无线传感器网络数据传输及融合技术

1 传统的无线传感器网络数据传输
1．1 直接传输模型
直接传输模型是指传感器节点将采集到的数据通过较大的功率直接一跳传输到Sink节点上，进行集中式处理，如图1所示。这种方法的缺点在于：距离Sink节点较远的传感器节点需要很大的发送功率才可以达到与sink节点通信的目的，而传感器节点的通信距离有限，因此距离Sink较远的节点往往无法与Sink节点进行可靠的通信，这是不能被接受的。且在较大通信距离上的节点需耗费很大的能量才能完成与Sink节点的通信，容易造成有关节点的能量很快耗尽，这样的传感器网络在实际中难以得到应用。

1．2 多跳传输模型
这种方式类似于AD-Hoc网络模型，如图2所示。每个节点自身不对数据进行任何处理，而是调整发送功率，以较小功率经过多跳将测量数据传输到Sink节点中再进行集中处理。多跳传输模型很好地改善了直接传输的缺陷，使得能量得到了较有效的利用，这是传感器网络得到广泛利用的前提。
该方法的缺点在于：当网络规模较大时，会出现热点问题，即位于两条或多条路径交叉处的节点，以及距离Sink节点一跳的节点(将它称之为瓶颈节点)，如图2中N1，N2，N3，N4，它们除了自身的传输之外，还要在多跳传递中充当中介。在这种情况下，这些节点的能量将会很快耗尽。对于以节能为前提的传感器网络而言，这显然不是一种很有效的方式。

2 无线传感器网络数据融合技术
在大规模的无线传感器网络中，由于每个传感器的监测范围以及可靠性都是有限的，在放置传感器节点时，有时要使传感器节点的监测范围互相交叠，以增强整个网络所采集的信息的鲁棒性和准确性。那么，在无线传感器网络中的感测数据就会具有一定的空间相关性，即距离相近的节点所传输的数据具有一定的冗余度。在传统的数据传输模式下，每个节点都将传输全部的感测信息，这其中就包含了大量的冗余信息，即有相当一部分的能量用于不必要的数据传输。而传感器网络中传输数据的能耗远大于处理数据的能耗。因此，在大规模无线传感器网络中，使各个节点多跳传输感测数据到Sink节点前，先对数据进行融合处理是非常有必要的，数据融合技术应运而生。
2．1 集中式数据融合算法
2．1．1 分簇模型的LEACH算法
为了改善热点问题，Wendi Rabiner Heinzelman等提出了在无线传感器网络中使用分簇概念，其将网络分为不同层次的LEACH算法：通过某种方式周期性随机选举簇头，簇头在无线信道中广播信息，其余节点检测信号并选择信号最强的簇头加入，从而形成不同的簇。簇头之间的连接构成上层骨干网，所有簇间通信都通过骨干网进行转发。簇内成员将数据传输给簇头节点，簇头节点再向上一级簇头传输，直至Sink节点。图3所示为两层分簇结构。这种方式降低了节点发送功率，减少了不必要的链路，减少节点间干扰，达到保持网络内部能量消耗的均衡，延长网络寿命的目的。该算法的缺点在于：分簇的实现以及簇头的选择都需要相当一部分的开销，且簇内成员过多地依赖簇头进行数据传输与处理，使得簇头的能量消耗很快。为避免簇头能量耗尽，需频繁选择簇头。同时，簇头与簇内成员为点对多点的一跳通信，可扩展性差，不适用于大规模网络。

2．1．2 PEGASIS算法
Stephanie Lindsey等人在LEACH的基础上，提出了PEGASIS算法。此算法假定网络中的每个节点都是同构的且静止不动，节点通过通信来获得与其他节点之间的位置关系。每个节点通过贪婪算法找到与其最近的邻居并连接，从而整个网络形成一个链，同时设定一个距离Sink最近的节点为链头节点，它与Sink进行一跳通信。数据总是在某个节点与其邻居之间传输，节点通过多跳方式轮流传输数据到Sink处。如图4所示。
该算法缺点也很明显，首先每个节点必须知道网络中其他各节点的位置信息。其次，链头节点为瓶颈节点，它的存在至关重要，若它的能量耗尽则有关路由将会失效。再次，较长的链会造成较大的传输时延。
2．2 分布式数据融合算法
可以将一个规则传感器网络拓扑图等效于一幅图像，获得一种将小波变换应用到无线传感器网络中的分布式数据融合技术。这方面的研究已取得了一些阶段性成果，下面就对其进行介绍。
2．2．1 规则网络情况
Servetto首先研究了小波变换的分布式实现，并将其用于解决无线传感器网络中的广播问题。南加州大学的A．Ciancio进一步研究了无线传感器网络中的分布式数据融合算法，引入lifting变换，提出一种基于lifting的规则网络中分布式小波变换数据融合算法(DWT_RE)，并将其应用于规则网络中。如图5所示，网络中节点规则分布，每个节点只与其相邻的左右两个邻居进行通信，对数据进行去相关计算。