数据融合在无线传感网络方向研究

无线传感网络数据融合的研究

随着低功耗无线通信的发展，微传感器、微处理器等硬件的小型化，分布式信息处理技术的进步和Ad Hoc 网络的大量研究，无线传感器网络(Wireless Sensor Networks，WSN) 成为了一种新兴技术，引起了人们的广泛关注。无线传感器网络中，传感器节点电池能量、处理能力、存储容量以及通信带宽等几个方面的资源有限，数据融合技术是解决资源限制的有效方法。

无线传感器网络数据融合的研究主要集中于网络结构，性能，安全等方面。

（一）与网络结构相关的数据融合研究

1.平面型网络结构

平面型网络结构中，通常sink节点发送查询命令到特定区域，被测区域内节点接收到查询命令后，向sink发送监测数据，并在某些中间节点有机会相遇的情况下融合。泛洪法(Flooding) [1] 是一种最早的路由协议，不需要维护网络的拓扑结构，也不需要进行路由计算，仅要求接收到消息的节点以广播形式转发数据包。定向扩散协议[2]数据融合包括在数据建立阶段的任务融合和数据发送阶段的数据融合，通过缓存机制实现两种融合。SPIN（Sensor Protocols for Information via Negotiation）[3]是一种以数据为中心的自适应通信路由协议。其目标是通过使用节点间的协商制度和资源自适应机制，解决扩散法存在的不足之处。为了避免出现泛洪方式的内爆问题和部分重叠现象，传感器节点在传送数据之前彼此进行协商.平面型路由协议的优点是简单、易于扩展；其缺点是缺乏对通信资源的优化管理，对网络动态变化的反应速度慢。

2.基于簇的数据融合

相对于计算所消耗的能量，无线通信所消耗的能量要更多。例如，Gregory分析得到传感器节点使用无线方式传输l比特到100米远所消耗的能量可供执行3000条指令[4]。无线传感器网络是由大量的传感器节点覆盖到监测区域而组成的，节点的监测范围互相交叠，导致临近节点报告的信息存在一定程度的冗余。

在向Sink发送数据之前，可以将整个网络组织成若干个簇区域，每个区域选举出自己的簇头，传感器节点监测到数据后将数据直接发送到它所在簇的簇头节点，簇头节点对簇内数据进行融合以消除冗余，从而减少网络中的数据传输量。

目前，大部分的研究是基于层次路由协议，与这种数据融合方式相关的算法主要有LEACH、LEACH —C、TEED、HEED、PEGASIS和CLUDDA等。

LEACH协议[5]是一种自组织的在节点之间随机分布能量负载的分层路由协议，它的工作原理如下：相邻的节点形成簇并选举簇首，簇内节点将数据发送给簇首，由簇首融合数据并把数据发送给用户。其中，簇首完成簇内数据融合工作，它收集簇中各个节点的信息，融合得到有用信息，并对数据包进行压缩，然

图1：簇结构无线传感网络

后才发给用户，这样就可以有效减少数据流量，从而实现节能的目的。但是，簇头节点过多的使用造成了电池能量的较快消耗最终使簇头节点过早的失去了功效[6]。因此LEACH协议采用随机选择簇首并周期性轮换来平均分配簇首的工作量。LEACH适合密度适中(典型密度为0.01)的网络。

为了防止簇头节点的失效，导致可靠性降低，EERINA协议[7]在簇内首先使用Gossip算法，充分利用无线信道的广播特性，减少数据传输，并在融合的最后阶段选出簇头。

EEDT协议[8]将网络中的节点动态地划分为若干个簇，结合多跳的数据传输机制，降低了网络中的数据传输能耗，提高了网络中能耗的均衡性。

3.树结构的数据融合

对于以数据为中心（data-centric routing，DC) 的路由，在一个任意放置节点的无线传感器网络中，每个数据传输次数都最少的，以数据为中心的路由可以转化为最小Steiner树,有三种次优策略：贪心增长树(greedy incremental tree，GIT)，最短路径树(shortest paths tree，SPT)，近源汇聚树(center at nearest source，CNSSS)[9]。在数据的可融合程度一定的情况下，以上三种策略之间的节能效果关系为：GIT>SPT>CNS。

在基站能量足够大的前提下，BCDCP协议[10]对LEACH的改进之一是簇外采用最小生成树。核心思想是利用基站来进行簇的划分和数据传输路径的建立，其关键点是簇首在整个网络中分布实现算法和簇首到基站多跳路由机制的实现。BCDCP适合于密度较大(典型密度为0.05)的网络。

EADAT[11]是基于剩余电量的算法，主要思想是分布和启发式地建立和维护一棵融合树，动态调整所有叶节点的无线通信来减少能源消耗，达到延长网络生命周期的目的。

E-span和LPT算法[12] 两者都根据节点的剩余能量来确定融合树中的父与子节点，以提高网络的生存期。在E-span中，剩余能量最高的源节点被选定为根节点，其他节点根据其自身剩余能量及与根节点的距

离来选择相应的父节点。

基于蚁群算法的数据融合树[13]通过信息积累的方法，将信息素以梯度的形式建立在相应的路径上，从而使信息根据路径上保留的信息量独立的选择路径。

基于遗传算法的数据融合树（GA）[14]选择移动代理路由时,根据数据传输和融合能量开销及节能增益,对移动代理迁移到每个传感器节点是否进行数据融合做自适应选择,以在信息收集过程中提高网络能量效率.

（二）与性能有关的数据融合研究

在无线传感器网络中，数据融合起着十分重要的作用，主要表现在节省整个网络的能量、增强所收集数据的准确性以及提高收集数据的效率三个方面。

1.提高网络生命周期的数据融合

能量损耗问题是无线传感器网络研究的关键性问题，目前，主要研究方向是如何能使无线传感器网络运行能量最小，同时使网络生命期最大。用线性规划方法来研究数据融合问题，假设已知传感器网络的所有节点的位置和能量供给，以及任意两个节点之间进行通信的代价。在网络循环收集数据时，每次循环，节点产生一个单位大小的数据分组，融合节点能将自身的分组和接收到的分组融合成相同大小的分组，最大生命周期数据采集与融合问题就成为在传感器能量约束和边容量约束下，利用整数规划计算最优的允许流量网络问题，并给出了一种构造融合树的启发式方法。但具有线性松弛的整数规划方法有相当大的计算开销，为此提出一种开销小的基于簇的启发式最大生命周期算法。[15]

Rahul C．Shah等人提出了一种能量多路径路由机制[16]。该机制在源节点和目的节点之间建立多条路径，根据路径上的节点的通信能量消耗以及节点的剩余能量情况，给每条路径赋予一定的选择概率，使得数据传输均衡消耗整个网络的能量，延长整个网络的生命周期。

文献[17]提出一种新颖的数据融合和路由策略GRASS，使用启发式方法在路由过程中寻找最少数量的融合节点，以达到网络生命周期的最大化。融合节点可能同时接收多个源节点的数据，造成MAC层的冲突和重传，增加了融合节点能量的。

文献[18]提出了提出一种基于次优距离的多跳路由算SDMR(Sub—optimal Distance Multi—hop Routing algorithm)。该算法基于次优距离在局部圆中随机选取传感器节点作为中转节点，保证了在最优通信范围附近选取中转节点。然后，对多跳路由算法进行了详细的理论和性能分析，保证了该算法的实现。最后，提出了一种优先权选择策略，改进了SDMR，在局部圆中按照优先权选取传感器节点作为中转节点，进一步优化了局部节点的能耗，而且减少了路径负担。

ESPDA(Energy-efficient and Secure Pattern-based Data Aggregation) [19]也是一种基于分簇的路由协议算法。每个节点收集到数据后，并不是直接将数据包发送给簇头，而是将反映数据特征的模式编码(Pattern

Code)发给簇头节点，簇头节点根据模式编码判断是否对该节点的数据感兴趣或该节点数据是否冗余。这样簇头节点就不用收集簇内所有节点的数据，可以根据需要有选择的收集。ESPDA既减少了簇内节点和簇头的通信量，也增加了无线传感器网络的安全性。

2.提高数据准确性和收集效率的数据融合

无线传感器网络中，数据并不是同时到达融合节点，融合节点必须延迟一段时间来等待传感器节点数据的到来。而不同的传感器网络的应用有不同的信息萃取要求，其中就包括用户所能容忍的最大数据传输延迟时间T。如果从感知区域内获得的数据超过了最大延迟时间T，那么这个信息对用户来说就是无效的。因此，如何将最大融合延迟合理地分配到各个融合节点上，并且能够使信息融合达到最佳的效果就成为了一个值得关注的问题。

TiNA (temporal coherency-aware in-network aggregation)是一种利用传感器节点采集数据的时间一致性进行网内融合的机制。它在满足用户对于数据准确性需求的前提下，通过网内融合尽可能地节省能量。TiNA 的基本思想是，只有当前采集的数据与上一次采集的数据的差值大于某个用户指定的容忍限度时，节点才进行数据发送。它采用定向扩散(directed diffusion)的方式建立路由树，为每个节点分配梯度值并指定其父节点。节点为了利用数据的时间一致性，必须保存额外的信息。叶节点需要保存上一次发送到父节点的数据。转发节点不但需要保存自己上一次发送到父节点的数据，而且需要保存每个子节点发来的最新数据。

文献[20]提出了三种数据融合时机模型，并进行了比较，它们分别是周期性简单数据聚合时机模型、周期性逐跳数据聚合时机模型和周期性逐跳调整数据聚合时机模型。研究表明，根据节点在融合树中的位置来设置时序可以得到较理想的效果，并能维持较高的准确度和新鲜度。同时针对汇聚传输中数据传输的方向特征，提出了瀑布超时机制，即数据源节点首先超时并传输数据，然后下一跳节点超时，将接收到的数据与本地产生的数据进行融合并转发，直至sink节点。

Utz Roedig 等人在2004年提出Brute-Force [21]算法。该算法将最大融合延迟的时间T有效地分配到各个融合节点上，基于信息的剩余时间来选择信息发送的节点。

文献[22]研究能量受限传感器网络最优信息抽取问题。根据加性自噪声信道下shamon容量方程和信号衰减，把最优信息抽取问题转换为一个满足能量约束条件的非线性流量规划问题。通过设置节点的传输功率和流量速率，限制节点发送信息量，从而最优化sink节点接收的信息量。

DCDR算法首先构造生命周期近似最优的数据收集树，然后通过对延迟“瓶颈”节点迭代处理来满足延迟要求，并通过剪枝优化技术来减少算法的时间复杂度。实验结果表明，与无延迟约束的MITT算法相比，DCDR算法能在保证网络传输延迟的情况下，使其网络生命周期达到MITT算法的90％左右[23]。

（三）与安全相关的数据融合研究

在资源受限的无线传感器网络中，数据融合能起到节省能量开销、提高数据收集效率和增强信息采集准确性的重要作用。然而，无线传感器网络的由于具有无人监护性和节点的廉价性，其网络节点很容易受到潜在的恶意节点的安全威胁，其能够复制、传播大量虚假信息传递给其他节点，造成数据融合时的原始数据就已经变得不可信任．恶意节点甚至会窃取其他正常节点的传输数据，以至数据的机密性遭到严重破坏．

数据融合的信任度模型CBDA[27]，融合节点通过簇成员节点的采样数据监视其行为，形成成员节点的信誉度，它只利用信任节点的数据来进行融合操作，计算融合结果，形成对融合结果的评价并将评价结果传输给汇聚节点(即基站)，以供基站完成最后的决策。CBDA能够确保在部分节点被捕获，攻击的情况下保证数据融合的准确性。

SIA安全信息融合框[28]能够预防一种叫隐蔽攻击融合操作(stealthy attack aggregate manipulation)的特殊攻击行为，隐蔽攻击融合操作能够隐蔽性的修改融合数据，且不让用户发觉融合结果的不正确．因此，SIA的目标是：如果用户接受一个融合数据是正确的，那么必须确保这个融合数据以较高概率接近真实融合值．在融合结果已被篡改的情况下，用户应该以较高概率拒绝不正确的融合结果．SIA中包含有3种节点类型：一主服务器，一个基站和诸多传感器节点．SIA假设每个节点都有唯一的ID并且和基站、和聚合节点享有共同的可以提供信息认证和加密服务的密钥．有了这些密钥，更进一步增强了数据的保密性、完整性、时效性．

RSDA[29]是一种基于信誉的安全数据融合方案，RADA采用多聚合点加密聚合模式，其模型较类似于分簇模式，并使用请求一响应模式，由基站发起聚合操作的洪泛请求，把目标区域分为若干大小相等的簇，簇内每一节点都监听其邻居节点的行为，依据节点是否参与感应，传输，聚合等簇操作来计算节点信誉值，最后依据节点信誉值来选出簇头．在RSDA中，信誉值的计算采用概率密度函数(probability density function)对每一节点的信誉值进行实时更新．根据各簇头节点中存储的黑名单和信誉值表两个因素来确认恶意节点，RSDA也具有簇头节点也采用了类似于LEACH的轮换选举机制，以延长网络生命周期．最后通过实验验证，RSDA不仅延长网络生存周期，也保证了加密数据的准确性，数据完整性，数据新颖性和一定程度的数据保密性．

ESPDA协议[29]是在各个传感器节点将采集数据对应的模式码发送到簇头。模式码用来标识和分类原始数据，具有相同模式码的采集数据其实际值相近，视为冗余数据。具有相同模式码的不同传感器节点集合只需传送其中之一的原始数据到簇头。簇头根据模式码来选择将要真正传输的数据，即实现了融合。簇头不需要知道数据含义，被选中传感器采集的数据加密形式传送到基站，在传输路径的任何中间节点上都不需解密。但是ESPDA协议只有一层融合节点，网络规模受限．而且由于节的密集部署，以及周期性的采

集和传送数据，网络中仍然有大量的冗余数据。胡向东等人提出了基于ESPDA的改进方法ESDA协议[30]，在ESPDA协议的传感器节点上进行一次数据融合，减少冗余数据，延长网络生命期。

（四）折中研究

在数据融合过程中，生命周期，数据时延和数据质量，网络安全不可能同时达到最优，需要在应用中进行折中考虑。文献[31]研究了周期性数据融合能量与准确性平衡问题。为了分析周期性融合应用中的能量和准确性子空间，提出了一种联合设计信号处理算法和网络协议的分布式估计算法。关键思想是一个基于门限的机制，把门限用做一个表征准确性与能耗之间平衡的调整参数。文献[32]通过在融合结果的精度与能量消耗之间取得平衡，达到延长传感器网络寿命的目的。通过对各个节点观测数据的变化模式、节点剩余能量以及与sink通信代价，将用户对融合结果精度的总体限定，在各个节点间进行分配。这样传感器节点无须报告所有的数据给sink，只有在节点为满足所分配的精度等级必须更新的条件下才需要发送数据。文献[33]研究数据融合能耗与延迟平衡问题。为了节省更多的能量，融合节点需要等待更长的时间，融合更多的数据，但同时延时会增加，此时节点需要结合能耗和延时需求，在信道空闲的瞬间确定是继续等待还是发送融合结果。提出马尔可夫决策过程来建立该融合模型，将延时作为融合回报的折扣，建立优化方程，根据采样值到达和接入信道的可用情况，确定融合节点的决策，使融合回报最大化。一种基于数据融合的覆盖控制算法DFCCA(Data Fusion based Coverage Control mgo-rithm)[34]，采用更接近真实的数据融合感知模型，根据理论分析找到三角融合网格(TFM)中最小检测概率点的位置，然后依据覆盖质量要求和环境参数选择三角融合网格的最优节点间距；在保证覆盖质量和连通基础上，通过整网的三角融合网格划分调度工作节点，同时考虑节点剩余能量，用以均衡网络能耗，提高网络生命周期。

（五）结束语

随着无线传感网络研究的深入和大规模应用，数据融合在延长网络的生命周期，提高网络数据采集的质量，鲁棒性，节省网络的通信带宽方面具有重大的意义。在结构，算法，安全等方面，数据融合还有广泛的发展前景。

（六）参考文献

[1] 孙利民,李建中,陈渝.无线传感器网络[M].北京:清华大学出版社, 2005: 3-23, 27-36, 94-97, 260-270.

[2] Estrin D,Govindan R,Heidemann J. Next century challenges: ScalableCoordination in Sensor Network[C].

Proceedings of the 5th ACM/IEEE Computer Society, 1999: 263-270.

[3] Iyer R，Kleinrock L. Qos Contorl For Sensor Netwoks[EB／OL]http//https://www.360docs.net/doc/701338677.html,/PS/paper222.pdf,

2006-8-10．

[4] Heinzelman W R，Chandrakasan A，Balakrishnan H．Energy—Efficient Communication Protocol

forWireless Microsensor Networks【EB／OL]．https://www.360docs.net/doc/701338677.html,/iel5/6709/20043/00926982．Pdf,

2006-19-10．

[5] 于海斌,曾鹏等.智能无线传感器网络[M].北京:科学出版社, 2005: 3-35, 115-136.

[6] 陈恒.无线传感器网络中数据融合技术的研究[D].吉林大学硕士学位论文，2007．

[7] NECCHI L,BONIVENTO W R，Negotiation based protocols for disseminating in wireless sensor networks[J].

Wireless Nenworks,2002,8(2):169-185.

[8] 夏海英.一种能量高效的无线传感网络数据传输协议[D].华中科技大学硕士学位论文，2007

[9] KRISHNAMAcHARI B，ESTMN D，WICKER S．Modeling data centric routing in wireless sensor networks[C]

//Proc of IEEE INFOCOM．New York：IEEE Computer society，2002:2-14．

[10]Nikoletseas S. Chatzigiannakis I. Euthimiou et al. Energy efficient protocols for sensing multiple events in

Smart Dust networks. In:Proceedings of 37th Annual . Simulation Symposium. Arlington, 2004. Arlington, IEEE Press, 2004.15～24

[11]Min Ding,Xiuzhen Cheng,Guoliang Xue .Aggregation Tree Construction in Sensor Networks[C]Proc of the 58th

IEEE Vehicular Technology Conference.2003:2168-2172

[12]Weinan Marc Lee ,Vincent W.S. Wong . E-Span and LPT for data aggregation in wireless sensor networks[J].

Computer Communications,2006,29(13-14):2506-2520

[13]田丽娟. 基于蚁群算法的无线传感网络数据融合方法的研究[D],兰州理工大学硕士学位论文,2010

[14]王天荆. 基于遗传算法的无线传感器网络自适应数据融合路由算法[J], 电子与信息学报,2007,29(9)

[15]Jeffrey Stanford ,Sutep Tongngam. Approximation algorithm for maximum lifetime in wireless sensor

networks with data aggregation. International Journal of Sensor Networks,2009,6(1)

[16]Shah R C，Rabaey J M．Energy aware routing for low energyad hoe sensor networks．In：Proe IEEE

Wireless Communications and Networking Conference(WCNC’02)，March，2002，l(3)：17～21．[17]Yunhao Liu,Xiaomei Liu,Chen Wang, ,et all.Defending P2Ps from Overlay Flooding-based DDoS[C]// Proc of

International Conference on Parallel Processing,2007

[18]窦金凤.无线传感器生命周期延长算法研究[D]，中国海洋大学博士学位论文，2008

[19] 于海斌, 曾鹏,梁韡.智能无线传感器网络系统[M].北京:科学出版社,2005.

[20]SOLIS I, OBRACZKA K.The impact of timing for data aggregation in sensor networks[C]// Proc of IEEE

International Conference on Communications.2004:3640-3645

[21] Utz Roedig Jens Schmitt .Performance Modelling and Evaluation of Firewall Architectures for Multimedia

Applications[C], Lecture notes in computer scienc：3042

[22] ORDONEZ F，KRISHNAMACHARI B. Optimal information extraction in energy-limited wireless sensor

networks[J]. IEEE Journal on Selected Areas in Communications 2004,22(6):1121-1129

[23]仇雷杰. 无线传感网络中有效数据收集技术研究[D],中国科学技术大学博士学位论文，2011

[27]胡向东.物联网中数据融合的信誉度模型与仿真[J]，仪器仪表学报，2011.31(11)

[28]Przydatek B,Perrig A,Song D.SIA secure infomation aggregation in sensor networks[J]．Proceedings of the

47th IEEE Global Telecommunications Conference(Globecom)，November 29-December 3，Dallas，TX，2003(03)：255—265．

[29]URKM,PENTLANDA .Eigenfaces for recognition [J]. Cognitive Neuroscience。199l,3(1):7l-86

[30]罗蔚，胡向东.无线传感器网络中一种高效的安全数据融合协议[J].重庆大学学报,2009.21(1)

[31]Carrie Gates,Michael Collins.More Netflow Tools: For Performance and Security[C]// Proceedings of the

Eighteenth Large Installation System Administration Conference.2004

[32] BRUUNER R. A performance evaluation of the Kad-protocol[D].2006

[33] LIU XIAOSONG,HW ANG K. Prevention of index-poisoning ddos attacks in peer-to-peer file-sharing

networks[R].2006

[34] 马超,史浩山,严国强,李延晓. 无线传感器网络中基于数据融合的覆盖控制算法[J].西北工业大学学报，

2011,29（3）