数据融合技术概述

数据融合是WSN中非常重要的一项技术，也是目前的一个研究热点，通过一定算法将采集到的数据进行各种网内处理，去除冗余信息，减少数据传输量，降低能耗，延长网络生命周期。本文以从降低传输数据量和能量方面对数据融合方法进行分类，介绍其研究现状。

1.与路由相结合的数据融合

将路由技术和数据融合结合起来，通过在数据转发过程中适当地进行数据融合，减轻网络拥塞，延长网络生存时间[1]。

1.1查询路由中的数据融合

定向扩散（directed diffusion）[2]作为查询路由的代表，数据融合主要是在其数据传播阶段进行，采用抑制副本的方法，对转发过的数据进行缓存，若发现重复数据将不予转发，该方法有很好的能源自适应性，但是他只能在他选择的随机路由上进行数据融合，并不是最优方案。

1.2分层路由中的数据融合

Wendi Rabiner Heinzelman 等提出了在无线传感器网络中使用分簇概念,其将网络分为不同层次的LEACH 算法[3] :通过某种方式周期性随机选举簇头,簇头在无线信道中广播信息,其余节点检测信号

并选择信号最强的簇头加入,从而形成不同的簇。每个簇头在收到本簇成员后进行数据融合处理，并将结果发送给汇集节点。LEACH算法仅强调数据融合的重要性，但未给出具体的融合方法。TEEN是LEACH 算法的改进[4]，通过缓存机制抑制不需要转发的数据，进一步减少数据融合过程中的数据亮。

1.3链式路由中的数据融合

Lindsey S 等人在L EACH 的基础上,提出了PEGASIS 算法[5]每个节点通过贪婪算法找到与其最近的邻居并连接,从而整个网络形成一个链,同时设定一个距离Sink 最近的节点为链头节点,它与Sink进行一跳通信。数据总是在某个节点与其邻居之间传输,节点通过多跳方式轮流传输数据到Sink 处，位于链头节点和源节点之间的节点进行融合操作，最终链头节点将结果传送给汇聚节点。链式结构使每个节点发送数据距离几乎最短，比LEACH节能，但增大了数据传送的平均延时，和传输失败率。PEDAP (power efficient data gathering and aggregation protocol) [6]协议进一步发展了PEGASIS 协议,其核心思想是把WSN 的所有节点构造成一棵最小汇集树(minimum spanning tree) 。节点不管在每一轮内接收到多少个来自各子节点的数据包,都将压缩融合为单个数据包,再进行转发,以最小化每轮数据传输的

总能耗。然而,PEDAP 存在难以及时排除死亡节点(非能量耗尽) 的缺点。

2.基于树的数据融合

现有的算法有最短路径树（SPT）、贪婪增量树（GIT）、近源汇集树（CNS）和Steiner树以及他们的改进算法。Zhang [7]提出

DCTC(dynamic convey tree based collaboration) 算法。通过目标附近的节点协同构建动态生成树,协同组节点把测量数据沿确定的生成树向根节点传输,在传输过程中,汇聚节点对其子生成树节点的数

据进行数据融合。Luo [8-9]了MFST (minimum fusion steiner t ree)

算法,用于在WSN 中以数据融合方式进行高效节能的数据收集。文中考虑了数据传输开销和数据融合开销,并且根据节点产生的数据量来选择融合数据点，还提出提出了AFST (adaptive fusion steiner t ree) 算法,该算法对MFST 算法进行了改进,不仅优化数据传输路由,而且在节点转发数据时,动态决定是否进行数据融合来进一步减少总的能量开销。

Min Ding等人提出基于节点剩余能量的EADAT[10]立和维护一颗组播树，来减少广播信息数量，关闭书中页子节点的射频单元，只有非叶子节点参与数据融合和响应，有效地降低了非叶子节点的能耗，延长了网络寿命。

3.基于性能的数据融合

为使网内数据融合更加有效，要求数据在传送时要哟一定时间延迟。如何将最大融合延迟合理地分配到各个融合节点上，使融合效果达到最佳。

Brute-Force算法[11]，将最大融合延迟时间分配到各个融合节点上，但算法太复杂，超出无线传感网络能力。

除数据延迟性能外，研究人员还对数据融合中其他性能问题进行了深入研究。

Jerry Zhao[12]等人探讨了连续计算融合对网络性能的影响，并提出树结构建立算法，可针对部分融合函数进行高能效计算，实验表明，通过丢弃高丢包率和非对称性链路，可大大提高结果的准确性。

Athanassions boulis[13] 探讨了无线传感网络中数据融合的能

耗和结果准确性之间的平衡问题，针对周期性融合问题，提出利用个节点数据之间的时空相关性作为融合估计值得思想，建立了能耗和准确性的折中准则。

Ignacia solis[14]等人讨论了在传感器网络中进行数据融合的时序模型，及节点向上层节点转发数据前，应当等待多长时间以便接受完整数据，比较采用三种不同融合方法（即Periodic Simple Aggregation,Periodic Per-hop Aggregation和Peridic Per-hop Adjusted Aggregation）时的性能差异。研究表明，根据节点在融合树中的位置来设置时序可得到较理想的效果。

Tri Pham15]提出DAQ（Data Aggregation Quality,数据聚集质量概念），对LEACH和PEACH和PEGASIS进行扩展，提出两种新的融合算法，即E-LEACH和C-PEGASIS，并比较了这四种方法的能靠，平均DAQ 以及网络延时性能。结果表明，PEGASIS方法在能耗方面较LEACH好，但其DAQ低。

付华等人提出的基于环带模型的非均匀分簇方法[16]和Liu

An-Feng提出的TDMA 数据融合算法[17]，可使得网络达到能耗均衡，进一步避免了“热区”问题，消除了数据融合相关度的限制，更大程度地提高了网络寿命和能量的利用率。文献周平等人[18]从预测的角度，分析节点能量衰减的过程，采用节点能量衰减预测模型描述节点能量损耗的规律，并建立基于该预测模型的节点剩余能量汇报机制，从而减少节点能量数据的汇报次数以及节点间的数据通信量，降低节点能耗。