無線傳感器網(wǎng)絡數(shù)據(jù)傳輸及融合技術

1 傳統(tǒng)的無線傳感器網(wǎng)絡數(shù)據(jù)傳輸
1．1 直接傳輸模型
直接傳輸模型是指傳感器節(jié)點將采集到的數(shù)據(jù)通過較大的功率直接一跳傳輸?shù)絊ink節(jié)點上，進行集中式處理，如圖1所示。這種方法的缺點在于：距離Sink節(jié)點較遠的傳感器節(jié)點需要很大的發(fā)送功率才可以達到與sink節(jié)點通信的目的，而傳感器節(jié)點的通信距離有限，因此距離Sink較遠的節(jié)點往往無法與Sink節(jié)點進行可靠的通信，這是不能被接受的。且在較大通信距離上的節(jié)點需耗費很大的能量才能完成與Sink節(jié)點的通信，容易造成有關節(jié)點的能量很快耗盡，這樣的傳感器網(wǎng)絡在實際中難以得到應用。

1．2 多跳傳輸模型
這種方式類似于AD-Hoc網(wǎng)絡模型，如圖2所示。每個節(jié)點自身不對數(shù)據(jù)進行任何處理，而是調整發(fā)送功率，以較小功率經(jīng)過多跳將測量數(shù)據(jù)傳輸?shù)絊ink節(jié)點中再進行集中處理。多跳傳輸模型很好地改善了直接傳輸?shù)娜毕?，使得能量得到了較有效的利用，這是傳感器網(wǎng)絡得到廣泛利用的前提。
該方法的缺點在于：當網(wǎng)絡規(guī)模較大時，會出現(xiàn)熱點問題，即位于兩條或多條路徑交叉處的節(jié)點，以及距離Sink節(jié)點一跳的節(jié)點(將它稱之為瓶頸節(jié)點)，如圖2中N1，N2，N3，N4，它們除了自身的傳輸之外，還要在多跳傳遞中充當中介。在這種情況下，這些節(jié)點的能量將會很快耗盡。對于以節(jié)能為前提的傳感器網(wǎng)絡而言，這顯然不是一種很有效的方式。

2 無線傳感器網(wǎng)絡數(shù)據(jù)融合技術
在大規(guī)模的無線傳感器網(wǎng)絡中，由于每個傳感器的監(jiān)測范圍以及可靠性都是有限的，在放置傳感器節(jié)點時，有時要使傳感器節(jié)點的監(jiān)測范圍互相交疊，以增強整個網(wǎng)絡所采集的信息的魯棒性和準確性。那么，在無線傳感器網(wǎng)絡中的感測數(shù)據(jù)就會具有一定的空間相關性，即距離相近的節(jié)點所傳輸?shù)臄?shù)據(jù)具有一定的冗余度。在傳統(tǒng)的數(shù)據(jù)傳輸模式下，每個節(jié)點都將傳輸全部的感測信息，這其中就包含了大量的冗余信息，即有相當一部分的能量用于不必要的數(shù)據(jù)傳輸。而傳感器網(wǎng)絡中傳輸數(shù)據(jù)的能耗遠大于處理數(shù)據(jù)的能耗。因此，在大規(guī)模無線傳感器網(wǎng)絡中，使各個節(jié)點多跳傳輸感測數(shù)據(jù)到Sink節(jié)點前，先對數(shù)據(jù)進行融合處理是非常有必要的，數(shù)據(jù)融合技術應運而生。
2．1 集中式數(shù)據(jù)融合算法
2．1．1 分簇模型的LEACH算法
為了改善熱點問題，Wendi Rabiner Heinzelman等提出了在無線傳感器網(wǎng)絡中使用分簇概念，其將網(wǎng)絡分為不同層次的LEACH算法：通過某種方式周期性隨機選舉簇頭，簇頭在無線信道中廣播信息，其余節(jié)點檢測信號并選擇信號最強的簇頭加入，從而形成不同的簇。簇頭之間的連接構成上層骨干網(wǎng)，所有簇間通信都通過骨干網(wǎng)進行轉發(fā)。簇內成員將數(shù)據(jù)傳輸給簇頭節(jié)點，簇頭節(jié)點再向上一級簇頭傳輸，直至Sink節(jié)點。圖3所示為兩層分簇結構。這種方式降低了節(jié)點發(fā)送功率，減少了不必要的鏈路，減少節(jié)點間干擾，達到保持網(wǎng)絡內部能量消耗的均衡，延長網(wǎng)絡壽命的目的。該算法的缺點在于：分簇的實現(xiàn)以及簇頭的選擇都需要相當一部分的開銷，且簇內成員過多地依賴簇頭進行數(shù)據(jù)傳輸與處理，使得簇頭的能量消耗很快。為避免簇頭能量耗盡，需頻繁選擇簇頭。同時，簇頭與簇內成員為點對多點的一跳通信，可擴展性差，不適用于大規(guī)模網(wǎng)絡。

2．1．2 PEGASIS算法
Stephanie Lindsey等人在LEACH的基礎上，提出了PEGASIS算法。此算法假定網(wǎng)絡中的每個節(jié)點都是同構的且靜止不動，節(jié)點通過通信來獲得與其他節(jié)點之間的位置關系。每個節(jié)點通過貪婪算法找到與其最近的鄰居并連接，從而整個網(wǎng)絡形成一個鏈，同時設定一個距離Sink最近的節(jié)點為鏈頭節(jié)點，它與Sink進行一跳通信。數(shù)據(jù)總是在某個節(jié)點與其鄰居之間傳輸，節(jié)點通過多跳方式輪流傳輸數(shù)據(jù)到Sink處。如圖4所示。
該算法缺點也很明顯，首先每個節(jié)點必須知道網(wǎng)絡中其他各節(jié)點的位置信息。其次，鏈頭節(jié)點為瓶頸節(jié)點，它的存在至關重要，若它的能量耗盡則有關路由將會失效。再次，較長的鏈會造成較大的傳輸時延。
2．2 分布式數(shù)據(jù)融合算法
可以將一個規(guī)則傳感器網(wǎng)絡拓撲圖等效于一幅圖像，獲得一種將小波變換應用到無線傳感器網(wǎng)絡中的分布式數(shù)據(jù)融合技術。這方面的研究已取得了一些階段性成果，下面就對其進行介紹。
2．2．1 規(guī)則網(wǎng)絡情況
Servetto首先研究了小波變換的分布式實現(xiàn)，并將其用于解決無線傳感器網(wǎng)絡中的廣播問題。南加州大學的A．Ciancio進一步研究了無線傳感器網(wǎng)絡中的分布式數(shù)據(jù)融合算法，引入lifting變換，提出一種基于lifting的規(guī)則網(wǎng)絡中分布式小波變換數(shù)據(jù)融合算法(DWT_RE)，并將其應用于規(guī)則網(wǎng)絡中。如圖5所示，網(wǎng)絡中節(jié)點規(guī)則分布，每個節(jié)點只與其相鄰的左右兩個鄰居進行通信，對數(shù)據(jù)進行去相關計算。