黨小超，高琪，郝占軍

1.西北師范大學計算機科學與工程學院，蘭州 730070

2.甘肅省物聯(lián)網(wǎng)工程研究中心，蘭州 730070

基于小波變換的分布式WSN數(shù)據(jù)融合模型研究

黨小超1，2，高琪1，郝占軍1，2

1.西北師范大學計算機科學與工程學院，蘭州 730070

2.甘肅省物聯(lián)網(wǎng)工程研究中心，蘭州 730070

無線傳感器網(wǎng)絡[1-3]（Wireless Sensor Network，WSN）是由大量微型、低成本、低功耗的傳感器節(jié)點自組織形成的多跳網(wǎng)絡。其在監(jiān)控區(qū)域內(nèi)部署大量的傳感器節(jié)點（Sensor Node）感知和監(jiān)測目標。由于節(jié)點資源受限，多個傳感器節(jié)點對同一環(huán)境元素監(jiān)測的數(shù)據(jù)具有時空相關(guān)性[4]，因此需要對節(jié)點感知數(shù)據(jù)進行融合處理，去除其中的冗余數(shù)據(jù)，實現(xiàn)高效感知，節(jié)約帶寬和存儲開銷，從而提高目標監(jiān)測的準確性和延長網(wǎng)絡生存期。

數(shù)據(jù)融合技術(shù)[5-8]是近年來一種性能相對較好的數(shù)據(jù)處理技術(shù)，是解決無線傳感器網(wǎng)絡節(jié)點生存時間瓶頸的一種有效的方法。文獻[9]介紹了物聯(lián)網(wǎng)技術(shù)中涉及的復雜數(shù)據(jù)問題以及大數(shù)據(jù)處理相關(guān)技術(shù)，核心是利用算法對多信息源發(fā)出的大量信息進行采集、傳輸、綜合、過濾、相關(guān)及合成等數(shù)據(jù)級處理，去除冗余數(shù)據(jù)，將少量的準確目標數(shù)據(jù)傳輸?shù)絽R聚節(jié)點。數(shù)據(jù)融合方法能有效地提取網(wǎng)絡感知數(shù)據(jù)中有價值的數(shù)據(jù)。

小波變換具有壓縮率高、速度快等優(yōu)點，目前主要用于圖像處理等方面。因其具有高保真壓縮、小波分解和重構(gòu)算法循環(huán)使用，并且易于硬件實現(xiàn)的特點，因此可以將小波變換算法應用到無線傳感器網(wǎng)絡的數(shù)據(jù)壓縮方面。研究表明，采用基于小波變換的壓縮算法進行數(shù)據(jù)融合證明了其良好的壓縮性能，但是運算開銷方面需要進一步的研究和分析。同時由于傳感器節(jié)點自身的限制，應用的小波壓縮算法必須是輕量級的，也需要進一步研究和分析。文獻[10-13]分別描述了小波變換在傳感器網(wǎng)絡數(shù)據(jù)壓縮方面所做的研究，但均未考慮感知數(shù)據(jù)差異變化情況的處理。

本文基于此設計出一種基于小波變換的分布式WSN數(shù)據(jù)融合模型，該模型對原有環(huán)模型進行改進，在數(shù)據(jù)融合前進行數(shù)據(jù)有效性驗證，并利用小波提升方案對數(shù)據(jù)進行融合處理，有效減少了網(wǎng)絡中感知數(shù)據(jù)的傳輸量，提高了數(shù)據(jù)傳輸?shù)挠行院涂煽啃?，均衡了傳感器?jié)點的能耗。理論分析和仿真結(jié)果證明該模型的有效性和可行性。

1 模型建立

1.1 基于虛擬網(wǎng)格的改進環(huán)模型

該模型基于文獻[12]中的環(huán)模型，將每個簇劃分成M×N個單位虛擬網(wǎng)格，M和N的大小根據(jù)簇的大小設定，如圖1所示。傳感器節(jié)點分布在虛擬網(wǎng)格內(nèi)，每一個網(wǎng)格里的節(jié)點都可以和相鄰的網(wǎng)格里的任一節(jié)點通信。在保證最優(yōu)覆蓋的前提下，每個網(wǎng)格里同一時刻工作的節(jié)點只有一個，網(wǎng)格內(nèi)其他節(jié)點均處于休眠狀態(tài)，當工作節(jié)點因能量耗盡，自身損壞等原因無法正常工作時，同一虛擬網(wǎng)格內(nèi)的休眠節(jié)點將會被喚醒，代替失效節(jié)點繼續(xù)工作，節(jié)約重新構(gòu)造新融合路徑的開銷。

圖1 環(huán)模型示意圖

本文作如下定義：簇頭節(jié)點完成簇和環(huán)的構(gòu)建后，立即宣布解除簇頭標識，每輪的簇頭由以下定義得出。環(huán)首節(jié)點在構(gòu)造環(huán)時指定為s0，數(shù)據(jù)的傳輸從環(huán)首開始，沿環(huán)依次傳輸給下一節(jié)點，本輪數(shù)據(jù)傳輸結(jié)束后，間隔Δt時間，重新開始數(shù)據(jù)監(jiān)測，下一輪環(huán)首節(jié)點則為s(k-1)mod(n)，k值從1到n循環(huán)遞增；則每一輪簇頭節(jié)點為s(n+k-2)modn。將環(huán)末節(jié)點定義為簇頭。

1.2 數(shù)據(jù)驗證模型

所有環(huán)上傳感器節(jié)點參與首輪數(shù)據(jù)監(jiān)測，將數(shù)據(jù)傳輸給環(huán)上的下一個節(jié)點，依次下去，每個節(jié)點將自己的數(shù)據(jù)加入到從上一節(jié)點接收的數(shù)據(jù)中去，這樣最終獲取整個簇節(jié)點對目標感知的全部數(shù)據(jù)。

假設一個環(huán)包含n個節(jié)點，分別為s0,s1,…,sn-1，如圖2所示，節(jié)點si感知的數(shù)據(jù)屬性為m維的列向量的時間序列，即

圖2 n個節(jié)點構(gòu)造的環(huán)

因此，對整個簇內(nèi)節(jié)點感知數(shù)據(jù)的融合處理就抽象成對數(shù)據(jù)矩陣R的處理，即利用小波變換對數(shù)據(jù)矩陣R進行融合處理，融合處理后由簇頭將數(shù)據(jù)傳輸給下一節(jié)點。

從次輪開始，每個節(jié)點將監(jiān)測的數(shù)據(jù)與前一輪數(shù)據(jù)進行差異驗證，本文利用均方根誤差RMSE（Root Mean-Square Error）衡量兩次感知數(shù)據(jù)的變化，有（以第一個節(jié)點為例）：

數(shù)據(jù)有效性驗證機制如圖3所示，當ρ小于設置值時，該節(jié)點只進行數(shù)據(jù)轉(zhuǎn)發(fā)。當ρ大于設置值時，則該節(jié)點參與本輪的數(shù)據(jù)融合處理，同時更新節(jié)點的存儲數(shù)據(jù)，本輪數(shù)據(jù)收集完畢由簇頭傳送給Sink節(jié)點。間隔一定時間后，節(jié)點重新開始監(jiān)測數(shù)據(jù)。

對抽象矩陣數(shù)據(jù)進行小波變換，要考慮無線傳感器節(jié)點能耗、計算能力有限問題，因此本文選用提升小波變換來處理抽象感知數(shù)據(jù)矩陣R。

圖3 數(shù)據(jù)驗證機制

2 DDA-WT算法

2.1 數(shù)據(jù)時空相關(guān)性

節(jié)點時間采樣模型，如圖4所示，不同傳感器節(jié)點對同一目標檢測的數(shù)據(jù)具有時空相關(guān)性，在設計算法時，要同時對監(jiān)測數(shù)據(jù)時空相關(guān)性分別進行處理，降低數(shù)據(jù)的冗余度，減少網(wǎng)絡傳輸數(shù)據(jù)量，提高監(jiān)測數(shù)據(jù)的準確度。

圖4 節(jié)點時間采樣模型

基于數(shù)據(jù)在時間和空間上的相關(guān)性，本文利用小波提升算法解決數(shù)據(jù)時空相關(guān)性的問題，小波提升算法[14-15]是將現(xiàn)有的小波濾波器分解成基本的構(gòu)造模塊，小波變換分為分解（split）、預測（predict）、更新（update）三個步驟來完成，分解是將輸入信號根據(jù)奇偶性分為2個序列，預測是利用P濾波器作用于偶數(shù)序列得到奇數(shù)序列的預測值，得到的預測誤差即為高頻系數(shù)，更新是使用預測誤差線性組合更新偶數(shù)序列，得到低頻系數(shù)。數(shù)據(jù)分解與重構(gòu)如圖5和圖6。

圖5 分解變換

圖6 重構(gòu)變換

將監(jiān)測數(shù)據(jù)抽象成矩陣R，那么對數(shù)據(jù)時間相關(guān)性的分析映射到矩陣的列變換上，對數(shù)據(jù)空間上的變換映射到矩陣的行變換上，行數(shù)據(jù)和列數(shù)據(jù)都可以進行l(wèi)（l取決于環(huán)上節(jié)點數(shù)）級變換，列變換在單節(jié)點內(nèi)部執(zhí)行，行變換則在各節(jié)點間進行。

2.2 算法描述

步驟1網(wǎng)絡初始化，所有節(jié)點自組織成網(wǎng)。

步驟2 Each node on ring：

每一輪從環(huán)首節(jié)點s(k-1)mod(n)開始數(shù)據(jù)的處理轉(zhuǎn)發(fā)。t時刻開始監(jiān)測數(shù)據(jù)，第一輪監(jiān)測的數(shù)據(jù)存儲在節(jié)點里，小波列變換處理并轉(zhuǎn)發(fā)給下一節(jié)點；從第二輪開始監(jiān)測到的數(shù)據(jù)首先進行數(shù)據(jù)有效性驗證，滿足有效性條件，節(jié)點將本輪數(shù)據(jù)丟棄；否則更新節(jié)點存儲數(shù)據(jù)、小波列變換處理并轉(zhuǎn)發(fā)下一節(jié)點。

步驟3數(shù)據(jù)在節(jié)點內(nèi)部做小波列變換，去除數(shù)據(jù)時間相關(guān)性，在節(jié)點間進行小波行變換，去除數(shù)據(jù)空間相關(guān)性。

步驟4當節(jié)點完成數(shù)據(jù)處理后，由簇頭s(n+k-2)modn將數(shù)據(jù)發(fā)送出去，簇間接力傳輸?shù)倪^程中，同時對數(shù)據(jù)進行簡單小波變換，壓縮數(shù)據(jù)，減少數(shù)據(jù)量，簇頭到sink之間利用算法尋找最優(yōu)路徑進行數(shù)據(jù)轉(zhuǎn)發(fā)，sink對數(shù)據(jù)進行還原，獲取監(jiān)測目標的原始數(shù)據(jù)，從而完成實現(xiàn)對目標的監(jiān)控。Sink要對本輪數(shù)據(jù)進行有效存儲，從而完成數(shù)據(jù)的完全重構(gòu)和還原。

2.3 算法能耗分析

本節(jié)分析算法能耗。從傳感器構(gòu)造模塊分析，處理器和傳感器模塊的能耗較低，絕大部分能耗都集中在無線通信模塊上。而無線通信模塊的能耗主要表現(xiàn)在數(shù)據(jù)發(fā)送和數(shù)據(jù)接收兩個方面。下面是能耗分析過程：

一方面，從數(shù)據(jù)驗證方面分析能耗。本文采用簡單無線模型，發(fā)送方將λbit數(shù)據(jù)從節(jié)點i發(fā)送到相距為d的節(jié)點j時，發(fā)送和接收能耗分別為：

發(fā)送能耗：

其中，Eelec為發(fā)送或接收1比特數(shù)據(jù)電路能耗；εamp表示發(fā)射放大器傳送1比特數(shù)據(jù)能耗；V為節(jié)點電壓。N為每次變換的操作周期數(shù)目。C為單位周期所轉(zhuǎn)換數(shù)據(jù)量。

已有環(huán)模型算法能耗由節(jié)點發(fā)送能耗、接收能耗和處理數(shù)據(jù)能耗組成，即

以下是基于改進環(huán)結(jié)構(gòu)模型分析算法能耗，設節(jié)點id為α字節(jié)，感知的數(shù)據(jù)位β字節(jié)，顯然有α＜＜β。

設數(shù)據(jù)閾值ρ為ρ0，數(shù)據(jù)驗證時計算出的閾值為ρΔ，設在某一輪數(shù)據(jù)收集中有x(x≤n)個節(jié)點的ρΔ＞ρ0的概率為τ，則有

設小波壓縮系數(shù)為c，第一輪Sink節(jié)點得到的數(shù)據(jù)可以表示為：

可以看出，當τ=1時，表明本輪節(jié)點感知數(shù)據(jù)變化全部超過閾值ρ0，數(shù)據(jù)量與能耗和第一輪相同；當τ?1時，表明只有少數(shù)節(jié)點感知數(shù)據(jù)變化超出閾值ρ0，本輪只將變化的節(jié)點數(shù)據(jù)傳輸給Sink節(jié)點，其他節(jié)點發(fā)送特定信號即可。數(shù)據(jù)有效性驗證成功時，能夠有效地降低處理數(shù)據(jù)和轉(zhuǎn)發(fā)的能耗，延長節(jié)點生存時間。

當然，數(shù)據(jù)驗證也會帶來能耗問題，但驗證過程是在節(jié)點自身進行，不需要無線通信模塊參與，因此，此階段能耗是極小的。

另一方面，除發(fā)送和接收數(shù)據(jù)外，原有模型中每一輪簇頭選舉也會帶來很大能耗。本文算法對簇頭選舉方法進行了改進，節(jié)約了重新選舉簇頭的能耗和計算量。

綜上所述，本文算法在節(jié)省能耗方面具有優(yōu)勢。

3 仿真實驗分析

3.1 仿真環(huán)境

假設仿真覆蓋區(qū)域為100 m×100 m的范圍，隨機播散500個同構(gòu)的傳感器節(jié)點，并隨機生成100個節(jié)點組成的環(huán)，節(jié)點間隔平均為5 m。

與基本的小波算法Mallat以及基本的小波提升變換進行對比實驗仿真，從算法的平均能耗AEC（Average Energy Consumption）、數(shù)據(jù)閾值ρ與平均能耗關(guān)系以及平均傳輸時延ATD（Average Time Delay）三個方面分析算法性能。仿真詳細參數(shù)設置如表1所示。

表1 仿真參數(shù)

3.2 仿真分析

為了評價本文算法的性能，采用MATLAB工具對算法進行仿真實驗。

圖7表示三種算法能耗對比，Mallat Algorithm算法能耗基本是6個單位能量；Lifting scheme算法能耗基本是5個單位能量；本文DDA-WT算法能耗基本為4.6個單位的能量。說明本文算法在能耗方面的優(yōu)越性。提升方案的能耗低于傳統(tǒng)Mallat算法，取決于提升方案計算速度快，占用的內(nèi)存較小，而且復雜度只是原始的一半。本文算法的能耗低于Lifting scheme算法，一方面是進行了數(shù)據(jù)的有效性驗證；另一方面是節(jié)省了成簇后簇頭的選舉能耗。

圖7 算法平均能耗對比

圖8給出了三種算法在不同的數(shù)據(jù)閾值ρ下的能耗變化情況。從圖中可以看出，隨著ρ從0到1不斷增大，算法的能耗也在不斷增加。說明在數(shù)據(jù)驗證階段，新一輪的監(jiān)測數(shù)據(jù)與存儲數(shù)據(jù)對比，變化越大，能耗也越大，這與實際情況相符合。當數(shù)據(jù)閾值ρ變化小于0.6左右時，本文DDA-WT算法的能耗要明顯優(yōu)于其他兩種算法，證明本文算法能夠節(jié)省能耗，延長網(wǎng)絡生存期。

圖8 不同閾值下平均能耗對比

圖9 節(jié)點傳輸數(shù)據(jù)的平均延遲

圖9表示三種不同的算法在節(jié)點傳輸數(shù)據(jù)量變化的過程中，節(jié)點傳輸數(shù)據(jù)的平均延遲情況。從圖中可以看出，隨著節(jié)點所傳輸數(shù)據(jù)量的不斷增加，節(jié)點在傳輸數(shù)據(jù)的時延也在不斷的增大，當節(jié)點傳輸數(shù)據(jù)很少的情況下，三種算法都可以很快地處理數(shù)據(jù)；隨著數(shù)據(jù)量的增加和節(jié)點能量的減少，節(jié)點處理轉(zhuǎn)發(fā)數(shù)據(jù)的速度會不斷下降，導致轉(zhuǎn)發(fā)延遲增大。DDA-WT算法引入數(shù)據(jù)驗證機制，并需要每一輪都把監(jiān)測的數(shù)據(jù)全部轉(zhuǎn)發(fā)，因此，處理的數(shù)據(jù)量會較少，處理延遲也會有所降低。從圖中可以看出，DDA-WT算法處理延遲要明顯小于Mallat和Lifting scheme算法。

4 總結(jié)

本文提出一種基于小波變換的分布式WSN數(shù)據(jù)融合模型（DDA-WT），模型對原有環(huán)模型進行了改進，同時對監(jiān)測數(shù)據(jù)進行有效性驗證，進而利用小波提升方案對數(shù)據(jù)進行融合處理。通過仿真實驗與其他算法進行對比分析，證明算法DDA-WT在節(jié)省能耗，延長網(wǎng)絡生存期方面具有較好的優(yōu)越性。

[1]Li Jianzhong，Gao Hong.Survey on sensor network research[J].Journal of Computer Research and Development，2008，45（1）：1-15.

[2]仲元昌，宋揚.大規(guī)模無線傳感器網(wǎng)絡自適應路由算法[J].計算機工程與應用，2013，49（1）：89-93.

[3]楊小軍.無線傳感器網(wǎng)絡下分布式?jīng)Q策融合方法綜述[J].計算機工程與應用，2012，48（11）：1-6.

[4]Tang Shiqi.Application of spatial-temporal correlation in data fusion for wireless sensor network[Z].2011：2-11.

[5]Wan Runze，Wang Haijun，Zhang Xingyan.A low energyconsumingprivatedataaggregationmethodbasedon unequal clustering[J].Chinese Journal of Sensors and Actuators，2013，26（5）：715-721.

[6]Bagaa M，Challal Y，Ouadjaout A，et al.Efficient data aggregation with in-network integrity control for WSN[J].Journal of Parallel and Distributed Computing，2012，10（72）：1157-1170.

[7]楊庚，李森，陳正宇，等.傳感器網(wǎng)絡中面向隱私保護的高精確度數(shù)據(jù)融合算法[J].計算機學報，2013，36（1）：189-200.

[8]王宏巖，李英順，王德彪，等.低能耗和低時延的無線傳感器網(wǎng)絡數(shù)據(jù)融合算法[J].電子設計工程，2013，21（7）：47-50.

[9]胡永利，孫艷豐，尹寶才.物聯(lián)網(wǎng)信息感知與交互技術(shù)[J].計算機學報，2012，35（6）：1147-1163.

[10]林蔚，韓麗紅.無線傳感器網(wǎng)絡的數(shù)據(jù)壓縮算法綜述[J].小型微型計算機系統(tǒng)，2012，33（9）：2043-2048.

[11]鐘升，沈緒榜，鄭江濱，等.提升小波變換的數(shù)據(jù)并行計算方法研究[J].計算機學報，2011，34（7）：1323-1331.

[12]周四望，林亞平，張建明，等.傳感器網(wǎng)絡中基于環(huán)模型的小波數(shù)據(jù)壓縮算法[J].軟件學報，2007，18（3）：669-680.

[13]羅文華，王繼良.基于Haar小波的自適應數(shù)據(jù)壓縮算法[J].計算機工程，2010，36（12）：138-140.

[14]Bai Lang，Lei Xuheng，Sheng Wei.Method of small unmanned aerialrotorcraftaltitudeinformationfusionbasedon wavelet filter[J].Journal of Beijing University of Aeronautics and Astronautics，2012，38（5）：659-664.

[15]Wang Feng，Zhao Zhiwen，Mou Sheng.Fast extraction algorithmofthepolyphasematrixdecompositioncoefficient based integer lifting wavelet[J].Journal of Image and Graphics，2012，17（3）：329-336.

DANG Xiaochao1，2,GAO Qi1,HAO Zhanjun1，2

1.College of Computer Science and Engineering,Northwest Normal University,Lanzhou 730070,China
2.Gansu Province Internet of Things Engineering Research Center,Lanzhou 730070,China

For the problems of hardware and energy of wireless sensor,the article puts forward a model of distributed data aggregation in WSN based on wavelet transform（DDA-WT）.The model improves the original loop structure,adds the data detection procedure to reduce the amount of sensory data,which also exploits the lifting scheme to process the data matrix from nodes of ring topology in order to low the complexity of transport the fused data.The simulation results confirm the DDA-WT can low the energy consumption of nodes and prolong the lifetime of network.

Wireless Sensor Network（WSN）;wavelet transform;lifting scheme;data detection;data aggregation

針對無線傳感器網(wǎng)絡節(jié)點硬件、能量受限問題，分析現(xiàn)有數(shù)據(jù)融合方法，提出一種基于小波變換的分布式WSN數(shù)據(jù)融合模型，該模型對現(xiàn)有環(huán)結(jié)構(gòu)模型進行改進，并加入數(shù)據(jù)驗證環(huán)節(jié)，策略性地減少傳輸?shù)臄?shù)據(jù)量，并利用小波提升方案對數(shù)據(jù)進行融合處理，降低數(shù)據(jù)表示和傳輸?shù)膹碗s度。通過仿真實驗，證明了DDA-WT算法能有效降低網(wǎng)絡節(jié)點的能耗，延長整體網(wǎng)絡的生存期。

無線傳感器網(wǎng)絡；小波變換；提升方案；數(shù)據(jù)驗證；數(shù)據(jù)融合

A

TP393

10.3778/j.issn.1002-8331.1404-0454

DANG Xiaochao,GAO Qi,HAO Zhanjun.Research on model of distributed data aggregation in WSN based on wavelet transform.Computer Engineering and Applications,2014,50（22）：97-101.

國家自然科學基金（No.61363059）；西北師范大學青年教師科研能力提升計劃項目（No.NWNU-LKQN-13-24）。

黨小超（1963—），教授，碩士生導師，研究方向：計算機網(wǎng)絡；高琪（1987—），男，碩士研究生；郝占軍，通訊作者，男，講師，研究方向：計算機網(wǎng)絡、無線傳感器網(wǎng)絡。E-mail：zhanjunhao@126.com

2014-04-30

2014-06-03

1002-8331（2014）22-0097-05

CNKI網(wǎng)絡優(yōu)先出版：2014-07-11,http://www.cnki.net/kcms/doi/10.3778/j.issn.1002-8331.1404-0454.html