武警工程大學(xué) 陳任秋 劉志騁

?

基于Jousselme距離證據(jù)加權(quán)的DS證據(jù)理論在WSN中的應(yīng)用

武警工程大學(xué) 陳任秋 劉志騁

【摘要】為了延長(zhǎng)無(wú)線傳感器網(wǎng)絡(luò)使用壽命，在確保滿足任務(wù)需要的前提下，通過(guò)減少數(shù)據(jù)傳輸量達(dá)到節(jié)能目的。將DS證據(jù)理論應(yīng)用到無(wú)線傳感器網(wǎng)絡(luò)無(wú)線數(shù)據(jù)耗能中，利用Jousselme距離公式對(duì)單個(gè)證據(jù)進(jìn)行權(quán)值分配。對(duì)一定區(qū)域的氣體濃度數(shù)據(jù)進(jìn)行仿真實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明當(dāng)樣本數(shù)據(jù)量達(dá)一定程度時(shí)，該算法能明顯減少網(wǎng)絡(luò)數(shù)據(jù)傳輸量和提高一定的數(shù)據(jù)準(zhǔn)確度。增強(qiáng)系統(tǒng)魯棒性，降低通信耗能。

【關(guān)鍵詞】無(wú)線傳感器網(wǎng)絡(luò)（WSN）；DS證據(jù)理論；Jousselme距離；節(jié)能

1　引言

無(wú)線傳感器網(wǎng)絡(luò)（WSN）技術(shù)作為一種具有很大潛力的信息采集技術(shù)，不僅擁有基本的環(huán)境監(jiān)測(cè)、感知、無(wú)線傳輸和處理數(shù)據(jù)的能力，并且還擁有布設(shè)方便、監(jiān)控范圍廣等優(yōu)點(diǎn)。最重要的是它能對(duì)極寒、極熱以及人類足跡無(wú)法到達(dá)或不適宜人類活動(dòng)地區(qū)的各方面數(shù)據(jù)進(jìn)行監(jiān)控收集，對(duì)人類社會(huì)信息化發(fā)展具有重要意義[1]。

由于傳感器節(jié)點(diǎn)能量[1]有限，怎樣延長(zhǎng)傳感器網(wǎng)絡(luò)使用壽命一直是一個(gè)亟待解決的問(wèn)題。由于無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)的布設(shè)結(jié)構(gòu)特點(diǎn)，節(jié)點(diǎn)與節(jié)點(diǎn)之間的監(jiān)控區(qū)域存在重疊，而導(dǎo)致的結(jié)果就是傳輸?shù)臄?shù)據(jù)存在冗余和重復(fù)數(shù)據(jù)，這樣會(huì)直接增大通信耗能。而對(duì)于無(wú)線傳感器網(wǎng)絡(luò)來(lái)說(shuō)，通信耗能是異常巨大的，100m距離上發(fā)送1kb信息能耗約等于1000000條指令/w?s，從監(jiān)測(cè)數(shù)據(jù)中提取有用數(shù)據(jù)，剔除冗余數(shù)據(jù)壓縮傳輸數(shù)據(jù)量[2]對(duì)于無(wú)線傳感器網(wǎng)絡(luò)節(jié)能有重要意義。

本文通過(guò)將數(shù)據(jù)融合算法應(yīng)用到無(wú)線傳感器網(wǎng)絡(luò)中，對(duì)傳感器節(jié)點(diǎn)測(cè)量的數(shù)據(jù)進(jìn)行智能化處理，在確保數(shù)據(jù)準(zhǔn)確率的情況下，進(jìn)行數(shù)據(jù)壓縮和去冗余處理，節(jié)省無(wú)線傳感器網(wǎng)絡(luò)無(wú)線通信耗能。將Jousselme距離公式應(yīng)用到DS證據(jù)理論權(quán)重衡量上，針對(duì)證據(jù)間存在的相似性和相異性進(jìn)行改進(jìn)，減少證據(jù)內(nèi)部沖突。

2　DS證據(jù)理論合成規(guī)則

Dempster合成規(guī)則（Dempster`s combinational rule）也稱證據(jù)合成公式，其定義如下：

孫全在2000年提出了一種基于加權(quán)的組合公式，并調(diào)用證據(jù)間沖突程度參數(shù)K，證據(jù)可信度參數(shù)和證據(jù)平均支持度這其實(shí)是一種新的證據(jù)可信度分配沖突方法[3]。他提出的合成公式如下：

本文在孫全改進(jìn)的基礎(chǔ)上，對(duì)單個(gè)證據(jù)進(jìn)行改進(jìn)。

3　Jousselme距離公式加權(quán)

針對(duì)如何判斷衡量各個(gè)證據(jù)與加權(quán)處理后的mw之間的差異，本文引用鄧勇提出的基于置信距離的數(shù)據(jù)融合算法，通過(guò)對(duì)證據(jù)進(jìn)行Jousselme距離[4]的計(jì)算，對(duì)證據(jù)源的改進(jìn)或者加權(quán)等處理去減小沖突對(duì)DS證據(jù)理論融合結(jié)果的影響。之后，根據(jù)證據(jù)與證據(jù)之間多維聯(lián)系，比如證據(jù)之間時(shí)間、方向、距離等多方面對(duì)算法進(jìn)行了改進(jìn)。本文采用的主要是利用距離去衡量證據(jù)間的差異性。具體公式如下：

由上式可看出，當(dāng)有n條證據(jù)參與數(shù)據(jù)融合時(shí)則計(jì)算證據(jù)間的距離需要次，會(huì)產(chǎn)生一定的時(shí)延，因此適合低維度的證據(jù)間的計(jì)算。由于無(wú)線傳感器網(wǎng)絡(luò)大小有限，傳感器節(jié)點(diǎn)的總數(shù)量也是一定的，這樣每個(gè)簇首節(jié)點(diǎn)所包含的成員節(jié)點(diǎn)數(shù)量是固定的，所以對(duì)于低維度這一要求無(wú)線傳感器網(wǎng)絡(luò)是符合算法要求的[5]。

4　實(shí)驗(yàn)流程圖

圖1　Jousselme的證據(jù)加權(quán)實(shí)現(xiàn)模型

如圖1為基于Jousselme的證據(jù)加權(quán)實(shí)現(xiàn)模型，具體步驟如下：

（1）計(jì)算每組數(shù)據(jù)所對(duì)應(yīng)的熵，確定加權(quán)系數(shù)，計(jì)算加權(quán)平均后的平均證據(jù)參量。

（2）計(jì)算各組證據(jù)與平均參量之間的Jousselme距離：

5　仿真實(shí)驗(yàn)與分析

本文選取matlab仿真工具對(duì)優(yōu)化后的DS證據(jù)理論進(jìn)行仿真，以非易燃易爆有毒氣體濃度測(cè)量分類為實(shí)例，對(duì)有毒氣體濃度樣本進(jìn)行分類。選取幾種不同節(jié)點(diǎn)密度、不同規(guī)模的無(wú)線傳感器網(wǎng)絡(luò)作為實(shí)驗(yàn)場(chǎng)景：100、150、200、300、450個(gè)同種節(jié)點(diǎn)隨機(jī)散布在100×100大小的區(qū)域內(nèi)。通過(guò)對(duì)優(yōu)化前后算法的誤分率和數(shù)據(jù)壓縮情況與現(xiàn)階段運(yùn)用最廣泛的leach進(jìn)行比較分析[6]。

圖2　數(shù)據(jù)傳輸量比較圖

圖3　數(shù)據(jù)傳輸量比較柱狀圖

如圖2和圖3為運(yùn)用加權(quán)DS證據(jù)理論和原始DS證據(jù)理論與僅使LEACH協(xié)議的WSN中，在數(shù)據(jù)傳輸量上進(jìn)行的比較的折線圖和柱狀圖。從圖中可以看出，隨著節(jié)點(diǎn)數(shù)的增長(zhǎng)，僅使用LEACH協(xié)議的WSN中的數(shù)據(jù)傳輸量成倍增長(zhǎng)。而使用改進(jìn)后的DS證據(jù)理論算法和原始DS證據(jù)理論算法的WSN中，隨節(jié)點(diǎn)數(shù)目的增多，網(wǎng)絡(luò)中的數(shù)據(jù)傳輸量也緩慢增加。在網(wǎng)絡(luò)中分別有150、300個(gè)節(jié)點(diǎn)時(shí)，與原始DS證據(jù)理論相比加權(quán)DS證據(jù)理論呈現(xiàn)出微弱優(yōu)勢(shì)；在網(wǎng)絡(luò)中有100、200、450個(gè)節(jié)點(diǎn)時(shí)，與加權(quán)DS證據(jù)理論相比原始DS證據(jù)理論算法呈現(xiàn)出微弱優(yōu)勢(shì)。改進(jìn)前后DS證據(jù)理論的數(shù)據(jù)壓縮能力相差無(wú)幾，并無(wú)明顯差距。而相較于傳統(tǒng)WSN，使用數(shù)據(jù)融合算法的情況下，能明顯減少WSN中數(shù)據(jù)傳輸量，并且隨著節(jié)點(diǎn)數(shù)目的增多，優(yōu)勢(shì)在不停擴(kuò)大。

如圖4和圖5，分別為改進(jìn)前后DS證據(jù)理論對(duì)同一組測(cè)量數(shù)據(jù)進(jìn)行處理得到的不同的準(zhǔn)確率折線圖和柱狀圖。如圖可以看出改進(jìn)后的DS證據(jù)理論在正確率的比較上高于原始DS證據(jù)理論算法，并且隨著傳感器節(jié)點(diǎn)的增多，正確率也隨之增加。而原始的DS證據(jù)理論在網(wǎng)絡(luò)中，正確率隨著傳感器節(jié)點(diǎn)的增多增加，到節(jié)點(diǎn)個(gè)數(shù)增加到450個(gè)的時(shí)候，正確率有所下降。

圖4　算法正確率比較圖

圖5　算法正確率比較柱狀圖

6　結(jié)論

本文旨在確保無(wú)線傳感器網(wǎng)絡(luò)傳輸準(zhǔn)確的前提下，采用Jousselme距離公式、改進(jìn)的DS證據(jù)理論和加權(quán)的方式對(duì)特征層數(shù)據(jù)進(jìn)行壓縮。在一定范圍內(nèi)leach算法相比較，對(duì)于一般規(guī)模和較大規(guī)模的無(wú)線傳感器網(wǎng)絡(luò)本文算法對(duì)向基站傳輸?shù)臄?shù)據(jù)有明顯的壓縮能力，并且在計(jì)算過(guò)程中算法的復(fù)雜度較低，能在一定程度節(jié)省傳輸耗能，延長(zhǎng)網(wǎng)絡(luò)使用壽命。下一步將對(duì)數(shù)據(jù)融合的周期性、數(shù)據(jù)的優(yōu)化和短期數(shù)據(jù)觀測(cè)的準(zhǔn)確性進(jìn)行近一步研究。

參考文獻(xiàn)

[1]趙繼軍,劉云飛,趙欣.無(wú)線傳感器網(wǎng)絡(luò)數(shù)據(jù)融合體系結(jié)構(gòu)綜述[J].傳感器與微系統(tǒng),2009,28(10):1-4．

[2]張大蹤,楊濤,魏東梅.無(wú)線傳感器網(wǎng)絡(luò)低功耗設(shè)計(jì)綜述[J].傳感器與微系統(tǒng),2006,25(5):10-14．

[3]劉曉光.基于D-S證據(jù)理論的推理系統(tǒng)研究[D].合肥:合肥工業(yè)大學(xué),2010．

[4]Lefevre E,Belief function combination and conflict management[J]. Information Fusion,2002.(3):111-114.

[5]何立志,張翠芳,蔣鵬.一種新的基于置信距離的沖突證據(jù)融合方法[J].計(jì)算機(jī)應(yīng)用研究,2014(04)．

[6]丁一鳴.無(wú)線傳感器網(wǎng)絡(luò)節(jié)能路由算法的研究[D].北京:北京交通大學(xué),2008．

陳任秋（1991—），男，湖北隨州人，武警工程大學(xué)碩士研究生在讀，主要研究領(lǐng)域?yàn)闊o(wú)線傳感器網(wǎng)絡(luò)。

作者簡(jiǎn)介：