基于无线传感器网络的数据融合方法研究

李荣伟

摘 要：在无线传感器网络中，数据融合技术能减少网络节点间的通信量， 从而大大提高网络感知性能， 延长了网络的生存周期， 减小数据传输的时间延迟，因此设计高效的数据融合算法是无线传感器网络关键技术之一。目前数据融合技术的应用研究方兴未艾，本文的主要工作首先介绍数据融合的基本概念，并对数据融合的功能模型进行了分析，然后在此基础上对当前无线传感器网络数据融合算法进行分类研究。

关键词：无线传感器网络；数据融合；功能模型

DOI：10.16640/j.cnki.37-1222/t.2017.05.114

1 引言

无线传感器网络（Wireless Sensor Networks，WSN）作为一种新兴的信息获取和处理技术，已经吸引了众多研究者的关注[1，2]。由于无线传感器网络具有范围大、低成本，、布设灵活的特点，它越来越多的被用于如森林、战场和灾难现场等无人值守的应用环境中。在WSN中，网络节点通常自身携带的电池进行供电，且采用嵌入式处理器和存储器，所以往往造成网络节点计算资源和能量严重受限。随着物联网的应用和发展，WSN的应用范围也不断扩展，同时WSN呈现出网络结构动态变化更频繁、数据通信可靠性的要求更高等特点。但是WSN 仍然具有节点体积受限、使用有限电源、采用无线通信方式等本质特性，因此网络节点的带宽资源、能量、通信距离依然受限，这就使得研究人员更加关注WSN中节能和提高通信效率的问题。数据融合技术就是解决无线传感器网络能量和资源受限问题的有效方法之一。

在文章的余下章节中，第二节给出了数据融合的基本概念，第三节分析了功能模型，最后第四节对WSN中现有的数据融合方法进了分类介绍。

2 数据融合的基本概念

生物系统（如人）对多源信息的融合处理体现了信息获取的多样性，同时使得信息交融而得到感知信息。传感器感测外部信息，而数据融合系统则是模仿人的信息处理能力。因此文献[3]中给出了传感器数据融合的概念，针对一个系统中使用多种传感器（多个或多类）对某一特定问题进行的信息处理方法，又称多传感器信息融合。单一传感器可能只获得环境或被测对象的部分信息段，不能有效地利用多传感器资源；而多传感器系统可以很大程度地获得被探测目标和环境的信息量。数据融合所处理的多传感器信息具有复杂的形式，可以在不同的信息层次上出现，这些信息抽象层次包括数据层、特征层和决策层。

数据融合技术在智能信息处理技术的研究中有不可代替的作用。数据融合充分利用不同时空的多传感器信息资源，采用计算机技术对按时序获得的多传感器观测信息按一定的准则加以自动分析、综合、支配和使用，获得对被测对象的一致性解释与描述，已完成所需要的决策和估计任务，使得系统获得比它的各组成部分更优越的性能。数据融合研究主要涵盖的内容包括检测、关联、跟踪、估计及综合；在几个层次上完成对多源信息处理，各个层次都表示不同级别的信息抽象；结果包括较低层次上的状态和属性估计，以及较高层次上的整个战场态势估计和威胁评估。

3 数据融合的功能模型

数据融合的模型可以分为：功能模型、结构模型和数学模型。结构模型描述数据融合的系统拓扑结构关系，以及数据流的定义。数学模型定义了数据融合算法的数学表示和综合逻辑。数据融合的功能模型则是根据融合需求，定义数据融合系统的组成，数据融合时系统各主要功能部分之间的相互作用过程，以及数据融合系统的软、硬件组成。White给出了一个在军事应用背景下建立的一般处理模型，其基本思想如图1所示。检测级数据融合属于低级融合，是经典信号处理的直接发展，适用于任何多传感器数据融合系统。位置级融合和属性级融合是多传感器数据融合最重要的两级。态势评估和威胁估计为决策级融合，是C4ISR的核心，适用于军事领域。

3.1 检测级融合

检测级融合是信号级的数据融合，属于分布式检测问题，它根据所选择的检测准则形成最有门限，以阐述最终检测输出。传感器向融合中心传送经过某种处理的检测和背景杂波统计量，然后在融合中心直接进行分布式虚警检测（CFAR）。如图1所示，预滤波根据时间和空间以及传感器类型对数据进行分选和归并，以控制进行第二级处理的信息量。采集管理主要是控制融合的数据收集，包括传感器的选择、任务分配（通过预测目标位置）、工作状态优选和监视。从分布式检测的角度看，检测级融合的结构模型主要有4种：即并行结构、串行结构、分散式结构和树状结构。检测级融合具有两种处理形式：即集中式和分布式。

3.2 位置级融合

位置级融合包括数据的校准、跟踪、预测、滤波和关联，综合传感器的位置信息，以获取目标的位置和速度（动态特性、属性信息），建立对象轨迹（航迹）数据库。从信息流通形式和综合处理层次上看，其系统结构模型主要有集中式、分布式、混合式和多级式结构。下面主要对集中式和分布式的位置级融合进行介绍。

集中式位置级融合是将各传感器采集的检测数据传送到融合中心进行数据对准、点迹相关、数据互联、航迹滤波、预测和综合跟踪。这种结构的优点是信息损失最小，但是数据互联较为困难，同时要求系统容量大，因此计算负担重，系统生存能力差。

分布式结构的应用很普遍，特别是在C4ISR系统中，它不仅具有局部独立跟踪能力，还具有全局监视和评估特性，且造价可控。这种结构的特点是：每个传感器的检测数据在进行融合之前，先由其自己的数据处理器产生局部多目标跟踪航迹，然后把处理过的信息送至融合中心，中心根据各节点的航迹数据完成航迹的相关和合成。这种结构还可称为分级式和自主式融合。

3.3 目标识别级融合

目标识别（属性）级数据融合，也称属性分类或身份估计，主要是组合来自多个传感器的属性信息，获取目标（身份）的联合估计。目标识别的基本过程如图2所示。用于目标识别的技术主要有模板法，聚类分类，自适应神經网络，或识别实体身份的基于知识的技术。目标识别（属性）级的数据融合结构主要分为三类：分别对应决策级、特征级和数据级属性融合。例如基于图像的目标识别融合，就可以这三级中的任一级进行。

决策级属性融合结构中，每个传感器为了获得一个独立的属性判决要完成一个变换，然后顺序融合来自每个传感器的属性判决。特征级属性融合结构中，每个传感器观测一个目标，为了产生来自每个传感器的特征向量要完成特征提取，然后组合这些特征向量，并基于联合特征向量做出属性判决。在数据级融合方法中，直接融合来自同类传感器的数据，然后是特征提取和对来自融合数据的属性判决。为了实现这种融合，传感器必须是相同的或同类的。与位置级数据融合结构类似，通过融合靠近信源的信息可获得较高的精度，即数据级属性融合比特征级精度高，而决策级融合是最差的。

图像融合作为目标识别融合中的一个重要方面，可以在像素级、特征级或决策级任一级进行融合，也可以利用Dastrathy提出的5级结构，构造灵活的图像融合识别结构，以进一步改善图像融合的性能。

4 无线传感器网络中的数据融合算法

无线传感器网络中的数据融合主要集中于应用层和网络层。在网络层中，将路由技术与数据融合技术进行结合，可用于设计面对应用的数据融合接口。数据融合技术还可以独立应用于协议层之外，在网络层与数据链路层的中间建立信息融合层。

4.1 应用层中的数据融合

在应用层进行数据融合时，需要考虑以下两点。

（1）对无线传感器网络的架构进行设计时，应用层涉及到的参数量较多，需要屏蔽应用层的工作，为用户终端提供一个方便、灵活的需求界面。

（2）在无线传感器网络的能量分配中，数据通信所占的比率最大，可以利用分布式数据库技术对网络中的冗余信息进行融合，将中间点接收到的数据与本地数据进行融合处理。目前，应用层中基于查询的数据融合技术的研究比较热门，对此技术贡献最大的是美国加州大学伯克利分校（UC Berkeley）的 TinyDB[4]和康奈尔（Cornell）大学的 Cougar 系统[5]。基于应用层的数据融合技术适用于网络规模较小且单个节点的计算与存储能力较强的传感器网络。

4.2 网络层中的数据融合

网络层主要研究路由选择，其目的是挑选出一条通信带宽和路径最为合适的路由，以提高通信效率。无线传感器网络融合技术可以减少冗余数据，减少数据通信量，避免网络拥堵。将两者协同使用可以延长网络系统的寿命。根据 WSN 中的路由技术是否有数据融合功能可以分为两类[6-7]。

（1）以地址为中心的路由（Address-Centre Routing，AC 路由）。每个节点只是寻找从源节点到目的节点的最短路径，并且数据通过最优路径被转发，不考虑数据融合。如图 3（a）所示，从源节点 1 与源节点 2 到汇聚节点数据传输时分别经过中间节点 A 与 B、C 寻找最短路径，没有运用数据融合技术。

（2）以数据为中心的路由（Data-Centre Routing，DC 路由）。选路过程中有数据融合。如图3（b）所示，数据从源节点传送到 Sink 节点的过程中，没有选择最短路径：源节点 1→中间节点 A→Sink 节点，而是将源节点 1 与源节点 2 采集的数据在中间节点 B 处融合，并将融合结果传送给 Sink 节点。

4.3 具有数据融合的路由协议

具有数据融合的路由协议主要概括为以下几种：

（1）具有查询能力的路由协议。具有查询能力的路由协议的代表是定向扩散路由。其路由建立和数据传输两个阶段都涉及到数据融合。

在路由建立阶段，汇聚节点向邻节点广播兴趣。对于每个节点的兴趣，都有一个表项记录发出该兴趣的邻节点，包括数据发送速率和时间戳等。当在同一检测区域内的邻节点之间的兴趣命名的方式相同时，可以将具有相同属性的兴趣融合为一个。

在数据传输时，当节点采集的数据与兴趣匹配时，对此转发数据进行缓存处理，再有重复的数据则不予发送，有效地减少了网络通信过程中的数据传输量。

（2）基于层次的路由协议。基于层次的路由协议的典型代表是 LEACH，此协议分为三个阶段：簇首的选择、簇的建立和数据的融合与传输阶段。在数据的融合与传输阶段，簇内节点把采集的数据信息发送给簇首，簇首接受所有簇内成员传输的数据信息，并融合处理收集到的数据，将融合结果传送给 Sink节点。

基于链的路由。基于链的路由不采用分层结构，典型代表是PEGASIS协议[8-9]。PEGASIS 协议中只有距离相近的节点间才互相通信，每一次通信都是在链中进行。每一次只有一个邻节点与Sink节点通信。

Sink节点选定后，采用令牌方式进行数据传输。信息从两端向中间靠拢，经过多次的数据传输和融合，将结果送到 Sink 节点，当链中有一个节点死亡时，链就需要重新构建。在运用 PEGASIS 协议时，“Sink 节点”可以被链中节点轮流充当，从而使在每一轮通信中每个节点的能量消耗降低，整个网络的能耗均衡性更好。

5 结论

经过几十年的发展，数据融合从单一的军事领域逐渐发展到更广阔的多元化应用领域。数据融合技术是为适应WSN以数据为中心的应用而产生的，是WSN的关键技术之一。它能减少网络节点间通信量，明顯提高网络感知效率，延长网络生存周期，节省通信带宽和能量资源，这非常有利于无线传感器网络的设计与应用。本文从数据融合技术与WSN的协议层之间的紧密联系和数据融合的功能模型两个方面就进行了论述，明确了数据融合的功能模型对融合细节和研究对象所起的框架作用，以及数据融合技术在WSN中各协议层间的应用机制。在WSN的不断创新和发展中，对数据融合算法的设计和分析是极具研究价值的，同时也存在巨大的挑战性。

参考文献：

[1]马祖长，孙怡宁，梅涛.无线传感器网络综述[J].通信学报，2004，25（04）：114-124.

[2]KRISHNAMACHARI B，ESTRIN D，WICKER S. The impact of data aggregation in wireless sensor networks[C].Proc of the 22nd International Conference on Distributed Computing Systems.2002：575-578.

[3]MaoY.Y，Ksehisehang F.R.，Li B.，et al.A factor graph approach to link loss monitoring in wireless sensor network[J].IEEE Journal on Selected Areas in Communications，2005，23（04）：820-829

[4]Madden S R， Franklin M J， Hellerstein J M， et al. TinyDB： an acquisitional query processing system for sensor networks[J].ACM Transactions on database systems （TODS）， 2005，30（01）：122-173.

[5]Yao Y，Gehrke J.The cougar approach to in-network query processing in sensor networks[J].ACM Sigmod Record，2002， 31（03）：9-18.

[6]Cao J G.A data fusion routing algorithm in wireless sensor network based on mobile agent[C].Machine Learning and Cybernetics（ICMLC），2013 International Conference on.IEEE， 2013（01）：1-4.

[7]Karaboga D，Okdem S，Ozturk C.Cluster based wireless sensor network routing using artificial bee colony algorithm[J].Wireless Networks，2012，18（07）：847-860.

[8]刘伟强，蒋华，王鑫.无线传感器网络中PEGASIS协议的研究与改进[J].传感技术学报，2013，26（12）：1764-1769.