无线传感器网络中的网内信息处理技术

李　娜　吴　帆　刘元安

摘要:无线传感器网络(WSN)的传输技术发展迅速,但单纯的传输原始感知数据并不能满足传感器网络应用日益发展的智能化需求。传感器网络的网内信息处理技术在原始采集数据的基础上,将大量的信息处理和计算移植到传感网内部进行,从海量的、杂乱无章的、难以理解的原始数据中抽取并推导出对于某些特定的用户来说具有特定意义和判决参考价值的数据。网内信息处理技术能够降低网络数据传输量、节约能量资源、提高数据精度、减小传输延迟,以达到提高网络性能,高度契合用户信息需求的目标,是未来传感器网络技术发展的重要方向。

关键词:无线传感器网络;网内信息处理;协作聚集;数据融合

Abstract: The transmission technology of Wireless Sensor Networks (WSNs) has developed rapidly; however, it cannot follow the steps of intelligent applications of the future WSN by just transmitting the original data. Network information processing transfers the majority of processing and computing works into WSN based on original data collection. A mass of incomprehensible original data is extracted and inferred into meaningful and consultable data to some certain users. Meanwhile, by network information processing, the data transmission account and latency are decreased; the energy efficiency and data accuracy are increased. Network information processing for advancing network performance and according to users information requirements is one of the most important development directions of the future WSN.

Key words: wireless sensor network; network information processing; cooperated collection; data fusion

近年来,无线传感器网络的技术发展突飞猛进[1-2],在网络架构、工作机制、传输协议等方面已具备较为成熟的理论体系。在现有的较完备的网络传输体系基础之上,传感网未来的发展趋势将朝向网络进一步的完善技术——传感网的应用技术和网络支撑技术。应用技术从传感器节点硬件设备及平台的制造、网络应用技术开发的角度推进传感器网络向现实应用转化;网络支撑技术包括定位技术、同步技术、安全技术、网内信息处理技术等,以网络性能的提升为主要目标,提高网络整体的服务质量和智能化。

网内信息处理技术旨在对原始采集数据进一步包装整合,将大量的信息处理和计算移植到传感网内部进行,从而简化对用户端的设备要求,用户侧可以使用更加低端和简易设备进行感知信息的读取和应用。网内信息处理技术使传感网具有更高级、更完善的信息处理能力,提供给用户的感知信息将更易理解。

1 网内信息处理概述

从无线传感器网络结构的角度来看,由大量底层的感知节点数据经过层层聚集,传输到汇聚节点,这种网络数据流量分布特性称为“漏斗效应”[3]。网络规模越大,数据流量越多,漏斗的压力也就越大,发生阻滞和拥塞的可能性也越大,将会严重地影响网络性能。网内信息处理技术能够很好地解决这个问题,针对底层节点庞大的数据流量,随着数据汇聚程度的增加,在保证基本信息不丢失的前提下,尽量地减小传输数据量。

因此,网内信息处理技术最大的特点和优势体现为:网络在传输数据的同时,也对数据进行处理。数据在由采集节点到用户域的传输过程中,完成了复杂而完整的信息处理流程,而具体的信息处理方法则根据不同的应用需求进行设计和实现。由网内信息处理技术带来的直接网络收益主要体现在以下4个方面:节约电池能量、减少数据冗余、提高数据精度、减小传输延迟。

(1)节约电池能量

大量文献表明[4-5],无线传感器网络中,节点电池电量消耗最大的是无线电发送和接受数据,而在节点的数据处理模块中对数据进行处理所消耗的能量远远小于无线射频模块。因此,对节点采集的原始数据进行处理,能够减少发送的数据量,节约电池能量,延长网络的生存周期。

(2)减少数据冗余

在传感器网络中,位置相近的传感器节点采集到的周边环境信息,往往具有较高的相似性,重复发送冗余信息显然不是明智之举。因此,将具有较高相关度的多个传感器节点采集信息先进行合并处理,得到高质量数据再进行发送将会减小中转节点传输的数据总量,节省网络带宽。

(3)提高数据精度

网内信息处理扩展了单个感知小区内数据的连通性,通过协同工作的工作模式,节点之间信息交互,能够进行数学计算,得到网络管理、移动性管理、业务管理、数据传输等优化结果,辅助上层的业务操作、传输选路、用户决策等。精度在不同的应用场景中有不同的定义,比如在目标跟踪定位的应用中,多个节点之间的信息交互和聚合协作,能够计算出更为精确的目标位置信息。

(4)减小传输延迟

传输延迟在很多应用中是非常重要的网络指标,在传输过程中对数据进行排序、压缩等处理方法,能够降低传输拥塞率,减小数据在网络的传输延迟。

网内信息处理过程贯穿于从数据链路层到应用层的网络协议中,如图1所示。各层协议根据网内信息处理的总体策略和规划,以信息处理为最终目标,执行各自的网络职能。网内信息处理技术将信息处理与数据传输同步进行,因此,在网络传输过程中的每一步都需要针对总体的网内信息处理策略制订相应的机制。网络控制与管理负责协议各层嵌入各种信息接口,定时收集协议运行状态,以网内信息处理的总体策略为指导,实时的协调控制网络中各个协议组件的运行。网内信息处理技术主要包括两方面的研究内容:网内协作模式的数据聚集和网内信息融合处理。

2 网内协作模式的数据聚集

无线传感器网络的主要特点是:节点的体积微小,存储和处理数据的能力低下,且大部分节点由电池供电,能量受到极大的限制。多年来,关于无线传感器网络协议的研究和设计大部分都是围绕着低能耗、低处理能力特点而进行的,网内协作模式的数据聚集一直是传感器网络的重要研究内容,以网内节点的协作互助为基本方式,解决传感器网络的数据传输问题,通过协作模式补偿节点能力和能量受限的问题。

2.1 数据聚集的空间策略

传感器网络中边传输边处理的总体策略决定了网络层路由“以数据为中心”的特点,如何选择适合信息处理的最佳传输路径,数据流相遇时是否应该融合处理,不同的拓扑结构中如何选择最优聚合点,是数据聚集的空间策略解决的主要问题。

显而易见,数据聚集的空间策略与网络的拓扑结构、数据传输路径存在非常紧密的联系。基于层次的分簇网络是一种适合于网内信息处理的网络结构[6],在分簇结构的路由协议中,簇首节点则是理想的数据聚合点,所有的簇内节点都会将本地采集到的数据发送给簇首节点。而且簇成员节点因为地理位置比较接近,相关性比较大,数据冗余度相对较高,适宜在簇内进行数据处理以消除冗余。另一种数据收集方法采用树状的网络结构,以数据融合相关参数为路由启发,生成最优化路由,在数据传输过程中,进行数据融合。文献[7]提出一种以邻居节点之间的数据相关度为选路标准,便于相关度较高的节点进行数据合并压缩,降低传输能量消耗的路由算法。文献[8]对大数据量的感知信息在路由过程中的融合处理考虑了融合代价问题,即对融合处理和直接转发在能量上的权衡,对数据在传输过程中最优化的聚合点和聚合条件做出详细的决策依据。

2.2 数据聚集的时机控制

在无线传感网中,一个事件的产生所涉及的相关数据由多个传感器节点协作采集和传输。以网内信息处理为需求的路由方法决定了空间策略的数据聚集,而时间上的控制方法也会对其性能产生重要的影响。数据聚集的时机控制决定中间节点合并下游节点传来数据的最优时机,以及对本地数据、转发数据、合并数据的发送需要等待多长时间等。

关于聚集时机的选择有很多种方案。文献[9]提出一种周期性简单的聚合时机控制方法,节点等待一个规定的固定长度的时间,对已经接收到的数据执行数据聚合,然后向下一跳发送聚合后的数据包。文献[10]根据节点在拓扑结构中的位置,确定数据聚合的时机,距离汇聚节点近的节点等待时间长,距离汇聚节点远的节点等待时间短,所有节点的等待时间形成一种级联效应,也就是说处于同一层次的节点,其数据聚合时机相同。这种选择方法在保证数据准确性及时延的情况下,可以使所有传感器节点采集的数据在沿已知路径回传时,最大程度地聚合,有效节省了传感器网络的能量。

3 网内信息融合处理

如前所述,传感器网络实现的不仅仅是感知数据的采集与透明传输,网络在实时、可靠地传输数据的同时,也是一个信息加工的工厂,在原始数据采集的基础上,网络内部进行了大量数据处理工作,传输到网络外部终端的感知信息将是从海量的、可能是杂乱无章的、难以理解的原始数据中抽取并推导出对于某些特定的用户来说具有价值、具有意义的处理后数据。网内信息融合处理功能框图如图2所示。

网内数据融合处理与传感器网络的应用模式密切相关,涉及到多种数据处理功能。针对传感器网络的不同信息获取需求,选择不同的数据处理功能,从而满足对于特定应用场景的需求。按照操作对象的特点,网内信息融合处理分为以下级别:数据级、特征级、融合级、表示级。

3.1 数据级处理

(1)数据存储

数据存储方式直接影响系统各个数据处理模块的运行,传感器网络中采集的数据可以选择分布式或中央集控式存储方式,存储方式要考虑到节点容量限制、数据收集和分发模式、冗余备份和能耗最小化等问题。

(2)数据备份

网内数据具有一定的时间有效性,在进行网内数据处理的时候,处理的结果可以实时传输到终端用户,以便针对发生的事件进行及时有效的处理控制。但对于重要的数据,需要进行数据备份,制作历史记录以备查询,备份的数据在超过数据的时间有效期之后可以删除。

3.2 特征级处理

(1)特征提取

对某一模式的一组测量值进行计算和变换,突出该模式具有代表性的特征,针对不同的数据特征,进行数据处理。同一个模拟信息源有不同的特征提取方法,根据不同的应用场景选择需要提取的特征。

(2)数据分类

利用提取的不同数据特征,可以把采集的数据按不同需求整理分类,可以按数据属性、数据包长度、数据内容等多种规则进行分类。分类后的数据便于进行下一级的融合处理。分类规则与更高层的融合策略有关。

(3)数据排序

数据排序功能需要数据库支持,通过对数据项的特征排序,可以实现数据按不同的优先级处理,排序整理后的数据,提高了传输有序性,同时也优化了用户所获得的信息结果。

(4)数据筛选

数据筛选完成传感器节点所采集数据与用户的信息需求之间的匹配、总结和转换功能。一方面,对于数据集合,用户所要获取的信息可能并不是传感器网络采集得到的所有数据,另一方面,对于单个数据项,用户所要获取的信息可能只是该项中的一部分,因此需要针对性地通过筛选将用户需要的信息提取出来传送给用户,屏蔽不需要的数据。

3.3 融合级处理

(1)数据关联

关联分析的目的是找出数据中隐藏的关联网。某种情况下的感知信息获取,单一的数据不能表征物体的特性,需要多个数据协同表示。数据关联的结果取决于关联规则的可信程度。关联可分为多维度的不同数据关联、多时刻的数据关联、多个不同类型的数据关联。

(2)数据变换

某些信息(例如图像特征的信息)直接处理的复杂性非常大,为了方便处理,需要对这类信息进行数据的变换,在变换域中进行数据处理。通过对这类数据的变换计算能节省传感器网络的计算资源。对于标量数据,数据变换主要用于计算数据的最大最小值、平均值、统计计数等。

(3)数据合并

数据合并处理数据项之间的关系,合并相同的数据项,或按照关联规则进行数据项的合并,从而减少数据量,减少冗余,降低网络的传输开销和能耗。

(4)数据加密

考虑到网络安全问题,数据加密以加密格式存储和传输敏感数据。加密算法是公开的,而密钥则是不公开的。传统加密方法有两种,替换和置换。替换的方法是使用密钥将明文中的每一个字符转换为密文中的一个字符,而置换仅将明文的字符按不同的顺序重新排列。

3.4 表示级处理

(1)数据重构

根据用户的不同需求,最终数据的呈现方式可能与网络内部传输数据的数据结构不同,这时就需要进行数据重构。先提取网内的数据结构描述,根据用户的需求,通过相应的映射函数对数据结构进行转换,这样用户就可以访问到正确的数据信息。

(2)数据表示

对于不同的应用,呈现在用户面前的数据有不同的表现方法。对于标量数据,数据表现形式可以分为单点数值表示和多点数值表示。单点数值表示特定时间的信息。还可以根据多点的变化趋势情况表现数据在一段时间内的总体情况。对于非标量数据,二维或多维的数据呈现才可以反映数据的本质特征。

(3)压缩编码

按照特定的编码机制用比较少的数据位元(或者其他信息相关的单位)表示信息,从压缩结果来看可以分为有损压缩和无损压缩,由于传感器采集的一般是模拟信息,所以主要采用有损压缩算法。针对不同的传感器数据特征又可以采用标量数据压缩算法或者矢量数据压缩算法,根据不同的数据类别可以选择对应的数据压缩算法。

4 结束语

网内信息处理技术使传感器网络的职能不仅仅是一个向用户提供物理世界信息的传输工具,更是一个具有高度计算能力和处理能力的信息加工厂。数据在网络传输的过程中得到计算处理,用户端接收到的是经过了大量网内处理的非原始数据。在网络内部对节点采集数据进行聚合处理,降低数据总量、节约能量资源、提高数据精度、减小传输延迟,以达到提高网络性能,高度契合用户的信息需求的目标。未来对于网内信息处理技术的研究和实现将推动无线传感器网络成为真正成为智能的信息获取渠道。

5 参考文献