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

首先根據節點(diǎn)之間的不同距離(數據相關(guān)性不同)按一定算法將節點(diǎn)分為偶數集合Ej和奇數集合Oj。以Oj中的數據進(jìn)行預測，根據Oj節點(diǎn)與其相鄰的Ej節點(diǎn)進(jìn)行通信后，用Ej節點(diǎn)信息預測出Oj節點(diǎn)信息，將該信息與原來(lái)Oj中的信息相減，從而得到細節分量dj。然后，Oi發(fā)送dj至參與預測的Ej中，Ej節點(diǎn)將原來(lái)信息與dj相加，從而得到近似分量sj，該分量將參與下一輪的迭代。以此類(lèi)推，直到j(luò )=0為止。
該算法依靠節點(diǎn)與一定范圍內的鄰居進(jìn)行通信。經(jīng)過(guò)多次迭代后，節點(diǎn)之間的距離進(jìn)一步擴大，小波也由精細尺度變換到了粗糙尺度，近似信息被集中在了少數節點(diǎn)中，細節信息被集中在了多數節點(diǎn)中，從而實(shí)現了網(wǎng)絡(luò )數據的稀疏變換。通過(guò)對小波系數進(jìn)行篩選，將所需信息進(jìn)行lifting逆變換，可以應用于有損壓縮處理。它的優(yōu)點(diǎn)是：充分利用感測數據的相關(guān)性，進(jìn)行有效的壓縮變換；分布式計算，無(wú)中心節點(diǎn)，避免熱點(diǎn)問(wèn)題；將原來(lái)網(wǎng)絡(luò )中瓶頸節點(diǎn)以及簇頭節點(diǎn)的能量平均到整個(gè)網(wǎng)絡(luò )中，充分起到了節能作用，延長(cháng)了整個(gè)網(wǎng)絡(luò )的壽命。
然而，該算法也有其自身的一些設計缺陷：首先，節點(diǎn)必須知道全網(wǎng)位置信息；其次，雖然最終與Sink節點(diǎn)的通信數據量是減少了，但是有很多額外開(kāi)銷(xiāo)用于了鄰居節點(diǎn)之間的局部信號處理上，即很多能量消耗在了局部通信上。對于越密集、相關(guān)性越強的網(wǎng)絡(luò )，該算法的效果越好。
在此基礎上，南加州大學(xué)的Godwin Shen考慮到DWT_IRR算法中沒(méi)有討論的關(guān)于計算反向鏈路所需的開(kāi)銷(xiāo)，從而對該算法進(jìn)行了優(yōu)化。由于反向鏈路加重了不必要的通信開(kāi)銷(xiāo)，Godwin Shen提出預先為整個(gè)網(wǎng)絡(luò )建立一棵最優(yōu)路由樹(shù)，使節點(diǎn)記錄通信路由，從而消除反向鏈路開(kāi)銷(xiāo)。

3 總 結
基于應用領(lǐng)域的不同，以上算法各有其優(yōu)缺點(diǎn)，如表1所示。

4 結 語(yǔ)
這里介紹了幾類(lèi)常用的無(wú)線(xiàn)傳感器網(wǎng)絡(luò )數據融合算法，并比較了其優(yōu)缺點(diǎn)。數據融合是實(shí)現無(wú)線(xiàn)傳感器節點(diǎn)節能目的的重要手段之一，目前的各種研究技術(shù)都還未成熟，新技術(shù)正不斷涌現。例如當傳感器節點(diǎn)具有移動(dòng)能力時(shí)，網(wǎng)絡(luò )拓撲如何保持實(shí)時(shí)更新；當環(huán)境惡劣時(shí)，如何保障通信的安全；如何進(jìn)一步降低能耗；以及如何更好地借助數據稀疏性理論（如Compressd Sening）在圖像處理中的應用，而將其引入到傳感器網(wǎng)絡(luò )數據壓縮中改善融合效果，以上都是待解決的問(wèn)題。未來(lái)還會(huì )有更多、更好、更合面的算法被不斷提出。