无线传感器网络数据融合关键技术研究摘要：路由协议与数据融合技术已成为无线传感器网络（WSN）的一个重要研究方面。

本文按照面向应用和面向层次两个分类进行了介绍，并通过联系以数据为中心的路由协议以及相关的数据融合算法，简要分析了其在节省功耗，优化网络性能方面所采取的有效措施。

通过仿真实验，推断出以数据为中心的路由协议对网络内数据融合的帮助意义。

关键词：无线传感器网络；路由协议；数据融合；NS21 引言无线传感器网络（wireless sensor network，WSN）就是由部署在监测区域内大量的廉价微型传感器节点组成，通过无线通信方式形成的一个多跳的自组织的网络系统，其目的是协作的感知、采集和处理网络覆盖区域中感知对象的信息，并发送给观察者[1]。

路由协议和数据融合已成为无线传感器网络的关键技术。

本文首先对现有的几种路由协议和数据融合算法进行介绍，然后通过仿真来验证以数据为中心的路由协议在性能上的优势，以及对数据融合的促进意义。

2 无线传感器网络路由协议路由协议负责将数据分组从源节点通过网络转发到目的节点，它主要包括两个方面的功能：寻找源节点和目的节点间的优化路径，将数据分组沿着优化路径正确转发。

2.2面向应用的路由协议面向应用的路由协议是众多路由协议中较为常见的一种。

所谓面向应用，即是与应用模式紧密相连的路由协议。

从具体应用角度出发，根据不同应用对传感器网络各种特性的敏感性不同，将路由协议分为四种类型[2]：1）能量感知路由协议；2）基于查询的路由协议；3）地理位置路由协议；4）可靠的路由协议。

能量路由是最早提出的传感器网络路由机制之一，它根据节点的可用能量（power available，PA）或传输路径上的能量需求，选择数据的转发路径。

节点可用能量就是节点当前的剩余能量。

基于查询的路由协议包括定向扩散路由和谣传路由。

定向扩散是专门为传感器网络设计的路由策略，是以数据为中心的典型路由协议代表，与己有的路由算法有着截然不同的实现机制。

谣传路由引入了查询消息的单波随机转发的机制，克服了使用洪泛方式建立转发路径带来的开销过大的问题。

地理位置路由包括GEAR路由和GEM路由。

GEAR（geographical and energy aware routing）路由假设已知事件区域的位置信息，每个节点知道自己的位置信息和剩余能量信息，并且通过一个简单的Hello消息交换机制了解所有邻居节点的位置信息和剩余能量信息。

GEM（graph embedding）路由是一种适合于数据中心存储方式的地理路由。

其基本思想是建立一个虚拟极坐标系统（virtual polar coordinate system ，VPCS），用来表示实际的网络拓扑结构。

网络中的节点形成一个以汇聚节点为根的带环树（ringed tree），每个节点用到树根的跳数距离和角度范围来表示，节点间的数据路由通过这个带环树实现。

2.3面向层次的路由协议针对无线传感器网络中节点所处的地位，以及网络的拓扑结构，还可以将无线传感器网络的路由协议分为平面结构和分层结构。

平面路由协议包括定向扩散路由协议、谣传路由协议、SPIN路由协议（基于能量感知的路由协议）、HREEMR路由协议（基于多路径的路由协议）、SPEED 路由协议、GEM路由协议、边界定位路由协议、有序分配路由协议等。

前面介绍的四类面向应用的路由协议大都属于平面的路由协议。

分层路由协议包括：LEACH路由协议、TEEN路由协议、GAF路由协议、GEAR 路由协议、SPAN路由协议、SOP路由协议、MECN协议、EARSN路由协议等。

这里，我们重点介绍两个相似的路由协议：LEACH和TEEN协议。

3 数据融合技术所谓数据融合，是将来自多个传感器和信息源的数据信息加以联合、相关和组合，剔除冗余信息，获得互补信息，以便能够较精确地估计出节点的位置和在网络中的地位，以及对现场情况及其传送数据的重要程度进行适时的完整的评价[3]。

对于无线传感器网络系统来说，信息具有多样性和复杂性，因此对数据融合方法的基本要求是具有鲁棒性和并行处理能力。

由于来自各种不同传感器的数据信息可能具有不同的特征，于是相应地出现了多种不同的数据融合方法。

常用的数据融合算法如图3.1所示[2]：图3.1 检测分类算法分类1、贝叶斯推理技术：它解决了经典推理方法的某些困难，贝叶斯推理在给定一个预先似然估计和附加证据（观测）的条件下，能更新一个假设的似然函数。

2、Dempster-Shafer证据区间理论：D-S证据理论是一种不精确推理理论，是贝叶斯推理的扩展，但贝叶斯方法必须给出先验概率，而证据理论则能够处理这种由不知道引起的不确定性。

3、自适应人工神经网络：人工神经网络模型或自适应神经系统是一个仿效生物神经系统信息处理的系统。

一个神经网络包括以各种方式连接的处理单元(或节点)的层。

神经网对输入的数据矢量进行非线性的变换，一次完成聚类分析技术所进行的从数据到属性的分类。

4、专家系统：是一组计算机程序，它试图模拟专家对专业进行决策和推理的能力。

5、模糊集合理论：应用广义的集合论以确定指定集合所具有的隶属关系，模糊集合是这样的一个集合，其隶属关系不是一个布尔判定元素。

模6、粗糙集理论：是一种新的分析和处理不精确、不一致、不完整信息和知识的数学工具，针对知识库，提出了不精确范畴等概念。

4 以数据为中心的路由协议模拟实现4.1实验设计与模拟结果分析4.1.1移动网络模型和参数设计本文实验的网络模拟软件工具采用NS2，并针对节点随机分布的无线传感器网络，本文参照国际上发表的相关文献的实验场景的设置[4,5]，综合关于无线传感器网络的国内外文献实验场景[6,7]，采用了最为常见的实验场景配置。

在本文中，设置若干无线传感器节点随机散落在160m*160m的正方形区域内。

每一个节点的无线传输距离是40m。

采用1.6Mb/s速率的802.11协议。

设置节点的能量模型为：发送数据包的功率耗损为660mW；接收数据包的功率损耗为396mW；空闲期间的功率损耗为35mW。

在给定的无线传感器域中具有若干个源节点和汇聚节点，并且它们都是随机的从整个传感器域中的所有传感器节点中选取的。

每个源节点每秒钟产生两个数据包，其数据包的大小设定为64字节。

周期性的每5秒产生一个兴趣，并且兴趣的持续时间被设定为15秒，而兴趣的大小则被设定为32字节。

假设本文中的实验在没有网络拥塞的理想情况下进行。

4.1.2能量消耗方面的研究本实验重点针对路由协议的能量消耗方面。

因此，本章将在改变各个参数（包括网络节点数目、源节点数目、汇聚节点数目、网络规模）的情况下，分别对洪泛和定向扩散协议进行四个模拟实验，其中具体实验场景配置如表4.1所示。

在这四个模拟实验中，都是以平均消耗能量这个性能参数作为性能评价的技术指标。

在这里，平均消耗能量这个性能参数衡量的是无线传感器网络中每一个节点在传输单位数据包时所消耗的能量，同时也是衡量整个传感器网络中节点的生存时间长短的参数。

在上述四个实验中，模拟时间都设定为1000秒。

在每次模拟结束后，就得到了对应模拟过程的trace文件。

通过所编写的合适的awk程序，对各个trace文件中的数据进行抽取、统计、计算和分析。

实验一和实验二的变化曲线如图4.1所示。

实验数据显示，无论是小规模网络中还是中大规模网络中，定向扩散协议表现出的平均消耗能量要比洪泛小得多。

并且随着节点数量的增加，定向扩散协议的能量节省效果更加明显，从而会有效地延长网络的生存时间。

图4.1 平均消耗能量随网络节点数的变化实验三的模拟实验如图4.2所示。

图4.2描述了洪泛和定向扩散协议下，汇聚节点数目的增加分别对网络的平均消耗能量的影响。

从图中可以看到，随着汇聚节点的增加，定向扩散协议的优势更加明显。

图4.2 平均消耗能量随汇聚节点的变化实验四的模拟实验结果如图4.3所示。

图中可以清楚地看到，在洪泛和定向扩散协议下，源节点数目的增加分别对其网络的平均消耗能量的影响。

实验结果表明，在小规模的网络条件下，随着源节点的增加，定向扩散协议的优势要明显得多。

图4.3 平均消耗能量随源节点数的变化上述四个模拟实验结果说明在本文中所实现的模拟工作基本上实现了定向扩散协议的设计理念。

同时也证明了在能量消耗方面定向扩散协议要比洪泛更有优势，从而会增加整个网络的生存时间。

4.1.3时间延迟方面的研究为了研究节点随机分布的情况下网络的平均时间延迟，在此对洪泛、定向扩散协议设计了实验五的模拟实验。

这里平均延迟时间衡量的是从源节点到汇聚节点传输数据包时所需要的平均等待时间，同时也反映了网络路由的时间准确性。

在实验五中，设定有5个源节点和5个汇聚节点，传感器网络中节点的数目从20个到50个，每次增加5个节点，模拟时间为1000秒，其模拟结果如图4.4所示：图4.4 平均时间延迟随网络节点数的变化图4.4反映了小规模网络条件下，不同数目网络节点下平均时间延迟的变化情况。

实验五的模拟结果表明在时间的延迟方面，洪泛的平均时间延迟要远远高于定向扩散协议。

4.2实验结果分析通过本章的模拟实验，我们可以看到在能量消耗方面，随着网络节点数据的增加，定向扩散协议的能量节省的效果更加明显，从而会增加整个网络的生存时间。

但是与洪泛协议相比较，随着网络规模的增大，定向扩散协议能量节省的效果稍稍下降。

在时间延迟方面，在小规模的网络的条件下，洪泛的平均时间延迟要远远高于定向扩散协议，而定向扩散协议在能量消耗方面和时间延迟方面具有一定的优势，故可以说在优先能量下定向扩散是一种较为理想的路由模式。

归纳起来，定向扩散协议的优点有以下五个方面：采用多路径，健壮性好；使用数据聚合能减少数据通信量，为数据融合减小了数据上的压力；使用查询驱动机制按需建立路由，避免了保存全网信息；具有很好的可扩展特性；在一个使用定向扩散的无线传感器网络中，所有的节点都是以应用驱动的，这就使得扩散能够通过选择经验上好的路径和通过缓存和处理网络中的数据（比如数据融合，data aggregation）来达到能量节省。

同时实验结果也证明了定向扩散协议是有缺点的，其缺点是：不适合环境监测等应用；梯度的建立开销很大，不适合多汇聚节点的无线传感器网络；数据聚合过程采用时间同步技术，会带来较大开销和时延。

另外，在模拟实验的过程中，我们发现无论是在小规模网络中还是中大规模的网络中，随着模拟时间的增加，定向扩散协议在能量消耗方面的时间延迟方面的性能效果都是呈下降趋势的。

这个发现对将来的研究工作具有一定的意义。