無(wú)線(xiàn)傳感器網(wǎng)絡(luò )數據傳輸及融合技術(shù)

1 傳統的無(wú)線(xiàn)傳感器網(wǎng)絡(luò )數據傳輸
1．1 直接傳輸模型
直接傳輸模型是指傳感器節點(diǎn)將采集到的數據通過(guò)較大的功率直接一跳傳輸到Sink節點(diǎn)上，進(jìn)行集中式處理，如圖1所示。這種方法的缺點(diǎn)在于：距離Sink節點(diǎn)較遠的傳感器節點(diǎn)需要很大的發(fā)送功率才可以達到與sink節點(diǎn)通信的目的，而傳感器節點(diǎn)的通信距離有限，因此距離Sink較遠的節點(diǎn)往往無(wú)法與Sink節點(diǎn)進(jìn)行可靠的通信，這是不能被接受的。且在較大通信距離上的節點(diǎn)需耗費很大的能量才能完成與Sink節點(diǎn)的通信，容易造成有關(guān)節點(diǎn)的能量很快耗盡，這樣的傳感器網(wǎng)絡(luò )在實(shí)際中難以得到應用。

1．2 多跳傳輸模型
這種方式類(lèi)似于A(yíng)D-Hoc網(wǎng)絡(luò )模型，如圖2所示。每個(gè)節點(diǎn)自身不對數據進(jìn)行任何處理，而是調整發(fā)送功率，以較小功率經(jīng)過(guò)多跳將測量數據傳輸到Sink節點(diǎn)中再進(jìn)行集中處理。多跳傳輸模型很好地改善了直接傳輸的缺陷，使得能量得到了較有效的利用，這是傳感器網(wǎng)絡(luò )得到廣泛利用的前提。
該方法的缺點(diǎn)在于：當網(wǎng)絡(luò )規模較大時(shí)，會(huì )出現熱點(diǎn)問(wèn)題，即位于兩條或多條路徑交叉處的節點(diǎn)，以及距離Sink節點(diǎn)一跳的節點(diǎn)(將它稱(chēng)之為瓶頸節點(diǎn))，如圖2中N1，N2，N3，N4，它們除了自身的傳輸之外，還要在多跳傳遞中充當中介。在這種情況下，這些節點(diǎn)的能量將會(huì )很快耗盡。對于以節能為前提的傳感器網(wǎng)絡(luò )而言，這顯然不是一種很有效的方式。

2 無(wú)線(xiàn)傳感器網(wǎng)絡(luò )數據融合技術(shù)
在大規模的無(wú)線(xiàn)傳感器網(wǎng)絡(luò )中，由于每個(gè)傳感器的監測范圍以及可靠性都是有限的，在放置傳感器節點(diǎn)時(shí)，有時(shí)要使傳感器節點(diǎn)的監測范圍互相交疊，以增強整個(gè)網(wǎng)絡(luò )所采集的信息的魯棒性和準確性。那么，在無(wú)線(xiàn)傳感器網(wǎng)絡(luò )中的感測數據就會(huì )具有一定的空間相關(guān)性，即距離相近的節點(diǎn)所傳輸的數據具有一定的冗余度。在傳統的數據傳輸模式下，每個(gè)節點(diǎn)都將傳輸全部的感測信息，這其中就包含了大量的冗余信息，即有相當一部分的能量用于不必要的數據傳輸。而傳感器網(wǎng)絡(luò )中傳輸數據的能耗遠大于處理數據的能耗。因此，在大規模無(wú)線(xiàn)傳感器網(wǎng)絡(luò )中，使各個(gè)節點(diǎn)多跳傳輸感測數據到Sink節點(diǎn)前，先對數據進(jìn)行融合處理是非常有必要的，數據融合技術(shù)應運而生。
2．1 集中式數據融合算法
2．1．1 分簇模型的LEACH算法
為了改善熱點(diǎn)問(wèn)題，Wendi Rabiner Heinzelman等提出了在無(wú)線(xiàn)傳感器網(wǎng)絡(luò )中使用分簇概念，其將網(wǎng)絡(luò )分為不同層次的LEACH算法：通過(guò)某種方式周期性隨機選舉簇頭，簇頭在無(wú)線(xiàn)信道中廣播信息，其余節點(diǎn)檢測信號并選擇信號最強的簇頭加入，從而形成不同的簇。簇頭之間的連接構成上層骨干網(wǎng)，所有簇間通信都通過(guò)骨干網(wǎng)進(jìn)行轉發(fā)。簇內成員將數據傳輸給簇頭節點(diǎn)，簇頭節點(diǎn)再向上一級簇頭傳輸，直至Sink節點(diǎn)。圖3所示為兩層分簇結構。這種方式降低了節點(diǎn)發(fā)送功率，減少了不必要的鏈路，減少節點(diǎn)間干擾，達到保持網(wǎng)絡(luò )內部能量消耗的均衡，延長(cháng)網(wǎng)絡(luò )壽命的目的。該算法的缺點(diǎn)在于：分簇的實(shí)現以及簇頭的選擇都需要相當一部分的開(kāi)銷(xiāo)，且簇內成員過(guò)多地依賴(lài)簇頭進(jìn)行數據傳輸與處理，使得簇頭的能量消耗很快。為避免簇頭能量耗盡，需頻繁選擇簇頭。同時(shí)，簇頭與簇內成員為點(diǎn)對多點(diǎn)的一跳通信，可擴展性差，不適用于大規模網(wǎng)絡(luò )。

2．1．2 PEGASIS算法
Stephanie Lindsey等人在LEACH的基礎上，提出了PEGASIS算法。此算法假定網(wǎng)絡(luò )中的每個(gè)節點(diǎn)都是同構的且靜止不動(dòng)，節點(diǎn)通過(guò)通信來(lái)獲得與其他節點(diǎn)之間的位置關(guān)系。每個(gè)節點(diǎn)通過(guò)貪婪算法找到與其最近的鄰居并連接，從而整個(gè)網(wǎng)絡(luò )形成一個(gè)鏈，同時(shí)設定一個(gè)距離Sink最近的節點(diǎn)為鏈頭節點(diǎn)，它與Sink進(jìn)行一跳通信。數據總是在某個(gè)節點(diǎn)與其鄰居之間傳輸，節點(diǎn)通過(guò)多跳方式輪流傳輸數據到Sink處。如圖4所示。
該算法缺點(diǎn)也很明顯，首先每個(gè)節點(diǎn)必須知道網(wǎng)絡(luò )中其他各節點(diǎn)的位置信息。其次，鏈頭節點(diǎn)為瓶頸節點(diǎn)，它的存在至關(guān)重要，若它的能量耗盡則有關(guān)路由將會(huì )失效。再次，較長(cháng)的鏈會(huì )造成較大的傳輸時(shí)延。
2．2 分布式數據融合算法
可以將一個(gè)規則傳感器網(wǎng)絡(luò )拓撲圖等效于一幅圖像，獲得一種將小波變換應用到無(wú)線(xiàn)傳感器網(wǎng)絡(luò )中的分布式數據融合技術(shù)。這方面的研究已取得了一些階段性成果，下面就對其進(jìn)行介紹。
2．2．1 規則網(wǎng)絡(luò )情況
Servetto首先研究了小波變換的分布式實(shí)現，并將其用于解決無(wú)線(xiàn)傳感器網(wǎng)絡(luò )中的廣播問(wèn)題。南加州大學(xué)的A．Ciancio進(jìn)一步研究了無(wú)線(xiàn)傳感器網(wǎng)絡(luò )中的分布式數據融合算法，引入lifting變換，提出一種基于lifting的規則網(wǎng)絡(luò )中分布式小波變換數據融合算法(DWT_RE)，并將其應用于規則網(wǎng)絡(luò )中。如圖5所示，網(wǎng)絡(luò )中節點(diǎn)規則分布，每個(gè)節點(diǎn)只與其相鄰的左右兩個(gè)鄰居進(jìn)行通信，對數據進(jìn)行去相關(guān)計算。