無(wú)線(xiàn)傳感器網(wǎng)絡(luò )基于分簇路由的數據融合研究

2．3 數據融合策略
無(wú)線(xiàn)傳感器網(wǎng)絡(luò )的數據融合不僅僅是對數據進(jìn)行簡(jiǎn)單的平均、求和等運算，根據具體需求，需要采取不同的融合措施，數據融合的順序一般是從數據層到特征層再到?jīng)Q策層。本協(xié)議應用信息熵進(jìn)行數據分類(lèi)融合，節點(diǎn)感知的各種信息的數據關(guān)系可通過(guò)信息熵的計算分為補充數據、冗余數據以及沖突數據。補充數據指傳感器節點(diǎn)感知的目標不同特征的信息；冗余數據指傳感器節點(diǎn)感知的目標同一特征的信息；沖突數據指傳感器節點(diǎn)感知的不同目標的信息或者是同一目標時(shí)空不相關(guān)的信息，或者是傳感器故障而提供的矛盾信息。判定兩個(gè)傳感器節點(diǎn)提供的信息的數據關(guān)系方法如下：
假定節點(diǎn)1與節點(diǎn)2感知數據的分布特性符合pi(x／xi)，其中i為傳感器號1或2，x(x∈X)為感知的隨機數，xi為節點(diǎn)i感知的數據值；節點(diǎn)i和節點(diǎn)j的聯(lián)合分布為pij(x／xi，xj)，由信息熵的定義，節點(diǎn)i和j感知數據的自熵hi(xi)與聯(lián)合熵hij(xi，xj)的計算如下：

自熵表明了節點(diǎn)i感知數據xi的不確定性，而互熵則表明了節點(diǎn)i和j聯(lián)合感知數據(xi，xj)的不確定性。比較hi(xi)，hj(xj)與hij(xi，xj)三者的大小關(guān)系有以下三種情況：
(1)hi(xi)≤hij(xi，xj)≤hj(xj)，說(shuō)明兩個(gè)傳感器的聯(lián)合感知數據既沒(méi)減少xi的不確定性，也沒(méi)增加xj的不確定性，兩個(gè)節點(diǎn)的感知數據互不影響，因此兩個(gè)數據是互補的；
(2)hij(xi，xj)hi(xi)≤hj(xj)，說(shuō)明聯(lián)合感知數據的不確定性較xi和xj的不確定性都小，因此兩個(gè)數據是冗余的；
(3)hi(xi)≤hj(xj)hij(xi，xj)，說(shuō)明聯(lián)合感知數據的不確定性較xi和xj的不確定性都大，因此兩個(gè)數據是沖突的。

3 仿真實(shí)驗
本文采用Matlab建立仿真模型，分別對原LEACH算法與改進(jìn)后的算法進(jìn)行仿真分析并加以比較。
3．1 仿真模型與參數設置
本實(shí)驗采用LEACH定義的物理模型，其定義如下：
(1)所有節點(diǎn)屬性完全一樣，能量有限并且均能與基站直接通信；
(2)基站位置固定，節點(diǎn)不知道其自身位置信息；
(3)無(wú)線(xiàn)通信采用對稱(chēng)的信道，消耗的能量與傳輸的方向無(wú)關(guān)，節點(diǎn)可根據與目標節點(diǎn)的距離來(lái)調節射頻發(fā)射功率；
(4)簇頭節點(diǎn)可執行數據融合。