無線傳感器網絡基于分簇路由的數據融合研究

2．3 數據融合策略
無線傳感器網絡的數據融合不僅僅是對數據進行簡單的平均、求和等運算，根據具體需求，需要采取不同的融合措施，數據融合的順序一般是從數據層到特征層再到決策層。本協議應用信息熵進行數據分類融合，節(jié)點感知的各種信息的數據關系可通過信息熵的計算分為補充數據、冗余數據以及沖突數據。補充數據指傳感器節(jié)點感知的目標不同特征的信息；冗余數據指傳感器節(jié)點感知的目標同一特征的信息；沖突數據指傳感器節(jié)點感知的不同目標的信息或者是同一目標時空不相關的信息，或者是傳感器故障而提供的矛盾信息。判定兩個傳感器節(jié)點提供的信息的數據關系方法如下：
假定節(jié)點1與節(jié)點2感知數據的分布特性符合pi(x／xi)，其中i為傳感器號1或2，x(x∈X)為感知的隨機數，xi為節(jié)點i感知的數據值；節(jié)點i和節(jié)點j的聯合分布為pij(x／xi，xj)，由信息熵的定義，節(jié)點i和j感知數據的自熵hi(xi)與聯合熵hij(xi，xj)的計算如下：

自熵表明了節(jié)點i感知數據xi的不確定性，而互熵則表明了節(jié)點i和j聯合感知數據(xi，xj)的不確定性。比較hi(xi)，hj(xj)與hij(xi，xj)三者的大小關系有以下三種情況：
(1)hi(xi)≤hij(xi，xj)≤hj(xj)，說明兩個傳感器的聯合感知數據既沒減少xi的不確定性，也沒增加xj的不確定性，兩個節(jié)點的感知數據互不影響，因此兩個數據是互補的；
(2)hij(xi，xj)hi(xi)≤hj(xj)，說明聯合感知數據的不確定性較xi和xj的不確定性都小，因此兩個數據是冗余的；
(3)hi(xi)≤hj(xj)hij(xi，xj)，說明聯合感知數據的不確定性較xi和xj的不確定性都大，因此兩個數據是沖突的。

3 仿真實驗
本文采用Matlab建立仿真模型，分別對原LEACH算法與改進后的算法進行仿真分析并加以比較。
3．1 仿真模型與參數設置
本實驗采用LEACH定義的物理模型，其定義如下：
(1)所有節(jié)點屬性完全一樣，能量有限并且均能與基站直接通信；
(2)基站位置固定，節(jié)點不知道其自身位置信息；
(3)無線通信采用對稱的信道，消耗的能量與傳輸的方向無關，節(jié)點可根據與目標節(jié)點的距離來調節(jié)射頻發(fā)射功率；
(4)簇頭節(jié)點可執(zhí)行數據融合。