郭　浩，潘仲明，周　靖

(國防科技大學 機電工程與自動化學院， 湖南 長沙　410073)

?

無線傳感器網絡信息質量評估的柔性框架*

郭浩，潘仲明，周靖

(國防科技大學 機電工程與自動化學院， 湖南 長沙410073)

摘要：為建立完整統一的無線傳感器網絡信息質量評估體系，提出可靈活剪裁的柔性框架來動態(tài)地評估無線傳感器網絡應用中信息的準確性和時效性。該框架基于信息融合理論和時間刻度標記技術，在sink節(jié)點聚合網絡中所有傳感器節(jié)點的信息。將信息融合結果近似為真值，利用觀測信息與融合結果的數值或語義差異分別評估測量數據和決策信息的準確性。根據信息獲取的截止期限和延遲敏感性，分三類描述和建模信息時效性，并通過輕量級的信息獲取時間測量法量化。采用滑動窗口機制和增量計算方法，動態(tài)地更新評估結果。通過仿真三個目標監(jiān)測應用場景的信息時效性評估和兩個環(huán)境監(jiān)測應用場景的信息準確性評估驗證了框架的有效性。仿真結果與信息質量參考基準吻合，表明該框架能夠靈活地評估不同無線傳感器網絡應用中信息的準確性和時效性。

關鍵詞：無線傳感器網絡；信息質量評估；準確性；時效性；柔性框架

無線傳感器網絡(Wireless Sensor Network, WSN)[1]為人類觀測復雜物理世界提供大量的感知信息。由于傳感器節(jié)點不一致以及工作環(huán)境復雜多變，信息質量(Quality of Information, QoI)具有差異性和隨機性，如何動態(tài)評估QoI對于管理和使用WSN的信息具有重要意義。

QoI通過一組屬性來表現。QoI評估是對QoI屬性的量化。準確性和時效性是QoI的基本屬性，與WSN應用的性能息息相關。目前在WSN的QoI研究中，這兩個屬性雖有相對較好的討論，但其有效的量化方法仍處于探索階段。文獻[2]系統地介紹了QoI屬性的定義、分類和組織規(guī)范。文獻[3]定義了WSN數據的準確性和時效性，但并未建模和計算。文獻[4-5]針對多傳感器監(jiān)測系統中高級別信息的QoI，分別建立了準確性和時效性的靜態(tài)和動態(tài)計算模型，但其研究對象不具有通用性。文獻[6]全面綜述了WSN應用中準確性和時效性的度量指標，但都是針對具體應用設計的。文獻[7]利用信任度(準確性)和時效性等指標的加權來評估移動群體感知終端的質量，定義并分析了兩種屬性，但并未給出量化方法。文獻[8]針對參與式感知中用戶位置的隱私保護問題，利用真實位置恢復值與保護位置恢復值的均方誤差來評估隱私保護機制對于QoI的影響。WSN的廣泛應用迫切需要完整統一的量化方法作為QoI評估的基礎。

1背景知識

1.1假設

對WSN做如下假設：①傳感器節(jié)點同構，其上裝配m種傳感器；②中繼節(jié)點只向前轉發(fā)，并不處理接收的信息；③網絡的通信協議棧能夠保證各節(jié)點的信息可靠且完整地送達目的節(jié)點；④大多數傳感器節(jié)點具有可接受的信息準確性；⑤傳感器節(jié)點與sink節(jié)點保持時間同步。

1.2問題描述

1.2.1準確性評估問題

在WSN應用中，傳感器節(jié)點的感知信息要準確地反映目標本體(Ground Truth, GT)。準確性為感知信息與GT的吻合程度。由于WSN應用一般無法得到GT，準確性不可能被精確地計算。此外，不同WSN應用中準確性的表示也不一致，如下面兩種應用場景：

場景1：在水質參數監(jiān)測應用中，準確性為測量數據和水質參數真實值間的數值差異。

場景2：在水質評價應用中，準確性為決策信息和水質真實狀態(tài)間的語義差異。

因此，第一個研究問題是在沒有GT的情況下，如何評估不同WSN應用的信息準確性。

1.2.2時效性評估問題

在WSN應用中，傳感器節(jié)點的感知信息要盡快傳遞到sink節(jié)點。文獻[6]將時效性定義為信息獲取時間的指示器。由于網絡具有高度動態(tài)性和不可預測性，信息獲取時間難以精確計算。此外，不同WSN應用對于信息的時間敏感性也有差異，如下面三種應用場景：

場景3：在目標探測應用中，只要在目標離開監(jiān)測區(qū)域前，通過傳感器節(jié)點的信息觸發(fā)相機啟動，用戶就能探測到目標。

場景4：在目標預警應用中，用戶根據傳感器節(jié)點的信息，在目標離開監(jiān)測區(qū)域前采取行動。及時的信息有助于增加行動成功的概率。

場景5：在目標知識學習應用中，查詢的目標歷史信息可以在任意時間返回至用戶，但及時的查詢結果能夠提高用戶學習的效率。

因此，如何在動態(tài)網絡中評估不同時間敏感性應用的信息時效性是另一個研究問題。

1.3術語

假設WSN的n個傳感器節(jié)點均有唯一編號(IDentity, ID)，取值范圍為[1,n]。定義如下：

1)節(jié)點信息包(P)是包含有節(jié)點ID(id)、感知信息(s)、融合方法(fus)和產生時刻(t)的信息單元。設Pti=(idi,sti,fus,ti)表示傳感器節(jié)點i(1≤i≤n)在時間槽t產生的節(jié)點信息包。

2)信息級QoI(q)是單個節(jié)點信息包中感知信息的QoI評價。設qti表示sti的QoI評價，用二元組(qti?A,qti?T)表示，其中qti?A和qti?T分別為sti的準確性評價和時效性評價。

3) QoI窗口(窗口)是包含連續(xù)W個獨立q的分段。設t時刻窗口表示以qt截止的窗口。

2QoI評估框架

2.1信息聚合

在WSN應用中，在沒有GT和其他節(jié)點信息做參考的情況下，獨立節(jié)點的信息準確性很難精確地在本地評估。此外，由于網絡的動態(tài)性和節(jié)點間不可預測的交互作用，獨立節(jié)點的信息時效性必須通過網絡傳輸才能量化。為了解決獨立節(jié)點的QoI評估問題，框架基于信息融合理論和時間刻度標記技術，在sink節(jié)點聚合網絡中所有傳感器節(jié)點的信息。在滿足假設②，③和④下，各節(jié)點的信息最終能夠聚集在sink節(jié)點，信息的時效性與信息傳遞消耗的總時間密切相關；網絡對信息的準確性無影響，可將信息融合結果近似作為GT。

2.2信息級準確性評估

(1)

(2)

2.3信息級時效性評估

從應用的角度看，時效性是信息可以被及時利用的程度。根據信息獲取的截止期限和延遲敏感性，把不同時間敏感性應用的信息級時效性分為三類建模。假設TE表示信息獲取的截止期限，TA?ti表示sti的獲取時間。

類別1：應用存在TE，判定在TE內獲取的節(jié)點信息為及時可用信息，且具有最高的時效性評價；超過TE的節(jié)點信息沒有時效性價值。用二進制模型表示：

(3)

類別2：應用存在TE，判定在TE內獲取的節(jié)點信息為及時可用信息，時效性評價與獲取時間成反比；超過TE的節(jié)點信息沒有時效性價值。用有限衰減模型表示：

(4)

Qtff(·)隨獲取時間的增加不斷降低至零，下降梯度由延遲敏感性決定，通常服從多項式函數an(TA?ti/TE)n+…+a1(TA?ti/TE)+1,an+…+a1=-1。

類別3：應用不要求TE，判定任意持續(xù)時間獲取的節(jié)點信息為及時可用信息，時效性評價與獲取時間成反比。用無限衰減模型表示：

qti?T=Qtif(TA?ti)

(5)

Qtif(·)隨獲取時間的增加逐漸趨近于零，下降梯度由延遲敏感性決定，通常服從指數函數或者階數函數1/(1+λTA?ti)k,λ>0,k>0 。

由于TA?ti很難精確計算，在滿足假設⑤下，框架采用時間刻度標記法(Timescale Marking Algorithm, TMA)，通過標記sti的產生時刻ti和到達sink節(jié)點的時刻精確地測量TA?ti，不需理會網絡內復雜的處理和傳輸過程。

2.4節(jié)點級QoI評估

(6)

窗口寬度W：若設置過大，用戶無法敏感地認知當前QoI的變化；若設置過小，用戶需要頻繁地對變化的QoI調整響應。

圖1　滑動窗機構Fig.1　Sliding window mechanism

3仿真驗證

3.1WSN設計

圖2　WSN的拓撲結構Fig.2　WSN topological structure

考慮一個拓撲結構如圖2的WSN，包括1個sink節(jié)點(實心六邊形)，10個傳感器節(jié)點(具有編號的實心圓形)和20個中繼節(jié)點(空心圓形)。網絡滿足1.1節(jié)的假設，所有節(jié)點靜止，相互之間通過雙向多跳的無線鏈路進行通信。通信模型考慮互斥干擾模型，即共享同一節(jié)點的鏈路不能同時訪問物理信道。網絡通信協議棧中包括一個基于時分復用的MAC協議、基于最小跳數的多徑路由協議以及文獻[9]提出的可靠傳輸協議。每個節(jié)點都知道自己的直接鄰居，任意兩個鄰居節(jié)點之間的距離相等。

3.2時效性評估

仿真WSN在1.2.2節(jié)描述的三個目標監(jiān)測應用場景的信息時效性評估，根據結果驗證框架的有效性。利用ns-2模擬器來構建3.1節(jié)的模擬網絡，傳感器節(jié)點在每個時間槽產生并發(fā)送一個信息包，這些包以最小跳數沿多徑路由到sink節(jié)點。將一個時間槽均分成35個鏈路訪問區(qū)段，在每個區(qū)段，鄰居節(jié)點的鏈路可以訪問物理信道并傳輸一個信息包。對于共享鏈路，按照順時針循環(huán)依次訪問信道。所有節(jié)點都不發(fā)生信息包丟棄和緩沖區(qū)溢出。每個信息包都能在一個時間槽內到達sink節(jié)點。利用熱機械分析(ThermoMechanical Analysis, TMA)測量信息的獲取時間，然后根據表1的仿真參數分別使用式(3)、式(4)和式(5)來評估應用場景3,4和5的信息級時效性。

表1　時效性評估仿真參數說明

仿真持續(xù)時間為150個時間槽，10個傳感器節(jié)點信息的最小和最大獲取時間如表2。W設置為100，因此窗口滑動了50次。在每個滑動窗口，使用式(6)分別計算三個應用場景的節(jié)點級時效性。以表2的獲取時間作為時效性參考，驗證框架在信息時效性評估中的有效性。

表2　傳感器節(jié)點信息的最小和最大獲取時間

圖3～5分別為10個傳感器節(jié)點在三個應用場景的信息時效性評價，結果與應用場景的時間敏感性吻合。例如，場景3中，在目標離開監(jiān)測區(qū)域前(即TE內)獲取的信息是完全可用的，圖3中節(jié)點4，6(或8)，3和2的時效性評價為1；場景4和5中，及時的信息可提高應用的性能，圖4和圖5中節(jié)點4，6(或8)，3和2的時效性評價按從高到低的順序依次獲得一定數值。又如，場景3和4中，目標離開監(jiān)控區(qū)域后(即TE外)獲取的信息是無用的，圖3和圖4中節(jié)點9的時效性評價始終為0；場景5中，任意時間獲取的節(jié)點信息都是及時可用的，圖5中所有節(jié)點均獲得了0.84以上的時效性評價，節(jié)點間時效性差異并不顯著，說明了本應用的低時間敏感性。

圖3　目標探測應用中的時效性評價Fig.3　Timeliness estimates in a target detection application

圖4　目標預警應用中的時效性評價Fig.4　Timeliness estimates in a target warning application

圖5　目標知識學習應用中的時效性評價Fig.5　Timeliness estimates in a target learning application

結果還表明信息獲取時間不能直接作為時效性的量化指標。例如，節(jié)點4，6(或8)，3和2的信息獲取時間互不相同，但在場景3中獲得了相同的時效性評價(如圖3所示)。又如，信息獲取時間確定，在場景3和4中，節(jié)點5的時效性評價比節(jié)點9的高(如圖3和圖4所示)，但這個關系在場景5中卻相反(如圖5所示)。因此，將文獻[6]的時效性定義完善為信息獲取時間在特定截止期限和延遲敏感性下的指示器。

3.3準確性評估

仿真WSN在1.2.1節(jié)描述的兩個環(huán)境監(jiān)測應用場景的信息準確性評估，根據結果驗證框架的有效性。由于溶解氧(DO)、氨氮(NH3—N)、總磷(TP)、總氮(TN)是污染物的敏感參數，仿真以這4個參數作為水質監(jiān)測和評價的特征向量(DO, NH3—N, TP, TN)。

3.3.1仿真設置

參考特征向量：以“中國地表水環(huán)境質量標準GB 3838-2002”中5級水質的特征向量作為參考特征向量，取值見表3。

表3　水質等級的參考特征向量

測量數據：水質參數監(jiān)測應用中，通過在某一水質等級的參考特征向量上疊加隨機高斯噪聲產生傳感器節(jié)點的4種屬性測量數據，作為一個數據整體。表4為10個傳感器節(jié)點的噪聲水平，通過信噪比(Signal Noise Ratio, SNR)來反映。若傳感器節(jié)點出故障(節(jié)點10)，其噪聲水平為無限大。

表4　噪聲水平

決策信息：水質評價應用中，命題集合是Θ={Ⅰ,Ⅱ,Ⅲ,Ⅳ,Ⅴ,U}，其中U表示水質等級未知。基于水質參數的測量數據和參考特征向量，各傳感器節(jié)點對不同命題的支持概率用灰色關聯分析[10]求得，并以具有最大支持概率的命題作為水質評價的語義決策。將支持概率集合和語義決策一起作為傳感器節(jié)點的決策信息。

仿真的主要參數說明及默認值如表5所示。水質參數監(jiān)測應用中，每個時間槽所有傳感器節(jié)點同一屬性的測量數據利用加權平均融合，權值由測量數據的自支持度和互支持度聯合確定[11]。單種屬性測量數據的準確性通過Qerf(·)計算。測量數據整體的準確性使用式(1)計算。水質評價應用中，每個時間槽所有傳感器節(jié)點的支持概率集合利用具有沖突處理功能的證據理論[12]融合?；谌诤辖Y果確定的語義決策，決策信息的準確性使用式(2)計算。

表5　準確性評估仿真參數說明

3.3.2仿真結果

仿真持續(xù)時間為150個時間槽，因此窗口滑動了50次。在每個滑動窗口，使用式(6)分別計算兩個應用場景的節(jié)點級準確性。以表4的噪聲水平作為準確性參考，驗證框架在信息準確性評估中的有效性。

圖6和圖7分別為10個傳感器節(jié)點在兩個應用場景的信息準確性評價，結果與準確性參考即噪聲水平吻合。節(jié)點1的噪聲水平為40，表明原始特征值上幾乎沒有噪聲，因此，測量數據和決策信息會相當準確，在圖6和圖7中獲得了0.9以上的準確性評價。節(jié)點10的噪聲水平為無限大，表明原始特征值已經被噪聲完全淹沒，因此，測量數據和決策信息會完全錯誤，在圖6和圖7中準確性評價始終保持在0?？梢钥闯?，單個傳感器節(jié)點的準確性評價有一定波動，這是因為疊加的噪聲是隨機變化的。

圖6　水質參數監(jiān)測應用場景的節(jié)點級準確性評價Fig.6　Estimates of sensor node-level accuracy in a water quality parameters monitoring application scenario

圖7　水質評價應用場景的節(jié)點級準確性評價Fig.7　Estimates of sensor node-level accuracy in a water quality evaluation application scenario

4結論

QoI評估是WSN應用的基本需求。重點研究了信息的準確性和時效性，提出一個柔性框架解決這兩個屬性在不同WSN應用中的動態(tài)評估問題，得出兩個結論：其一，WSN應用的信息準確性應該根據信息類型分類評估，基于信息融合理論，可以在不需要GT的情況下對其進行量化；其二，WSN應用的信息時效性是由信息獲取的消耗時間、截止期限和延遲敏感性共同決定的。通過靈活地定制和剪裁，框架能夠適用于不同WSN應用的QoI評估，從而在大量感知信息中獲得高質量的信息。

參考文獻(References)

[1]Akyildiz I F, Su W L, Sankarasubramaniam Y, et al. A survey on sensor networks [J]. IEEE Communications Magazine, 2002, 40 (8): 102-114.

[2]Bisdikian C, Kaplan L M, Srivastava M B. On the quality and value of information in sensor networks [J]. ACM Transactions on Sensor Networks, 2013, 9 (4): 1-26.

[3]Hermans F, Dziengel N, Schiller J. Quality estimation based data fusion in wireless sensor networks [C] //Proceedings of IEEE 6th International Conference on Mobile Adhoc and Sensor Systems, 2009: 1068-1070.

[4]Hossain M A, Atrey P K, El Saddik A. Modeling quality of information in multi-sensor surveillance systems [C] //Proceedings of the IEEE 23rd International Conference on Data Engineering Workshop, 2007: 11-18.

[5]Hossain M A, Atrey P K, El Saddik A. Modeling and assessing quality of information in multisensor multimedia monitoring systems [J]. ACM Transactions on Multimedia Computing, Communications and Applications, 2011, 7(1): 1-30.

[6]Sachidananda V, Khelil A, Suri N. Quality of information in wireless sensor networks: a survey [C] //Proceedings of ICIQ’10. Cambridge, MA: Massachusettes Institute of Technology, 2010: 193-207.

[8]Vergara-Laurens I J, Mendez D, Labrador M A. Privacy, quality of information, and energy consumption in participatory sensing systems [C] //Proceedings of 2014 IEEE International Conference on Pervasive Computing and Communications, 2014: 199-207.

[9]Shaikh F K, Khelil A, Ayari B, et al. Generic information transport for wireless sensor networks [C] //Proceedings of IEEE International Conference on Sensor Networks, Ubiquitous, and Trustworthy Computing, 2010: 27-34.

[10]Wei G W. Grey relational analysis model for dynamic hybrid multiple attribute decision making [J]. Knowledge-Based Systems, 2011, 24(5): 672-679.

[11]司剛全, 張寅松, 婁勇. 考慮自支持度和互支持度的多傳感器一致性測度算子 [J]. 西安交通大學學報, 2012, 46(10): 20-23.

SI Gangquan, ZHANG Yinsong, LOU Yong. Measuring operator considering self-support and mutual-support for estimation consistency of multi-sensor observations [J]. Journal of Xi′an Jiaotong University, 2012, 46(10): 20-23. (in Chinese)

[12]鄧勇, 施文康, 朱振福. 一種有效處理沖突證據的組合方法 [J]. 紅外與毫米波學報, 2004, 23(1): 27-32.

DENG Yong, SHI Wenkang, ZHU Zhenfu. Efficient combination approach of conflict evidence [J]. Journal of Infrared and Millimeter Waves, 2004, 23(1): 27-32. (in Chinese)

Flexible estimation framework for quality of information in wireless sensor network

GUOHao,PANZhongming,ZHOUJing

(College of Mechatronics Engineering and Automation, National University of Defense Technology, Changsha 410073, China)

Abstract：In order to establish an integrated estimation system for quality of information in WSN (wireless sensor network), a flexible tailorable framework was proposed to dynamically estimate information accuracy and information timeliness in different WSN applications. The framework aggregates all information of the sensor nodes at the sink node on the basis of information fusion theory and timescale marking technique. Through approximating the fusion result to ground truth, the accuracy of measurement data and decision information was quantified by utilizing the numerical/nominal difference between the observed information and the fusion result, respectively. According to application deadline and delay sensitivity of information acquisition, timeliness was classified as three categories for characterization and representation, and quantified through the lightweight measurement of the information acquisition time. The estimation results along the time are dynamically updated by adopting a sliding window mechanism and an incremental calculation algorithm. The effectiveness of the framework was validated by simulations, including timeliness estimation in three target surveillance application scenarios and accuracy estimation in two environmental monitoring application scenarios. Simulation results match with the reference criteria, which demonstrates that the framework can be flexibly tailored to estimate information accuracy and information timeliness in different WSN applications.

Key words：wireless sensor network; estimation of information quality; accuracy; timeliness; flexible framework

中圖分類號：TP393

文獻標志碼：A

文章編號：1001-2486(2016)01-150-06

作者簡介：郭浩(1987—)，男，陜西漢中人，博士研究生，E-mail：gh1415yg@163.com；潘仲明(通信作者)，男，教授，博士，博士生導師，E-mail：chungmingpan@163.com

基金項目：國家自然科學基金資助項目(61374008，91320202)

*收稿日期：2015-04-14

doi:10.11887/j.cn.201601024

http://journal.nudt.edu.cn