基于无线传感器网络的网内数据融合
无线传感器网络中的协同感知与信息融合
无线传感器网络中的协同感知与信息融合无线传感器网络（Wireless Sensor Networks，WSNs）是由大量分布在特定环境中的无线传感器节点组成的网络。
这些传感器节点能够自动感知环境中的各种物理量，并将感知到的数据通过网络进行传输和处理。
WSNs 在各个领域都有广泛应用，如农业、环境监测、智能交通等。
在WSNs中，协同感知与信息融合是实现高效、准确数据处理和分析的重要手段。
协同感知是指通过相互协作，使传感器网络能够更全面、准确地感知环境。
传统的传感器网络采用分散式的感知方法，每个节点独立地感知并传输数据，这种方式需要耗费大量的能量和带宽。
而协同感知则采用多个节点之间相互合作的方式，通过数据融合和任务分解的方式，提高传感器网络的整体感知性能。
协同感知的核心是数据融合，即将多个节点感知到的数据进行整合和分析，得到更全面、准确的环境信息。
数据融合可以分为两个层面，即低层和高层的数据融合。
低层数据融合是指将多个节点感知的原始数据进行整合和处理，消除噪声和异常值，提高数据的准确性和可用性。
高层数据融合则是将低层融合后的数据进行进一步分析和处理，提取环境中的有用信息，并进行最终的决策和推理。
在协同感知中，信息的融合需要考虑多个因素，如节点之间的能量消耗、传输带宽和网络拓扑等。
为了提高能量利用效率，可以采用分层的数据融合策略，将数据处理和传输分为多个层次进行，避免不必要的数据传输和处理。
同时，可以采用自适应的融合算法，根据网络的动态变化和节点的能量状况，灵活调整数据融合的策略和算法，从而实现更高效的信息融合。
协同感知与信息融合的目标是实现更精确、可靠的环境感知和决策。
通过协同感知和数据融合，可以提高传感器网络的整体性能，减少能量和带宽的消耗，并提高感知数据的准确性和可用性。
协同感知和数据融合技术在农业领域的应用中有着重要的作用。
例如，农业领域的传感器网络可以用来监测土壤湿度、气象条件和作物生长状态等，通过协同感知和数据融合，可以及时发现农田中的问题，并针对性地采取措施，提高农作物的产量和质量。
无线传感器网络的数据融合技术及其应用
数据 融 合 是ＷＳ Ｎ中非 常 重要 的一 项 技 术 ．也 是 目前 的一 个研 究 热 点 ｌ。该 技 术通 过 一 定 的算 法 将 传 感 器 节点 采 集 的 ２ ｌ 大量 原 始 数据 进 行 各 种 网 内处 理 ， 除其 中的 冗余 信 息 。 将 去 只 少量 的有 意 义 的处 理 结 果传 输 给 汇 聚 节 点 。数 据 融合 技 术 能 有 效 地 减少 网络 中的数 据传 输 量 ，从 而节 省 传 感 器节 点 的 能 量 ， 长 无 线传 感 器 网络 的生命 期 。 延 ３无线 传 感器 网络 的数 据 融 合技 术 ． 数 据 融 合 技 术 涉 及 到 检 测 技 术 、 号 处 理 、 策 论 、 确 信 决 不 定 性 理 论 、 计 理 论 、 优化 技 术 、 经 网络 和 人 工 智 能 等 众 估 最 神 多学 科 领 域 。 很 多 学者 从 不 同角 度 出发 。提 出 了 多种 数 据 融合 技 术 方 案 。从 技 术原 理 角 度 ． 分 为假 设 检 验 型 数 据融 合 、 波 跟 踪 可 滤 型数据融合 、 聚类 分析 型数 据 融 合 、 式 识 别 型 数 据 融 合 、 模 人 工 智 能 型数 据 融 合等 。 据 融合 的规 则 ， 分 为依 赖 于应 用 的 根 可 数 据 融合 、 独立 于 应 用 的 数据 融 合 、 基于 分 布 式数 据 库 的数 据 融 合 引、 于 中心 的数 据 融合 ． 等 。按对 数 据 的处 理 方式 。 基 等 可 分 为像 素 级 融 合 、特 征 级 融 合 和决 策 级 融 合 。从 融 合 方 法来 图片、 字体 选 择得 当 、 小 合适 。 色搭 配 要 合 理 ， 景 与前 景 大 颜 背 对 比要 明 显 ， 尽 可能 地 给学 生 创 造一 个 简 洁美 观 的界 面 。 要
无线传感器网络中的数据融合技术
无线传感器网络中的数据融合技术在当今科技飞速发展的时代，无线传感器网络已经成为了众多领域中不可或缺的一部分。
从环境监测到工业控制，从医疗保健到智能家居，无线传感器网络凭借其能够实时感知和收集大量数据的能力，为我们的生活和工作带来了极大的便利。
然而，随着传感器节点数量的不断增加以及数据量的急剧增长，如何有效地处理和利用这些海量数据成为了一个亟待解决的问题。
数据融合技术的出现，为解决这一问题提供了有效的途径。
无线传感器网络通常由大量分布在监测区域内的传感器节点组成，这些节点通过无线通信方式相互连接，共同完成对目标区域的监测任务。
每个传感器节点都能够感知周围环境的各种物理现象，如温度、湿度、压力、光照等，并将感知到的数据发送给其他节点或汇聚节点。
由于传感器节点的资源有限，包括能量、计算能力和存储空间等，因此在数据传输过程中需要尽可能地减少数据量，以延长网络的生命周期。
数据融合技术正是通过对多个传感器节点采集到的数据进行综合处理和分析，去除冗余和错误的数据，提取有用的信息，从而达到减少数据量、提高数据准确性和可靠性的目的。
数据融合技术可以在传感器网络的不同层次上实现，包括节点级、簇级和网络级。
在节点级数据融合中，传感器节点在本地对采集到的数据进行预处理，如数据压缩、滤波等，然后再将处理后的数据发送出去。
这种方式可以减少节点的通信开销，但由于节点的计算能力有限，处理效果可能不太理想。
簇级数据融合则是将传感器节点划分为若干个簇，每个簇内选举一个簇头节点，簇内节点将采集到的数据发送给簇头节点，由簇头节点进行融合处理后再发送给汇聚节点。
网络级数据融合则是在整个网络范围内对数据进行融合处理，这种方式需要较高的计算能力和通信开销，但能够获得更好的融合效果。
在数据融合过程中，常用的融合方法包括加权平均法、卡尔曼滤波法、贝叶斯估计法等。
加权平均法是一种简单有效的融合方法，它根据各个传感器节点的可靠性和重要性为其采集到的数据赋予不同的权重，然后进行加权平均得到融合结果。
无线传感器网络的数据聚合算法研究
无线传感器网络的数据聚合算法研究无线传感器网络（Wireless Sensor Networks, WSN）是一种由大量分布在监测区域内的传感器节点组成的网络系统，用于实时收集和传输环境中的信息。
随着无线传感器网络的发展和应用范围的扩大，数据聚合算法作为无线传感器网络中的关键技术之一，也受到了广泛关注。
本文将重点研究无线传感器网络的数据聚合算法，探讨其原理、应用和未来发展方向。
一、数据聚合算法的概述数据聚合是指将无线传感器网络中多个节点收集的分散数据进行合并、编码和汇总，以减少网络中的数据冗余，降低能耗和通信负载。
数据聚合算法在无线传感器网络中起到了至关重要的作用，它能够在保证数据准确性的前提下，提高网络的整体效率和性能。
二、数据聚合算法的原理数据聚合算法的原理主要包括数据收集、数据融合和数据汇总三个阶段。
1. 数据收集阶段数据收集阶段是指无线传感器网络中的节点根据预先设定的采样间隔主动收集和感知环境中的各种数据。
在数据收集过程中，每个节点都会根据自身的传感器类型和采样任务，以一定的频率进行数据采集，并将采集到的数据存储在本地缓存中。
2. 数据融合阶段数据融合阶段是指无线传感器网络中的节点将其存储在本地缓存中的数据进行编码和融合。
在数据融合过程中，节点可以通过时空相关性检测、数据压缩和数据过滤等方式，对采集到的数据进行处理和优化，以降低数据冗余。
3. 数据汇总阶段数据汇总阶段是指无线传感器网络中的节点将经过编码和融合的数据通过无线通信方式传输到网络中的汇聚节点。
在数据汇总过程中，汇聚节点可以通过抽样、加权和剪枝等方式对接收到的数据进行进一步处理和筛选，以提高数据的准确性和可靠性。
三、数据聚合算法的应用数据聚合算法在无线传感器网络中有着广泛的应用。
以下是几个常见的应用场景：1. 环境监测无线传感器网络经常被应用于环境监测领域，例如气象监测、水质监测等。
数据聚合算法可以将多个节点采集到的同类型数据进行融合和汇总，从而得到更准确、可靠的环境监测结果。
无线传感器网络数据融合技术的研究
第９ 期下
无线传感器 网络数据融合技术的研 究
欧阳春 林 湖南省湘 西州技工学校 湖南 ４６０ １０ ０
【 要 】本 文首 先讨论 无 线传感 器 网络数 据 融合 算法 的设 计原 则和性 能评 估方 法 ，引入 了融合 代价 的概念 ，并强调 无 线传感 器 网 摘 络数据 融合 算 法必须 与 具体 的应用 背景 相结 合 ； 最后 重点讨 论 了几种数 据 融合 的相 关算 法 ：节点 源数据 聚类 方法 、 自适应加 权 融合 算 法 、秩 滤波技 术 、以及基 于 Ｄｓ 据 理论 的融合 算 法 ，然后在 此基 础 上提 出将 秩 滤 波技 术与 自适应 加 权相 结合 的融合 算 法 ，以及将 Ｄ ｓ —证 — 证据理论与 自 适应加权相结合的融合算法，并通过仿真对几种算法进行 了比较结果表明本文算法在容错能力方面占有 明优势 。 【 键词 】 无线传 感 器 网络 数据 冗余 数 据 融合 融合 代价 关
Ｍａ ａｉ ，０ ２ ０８： ２ １ ． ｇｚ ｅ ０ ， （ １ ｎ２ ４ ） １４ ０
【】 Ｃ ｌ ｒＤ，ｓｒｎ Ｄ Ｓｒ ａ ｔ ｖ ０ｖ ｒ ｉｗ ｆＳ ｎ ｏ ２ ｕｌ Ｅ ｔｉ ，ｔｖ ｓａ ａＭ． ｅ ｖｅ ｏ ｅ ｓ ｒ ａ
杂度为 ｌｇ 。因此 ，秩滤波 的总的时间复杂度低 于 （ ＋ｌｇ ） ｏ２ ２ ｏ２
远低于 自适应加权融合算法 。当被剔 除的异 常噪声点较少时，新算法
的时间复杂度会略高于 自 适应加权 融合算法 ；反之，当被剔除的异常
将物理对 象或 者抽象 对象的集合，分组成为多个类 ，其 中每个 类由具 有 相似 性质的对 象组成。无线传感器 网络 中，分布式数据聚类 技术往 往 与数据融合算法结合在一起 。 无线传感 器网络 中，数据源分 布在 网络环 境下，将这些数据采 集 到一个 中心位 置并非最佳选择，其可扩展性不好 ，而且 将数据集中起 来进 行聚类也很难实现。 由于无线传感器 网络只 允许相 邻的传感器节 点之间进行通 信，因此数据分析算法也要 以同样 的方 式进行通信。 目 前，已有的聚类算法主要包括分布式聚类 、数据 流聚类 等。下面将对 常用 的聚类技术进行讨论与分析 。
无线传感器网络中的数据融合应用研究
Ｖ０ ． ５ ＮＯ． １２ ６
萍乡高 等专科 学校学报
Ｊ ｕ ｎ ｌ ｆＰ ｎ ｘａ ｇ Ｃｏｌｇ ｏ ｒ ａ ｉｇ ｉｎ ｌ ｅ ｏ ｅ
２０ 年 １ 月 ０８ ２
Ｄｅ ．２ ８ ｃ ００
无 线 传 感 器 网 络 中 的数 据 融 合 应 用 研 究
ａ ｇｒ ｇａ ｉｎ ｒ ｔｎｇ ＶＳ ｐ ｉ ｏ ｐ ｉ ｔ ｒ ｕｔｎｇ） ｇ ｅ ｔｏ ｏｕ ｉ ｏ ｎｔｔ ｏ ｎ ｏ ｉ
收 稿 日期 ：０ ８ Ｏ ｌ ２ ０ —１ — ５ 作者简介 ： 张龙 滨 （９ １ ） 男， １８ 一 ， 江西 萍 乡人 ， 读 硕 士 ， 师 ， 在 讲 主要 从 事 电子 信 息工 程 方 面 的 研 究 。
记为 Ｄ。 网络图 Ｇ＝（ Ｅ 包 含所有 的节 点 Ｖ 和可 以 Ｖ， ） 直 接相 互通 信 的节点 间的边 缘 （ｄ ｅ ） ｅ ｇ ｓ Ｅ。假 设 在数 据 融合树上 的任何节 点 间的传 输数 量只 有一个 ， 数据
Ｒ内（ 通信 半径 ） 和任何 其他 节点相 互通信 。 据源 的 数 位置取决 于下 面的模 式 ：
～
２ １数 据融 合 的定 义 ． １ 场景 分析 ） 现 在来 看一 个场景 ， 假设 它包 括 一个单独 的数据 接收端 来接 收 多数 据源 采集 的信 息 。 面从使 用数据 下 融合 的路 由机 制 （ 以数据 为 中心 ） 不使 用数 据 融合 和
图 １ 数 据 融 合 路 由 与 端 到 端 路 由 （ ａａ ｄ ｔ
数 据既不是 完全不 同（ 有冗 余 ） 不是完 全相 同 （ 没 也 全
部冗余 ） 。 ２ 数据融合 ）
个传感 器节点 来形 成一个 传感 器 网络 ， 这些 节点 中的
无线传感器网络数据融合算法
无线传感器网络数据融合算法无线传感器网络（Wireless Sensor Network，WSN）是一种由大量分布在监测区域内的无线传感器节点组成的网络系统。
这些节点能够感知环境中的各种参数，并将采集到的数据进行处理和传输。
然而，由于资源受限以及节点之间的通信受限等问题，WSN中的数据往往存在着不可避免的噪声、丢包和不一致等问题，因此需要数据融合算法来对这些数据进行处理与融合，以提高数据的准确性和可靠性。
数据融合算法是将来自不同传感器节点的原始数据进行处理与融合，生成更可靠、准确和一致的信息的过程。
通过合理选择、分析和利用数据，数据融合算法可以剔除错误数据，降低不确定性，并提供更准确的监测结果。
对于无线传感器网络而言，数据融合算法可以帮助减少能源消耗、延长网络寿命、提高数据传输效率等。
一种常用的无线传感器网络数据融合算法是卡尔曼滤波算法。
卡尔曼滤波算法在多传感器的情况下，通过递归地估计系统状态和观测噪声协方差来实现数据融合。
该算法利用线性动力学系统的状态估计和观测数据的线性关系，通过最小均方误差准则对系统状态进行估计。
卡尔曼滤波算法的优点是能够充分利用各传感器的信息，融合后的结果比单一传感器产生的信息更准确。
除了卡尔曼滤波算法，还有其他一些常用的无线传感器网络数据融合算法。
例如，加权平均算法（Weighted Average）可以根据传感器的可靠性对数据进行加权平均，提高了数据融合结果的准确性。
最大值算法（Maximum）将多个传感器采集到的数据中的最大值作为融合结果，适合于对数据极值感兴趣的应用场景。
而最小值算法（Minimum）则是将多个传感器采集到的数据中的最小值作为融合结果，适用于对数据安全性要求较高的场景。
此外，还有一些高级的无线传感器网络数据融合算法，如粒子滤波算法、神经网络算法等。
这些算法可以更加精确地处理融合的数据，提高数据的可信度和精确度。
然而，这些算法往往需要更高的计算资源和较大的存储开销，因此在实际应用中需要根据具体需求进行选择。
无线传感器网络中的多传感器融合方法
无线传感器网络中的多传感器融合方法随着科技的不断发展，无线传感器网络（Wireless Sensor Networks，WSN）在各个领域中得到了广泛的应用。
无线传感器网络由大量的分布式传感器节点组成，这些节点可以感知环境中的各种参数，并将数据传输给中心节点。
然而，单一传感器节点的数据往往不足以满足对环境的全面监测和分析需求，因此多传感器融合方法应运而生。
多传感器融合是指将多个传感器节点的数据进行集成和处理，以提高数据的准确性和可靠性。
在无线传感器网络中，多传感器融合方法可以分为两个主要方面：数据融合和任务融合。
数据融合是指将来自不同传感器节点的数据进行合并和处理，以获得更准确和完整的信息。
常见的数据融合方法包括加权平均、卡尔曼滤波和粒子滤波等。
加权平均方法通过对不同传感器节点的数据进行加权求和，以降低噪声和误差的影响，得到更可靠的结果。
卡尔曼滤波是一种递归滤波方法，能够通过对历史数据和测量数据的加权处理，估计出系统状态的最优估计值。
粒子滤波则是一种基于随机采样的滤波方法，通过对系统状态进行随机采样，并根据测量数据的概率分布进行权重更新，得到最终的状态估计。
任务融合是指将多个传感器节点的任务进行集成和协调，以提高系统的整体性能和效率。
在无线传感器网络中，任务融合方法可以分为分布式任务融合和集中式任务融合。
分布式任务融合是指将任务分解为多个子任务，并由不同的传感器节点分别执行，最后将各个子任务的结果进行合并。
这种方法能够充分利用传感器节点的分布式计算和通信能力，提高系统的并行性和鲁棒性。
集中式任务融合则是将所有的传感器节点的数据发送给中心节点进行处理，中心节点负责整合和分析所有的数据，得到最终的结果。
这种方法能够充分利用中心节点的计算和存储能力，提高系统的整体性能和可扩展性。
除了数据融合和任务融合，还有一些其他的多传感器融合方法，如时空融合、能量融合和信息融合等。
时空融合是指将来自不同时间和空间的传感器数据进行集成和处理，以获得更全面和准确的信息。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
In 2network Data Aggregation in W ireless Sensor Network
ZHENG Yong, YANG Zhi2yi, L I Zhi2gang, L I L ing
( College of Com pu ter S cience, N orthw estern Polytechnica l U niversity, X i’ an S hanxi 710072, Ch ina)
© 1994-2010 China Academic Journal Electronic Publishing House. All rights reserved.
・244・
计算机应用研究
2006 年
可能对环境进行感知或作为对其他节点产生的数据进行转发 的中继节点 。这些节点产生的数据有可能使网络发生拥塞 。 然而 ,传感器网络大规模密集部署的特点导致这些数据中的大 部分是无效的 ,因此可以在传送过程中处理数据 , 减少无效数 据 ,从而出现了网内数据融合的概念 。网内数据融合的主要思 想是 : 删除冗余 、 无效和可信度较差的数据 ,同时将来自不同节 点的信息结合起来进行融合处理 ,达到减少网络数据传输的数 据数量的目的 。这与传统的多传感器数据融合技术有所不同 。 传统的多传感器数据融合是对不同的知识源和传感器采集的 数据进行融合 ,以实现对观测现象更好的理解 。而无线传感器 网内数据融合主要是为了减少网络内的数据传输量 ,达到减少 能源的消耗 ,延长网络生命期的目的 。
量可以有效减少传感器网络的能源消耗 。本文主要介绍了如 何通过网内数据融合技术来减少网络通信量 , 提高能源有效 性 ,以达到增加网络生命期的目的 。
1 无线传感器网络中网内数据融合的概念
无线传感器网络的特点是传感器节点的电源能量有限 、 通 信能力有限 、 计算能力有限 、 与物理世界紧密耦合 、 大规模密集 部署 、 网络动态性强 。为了准确 、 及时地获取信息 ,必须依靠节 点间的协作 ,大量的 M EM S传感器节点只有通过低功耗无线 电通信技术连成网络才能够发挥其整体和综合作用 ,所以传感 器网络作为一个自治系统 , 涉及到定位及时间同步 、 协同信号 处理 、 通信模式及协议 、 网络容量 、 寿命 、 任务分配协调控制 、 自 适应性 、 中间件等诸多问题 。 无线传感器网络的某些应用 (如森林火灾监测 ) , 要求系 统生命期必须达到数月 , 甚至数年的级别 , 而传感器节点一般 由电池驱动 ,能源有限 (再生能源技术又不成熟 ,成本高 ,目前 还无法应用于微型传感器节点 ) , 且对于大规模与物理环境紧 密耦合的系统而言 ,更换电池补充能源的方式是不现实的 , 这 使得能源消耗成为确定系统生命期的最重要因素 。图 1 所示 为传感器节点在各种状态下的能量消耗情况 [ 1 ] 。由此可见 , 通信是能源的主要消耗者 。在 Berkeley Mote中 , 1bit数据传输 的能源消耗可以执行 800 条指令 [ 2 ] ,因此减少传感器网络的通 信量是延长网络生命期的主要手段之一 。 在传感器网络中主要有两种通信量 : 从用户到网络的查询 和从传感器节点到用户的感知数据 。每一个传感器节点都有
EADAT 算法是 M in D ing等人在 2003 年提出的基于剩
[8 ]
能源使用起杠杆作用 ,其中拓扑相邻的节点有时会用多变性来 代替 。这种方法用于对不精确的节点能源的节省使用 。 应用级上融合操作是用整个网络作为对数据信息进行处 理的计算平台 [ 4 ] ,数据信息能够在将数据传送给用户萃取分 析前在网络内进行预处理 。例如接收节点对感知数据的最大 值有兴趣 ,那么若一个节点同时收到了两个感知数据的包 , 则 只需传送包含最大值的数据包 。 无线传感器网络中网内数据融合面临的挑战主要有 : ① 节 点能源有限 ; ② 多数据流的同步 ; ③ 数据的时间敏感特性 ; ④ 网 络带宽的限制 ; ⑤无线通信的不可靠性 ; ⑥ 网络的动态特性 。 因此 ,需要合适的数据分发策略来进行有效的网内数据融合 。
显得非常困难 。而且 ,无线传感器网络的动态特性导致节点状 态经常改变 。这就使建立合适的数据分发策略显得尤为重要 。
是 Chalermek Intanagonwiw at 等 人 在
2000 年提出的数据分发策略 。它是传感器网络基于属性命名
的数据分发策略 。 D irected D iffusion 在 Source 节点与 Sink 节 点之间根据启发式的分布式算法建立有效的通信路径 ,数据通 过这些路径向 Sink 节点汇聚 , 从不同 Source 节点产生的数据 在建立共享路径的中间节点上进行数据融合 。 尽管 D irected D iffusion是能源自适应的数据发送策略 , 但 是它只能在所选路径上进行随机的数据融合 ,显然这并不是最 优的方案 。因为一般来说 ,越早进行数据融合就越能更多地减 少网络内的数据通信量 [ 6 ] 。而在 D irected D iffusion 中 ,不同的
第 4期
郑 勇等 : 基于无线传感器网络的网内数据融合
・2 43・
基于无线传感器网络的网内数据融合
郑 勇 , 杨志义 , 李志刚 , 李 凌
(西北工业大学 计算机学院 , 陕西 西安 710072 )
3
摘 要 : 由于电池能量的限制 ,无线传感器网络设计的一个主要目标就是最大化网络生命期 。在传感器网络 中 ,网内数据融合是减少能源消耗的有效途径 。首先基于传感器网络的特点 , 描述了网内数据融合的概念和网 内数据融合的两个层次 ,重点阐述了在无线传感器网络中网内数据融合的几种数据分发策略 , 并分析了数据的 最大延迟时间 T 在各个融合节点上的分配对网内数据融合的影响 。 关键词 : 无线传感器网络 ; 网内数据融合 ; 生命期 中图法分类号 : TP393 文献标识码 : A 文章编号 : 1001 23695 ( 2006 ) 04 20243 203
无线传感器网络 (W ireless Sensor Network ) 是众多具有通 信、 计算能力和感知能力的传感器通过无线方式连接 , 相互协 作 ,同物理世界进行交互 ,共同完成特定的应用任务 。随着传 感技术 、 通信技术和计算机技术的飞速发展 , M EM S技术的日 益成熟与完善 ,以及它在科学 、 医疗 、 商业 ,国防等领域所具有 广泛的应用前景 ,使无线传感器网络作为一项新型的信息技术 日益受到国内外的高度重视 。 与 Internet技术相似 ,无线传感器网络最初也是由美国军 方提出来的 ,在战场监测等领域具有非常重要的应用 (如友军 兵力 、 装备 、 弹药调配监视 ; 战区监控 ; 敌方军力的侦察 ; 目标追 踪 ;战争损伤评估 ; 核 、 生物和化学攻击的探测与侦察等 ) 。目 前 ,无线传感器网络的应用已由军事领域扩展到其他许多非军 事领域 。在环境监测领域 ,传感器网络可以用于森林火灾的监 测、 环境的生物复杂性映射 、 洪水监测 、 精密农业等 ; 在医疗卫 生中 ,可以实现人体生理指标的远程监测 、 医院内医生和患者 的跟踪 、 药物管理等 ; 此外在家居自动化 、 车辆跟踪与控制 、 库 存管理控制 、 特定场景 (如博物馆 ) 智能化等诸多方面也具有 广泛的应用前景 。 无线传感器网络可能包含成千上万个感知节点 ,通过随机 散布的方式部署在感知环境区域 。传感器节点由电池驱动 ,能 源非常有限 ,而应用又需要较长的系统生命期 。因此 ,如何延 长无线传感器网络的生命期是目前的一个研究热点 。在无线 传感器网络中 ,无线通信是能源的主要消耗者 , 减少网络通信 收稿日期 : 2005 203 201; 修返日期 : 2005 204 228 基金项目 : 国家自然科学基金资助项目 ( 60273086 )
GIT 算法是建立一棵融合树作为数据的传输路径 ,并在
[7 ]
非叶子节点上进行数据融合 。首先 , 在第一个 Source 节点与 接收节点之间建立一条最短路径 , 然后其他的 Source 点逐个 连接到这个已经存在的树上的节点 , 并成为这棵树的一部分 。 非叶子节点在一段时间内接收到多个数据并延迟一段时间 ,然 后将这些收到的数据融合后发送 。由于网络的动态性 ,很可能 有多条路径能够被用来选择 。所以 ,就需要修剪掉不必要的或 效率较低的路径 。在这个分发策略中路径修剪的规则是 ,在相 应的事件或时间窗口内 ,被动地去除没有进行能源有效的数据 融合的邻居节点 。 这个算法与 D irected D iffusion 中的随机的数据融合相比 , 在网络中节点分布密度较小的情况下 ,达到的能源节省基本没 有太大的差别 ,但在节点密度较大的情况下可以节省更多的能 源 ,在理想的实验条件下甚至可以节省 45%的能源 。这样就 大大地延长了网络的生命期 。
Abstract: A p rim ary goal in the design of w ireless sensor networks is lifeti m e maxi m ization, constrained by the energy capaci2 ty of batteries . O ne effective method to reduce energy consump tion in such networks is in 2netwo rk data aggregation. This paper expatiates the concep t of in 2network data aggregation and t wo aggregation levels based on the characteristics of the w ireless sen2 so r network firstly . Then show s several data dissem ination schemes related to the in 2network data aggregation, and analyzeit how maxim um delay T fo r data delivery affect the result of the in2net work data aggregation when it is allocated to each aggrega2 tion node. Key words: W ireless Sensor N etwork; In 2network D ata A ggregation; L ifeti me