李紅艷，劉蓉，陸翼山，劉安豐

?

基于相關(guān)屬性的異構(gòu)數(shù)據(jù)融合路由策略

李紅艷1, 2，劉蓉2，陸翼山3，劉安豐3

(1. 湖南大學信息科學與工程學院，湖南長沙，410082；2. 長沙醫(yī)學院計算機系，湖南長沙，410219；3. 中南大學信息科學與工程學院，湖南長沙，410083)

提出一種基于屬性相關(guān)的異構(gòu)數(shù)據(jù)融合路由策略使無線傳感器網(wǎng)絡(luò)壽命最大化。該策略的基本內(nèi)容是：1) 通過將相同屬性的感知數(shù)據(jù)路由到同一個環(huán)形路由上，這樣可以使不同屬性的數(shù)據(jù)進行充分融合，從而減少數(shù)據(jù)冗余最小化所需傳輸數(shù)據(jù)，節(jié)省節(jié)點能量；2) 依據(jù)無線傳感器網(wǎng)絡(luò)的遠Sink能量消耗低、近Sink能量消耗高的特征，將數(shù)據(jù)融合環(huán)形路由建立在遠Sink區(qū)域，這樣充分利用遠Sink區(qū)域的剩余能量，且同一屬性的數(shù)據(jù)沿環(huán)形路由1周，使數(shù)據(jù)融合達到最大化，從而使需要發(fā)送到Sink的數(shù)據(jù)量極小化。通過模擬與理論分析結(jié)果驗證策略的有效性。研究結(jié)果表明：本文策略是有效的，能極大地提高網(wǎng)絡(luò)壽命。

無線傳感器網(wǎng)絡(luò)；多屬性環(huán)；數(shù)據(jù)融合；路由；網(wǎng)絡(luò)壽命

無線傳感器網(wǎng)絡(luò)的數(shù)據(jù)融合對于提高傳感器網(wǎng)絡(luò)壽命具有重要的意義[1?3]。數(shù)據(jù)融合是指傳感器網(wǎng)絡(luò)節(jié)點之間產(chǎn)生的數(shù)據(jù)具有相關(guān)性甚至完全相同[2, 4?8]，因而，每一個節(jié)點沒有必要都獨立地將自己的數(shù)據(jù)發(fā)往Sink。具有相關(guān)性的2個數(shù)據(jù)包在路由過程中相遇，數(shù)據(jù)融合成1個數(shù)據(jù)包，這個數(shù)據(jù)包的大小比2個獨立數(shù)據(jù)包的大小更小。將這個數(shù)據(jù)包發(fā)往Sink，這樣就能夠減少需要路由的數(shù)據(jù)量，提高網(wǎng)絡(luò)壽命，但沒有減少Sink接收到數(shù)據(jù)的信息。在該方法中，最重要的是使具有相關(guān)性的數(shù)據(jù)包在路由過程中能夠盡量相遇而使數(shù)據(jù)融合，而且相遇的數(shù)據(jù)越多，對提高網(wǎng)絡(luò)壽命越有利[9?11]。目前，已有數(shù)據(jù)融合的路由策略有如下幾類：1) 隨機性的數(shù)據(jù)融合路由[4?7]；2) 匯集性數(shù)據(jù)融合路由[2, 6]；3) 基于匯集環(huán)的數(shù)據(jù)融合路由(aggregation ring based routing, ARR)[2]；4) 基于代表節(jié)點的數(shù)據(jù)冗余減少策略[12]。這些策略中存在1個重要假設(shè)前提，即網(wǎng)絡(luò)中所有節(jié)點感知的數(shù)據(jù)都存在一定相關(guān)性，因而，這些數(shù)據(jù)相遇越多越好。但沒有考慮到在1個異構(gòu)網(wǎng)絡(luò)中，不同的節(jié)點甚至同一個節(jié)點產(chǎn)生的數(shù)據(jù)也不能進行數(shù)據(jù)融合，如節(jié)點感知的濕度與聲音(振動)之間沒有相關(guān)性，不能進行數(shù)據(jù)融合。將這種不同性質(zhì)的數(shù)據(jù)稱為異構(gòu)數(shù)據(jù)。本文提出一種能夠進行全局事件信息融合的策略，稱為基于相關(guān)屬性的數(shù)據(jù)融合路由(correlation attributes based data fusion routing, CADFR)策略。

1 系統(tǒng)模型與問題描述

1.1 網(wǎng)絡(luò)模型

本文所用的網(wǎng)絡(luò)模型見文獻[2,6, 11]，即個相同屬性的傳感器被隨機部署在1個以Sink(基站)為中心的圓形區(qū)域，每單位面積的傳感器密度為。每個節(jié)點可能配置多個感知器件，不同的感知器件感知的數(shù)據(jù)是不同質(zhì)的，如感知的溫度與濕度是不同質(zhì)的數(shù)據(jù)，不同質(zhì)的數(shù)據(jù)被認為相關(guān)性很弱，而同質(zhì)(相同屬性)的數(shù)據(jù)之間相關(guān)性較強。每個節(jié)點產(chǎn)生數(shù)據(jù)的速度為。

本文采用多跳逐步數(shù)據(jù)融合模型[7, 11]。在該數(shù)據(jù)融合模型中，輸入源節(jié)點s的聚集是按順序執(zhí)行的。用(s，s)表示節(jié)點s的數(shù)據(jù)和節(jié)點s的數(shù)據(jù)進行數(shù)據(jù)融合(data aggregate)后的結(jié)果，數(shù)據(jù)融合公式為

(2)

d,j為s和s之間的距離；為相關(guān)系數(shù)，當→0時，c,j→0，表示沒有相關(guān)性。若節(jié)點s和節(jié)點s的原始數(shù)據(jù)在融合過程中，只要其中1個數(shù)據(jù)不是原始數(shù)據(jù)包，則融合數(shù)據(jù)的公式為

其中：為遺忘系數(shù)，小于1，如=0.6；和分別為節(jié)點參與數(shù)據(jù)融合的中間結(jié)果和節(jié)點經(jīng)過處理后的結(jié)果。與中會有1個或者2個都不是原始數(shù)據(jù)。

圖1 數(shù)據(jù)融合過程

Fig. 1 Process of data aggregate

圖1所示為數(shù)據(jù)融合過程的例子。節(jié)點1首先產(chǎn)生原始數(shù)據(jù)，與此同時，節(jié)點4產(chǎn)生原始數(shù)據(jù)，接著，1的原始數(shù)據(jù)將傳送至節(jié)點4進行數(shù)據(jù)融合，據(jù)式(1)，有

接著，由節(jié)點2產(chǎn)生的原始數(shù)據(jù)傳送至4節(jié)點，4節(jié)點的中間數(shù)據(jù)將會與2產(chǎn)生的原始數(shù)據(jù)進行融合，據(jù)式(3)，有

由節(jié)點3產(chǎn)生的原始數(shù)據(jù)傳送至4節(jié)點，4節(jié)點的中間數(shù)據(jù)將會與3產(chǎn)生的原始數(shù)據(jù)進行融合，據(jù)式(3)，有

節(jié)點6將會接受到節(jié)點5產(chǎn)生的原始數(shù)據(jù)，6與5產(chǎn)生的原始數(shù)據(jù)融合公式滿足式(1)，即

4的數(shù)據(jù)傳送給6，即4的最終數(shù)據(jù)與6的中間數(shù)據(jù)相融合，所用公式滿足式(3)，即

1.2 能量消耗模型

(4)

(6)

式中：為數(shù)據(jù)量；為傳輸距離；elec為傳輸電路的能量損耗；fs和amp為上述2種模型中功率要實現(xiàn)放大過程所需要的能量[13?16]。采用經(jīng)典的能量消耗模 型[2, 11, 13?16]，數(shù)據(jù)接收的能量消耗為式(4)和式(5)，數(shù)據(jù)發(fā)送為式(6)。根據(jù)發(fā)射器和接收器之間的距離，在模型中使用自由空間(功率損耗)和多徑衰落(功率損耗)信道模型。當傳輸距離不超過閾值0時，系統(tǒng)會處于自由空間模型，功率損耗增大(如式(4))；若傳輸距離超過閾值0或等于閾值0，則系統(tǒng)會處于多路徑衰減模型(如式(5))。網(wǎng)絡(luò)參數(shù)見表1。

表1 網(wǎng)絡(luò)參數(shù)

1.3 問題描述

本文的主要目標是要提高網(wǎng)絡(luò)壽命，也就是盡量減少在每輪數(shù)據(jù)采集中最大能量消耗節(jié)點的能量消耗，即

max()=max(min0＜≤(t))=

式中：t為第個節(jié)點的網(wǎng)絡(luò)壽命；為節(jié)點的初始能量；e為第個節(jié)點在一輪數(shù)據(jù)收集中的能量消耗。

2 CADFR策略設(shè)計

CADFR 策略主要研究目的有：1) 不同屬性的數(shù)據(jù)由于相關(guān)性弱，很難進行數(shù)據(jù)融合，因而，在CADFR策略中，將不同屬性的數(shù)據(jù)分別進行融合，從而使數(shù)據(jù)充分融合，大大減少節(jié)點發(fā)送的數(shù)據(jù)量，提高網(wǎng)絡(luò)壽命；2) 僅僅將相同屬性的數(shù)據(jù)融合還不能大幅度地提高網(wǎng)絡(luò)性能，因而，CADFR策略充分利用遠Sink區(qū)域的剩余能量，在遠Sink區(qū)域創(chuàng)建不同的環(huán)形路由，每個環(huán)形路由對應(yīng)一類屬性的數(shù)據(jù)，將這些數(shù)據(jù)在能量充裕的區(qū)域進行充分融合后再發(fā)往Sink，從而大幅度地提高網(wǎng)絡(luò)壽命。下面分析已有的數(shù)據(jù)聚集網(wǎng)絡(luò)中節(jié)點承擔數(shù)據(jù)量的情況。

定理1：在一般數(shù)據(jù)融合的傳感器網(wǎng)絡(luò)中，節(jié)點和Sink之間的距離為，網(wǎng)絡(luò)進行1次數(shù)據(jù)收集，節(jié)點承擔的數(shù)據(jù)量為

將B,k區(qū)域與Sink進行連接，連接兩者的連線夾角(弧度)設(shè)為，該值很小，連線的寬度d也很小。B,k可以看作是1個扇形，但選取的寬度非常小，即將其視為微積分里面的長方形來計算面積，長度為，寬度為d。所以，B,k的區(qū)域面積為：。B,k區(qū)域共有節(jié)點數(shù)為：。

用n表示距離Sink為的區(qū)域內(nèi)的節(jié)點個數(shù)。位于的節(jié)點位置其接收到的數(shù)據(jù)包個數(shù)f為

設(shè)節(jié)點產(chǎn)生3種屬性，分別為屬性A、屬性B和屬性C。設(shè)A與B，A與C及B與C之間的相關(guān)系數(shù)分別為，和(不同屬性間可把設(shè)為0，即無法進行融合)。所有的節(jié)點產(chǎn)生的數(shù)據(jù)包大小都相等，用表示，表示環(huán)形路由中外區(qū)域與Sink距離為的節(jié)點在環(huán)形路由處進行數(shù)據(jù)融合后得到的數(shù)據(jù)包的大小。用表示與Sink距離為的節(jié)點在進行數(shù)據(jù)包中間階段聚集時，承擔的數(shù)據(jù)包的大小。與Sink距離為的節(jié)點在這個過程中會接收到的最終數(shù)據(jù)包。而位于處的節(jié)點可能為屬性A、屬性B，也可能為屬性C。位于處的節(jié)點也可能是屬性A、屬性B和屬性C中的任意值，可能出現(xiàn)的情況導(dǎo)致相關(guān)系數(shù)可能有，，，，和，它們出現(xiàn)的概率分別1/9，1/9，1/9，2/9，2/9和2/9，

(9)

剩下f?1個數(shù)據(jù)包將到達，因為＞，所以，對以后到達的數(shù)據(jù)包進行以下聚合：

最后得到的總的數(shù)據(jù)融合數(shù)據(jù)為

化簡為

所以，可以推得處每個節(jié)點的數(shù)據(jù)融合數(shù)據(jù)包為

(13)

2.1 策略概述

CADFR策略的思路是：在傳統(tǒng)的聚集策略當中，沒有考慮不同類型的數(shù)據(jù)無法融合的問題，且按照傳統(tǒng)的策略中傳至Sink時，Sink周圍的節(jié)點會有大量的數(shù)據(jù)轉(zhuǎn)發(fā)和發(fā)送，從而造成近Sink節(jié)點的能量消耗過大，所以，CADFR策略改變了以前不考慮不同數(shù)據(jù)無法融合的情況。節(jié)點產(chǎn)生不同屬性的數(shù)據(jù)，而不同的數(shù)據(jù)將會傳送至某一環(huán)上，在環(huán)上與同時傳送到的特定屬性數(shù)據(jù)充分聚合。環(huán)形路由成為某個特定屬性的數(shù)據(jù)融合中心，數(shù)據(jù)同時傳送到節(jié)點時呈逆時針方向聚合。所以，最后聚合后的數(shù)據(jù)將沿著最短路由傳到Sink節(jié)點。

CADFR策略的大致結(jié)構(gòu)如圖2所示。假設(shè)網(wǎng)絡(luò)中有3種不同的屬性，將整個圓形區(qū)域分為3個不同的環(huán)形區(qū)域，每個環(huán)形區(qū)域代表某種特定的類型。3個不同的環(huán)均有環(huán)外區(qū)域與環(huán)內(nèi)區(qū)域。環(huán)外區(qū)域指的是離Sink節(jié)點比環(huán)遠的區(qū)域，環(huán)內(nèi)節(jié)點指的是離Sink比環(huán)近的節(jié)點。網(wǎng)絡(luò)根據(jù)整個消耗情況來選定環(huán)，整個CADFR的步驟如下。

圖2 CADFR策略的結(jié)構(gòu)概況圖

1) 確定環(huán)形區(qū)域。根據(jù)系統(tǒng)的耗能選定環(huán)形路由區(qū)域，分別選取距離Sink為w, w和w處的環(huán)作為屬性A、屬性B和屬性C的聚合環(huán)，不同的數(shù)據(jù)會傳送至不同環(huán)上進行聚合。

2) 確定匯聚路徑。選定某個范圍的特定區(qū)域為匯聚區(qū)域，當數(shù)據(jù)聚合后傳至這個區(qū)域時，會根據(jù)自己的感知距離來選擇匯聚節(jié)點，當所有特定數(shù)據(jù)在該點匯聚時，會將最后匯聚的數(shù)據(jù)傳送到Sink。

3) 數(shù)據(jù)分類路由。假設(shè)Sink在某些節(jié)點的通信范圍之內(nèi)，節(jié)點將數(shù)據(jù)直接傳送到Sink。若節(jié)點產(chǎn)生了屬性A的數(shù)據(jù)，則將根據(jù)屬性將數(shù)據(jù)傳到A環(huán)上。

4) 環(huán)上數(shù)據(jù)聚合。環(huán)上數(shù)據(jù)按逆時針匯聚，最后將匯聚后的數(shù)據(jù)以最短路徑傳送到Sink。

2.2 CADFR策略

CADFR策略算法的偽代碼見表2。根據(jù)表2，特定屬性的數(shù)據(jù)傳送到特定的環(huán)上進行聚合。環(huán)上的節(jié)點在接受到數(shù)據(jù)后將自身的數(shù)據(jù)與收到的數(shù)據(jù)進行聚合，接著將聚合后的數(shù)據(jù)傳送至環(huán)上的下一節(jié)點，最后將所有聚集后的數(shù)據(jù)傳送到匯聚節(jié)點，沿著最短路徑傳到Sink。在算法1中，網(wǎng)絡(luò)中任意節(jié)點的數(shù)據(jù)到達Sink所經(jīng)過的最長路徑長度由3部分組成；第2環(huán)的數(shù)據(jù)傳送到最外環(huán)的路徑長度，此數(shù)據(jù)沿環(huán)路由1周的路徑長度，此數(shù)據(jù)路由到Sink的路徑長度，故其路由長度為，故其算法復(fù)雜度為。

表2 CADFR策略算法的偽代碼

3 性能分析與優(yōu)化

CADFR的策略主要通過將不同屬性數(shù)據(jù)進行分類，將特定屬性的數(shù)據(jù)傳至非“能量熱區(qū)”特定的環(huán)形區(qū)域進行數(shù)據(jù)融合，最后將融合后的數(shù)據(jù)傳送至Sink節(jié)點，從而降低“能量熱區(qū)”的能量消耗，提高網(wǎng)絡(luò)壽命。因為是將數(shù)據(jù)傳送到特定的環(huán)上進行聚合，所以，環(huán)上的能量消耗較大，環(huán)要動態(tài)輪換工作才能使網(wǎng)絡(luò)能量均衡。下面分析不同區(qū)域的數(shù)據(jù)承擔量，從而對CADFR策略進行相應(yīng)優(yōu)化。

定理2：設(shè)屬性A，B和C的聚集環(huán)距離Sink分別位于A，B和C處，且A＞B＞C，設(shè)相應(yīng)的特定屬性在特定環(huán)上進行聚合，對于≤A，≤B，≤C處的節(jié)點的離心路由數(shù)據(jù)承擔量為

證明：首先，對于數(shù)據(jù)屬性A在≤A處節(jié)點繼承和轉(zhuǎn)發(fā)?的數(shù)據(jù)，設(shè)，。n為距離Sink為區(qū)域處的節(jié)點數(shù)，可得

假設(shè)在同一時間內(nèi)，節(jié)點只產(chǎn)生屬性A，B和C的1種數(shù)據(jù)，則產(chǎn)生數(shù)據(jù)為屬性A的概率為1/3，可以得出位于處時每個節(jié)點所要接收的數(shù)據(jù)包個數(shù)為

(15)

處的節(jié)點接收到?處的節(jié)點數(shù)據(jù)后進行融合操作，聚集后的數(shù)據(jù)包大小為，再與接下來的節(jié)點進行聚合時，可得。

它們將直接轉(zhuǎn)發(fā)自己的數(shù)據(jù)，所以，平均每個節(jié)點發(fā)送的數(shù)據(jù)量為

化簡得

同理，對屬性B，有

對屬性C，有

當在C環(huán)內(nèi)時，＜C可能產(chǎn)生3種離心路由的屬性數(shù)據(jù)，所以，

當在B環(huán)與C環(huán)之間時，C＜＜B，

(18)

當在A環(huán)與B環(huán)之間時，B＜＜A，

距離Sink不同位置處數(shù)據(jù)承擔量和能量消耗量分別見圖3和圖4。從圖3與圖4可以看出：3個聚集環(huán)上的數(shù)據(jù)與能量要比其他位置的高，這是因為環(huán)上進行了數(shù)據(jù)聚合的主要操作，形成了主要負載，而聚合后的近Sink區(qū)域能耗略高于非環(huán)的區(qū)域能耗，是因為3個屬性的數(shù)據(jù)進行融合后將數(shù)據(jù)一齊向Sink發(fā)送。但總體而言，近Sink區(qū)域的能量還是大大降低。

定理3：假設(shè)屬性A，B和C的聚集環(huán)分別位于距離Sink為A，B和C處，A＞B＞C，相應(yīng)的特定屬性在特定環(huán)上進行聚合，對于≥A，≥B，≥C處的節(jié)點的向心路由數(shù)據(jù)承擔量為

η：1—0.6；2—0.5。

η：1—0.5；2—0.6。

證明：與定理2類似，用n表示距離Sink為的區(qū)域節(jié)點數(shù)，則可得距離Sink為處產(chǎn)生屬性A的 數(shù)據(jù)包個數(shù)為：，。對于處的每個節(jié)點所要接受的數(shù)據(jù)包個數(shù)為

在進行聚合時，節(jié)點首先與自身的數(shù)據(jù)進行聚合。設(shè)臨時的聚合數(shù)據(jù)量為,與處的節(jié)點進行融合后，其數(shù)據(jù)包大小為

(22)

當這些節(jié)點進行數(shù)據(jù)發(fā)送時，平均的數(shù)據(jù)量為

同理，對屬性B，有

(24)

對屬性C，有

對于A環(huán)之外的區(qū)域即＞A，屬性數(shù)據(jù)會產(chǎn)生3種不同的向心路由情況，故有

(26)

在A環(huán)與B環(huán)之間區(qū)域即B＜＜A，會產(chǎn)生屬性B與C的向心路由數(shù)據(jù)，故有

對于B環(huán)和C環(huán)之間的區(qū)域即C＜＜B，會產(chǎn)生C屬性的向心路由數(shù)據(jù)，故有

(28)

定理4：在CADFR策略下，屬性A的數(shù)據(jù)會通過環(huán)形路由的各個節(jié)點，最終發(fā)往屬性A區(qū)域。同理，屬性為B或C的數(shù)據(jù)也會被分類，則節(jié)點所承擔的數(shù)據(jù)量如下：

證明：設(shè)屬性A的環(huán)位于距離Sink為A處，B屬性的環(huán)位于B處，C屬性的環(huán)位于C處。首先分析屬性為A的數(shù)據(jù)情況。根據(jù)定理2以及定理3中的推導(dǎo)可知，在≤A一側(cè)的屬性A的數(shù)據(jù)量為，在≥A一側(cè)，屬性A的數(shù)據(jù)量為，可以得出數(shù)據(jù)屬性A在環(huán)形路由上的融合過程。

在A環(huán)之外處的節(jié)點轉(zhuǎn)發(fā)的A屬性的數(shù)據(jù)包長度為，這個區(qū)域與A屬性相符的節(jié) 點數(shù)目通過計算得到；環(huán)形路由的路線長度 由計算得到(式中，A指環(huán)形路由中的節(jié)點與Sink的距離)，這樣就可以算出屬性A的節(jié)點在環(huán)形路由中數(shù)目為，這些節(jié)點承擔將與Sink距離為的節(jié)點的數(shù)據(jù)傳輸?shù)较乱粋€節(jié)點的功能。這些節(jié)點中，每個節(jié)點最多能夠承受的數(shù)據(jù)量為，數(shù)據(jù)融合計算式為

因此，數(shù)據(jù)融合后A屬性的數(shù)據(jù)包大小為

對于≤A的情況，

(31)

所以，

同理可得屬性B和C的情況。

定理5：在CADFR策略下，對于數(shù)據(jù)屬性A，且在屬性A的環(huán)形路由A上，環(huán)形路由進行數(shù)據(jù)融合后的最終數(shù)據(jù)大小為

證明：根據(jù)定理4，在環(huán)形路由里，每個節(jié)點產(chǎn)生的數(shù)據(jù)包的大小為，環(huán)形路由上的節(jié)點將會接收到環(huán)上一節(jié)點的數(shù)據(jù)進行融合操作，則第1次融合后的數(shù)據(jù)包大小為

(34)

采用與Ａ環(huán)上的數(shù)據(jù)類似的計算方法可求得位于B和C環(huán)的最終數(shù)據(jù)包大小。

4 實驗及性能分析

4.1 數(shù)據(jù)承擔量結(jié)果

采用OMNET++進行理論驗證[17]。在實驗仿真中，采用隨機分布的2 000個節(jié)點組成的圓形無線傳感器網(wǎng)絡(luò)進行模擬，網(wǎng)絡(luò)半徑=400，通信半徑=100，Sink處于圓形區(qū)域的原點處。實驗分別采用NDAS，SDAS和CADFR(分別代表不采用屬性的數(shù)據(jù)融合、采用選擇性的數(shù)據(jù)融合以及采用基于多屬性環(huán)最大限度提升無線傳感器網(wǎng)絡(luò)壽命的聚合路由策略)，其中選擇性的數(shù)據(jù)融合會根據(jù)節(jié)點產(chǎn)生的相同屬性進行選擇性融合，融合后再將數(shù)據(jù)傳至近Sink節(jié)點。不同策略在1輪數(shù)據(jù)收集時不同位置的數(shù)據(jù)承擔量對比見圖5。

從圖5(a)可看出NDAS策略的最高的數(shù)據(jù)承擔量近1.8×105bit，而SDAS策略中雖然周邊負載減少，但近Sink區(qū)域的數(shù)據(jù)量并沒有顯著降低，最高數(shù)據(jù)負載也近1.4×105bit 。而在CADFR策略中可以看到數(shù)據(jù)量主要集中在3個環(huán)上，外環(huán)的數(shù)據(jù)量較少，而靠近Sink的環(huán)上數(shù)據(jù)量較多。經(jīng)過CADFR數(shù)據(jù)融合后的策略充分利用了遠Sink區(qū)域的能量，使得整個網(wǎng)絡(luò)的數(shù)據(jù)承擔量負載均勻，減少了近Sink區(qū)域的數(shù)據(jù)量，最后經(jīng)過融合后數(shù)據(jù)發(fā)送回Sink能量降低很多。在CADFR策略中，最高的數(shù)據(jù)承擔量只有1×105bit，與NDAS與SDAS相比降低了許多，而其他2個更改了融合系數(shù)的數(shù)據(jù)量變化趨勢也較相符。

融合系數(shù)η：(a) 0.5；(b) 0.4；(c) 0.3

4.2 能量消耗以及網(wǎng)絡(luò)壽命

不同策略在一輪數(shù)據(jù)收集中，能量消耗量見圖6。從圖6(a)可見：NDAS策略的能量消耗集中在近Sink區(qū)域，造成大量消耗，最高能耗近0.010 0 J，而離Sink較遠的區(qū)域的能量并沒有很好地被利用。而采用選擇性屬性數(shù)據(jù)融合的策略即SDAS策略時，雖然近Sink的最高能耗有所下降，達0.002 2 J，但近Sink的能耗仍較高，并沒有較好地利用遠區(qū)域的能量。在CADFR策略中，能耗主要集中在3個環(huán)上，近Sink區(qū)域的能耗比前2種策略大大降低，與SDAS方案相比，其最高能耗降低了很多，即最高耗能的節(jié)點降低能耗，壽命相應(yīng)提高。雖然在近Sink區(qū)域的能量消耗稍高于其他區(qū)域，即3個環(huán)上的數(shù)據(jù)量經(jīng)過近Sink區(qū)域的節(jié)點傳給Sink，但由于經(jīng)過了數(shù)據(jù)融合，能量消耗相比于NDAS和SDAS的能量消耗大大降低，提高了整個網(wǎng)絡(luò)的壽命。

融合系數(shù)η：(a) 0.5；(b)0.4；(c)0.3

5 結(jié)論

1) 傳統(tǒng)傳感器網(wǎng)絡(luò)的數(shù)據(jù)融合策略認為所有的感知數(shù)據(jù)都能夠進行數(shù)據(jù)融合，而沒有考慮到不同性質(zhì)的數(shù)據(jù)不能進行數(shù)據(jù)融合的情況。本文提出的多屬性數(shù)據(jù)融合策略很好的解決了這個問題，具有很大的實際意義。

2) 本文提出的基于屬性的分類數(shù)據(jù)融合策略能夠有效降低網(wǎng)絡(luò)需要傳輸?shù)臄?shù)據(jù)量，通過理論分析與實驗證實，本文提出的CADFR策略，其網(wǎng)絡(luò)承擔的最大數(shù)據(jù)量大大減少。

3) 本文提出的策略能夠有效均衡網(wǎng)絡(luò)能量消耗，充分利用了網(wǎng)絡(luò)能量，提高了網(wǎng)絡(luò)壽命。本文提出的CADFR策略將數(shù)據(jù)融合環(huán)在網(wǎng)絡(luò)的非熱區(qū)進行，從而充分利用了網(wǎng)絡(luò)非熱區(qū)剩余的大量能量，將網(wǎng)絡(luò)壽命大幅度提高。

[1] LIU Anfeng, XIN Jin, CUI Guohua, et al. Deployment guidelines for achieving maximal lifetime and avoiding energy holes in sensor network[J]. Information Sciences, 2013, 230(4): 197?226.

[2] 賀晟, 黃冠銀, 朱石明, 等. —基于匯聚環(huán)的網(wǎng)內(nèi)事件路由策略[J]. 中南大學學報(自然科學版), 2015, 46(11): 4100?4107. HE Sheng, HUANG Guanyin, ZHU Shiming, et al. A In-network event routing approach based on aggregation ring[J]. Journal of Central South University (Science and Technology), 2015, 46(11): 4100?4107.

[3] LIU Yuxin, DONG M, OTA K, et al. ActiveTrust:secure and trustable routing in wireless sensor networks[J]. IEEE Transactions on Information Forensics and Security, 2016, 11(9): 2013?2027.

[4] LUO H, LIU Y, DAS S. Routing correlated data in wireless sensor networks: a survey[J]. IEEE Network, 2007, 21(6): 40?47.

[5] DAI R, WANG P, AKYILDIZ I. Correlation-aware QoS routing with differential coding for wireless video sensor networks[J]. IEEE Transactions on Multimedia, 2012, 14(5): 1469?1479.

[6] LEANDRO A, AZZEDINE B, HEITOR S. DRINA: a lightweight and reliable routing approach for in-network aggregation in wireless sensor networks[J]. IEEE Transactions on Computers, 2012, 99(4): 676?689.

[7] DAVOLI F, MARCHESE M, MONGELLI M. Non-linear coding decoding strategies exploiting spatial correlation in wireless sensor networks[J]. IET Communications, 2012, 6(14): 2198?2207.

[8] WU Chunhao, YU Chee-Tseng. Exploiting multi-spatial correlations of motion data in a body sensor network[J]. IEEE Communications Letters, 2012, 16(5): 662?665.

[9] MIN J, CHUNG C. EDGES: Efficient data gathering in sensor networks using temporal and spatial correlations[J]. Journal of Systems and Software, 2010, 83(2): 271?282.

[10] ENGIN Z, DIDEM K, CRISTINA C, et al. Energy-efficient routing for correlated data in wireless sensor networks[J]. Ad Hoc Networks, 2012, 10(6): 962?975.

[11] JIANG Liangshan, LIU Anfeng, HU Yanling, et al. Lifetime Maximization through dynamic ring-based routing scheme for correlated data collecting in WSNs[J]. Computers & Electrical Engineering, 2015, 41(1): 191?215.

[12] HUNG C, PENG W, LEE W. Energy-aware set-covering approaches for approximate data collection in wireless sensor networks[J]. IEEE Transactions on Knowledge and Data Engineering, 2012, 24(11): 1993?2007.

[13] DONG M, OTA K, YANG L, et al. LSCD:a low storage clone detecting protocol for cyber-physical systems[J]. IEEE Transactions on Computer-Aided Design of Integrated Circuits and Systems, 2016, 35(5): 712?723.

[14] LIU Yuxin, LIU Anfeng, HE Sheng. A novel joint logging and migrating traceback scheme for achieving low storage requirement and long lifetime in WSNs[J]. AEU-International Journal of Electronics and Communications, 2015, 69(10): 1464?1482.

[15] HU Yanling, LIU Anfeng. Improvement the quality of mobile target detection through portion of node with fully duty cycle in WSNs[J]. Computer Systems Science and Engineering, 2016, 31(1): 5?17.

[16] DONG M, OTA K, LIU Aafeng, et al. Joint optimization of lifetime and transport delay under reliability constraint wireless sensor networks[J]. IEEE Transactions on Parallel and Distributed Systems, 2016, 27(1): 225?236.

[17] OMNeT++ community site[EB/OL]. [2011?09?01]. http:// omnetpp.org/.

(編輯 陳燦華)

Correlation attributes based heterogeneous data fusion routing scheme

LI Hongyan1, 2, LIU Rong2, LU Yishan3, LIU Anfeng3

(1. College of Computer Science and Electronic Engineering, Hunan University, Changsha 410082, China;2. Department of Computer, Changsha Medical University, Changsha 410219, China;3. School of Information Science and Engineering, Central South University, Changsha 410083, China)

A correlation attributes based on heterogeneous data fusion routing(CADFR) scheme was proposed to maximize network lifetime for WSNs. The main features of CAFR scheme are as follows. 1) Routes the data with the same attribute to the same ring routing path, so the data fusion can be fully used, the redundancy transmission can be eliminated, and the node’s energy can be saved. 2) Considering the feature of WSNs is that the energy consumption of wireless sensor networks is low near the Sink and high faraway the Sink, the ring routing path is built in far Sink area which can make full use of the surplus energy far Sink region. On the other hand, the data of the same attribute routes a circle along a ring route, which furtherly eliminates redundancy data. Both theoretical computation and simulation were used to verify the effectiveness of the scheme. The results show that the proposed scheme is effective, and can significantly improve the performance of network.

wireless sensor networks (WSNs); aggregating ring; data aggregate; route; network lifetime

TP393

A

1672?7207(2017)04?0996?10

10.11817/j.issn.1672?7207.2017.04.020

2016?07?10；

2016?08?22

國家自然科學基金資助項目(61379110，61073104)；國家重點基礎(chǔ)研究發(fā)展計劃(973計劃)項目(2014CB046305)；湖南省教育廳優(yōu)秀青年項目(15B030)；湖南省教育廳一般項目(15C0165)(Projects(61379110, 61073104) supported by National Natural Science Foundation of China; Project(2014CB046305) supported by the National Basic Research Program (973 program) of China; Project(15B030) supported by Youth Foundation of Department of Education of Hunan Province; Project (15C0165) supported by General Project of Department of Education of Hunan Province)

劉蓉，副教授，從事無線傳感器網(wǎng)絡(luò)研究；E-mail：hnliurong@163.com