)據(jù)進(jìn)行預(yù)測,根據(jù)Oj節(jié)點(diǎn)與其相鄰的Ej節(jié)點(diǎn)進(jìn)行通信后,用Ej節(jié)點(diǎn)信息預(yù)測出Oj節(jié)點(diǎn)信息,將該信息與原來Oj中的信息相減,從而得到細(xì)節(jié)分量dj。然后,Oi發(fā)送dj至參與預(yù)測的Ej中,Ej節(jié)點(diǎn)將原來信息與dj相加,從而得到近似分量sj,該分量將參與下一輪的迭代。以此類推,直到j(luò)=0為止。
該算法依靠節(jié)點(diǎn)與一定范圍內(nèi)的鄰居進(jìn)行通信。經(jīng)過多次迭代后,節(jié)點(diǎn)之間的距離進(jìn)一步擴(kuò)大,小波也由精細(xì)尺度變換到了粗糙尺度,近似信息被集中在了少數(shù)節(jié)點(diǎn)中,細(xì)節(jié)信息被集中在了多數(shù)節(jié)點(diǎn)中,從而實(shí)現(xiàn)了網(wǎng)絡(luò)數(shù)據(jù)的稀疏變換。通過對(duì)小波系數(shù)進(jìn)行篩選,將所需信息進(jìn)行l(wèi)ifting逆變換,可以應(yīng)用于有損壓縮處理。它的優(yōu)點(diǎn)是:充分利用感測數(shù)據(jù)的相關(guān)性,進(jìn)行有效的壓縮變換;分布式計(jì)算,無中心節(jié)點(diǎn),避免熱點(diǎn)問題;將原來網(wǎng)絡(luò)中瓶頸節(jié)點(diǎn)以及簇頭節(jié)點(diǎn)的能量平均到整個(gè)網(wǎng)絡(luò)中,充分起到了節(jié)能作用,延長了整個(gè)網(wǎng)絡(luò)的壽命。
然而,該算法也有其自身的一些設(shè)計(jì)缺陷:首先,節(jié)點(diǎn)必須知道全網(wǎng)位置信息;其次,雖然最終與Sink節(jié)點(diǎn)的通信數(shù)據(jù)量是減少了,但是有很多額外開銷用于了鄰居節(jié)點(diǎn)之間的局部信號(hào)處理上,即很多能量消耗在了局部通信上。對(duì)于越密集、相關(guān)性越強(qiáng)的網(wǎng)絡(luò),該算法的效果越好。
在此基礎(chǔ)上,南加州大學(xué)的Godwin Shen考慮到DWT_IRR算法中沒有討論的關(guān)于計(jì)算反向鏈路所需的開銷,從而對(duì)該算法進(jìn)行了優(yōu)化。由于反向鏈路加重了不必要的通信開銷,Godwin Shen提出預(yù)先為整個(gè)網(wǎng)絡(luò)建立一棵最優(yōu)路由樹,使節(jié)點(diǎn)記錄通信路由,從而消除反向鏈路開銷。
3 總 結(jié)
基于應(yīng)用領(lǐng)域的不同,以上算法各有其優(yōu)缺點(diǎn),如表1所示。
4 結(jié) 語
這里介紹了幾類常用的無線傳感器網(wǎng)絡(luò)數(shù)據(jù)融合算法,并比較了其優(yōu)缺點(diǎn)。數(shù)據(jù)融合是實(shí)現(xiàn)無線傳感器節(jié)點(diǎn)節(jié)能目的的重要手段之一,目前的各種研究技術(shù)都還未成熟,新技術(shù)正不斷涌現(xiàn)。例如當(dāng)傳感器節(jié)點(diǎn)具有移動(dòng)能力時(shí),網(wǎng)絡(luò)拓?fù)淙绾伪3謱?shí)時(shí)更新;當(dāng)環(huán)境惡劣時(shí),如何保障通信的安全;如何進(jìn)一步降低能耗;以及如何更好地借助數(shù)據(jù)稀疏性理論(如Compressd Sening)在圖像處理中的應(yīng)用,而將其引入到傳感器網(wǎng)絡(luò)數(shù)據(jù)壓縮中改善融合效果,以上都是待解決的問題。未來還會(huì)有更多、更好、更合面的算法被不斷提出。
如今無線傳感器網(wǎng)絡(luò)已經(jīng)成為一種極具潛力的測量工具。它是一個(gè)由微型、廉價(jià)、能量受限的傳感器節(jié)點(diǎn)所組成,通過無線方式進(jìn)行通信的多跳網(wǎng)絡(luò),其目的是對(duì)所覆蓋區(qū)域內(nèi)的信息進(jìn)行采集、處理和傳遞。然而,傳感器節(jié)點(diǎn)體積小,依靠電池供電,且更換電池不便,如何高效使用能量,提高節(jié)點(diǎn)生命周期,是傳感器網(wǎng)絡(luò)面臨的首要問題。這里討論傳感器網(wǎng)絡(luò)的數(shù)據(jù)傳輸,并列舉了幾種通過網(wǎng)絡(luò)內(nèi)部的數(shù)據(jù)壓縮機(jī)制(數(shù)據(jù)在網(wǎng)絡(luò)內(nèi)部通過鏈路傳輸時(shí),進(jìn)行匯聚和壓縮)來減少數(shù)據(jù)傳輸量的節(jié)能算法。
1 傳統(tǒng)的無線傳感器網(wǎng)絡(luò)數(shù)據(jù)傳輸
1.1 直接傳輸模型
直接傳輸模型是指傳感器節(jié)點(diǎn)將采集到的數(shù)據(jù)通過較大的功率直接一跳傳輸?shù)絊ink節(jié)點(diǎn)上,進(jìn)行集中式處理,如圖1所示。這種方法的缺點(diǎn)在于:距離Sink節(jié)點(diǎn)較遠(yuǎn)的傳感器節(jié)點(diǎn)需要很大的發(fā)送功率才可以達(dá)到與sink節(jié)點(diǎn)通信的目的,而傳感器節(jié)點(diǎn)的通信距離有限,因此距離Sink較遠(yuǎn)的節(jié)點(diǎn)往往無法與Sink節(jié)點(diǎn)進(jìn)行可靠的通信,這是不能被接受的。且在較大通信距離上的節(jié)點(diǎn)需耗費(fèi)很大的能量才能完成與Sink節(jié)點(diǎn)的通信,容易造成有關(guān)節(jié)點(diǎn)的能量很快耗盡,這樣的傳感器網(wǎng)絡(luò)在實(shí)際中難以得到應(yīng)用。
1.2 多跳傳輸模型
這種方式類似于AD-Hoc網(wǎng)絡(luò)模型,如圖2所示。每個(gè)節(jié)點(diǎn)自身不對(duì)數(shù)據(jù)進(jìn)行任何處理,而是調(diào)整發(fā)送功率,以較小功率經(jīng)過多跳將測量數(shù)據(jù)傳輸?shù)絊ink節(jié)點(diǎn)中再進(jìn)行集中處理。多跳傳輸模型很好地改善了直接傳輸?shù)娜毕荩沟媚芰康玫搅溯^有效的利用,這是傳感器網(wǎng)絡(luò)得到廣泛利用的前提。
該方法的缺點(diǎn)在于:當(dāng)網(wǎng)絡(luò)規(guī)模較大時(shí),會(huì)出現(xiàn)熱點(diǎn)問題,即位于兩條或多條路徑交叉處的節(jié)點(diǎn),以及距離Sink節(jié)點(diǎn)一跳的節(jié)點(diǎn)(將它稱之為瓶頸節(jié)點(diǎn)),如圖2中N1,N2,N3,N4,它們除了自身的傳輸之外,還要在多跳傳遞中充當(dāng)中介。在這種情況下,這些節(jié)點(diǎn)的能量將會(huì)很快耗盡。對(duì)于以節(jié)能為前提的傳感器網(wǎng)絡(luò)而言,這顯然不是一種很有效的方式。
2 無線傳感器網(wǎng)絡(luò)數(shù)據(jù)融合技術(shù)
在大規(guī)模的無線傳感器網(wǎng)絡(luò)中,由于每個(gè)傳感器的監(jiān)測范圍以及可靠性都是有限的,在放置傳感器節(jié)點(diǎn)時(shí),有時(shí)要使傳感器節(jié)點(diǎn)的監(jiān)測范圍互相交疊,以增強(qiáng)整個(gè)網(wǎng)絡(luò)所采集的信息的魯棒性和準(zhǔn)確性。那么,在無線傳感器網(wǎng)絡(luò)中的感測數(shù)據(jù)就會(huì)具有一定的空間相關(guān)性,即距離相近的節(jié)點(diǎn)所傳輸?shù)臄?shù)據(jù)具有一定的冗余度。在傳統(tǒng)的數(shù)據(jù)傳輸模式下,每個(gè)節(jié)點(diǎn)都將傳輸全部的感測信息,這其中就包含了大量的冗余信息,即有相當(dāng)一部分的能量用于不必要的數(shù)據(jù)傳輸。而傳感器網(wǎng)絡(luò)中傳輸數(shù)據(jù)的能耗遠(yuǎn)大于處理數(shù)據(jù)的能耗。因此,在大規(guī)模無線傳感器網(wǎng)絡(luò)中,使各個(gè)節(jié)點(diǎn)多跳傳輸感測數(shù)據(jù)到Sink節(jié)點(diǎn)前,先對(duì)數(shù)據(jù)進(jìn)行融合處理是非常有必要的,數(shù)據(jù)融合技術(shù)應(yīng)運(yùn)而生。
2.1 集中式數(shù)據(jù)融合算法
2.1.1 分簇模型的LEACH算法
為了改善熱點(diǎn)問題,Wendi Rabiner Heinzelman等提出了在無線傳感器網(wǎng)絡(luò)中使用分簇概念,其將網(wǎng)絡(luò)分為不同層次的LEACH算法:通過某種方式周期性隨機(jī)選舉簇頭,簇頭在無線信道中廣播信息,其余節(jié)點(diǎn)檢測信號(hào)并選擇信號(hào)最強(qiáng)的簇頭加入,從而形成不同的簇。簇頭之間的連接構(gòu)成上層骨干網(wǎng),所有簇間通信都通過骨干網(wǎng)進(jìn)行轉(zhuǎn)發(fā)。簇內(nèi)成員將數(shù)據(jù)傳輸給簇頭節(jié)點(diǎn),簇頭節(jié)點(diǎn)再向上一級(jí)簇頭傳輸,直至Sink節(jié)點(diǎn)。圖3所示為兩層分簇結(jié)構(gòu)。這種方式降低了節(jié)點(diǎn)發(fā)送功率,減少了不必要的鏈路,減少節(jié)點(diǎn)間干擾,達(dá)到保持網(wǎng)絡(luò)內(nèi)部能量消耗的均衡,延長網(wǎng)絡(luò)壽命的目的。該算法的缺點(diǎn)在于:分簇的實(shí)現(xiàn)以及簇頭的選擇都需要相當(dāng)一部分的開銷,且簇內(nèi)成員過多地依賴簇頭進(jìn)行數(shù)據(jù)傳輸與處理,使得簇頭的能量消耗很快。為避免簇頭能量耗盡,需頻繁選擇簇頭。同時(shí),簇頭與簇內(nèi)成員為點(diǎn)對(duì)多點(diǎn)的一跳通信,可擴(kuò)展性差,不適用于大規(guī)模網(wǎng)絡(luò)。
2.1.2 PEGASIS算法
Stephanie Lindsey等人在LEACH的基礎(chǔ)上,提出了PEGASIS算法。此算法假定網(wǎng)絡(luò)中的每個(gè)節(jié)點(diǎn)都是同構(gòu)的且靜止不動(dòng),節(jié)點(diǎn)通過通信來獲得與其他節(jié)點(diǎn)之間的位置關(guān)系。每個(gè)節(jié)點(diǎn)通過貪婪算法找到與其最近的鄰居并連接,從而整個(gè)網(wǎng)絡(luò)形成一個(gè)鏈,同時(shí)設(shè)定一個(gè)距離Sink最近的節(jié)點(diǎn)為鏈頭節(jié)點(diǎn),它與Sink進(jìn)行一跳通信。數(shù)據(jù)總是在某個(gè)節(jié)點(diǎn)與其鄰居之間傳輸,節(jié)點(diǎn)通過多跳方式輪流傳輸數(shù)據(jù)到Sink處。如圖4所示。
該算法缺點(diǎn)也很明顯,首先每個(gè)節(jié)點(diǎn)必須知道網(wǎng)絡(luò)中其他各節(jié)點(diǎn)的位置信息。其次,鏈頭節(jié)點(diǎn)為瓶頸節(jié)點(diǎn),它的存在至關(guān)重要,若它的能量耗盡則有關(guān)路由將會(huì)失效。再次,較長的鏈會(huì)造成較大的傳輸時(shí)延。
2.2 分布式數(shù)據(jù)融合算法
可以將一個(gè)規(guī)則傳感器網(wǎng)絡(luò)拓?fù)鋱D等效于一幅圖像,獲得一種將小波變換應(yīng)用到無線傳感器網(wǎng)絡(luò)中的分布式數(shù)據(jù)融合技術(shù)。這方面的研究已取得了一些階段性成果,下面就對(duì)其進(jìn)行介紹。
2.2.1 規(guī)則網(wǎng)絡(luò)情況
Servetto首先研究了小波變換的分布式實(shí)現(xiàn),并將其用于解決無線傳感器網(wǎng)絡(luò)中的廣播問題。南加州大學(xué)的A.Ciancio進(jìn)一步研究了無線傳感器網(wǎng)絡(luò)中的分布式數(shù)據(jù)融合算法,引入lifting變換,提出一種基于lifting的規(guī)則網(wǎng)絡(luò)中分布式小波變換數(shù)據(jù)融合算法(DWT_RE),并將其應(yīng)用于規(guī)則網(wǎng)絡(luò)中。如圖5所示,網(wǎng)絡(luò)中節(jié)點(diǎn)規(guī)則分布,每個(gè)節(jié)點(diǎn)只與其相鄰的左右兩個(gè)鄰居進(jìn)行通信,對(duì)數(shù)據(jù)進(jìn)行去相關(guān)計(jì)算。
DWT_RE算法的實(shí)現(xiàn)分為兩步,第一步,奇數(shù)節(jié)點(diǎn)接收到來自它們偶數(shù)鄰居節(jié)點(diǎn)的感測數(shù)據(jù),并經(jīng)過計(jì)算得出細(xì)節(jié)小波系數(shù);第二步,奇數(shù)節(jié)點(diǎn)把這些系數(shù)送至它們的偶數(shù)鄰居節(jié)點(diǎn)以及Sink節(jié)點(diǎn)中,偶數(shù)鄰居節(jié)點(diǎn)利用這些信息計(jì)算出近似小波系數(shù),也將這些系數(shù)送至Sink節(jié)點(diǎn)中。
小波變換在規(guī)則分布網(wǎng)絡(luò)中的應(yīng)用是數(shù)據(jù)融合算法的重要突破,但是實(shí)際應(yīng)用中節(jié)點(diǎn)分布是不規(guī)則的,因此需要找到一種算法解決不規(guī)則網(wǎng)絡(luò)的數(shù)據(jù)融合問題。
2.2.2 不規(guī)則網(wǎng)絡(luò)情況
萊斯大學(xué)的R Wagner在其博士論文中首次提出了一種不規(guī)則網(wǎng)絡(luò)環(huán)境下的分布式小波變換方案即Distributed Wavelet Transform_IRR(DWT_IRR),并將其擴(kuò)展到三維情況。萊斯大學(xué)的COMPASS項(xiàng)目組已經(jīng)對(duì)此算法進(jìn)行了檢驗(yàn),下面對(duì)其進(jìn)行介紹。DWT_IRR算法是建立在lifting算法的基礎(chǔ)上,它的具體思想如圖6~圖8所示,分成三步:分裂,預(yù)測和更新。
首先根據(jù)節(jié)點(diǎn)之間的不同距離(數(shù)據(jù)相關(guān)性不同)按一定算法將節(jié)點(diǎn)分為偶數(shù)集合Ej和奇數(shù)集合Oj。以O(shè)j中的數(shù)據(jù)進(jìn)行預(yù)測,根據(jù)Oj節(jié)點(diǎn)與其相鄰的Ej節(jié)點(diǎn)進(jìn)行通信后,用Ej節(jié)點(diǎn)信息預(yù)測出Oj節(jié)點(diǎn)信息,將該信息與原來Oj中的信息相減,從而得到細(xì)節(jié)分量dj。然后,Oi發(fā)送dj至參與預(yù)測的Ej中,Ej節(jié)點(diǎn)將原來信息與dj相加,從而得到近似分量sj,該分量將參與下一輪的迭代。以此類推,直到j(luò)=0為止。
該算法依靠節(jié)點(diǎn)與一定范圍內(nèi)的鄰居進(jìn)行通信。經(jīng)過多次迭代后,節(jié)點(diǎn)之間的距離進(jìn)一步擴(kuò)大,小波也由精細(xì)尺度變換到了粗糙尺度,近似信息被集中在了少數(shù)節(jié)點(diǎn)中,細(xì)節(jié)信息被集中在了多數(shù)節(jié)點(diǎn)中,從而實(shí)現(xiàn)了網(wǎng)絡(luò)數(shù)據(jù)的稀疏變換。通過對(duì)小波系數(shù)進(jìn)行篩選,將所需信息進(jìn)行l(wèi)ifting逆變換,可以應(yīng)用于有損壓縮處理。它的優(yōu)點(diǎn)是:充分利用感測數(shù)據(jù)的相關(guān)性,進(jìn)行有效的壓縮變換;分布式計(jì)算,無中心節(jié)點(diǎn),避免熱點(diǎn)問題;將原來網(wǎng)絡(luò)中瓶頸節(jié)點(diǎn)以及簇頭節(jié)點(diǎn)的能量平均到整個(gè)網(wǎng)絡(luò)中,充分起到了節(jié)能作用,延長了整個(gè)網(wǎng)絡(luò)的壽命。
然而,該算法也有其自身的一些設(shè)計(jì)缺陷:首先,節(jié)點(diǎn)必須知道全網(wǎng)位置信息;其次,雖然最終與Sink節(jié)點(diǎn)的通信數(shù)據(jù)量是減少了,但是有很多額外開銷用于了鄰居節(jié)點(diǎn)之間的局部信號(hào)處理上,即很多能量消耗在了局部通信上。對(duì)于越密集、相關(guān)性越強(qiáng)的網(wǎng)絡(luò),該算法的效果越好。
在此基礎(chǔ)上,南加州大學(xué)的Godwin Shen考慮到DWT_IRR算法中沒有討論的關(guān)于計(jì)算反向鏈路所需的開銷,從而對(duì)該算法進(jìn)行了優(yōu)化。由于反向鏈路加重了不必要的通信開銷,Godwin Shen提出預(yù)先為整個(gè)網(wǎng)絡(luò)建立一棵最優(yōu)路由樹,使節(jié)點(diǎn)記錄通信路由,從而消除反向鏈路開銷。
3 總 結(jié)
基于應(yīng)用領(lǐng)域的不同,以上算法各有其優(yōu)缺點(diǎn),如表1所示。
4 結(jié) 語
這里介紹了幾類常用的無線傳感器網(wǎng)絡(luò)數(shù)據(jù)融合算法,并比較了其優(yōu)缺點(diǎn)。數(shù)據(jù)融合是實(shí)現(xiàn)無線傳感器節(jié)點(diǎn)節(jié)能目的的重要手段之一,目前的各種研究技術(shù)都還未成熟,新技術(shù)正不斷涌現(xiàn)。例如當(dāng)傳感器節(jié)點(diǎn)具有移動(dòng)能力時(shí),網(wǎng)絡(luò)拓?fù)淙绾伪3謱?shí)時(shí)更新;當(dāng)環(huán)境惡劣時(shí),如何保障通信的安全;如何進(jìn)一步降低能耗;以及如何更好地借助數(shù)據(jù)稀疏性理論(如Compressd Sening)在圖像處理中的應(yīng)用,而將其引入到傳感器網(wǎng)絡(luò)數(shù)據(jù)壓縮中改善融合效果,以上都是待解決的問題。未來還會(huì)有更多、更好、更合面的算法被不斷提出。