李榮偉

摘 要：在無線傳感器網(wǎng)絡(luò)中，數(shù)據(jù)融合技術(shù)能減少網(wǎng)絡(luò)節(jié)點(diǎn)間的通信量， 從而大大提高網(wǎng)絡(luò)感知性能， 延長了網(wǎng)絡(luò)的生存周期， 減小數(shù)據(jù)傳輸?shù)臅r(shí)間延遲，因此設(shè)計(jì)高效的數(shù)據(jù)融合算法是無線傳感器網(wǎng)絡(luò)關(guān)鍵技術(shù)之一。目前數(shù)據(jù)融合技術(shù)的應(yīng)用研究方興未艾，本文的主要工作首先介紹數(shù)據(jù)融合的基本概念，并對數(shù)據(jù)融合的功能模型進(jìn)行了分析，然后在此基礎(chǔ)上對當(dāng)前無線傳感器網(wǎng)絡(luò)數(shù)據(jù)融合算法進(jìn)行分類研究。

關(guān)鍵詞：無線傳感器網(wǎng)絡(luò)；數(shù)據(jù)融合；功能模型

DOI：10.16640/j.cnki.37-1222/t.2017.05.114

1 引言

無線傳感器網(wǎng)絡(luò)（Wireless Sensor Networks，WSN）作為一種新興的信息獲取和處理技術(shù)，已經(jīng)吸引了眾多研究者的關(guān)注[1，2]。由于無線傳感器網(wǎng)絡(luò)具有范圍大、低成本，、布設(shè)靈活的特點(diǎn)，它越來越多的被用于如森林、戰(zhàn)場和災(zāi)難現(xiàn)場等無人值守的應(yīng)用環(huán)境中。在WSN中，網(wǎng)絡(luò)節(jié)點(diǎn)通常自身攜帶的電池進(jìn)行供電，且采用嵌入式處理器和存儲器，所以往往造成網(wǎng)絡(luò)節(jié)點(diǎn)計(jì)算資源和能量嚴(yán)重受限。隨著物聯(lián)網(wǎng)的應(yīng)用和發(fā)展，WSN的應(yīng)用范圍也不斷擴(kuò)展，同時(shí)WSN呈現(xiàn)出網(wǎng)絡(luò)結(jié)構(gòu)動(dòng)態(tài)變化更頻繁、數(shù)據(jù)通信可靠性的要求更高等特點(diǎn)。但是WSN 仍然具有節(jié)點(diǎn)體積受限、使用有限電源、采用無線通信方式等本質(zhì)特性，因此網(wǎng)絡(luò)節(jié)點(diǎn)的帶寬資源、能量、通信距離依然受限，這就使得研究人員更加關(guān)注WSN中節(jié)能和提高通信效率的問題。數(shù)據(jù)融合技術(shù)就是解決無線傳感器網(wǎng)絡(luò)能量和資源受限問題的有效方法之一。

在文章的余下章節(jié)中，第二節(jié)給出了數(shù)據(jù)融合的基本概念，第三節(jié)分析了功能模型，最后第四節(jié)對WSN中現(xiàn)有的數(shù)據(jù)融合方法進(jìn)了分類介紹。

2 數(shù)據(jù)融合的基本概念

生物系統(tǒng)（如人）對多源信息的融合處理體現(xiàn)了信息獲取的多樣性，同時(shí)使得信息交融而得到感知信息。傳感器感測外部信息，而數(shù)據(jù)融合系統(tǒng)則是模仿人的信息處理能力。因此文獻(xiàn)[3]中給出了傳感器數(shù)據(jù)融合的概念，針對一個(gè)系統(tǒng)中使用多種傳感器（多個(gè)或多類）對某一特定問題進(jìn)行的信息處理方法，又稱多傳感器信息融合。單一傳感器可能只獲得環(huán)境或被測對象的部分信息段，不能有效地利用多傳感器資源；而多傳感器系統(tǒng)可以很大程度地獲得被探測目標(biāo)和環(huán)境的信息量。數(shù)據(jù)融合所處理的多傳感器信息具有復(fù)雜的形式，可以在不同的信息層次上出現(xiàn)，這些信息抽象層次包括數(shù)據(jù)層、特征層和決策層。

數(shù)據(jù)融合技術(shù)在智能信息處理技術(shù)的研究中有不可代替的作用。數(shù)據(jù)融合充分利用不同時(shí)空的多傳感器信息資源，采用計(jì)算機(jī)技術(shù)對按時(shí)序獲得的多傳感器觀測信息按一定的準(zhǔn)則加以自動(dòng)分析、綜合、支配和使用，獲得對被測對象的一致性解釋與描述，已完成所需要的決策和估計(jì)任務(wù)，使得系統(tǒng)獲得比它的各組成部分更優(yōu)越的性能。數(shù)據(jù)融合研究主要涵蓋的內(nèi)容包括檢測、關(guān)聯(lián)、跟蹤、估計(jì)及綜合；在幾個(gè)層次上完成對多源信息處理，各個(gè)層次都表示不同級別的信息抽象；結(jié)果包括較低層次上的狀態(tài)和屬性估計(jì)，以及較高層次上的整個(gè)戰(zhàn)場態(tài)勢估計(jì)和威脅評估。

3 數(shù)據(jù)融合的功能模型

數(shù)據(jù)融合的模型可以分為：功能模型、結(jié)構(gòu)模型和數(shù)學(xué)模型。結(jié)構(gòu)模型描述數(shù)據(jù)融合的系統(tǒng)拓?fù)浣Y(jié)構(gòu)關(guān)系，以及數(shù)據(jù)流的定義。數(shù)學(xué)模型定義了數(shù)據(jù)融合算法的數(shù)學(xué)表示和綜合邏輯。數(shù)據(jù)融合的功能模型則是根據(jù)融合需求，定義數(shù)據(jù)融合系統(tǒng)的組成，數(shù)據(jù)融合時(shí)系統(tǒng)各主要功能部分之間的相互作用過程，以及數(shù)據(jù)融合系統(tǒng)的軟、硬件組成。White給出了一個(gè)在軍事應(yīng)用背景下建立的一般處理模型，其基本思想如圖1所示。檢測級數(shù)據(jù)融合屬于低級融合，是經(jīng)典信號處理的直接發(fā)展，適用于任何多傳感器數(shù)據(jù)融合系統(tǒng)。位置級融合和屬性級融合是多傳感器數(shù)據(jù)融合最重要的兩級。態(tài)勢評估和威脅估計(jì)為決策級融合，是C4ISR的核心，適用于軍事領(lǐng)域。

3.1 檢測級融合

檢測級融合是信號級的數(shù)據(jù)融合，屬于分布式檢測問題，它根據(jù)所選擇的檢測準(zhǔn)則形成最有門限，以闡述最終檢測輸出。傳感器向融合中心傳送經(jīng)過某種處理的檢測和背景雜波統(tǒng)計(jì)量，然后在融合中心直接進(jìn)行分布式虛警檢測（CFAR）。如圖1所示，預(yù)濾波根據(jù)時(shí)間和空間以及傳感器類型對數(shù)據(jù)進(jìn)行分選和歸并，以控制進(jìn)行第二級處理的信息量。采集管理主要是控制融合的數(shù)據(jù)收集，包括傳感器的選擇、任務(wù)分配（通過預(yù)測目標(biāo)位置）、工作狀態(tài)優(yōu)選和監(jiān)視。從分布式檢測的角度看，檢測級融合的結(jié)構(gòu)模型主要有4種：即并行結(jié)構(gòu)、串行結(jié)構(gòu)、分散式結(jié)構(gòu)和樹狀結(jié)構(gòu)。檢測級融合具有兩種處理形式：即集中式和分布式。

3.2 位置級融合

位置級融合包括數(shù)據(jù)的校準(zhǔn)、跟蹤、預(yù)測、濾波和關(guān)聯(lián)，綜合傳感器的位置信息，以獲取目標(biāo)的位置和速度（動(dòng)態(tài)特性、屬性信息），建立對象軌跡（航跡）數(shù)據(jù)庫。從信息流通形式和綜合處理層次上看，其系統(tǒng)結(jié)構(gòu)模型主要有集中式、分布式、混合式和多級式結(jié)構(gòu)。下面主要對集中式和分布式的位置級融合進(jìn)行介紹。

集中式位置級融合是將各傳感器采集的檢測數(shù)據(jù)傳送到融合中心進(jìn)行數(shù)據(jù)對準(zhǔn)、點(diǎn)跡相關(guān)、數(shù)據(jù)互聯(lián)、航跡濾波、預(yù)測和綜合跟蹤。這種結(jié)構(gòu)的優(yōu)點(diǎn)是信息損失最小，但是數(shù)據(jù)互聯(lián)較為困難，同時(shí)要求系統(tǒng)容量大，因此計(jì)算負(fù)擔(dān)重，系統(tǒng)生存能力差。

分布式結(jié)構(gòu)的應(yīng)用很普遍，特別是在C4ISR系統(tǒng)中，它不僅具有局部獨(dú)立跟蹤能力，還具有全局監(jiān)視和評估特性，且造價(jià)可控。這種結(jié)構(gòu)的特點(diǎn)是：每個(gè)傳感器的檢測數(shù)據(jù)在進(jìn)行融合之前，先由其自己的數(shù)據(jù)處理器產(chǎn)生局部多目標(biāo)跟蹤航跡，然后把處理過的信息送至融合中心，中心根據(jù)各節(jié)點(diǎn)的航跡數(shù)據(jù)完成航跡的相關(guān)和合成。這種結(jié)構(gòu)還可稱為分級式和自主式融合。

3.3 目標(biāo)識別級融合

目標(biāo)識別（屬性）級數(shù)據(jù)融合，也稱屬性分類或身份估計(jì)，主要是組合來自多個(gè)傳感器的屬性信息，獲取目標(biāo)（身份）的聯(lián)合估計(jì)。目標(biāo)識別的基本過程如圖2所示。用于目標(biāo)識別的技術(shù)主要有模板法，聚類分類，自適應(yīng)神經(jīng)網(wǎng)絡(luò)，或識別實(shí)體身份的基于知識的技術(shù)。目標(biāo)識別（屬性）級的數(shù)據(jù)融合結(jié)構(gòu)主要分為三類：分別對應(yīng)決策級、特征級和數(shù)據(jù)級屬性融合。例如基于圖像的目標(biāo)識別融合，就可以這三級中的任一級進(jìn)行。

決策級屬性融合結(jié)構(gòu)中，每個(gè)傳感器為了獲得一個(gè)獨(dú)立的屬性判決要完成一個(gè)變換，然后順序融合來自每個(gè)傳感器的屬性判決。特征級屬性融合結(jié)構(gòu)中，每個(gè)傳感器觀測一個(gè)目標(biāo)，為了產(chǎn)生來自每個(gè)傳感器的特征向量要完成特征提取，然后組合這些特征向量，并基于聯(lián)合特征向量做出屬性判決。在數(shù)據(jù)級融合方法中，直接融合來自同類傳感器的數(shù)據(jù)，然后是特征提取和對來自融合數(shù)據(jù)的屬性判決。為了實(shí)現(xiàn)這種融合，傳感器必須是相同的或同類的。與位置級數(shù)據(jù)融合結(jié)構(gòu)類似，通過融合靠近信源的信息可獲得較高的精度，即數(shù)據(jù)級屬性融合比特征級精度高，而決策級融合是最差的。

圖像融合作為目標(biāo)識別融合中的一個(gè)重要方面，可以在像素級、特征級或決策級任一級進(jìn)行融合，也可以利用Dastrathy提出的5級結(jié)構(gòu)，構(gòu)造靈活的圖像融合識別結(jié)構(gòu)，以進(jìn)一步改善圖像融合的性能。

4 無線傳感器網(wǎng)絡(luò)中的數(shù)據(jù)融合算法

無線傳感器網(wǎng)絡(luò)中的數(shù)據(jù)融合主要集中于應(yīng)用層和網(wǎng)絡(luò)層。在網(wǎng)絡(luò)層中，將路由技術(shù)與數(shù)據(jù)融合技術(shù)進(jìn)行結(jié)合，可用于設(shè)計(jì)面對應(yīng)用的數(shù)據(jù)融合接口。數(shù)據(jù)融合技術(shù)還可以獨(dú)立應(yīng)用于協(xié)議層之外，在網(wǎng)絡(luò)層與數(shù)據(jù)鏈路層的中間建立信息融合層。

4.1 應(yīng)用層中的數(shù)據(jù)融合

在應(yīng)用層進(jìn)行數(shù)據(jù)融合時(shí)，需要考慮以下兩點(diǎn)。

（1）對無線傳感器網(wǎng)絡(luò)的架構(gòu)進(jìn)行設(shè)計(jì)時(shí)，應(yīng)用層涉及到的參數(shù)量較多，需要屏蔽應(yīng)用層的工作，為用戶終端提供一個(gè)方便、靈活的需求界面。

（2）在無線傳感器網(wǎng)絡(luò)的能量分配中，數(shù)據(jù)通信所占的比率最大，可以利用分布式數(shù)據(jù)庫技術(shù)對網(wǎng)絡(luò)中的冗余信息進(jìn)行融合，將中間點(diǎn)接收到的數(shù)據(jù)與本地?cái)?shù)據(jù)進(jìn)行融合處理。目前，應(yīng)用層中基于查詢的數(shù)據(jù)融合技術(shù)的研究比較熱門，對此技術(shù)貢獻(xiàn)最大的是美國加州大學(xué)伯克利分校（UC Berkeley）的 TinyDB[4]和康奈爾（Cornell）大學(xué)的 Cougar 系統(tǒng)[5]?；趹?yīng)用層的數(shù)據(jù)融合技術(shù)適用于網(wǎng)絡(luò)規(guī)模較小且單個(gè)節(jié)點(diǎn)的計(jì)算與存儲能力較強(qiáng)的傳感器網(wǎng)絡(luò)。

4.2 網(wǎng)絡(luò)層中的數(shù)據(jù)融合

網(wǎng)絡(luò)層主要研究路由選擇，其目的是挑選出一條通信帶寬和路徑最為合適的路由，以提高通信效率。無線傳感器網(wǎng)絡(luò)融合技術(shù)可以減少冗余數(shù)據(jù)，減少數(shù)據(jù)通信量，避免網(wǎng)絡(luò)擁堵。將兩者協(xié)同使用可以延長網(wǎng)絡(luò)系統(tǒng)的壽命。根據(jù) WSN 中的路由技術(shù)是否有數(shù)據(jù)融合功能可以分為兩類[6-7]。

（1）以地址為中心的路由（Address-Centre Routing，AC 路由）。每個(gè)節(jié)點(diǎn)只是尋找從源節(jié)點(diǎn)到目的節(jié)點(diǎn)的最短路徑，并且數(shù)據(jù)通過最優(yōu)路徑被轉(zhuǎn)發(fā)，不考慮數(shù)據(jù)融合。如圖 3（a）所示，從源節(jié)點(diǎn) 1 與源節(jié)點(diǎn) 2 到匯聚節(jié)點(diǎn)數(shù)據(jù)傳輸時(shí)分別經(jīng)過中間節(jié)點(diǎn) A 與 B、C 尋找最短路徑，沒有運(yùn)用數(shù)據(jù)融合技術(shù)。

（2）以數(shù)據(jù)為中心的路由（Data-Centre Routing，DC 路由）。選路過程中有數(shù)據(jù)融合。如圖3（b）所示，數(shù)據(jù)從源節(jié)點(diǎn)傳送到 Sink 節(jié)點(diǎn)的過程中，沒有選擇最短路徑：源節(jié)點(diǎn) 1→中間節(jié)點(diǎn) A→Sink 節(jié)點(diǎn)，而是將源節(jié)點(diǎn) 1 與源節(jié)點(diǎn) 2 采集的數(shù)據(jù)在中間節(jié)點(diǎn) B 處融合，并將融合結(jié)果傳送給 Sink 節(jié)點(diǎn)。

4.3 具有數(shù)據(jù)融合的路由協(xié)議

具有數(shù)據(jù)融合的路由協(xié)議主要概括為以下幾種：

（1）具有查詢能力的路由協(xié)議。具有查詢能力的路由協(xié)議的代表是定向擴(kuò)散路由。其路由建立和數(shù)據(jù)傳輸兩個(gè)階段都涉及到數(shù)據(jù)融合。

在路由建立階段，匯聚節(jié)點(diǎn)向鄰節(jié)點(diǎn)廣播興趣。對于每個(gè)節(jié)點(diǎn)的興趣，都有一個(gè)表項(xiàng)記錄發(fā)出該興趣的鄰節(jié)點(diǎn)，包括數(shù)據(jù)發(fā)送速率和時(shí)間戳等。當(dāng)在同一檢測區(qū)域內(nèi)的鄰節(jié)點(diǎn)之間的興趣命名的方式相同時(shí)，可以將具有相同屬性的興趣融合為一個(gè)。

在數(shù)據(jù)傳輸時(shí)，當(dāng)節(jié)點(diǎn)采集的數(shù)據(jù)與興趣匹配時(shí)，對此轉(zhuǎn)發(fā)數(shù)據(jù)進(jìn)行緩存處理，再有重復(fù)的數(shù)據(jù)則不予發(fā)送，有效地減少了網(wǎng)絡(luò)通信過程中的數(shù)據(jù)傳輸量。

（2）基于層次的路由協(xié)議?；趯哟蔚穆酚蓞f(xié)議的典型代表是 LEACH，此協(xié)議分為三個(gè)階段：簇首的選擇、簇的建立和數(shù)據(jù)的融合與傳輸階段。在數(shù)據(jù)的融合與傳輸階段，簇內(nèi)節(jié)點(diǎn)把采集的數(shù)據(jù)信息發(fā)送給簇首，簇首接受所有簇內(nèi)成員傳輸?shù)臄?shù)據(jù)信息，并融合處理收集到的數(shù)據(jù)，將融合結(jié)果傳送給 Sink節(jié)點(diǎn)。

基于鏈的路由?；阪湹穆酚刹徊捎梅謱咏Y(jié)構(gòu)，典型代表是PEGASIS協(xié)議[8-9]。PEGASIS 協(xié)議中只有距離相近的節(jié)點(diǎn)間才互相通信，每一次通信都是在鏈中進(jìn)行。每一次只有一個(gè)鄰節(jié)點(diǎn)與Sink節(jié)點(diǎn)通信。

Sink節(jié)點(diǎn)選定后，采用令牌方式進(jìn)行數(shù)據(jù)傳輸。信息從兩端向中間靠攏，經(jīng)過多次的數(shù)據(jù)傳輸和融合，將結(jié)果送到 Sink 節(jié)點(diǎn)，當(dāng)鏈中有一個(gè)節(jié)點(diǎn)死亡時(shí)，鏈就需要重新構(gòu)建。在運(yùn)用 PEGASIS 協(xié)議時(shí)，“Sink 節(jié)點(diǎn)”可以被鏈中節(jié)點(diǎn)輪流充當(dāng)，從而使在每一輪通信中每個(gè)節(jié)點(diǎn)的能量消耗降低，整個(gè)網(wǎng)絡(luò)的能耗均衡性更好。

5 結(jié)論

經(jīng)過幾十年的發(fā)展，數(shù)據(jù)融合從單一的軍事領(lǐng)域逐漸發(fā)展到更廣闊的多元化應(yīng)用領(lǐng)域。數(shù)據(jù)融合技術(shù)是為適應(yīng)WSN以數(shù)據(jù)為中心的應(yīng)用而產(chǎn)生的，是WSN的關(guān)鍵技術(shù)之一。它能減少網(wǎng)絡(luò)節(jié)點(diǎn)間通信量，明顯提高網(wǎng)絡(luò)感知效率，延長網(wǎng)絡(luò)生存周期，節(jié)省通信帶寬和能量資源，這非常有利于無線傳感器網(wǎng)絡(luò)的設(shè)計(jì)與應(yīng)用。本文從數(shù)據(jù)融合技術(shù)與WSN的協(xié)議層之間的緊密聯(lián)系和數(shù)據(jù)融合的功能模型兩個(gè)方面就進(jìn)行了論述，明確了數(shù)據(jù)融合的功能模型對融合細(xì)節(jié)和研究對象所起的框架作用，以及數(shù)據(jù)融合技術(shù)在WSN中各協(xié)議層間的應(yīng)用機(jī)制。在WSN的不斷創(chuàng)新和發(fā)展中，對數(shù)據(jù)融合算法的設(shè)計(jì)和分析是極具研究價(jià)值的，同時(shí)也存在巨大的挑戰(zhàn)性。

參考文獻(xiàn)：

[1]馬祖長，孫怡寧，梅濤.無線傳感器網(wǎng)絡(luò)綜述[J].通信學(xué)報(bào)，2004，25（04）：114-124.

[2]KRISHNAMACHARI B，ESTRIN D，WICKER S. The impact of data aggregation in wireless sensor networks[C].Proc of the 22nd International Conference on Distributed Computing Systems.2002：575-578.

[3]MaoY.Y，Ksehisehang F.R.，Li B.，et al.A factor graph approach to link loss monitoring in wireless sensor network[J].IEEE Journal on Selected Areas in Communications，2005，23（04）：820-829

[4]Madden S R， Franklin M J， Hellerstein J M， et al. TinyDB： an acquisitional query processing system for sensor networks[J].ACM Transactions on database systems （TODS）， 2005，30（01）：122-173.

[5]Yao Y，Gehrke J.The cougar approach to in-network query processing in sensor networks[J].ACM Sigmod Record，2002， 31（03）：9-18.

[6]Cao J G.A data fusion routing algorithm in wireless sensor network based on mobile agent[C].Machine Learning and Cybernetics（ICMLC），2013 International Conference on.IEEE， 2013（01）：1-4.

[7]Karaboga D，Okdem S，Ozturk C.Cluster based wireless sensor network routing using artificial bee colony algorithm[J].Wireless Networks，2012，18（07）：847-860.

[8]劉偉強(qiáng)，蔣華，王鑫.無線傳感器網(wǎng)絡(luò)中PEGASIS協(xié)議的研究與改進(jìn)[J].傳感技術(shù)學(xué)報(bào)，2013，26（12）：1764-1769.