王珊慧

（沈陽化工大學(xué) 計算機科學(xué)與技術(shù)學(xué)院，遼寧 沈陽110142）

1 異常數(shù)據(jù)有效性判斷方法

1.1 異常數(shù)據(jù)定義

統(tǒng)計數(shù)據(jù)具有一些異常的數(shù)據(jù)定義。因此，還可以以距離來做標(biāo)準(zhǔn)進行定義，這也就是說，兩個數(shù)據(jù)之間的差的絕對值。ai是傳感器節(jié)點i 收集的當(dāng)前數(shù)據(jù)，pi是節(jié)點在收集ai之前發(fā)送給簇群中每個節(jié)點頭的最新不正常數(shù)據(jù)。那么異常數(shù)據(jù)是：

（1）定義1

對于數(shù)據(jù)ai，若|ai－pi|≥ε，則稱ai為異常數(shù)據(jù)。此處，ε是異常數(shù)據(jù)確定閾值，該值是恒定的，并且其大小極大地影響了簇頭節(jié)點接收異常數(shù)據(jù)后的頻率。傳感器在簇中主要對數(shù)據(jù)信息進行收集，通過對比監(jiān)視數(shù)據(jù)與異常數(shù)據(jù)存在的差異，然后，基于該差異，確定是否發(fā)送當(dāng)前周期的樣本數(shù)據(jù)。如果該差超過預(yù)定閾值，則認(rèn)為生成了異常數(shù)據(jù)并發(fā)送給簇頭，同時其差比設(shè)計閥值要小，那么簇頭則不會接收數(shù)據(jù)。如此一來節(jié)點數(shù)據(jù)傳輸頻率得到了有效控制，避免受到重要事件影響導(dǎo)致異常數(shù)據(jù)接收不及時。

（2）定義2

傳感器節(jié)點i 與j 測量數(shù)據(jù)在支持度上是：rij=Kexp[－β（ai－aj）2]，當(dāng)簇內(nèi)存在n 個傳感器節(jié)點，并對同一個特征指標(biāo)進行測量。按照該公式，則可以獲得各傳感器節(jié)點測量數(shù)據(jù)的支持矩陣R：

式中：ri1，ri2，…，rin可以分別表示a1，a2，…，an支持節(jié)點i 測量的數(shù)據(jù)ai的程度。要想將傳感器測出的ai情況體現(xiàn)出來，請考慮第i 個節(jié)點數(shù)據(jù)ai的綜合支持水平si的大小反映了其他傳感器對ai的完全支持。如果為大，則表示第i 個傳感器測量的數(shù)據(jù)接近大多數(shù)傳感器，并且與更多傳感器兼容。當(dāng)前發(fā)送到簇頭的異常數(shù)據(jù)可能是有效的異常數(shù)據(jù)。第i 個傳感器測量的數(shù)據(jù)與大多數(shù)傳感器的測量數(shù)據(jù)有出入。由于節(jié)點故障，ai不太可能是有效的異常數(shù)據(jù)，而更有可能是無效的異常。由于同一簇內(nèi)各節(jié)點中的傳感器節(jié)點相對地域分布且節(jié)點是同質(zhì)的，因此我們可以看到，如何支持該組的想法與人們對現(xiàn)實的理解更加一致。每個傳感器的相同環(huán)境特征參數(shù)的測量值彼此接近。除非簇內(nèi)節(jié)點中大面積的節(jié)點同時發(fā)生故障，否則綜合支持si很小，因為存在故障，第i 個傳感器將發(fā)送錯誤的異常數(shù)據(jù)ai，若是其他傳感器未出現(xiàn)錯誤，那么ai將與另外的傳感器測量結(jié)果無法保持一致。但是其發(fā)生的可能性非常低，可以忽略。

（3）定義3

使集成數(shù)據(jù)載體ai成為現(xiàn)實，如果si≥δ，則ai是有效數(shù)據(jù)。否則，ai是無效數(shù)據(jù)。其中，δ 是判斷數(shù)據(jù)有效性的閾值。如果傳感器與其他傳感器不兼容，或者僅與某些傳感器不兼容，并且內(nèi)置支持值小于閾值δ，則認(rèn)為從傳感器傳輸?shù)漠惓?shù)據(jù)是由于缺陷引起的。例如，測量值無效并且正在進行中。但是，在數(shù)據(jù)集成期間，您需要刪除此數(shù)據(jù)。

1.2 異常數(shù)據(jù)有效性判斷方法

簇內(nèi)每個節(jié)點中的每個節(jié)點將異常數(shù)據(jù)發(fā)送到簇內(nèi)的每個節(jié)點頭，從而啟動簇內(nèi)節(jié)點頭中的每個節(jié)點的處理。有兩種類型的異常數(shù)據(jù)。其中之一是由于傳感器錯誤引起的異常數(shù)據(jù)，是某種異常數(shù)據(jù)，另一種是由于監(jiān)視事件引起的異常數(shù)據(jù)。如果數(shù)據(jù)合并中包含無效數(shù)據(jù)，則整個網(wǎng)絡(luò)的解決方案可能不正確，因為這將嚴(yán)重影響數(shù)據(jù)合并結(jié)果的準(zhǔn)確性。因此，簇內(nèi)每個節(jié)點的主要節(jié)點在合并過程中，這個過程中，首先必須確定合并數(shù)據(jù)的可靠性。集群頭收到成員節(jié)點發(fā)送的數(shù)據(jù)后，檢測到異常數(shù)據(jù)后，很難判斷單個簇頭中來自節(jié)點的數(shù)據(jù)的可靠性。本文提出了一種評估數(shù)據(jù)可靠性的小組支持方法。該技術(shù)原理為各傳感器節(jié)點在傳送異常數(shù)據(jù)時可以獲得相應(yīng)支持。借助至少2 個傳感器完成對參數(shù)的測量，第i 和第j傳感器測量數(shù)據(jù)是ai與aj。保證ai數(shù)據(jù)的準(zhǔn)確性，其他節(jié)點支持ai的測量數(shù)據(jù)就越多。節(jié)點j 支持所謂的ai，表示ai是節(jié)點j 上可靠數(shù)據(jù)的概率，表示數(shù)據(jù)ai和aj之間的一致性程度。

1.3 簇內(nèi)數(shù)據(jù)融合模型

監(jiān)視范圍中節(jié)點分成簇后，簇內(nèi)節(jié)點完成對數(shù)據(jù)的測量后，會將其向簇頭節(jié)點進行傳送。簇的簇首節(jié)點接收成員節(jié)點的數(shù)據(jù)，執(zhí)行并集處理，然后將并集的結(jié)果發(fā)送給分析和處理。換句話說，簇中的數(shù)據(jù)開始合并。

數(shù)據(jù)驅(qū)動思維模式適應(yīng)性非常強，能夠與傳感器動態(tài)數(shù)據(jù)變化情況相適宜，并與計算需求情況保持一致，讓用戶能夠在決策上得到可靠支持。為了在合并簇中的數(shù)據(jù)時節(jié)省能源并傳輸數(shù)據(jù)，簇代表使用由異常數(shù)據(jù)驅(qū)動的收斂策略。在沒有異常數(shù)據(jù)的情況下，簇的負(fù)責(zé)人需要對簇網(wǎng)絡(luò)與參與節(jié)點狀態(tài)信息進行發(fā)送。簇網(wǎng)絡(luò)保持遠程狀態(tài)。發(fā)生異常數(shù)據(jù)時，將發(fā)生外部事件來控制簇的頭節(jié)點。此時，執(zhí)行數(shù)據(jù)合并處理，并且簇網(wǎng)絡(luò)處于此狀態(tài)。特別是，可以認(rèn)為它具有外部異常，當(dāng)用戶啟動請求時，這些異常會觸發(fā)用于處理簇頭合并的機制的操作。

2 路由算法中數(shù)據(jù)融合方法的研究

對無線傳感器網(wǎng)絡(luò)來說，由于節(jié)點路由過程分層情況不一樣，路由內(nèi)節(jié)點的功能也存在差異，因此路由協(xié)議主要包括平面路由與集群路由兩種類型。其中平面路由節(jié)點在級別與功能上相同，實行簡便的路由方法，然而在路由設(shè)置與維護中花費的資金較多，為引入大規(guī)模網(wǎng)絡(luò)帶來阻礙。集群路由內(nèi)節(jié)點有著分層特點，也由分層所影響。節(jié)點功能存在較大差異，表現(xiàn)出良好的網(wǎng)絡(luò)擴展性，也為拓?fù)涔芾韯?chuàng)造了較好條件，在大型網(wǎng)絡(luò)中發(fā)揮出較大作用?？紤]到集群路由特征，是現(xiàn)階段路由技術(shù)研究特點。根據(jù)聚類路由協(xié)議是否均勻，將其分為兩類：統(tǒng)一聚類和非均勻聚類。無論基于哪種聚類方法，監(jiān)視區(qū)域主要由多個子區(qū)域構(gòu)成，所有區(qū)域均可以視為一個A 集群，各集群包括一個集群頭，且分為很多的成員節(jié)點，下層的集群頭節(jié)點級別簇群組可以看作是高級簇群組的成員節(jié)點，以便分層劃分網(wǎng)絡(luò)，最高級別的簇群的簇群頭需要同基站、宿節(jié)點等完成通信。對無線傳感器網(wǎng)絡(luò)來說，網(wǎng)絡(luò)能耗直接由節(jié)點通信量決定。額外通信量與降低冗余信息傳輸，為現(xiàn)階段路由協(xié)議必須關(guān)注的一個重點問題。

對無線傳感器網(wǎng)絡(luò)來說，主要負(fù)責(zé)對傳感數(shù)據(jù)進行收集、管理、分析和處理，通過發(fā)揮融合策略的作用，能夠讓網(wǎng)絡(luò)數(shù)據(jù)更加準(zhǔn)確，冗余性和有效性產(chǎn)生重要影響。

3 實驗仿真分析

在本文中，將使用MATLAB 平臺對實驗進行建模，并分析和比較算法的性能。在溫室中，將實驗環(huán)境設(shè)置為200×200m，并隨機排列100 個溫度傳感器節(jié)點以監(jiān)視溫室中的溫度變化。當(dāng)對溫度變化建模時，正弦方法，傳感器組件故障，天氣變化，溫室薄膜損壞以及人為溫度升高會導(dǎo)致異常數(shù)據(jù)。將接收器節(jié)點的坐標(biāo)設(shè)置為（100，200），并使用經(jīng)典的豐富算法對區(qū)域內(nèi)全部傳感器節(jié)點的聚類，然后才去隨機選擇策略形成聚類頭節(jié)點。因為簇頭節(jié)點對能量需求較大，能夠讓網(wǎng)絡(luò)節(jié)點能耗保持平衡，故而對簇頭來說，應(yīng)該關(guān)注現(xiàn)階段剩余能量，同時剩余能量較多節(jié)點則確定為簇頭。簇頭對數(shù)據(jù)進行合并，向接收器節(jié)點傳輸數(shù)據(jù)。在確定能耗時應(yīng)考慮無線電模型，表1 為節(jié)點實驗參數(shù)設(shè)置。

4 對比分析

4.1 融合效果比較

先對節(jié)點收集數(shù)據(jù)進行合并，形成50 個模擬實驗數(shù)據(jù)合并結(jié)果。將本文的融合結(jié)果與傳統(tǒng)的均值算術(shù)方法提出的自適應(yīng)加權(quán)融合方法進行了比較。采取這樣的方式，能夠讓融合結(jié)果誤差降到最小，若是采取其他方法，則無法保證融合結(jié)果的穩(wěn)定性，因此其在融合精度上優(yōu)勢非常顯著。對于數(shù)據(jù)的集成來說，為了讓異常數(shù)據(jù)得到明確，針對缺陷節(jié)點，要事先對數(shù)據(jù)進行收集。在合并中不會存在不良數(shù)據(jù)，從而讓數(shù)據(jù)合并更加有效。

傳感器在數(shù)據(jù)信號采集過程中，往往會面臨環(huán)境因素的影響，節(jié)點采集數(shù)據(jù)將存在一定誤差，這是一個隨機變量，因此融合算法的優(yōu)缺點是普遍存在的。平方誤差用作評估指標(biāo)。其均方誤差將跟著無效的數(shù)據(jù)與概率進行變化，若是無效異常數(shù)據(jù)可能性不高，則其融合結(jié)果均方差異并不顯著?？梢钥闯?，該方法誤差較小，可以得到結(jié)果，也表明該方法融合精度高，在大量無效數(shù)據(jù)和異常數(shù)據(jù)情況下，可以保證網(wǎng)絡(luò)數(shù)據(jù)融合處理的有效性。

表1 節(jié)點實驗參數(shù)

4.2 能量消耗比較

使用三種方法將網(wǎng)絡(luò)生存節(jié)點的總剩余能量變化曲線與一輪執(zhí)行時間進行了比較。若是輪數(shù)一樣，其剩余總能量將超出平均方法與加權(quán)融合方法。站在網(wǎng)絡(luò)生命周期層面來說，采取平均融合方法網(wǎng)絡(luò)達到762 輪后，而加權(quán)融合方法則達到695 輪，并引起死亡，本文研究的融合方法網(wǎng)絡(luò)死循環(huán)達到了892 輪。比較結(jié)果表明，本白皮書中的方法節(jié)能高效，節(jié)能且網(wǎng)絡(luò)持續(xù)時間長。原因是本白皮書中的方法通過兩種方式節(jié)省了網(wǎng)絡(luò)能耗。首先，站在簇首節(jié)點層面而言，在節(jié)點存在異常數(shù)據(jù)、網(wǎng)絡(luò)保持興奮狀態(tài)、其余時間保持低功耗狀態(tài)后，才將數(shù)據(jù)發(fā)送到簇頭。有限消費狀態(tài)；第二，從簇頭的角度來看，簇頭僅在激發(fā)了足夠數(shù)量的異常數(shù)據(jù)節(jié)點并且異常數(shù)據(jù)的生成不是周期性的并且生成的數(shù)量受到限制并且大大減少時才執(zhí)行數(shù)據(jù)融合處理。降底網(wǎng)絡(luò)中數(shù)據(jù)融合處理的頻率。

5 結(jié)束語

考慮到監(jiān)視環(huán)境中網(wǎng)絡(luò)能量限制和緊急事件的特征，我們提出了一種方法，這是一種WSN 集群的數(shù)據(jù)融合方法。但是在極其理想化的狀態(tài)下的，該算法通過異常數(shù)據(jù)為數(shù)據(jù)融合源，出現(xiàn)異常后將進行WSN 數(shù)據(jù)融合處理機制操作。這是由于異常數(shù)據(jù)將隨機生成，并且生成的頻率受到限制，這樣除了可以對節(jié)點數(shù)據(jù)傳輸頻率進行有力控制，也能降低網(wǎng)絡(luò)內(nèi)數(shù)據(jù)流量，為異常數(shù)據(jù)傳輸創(chuàng)造了良好條件。通過仿真后可知，與傳統(tǒng)的平均方法和自適應(yīng)加權(quán)融合方法相比，該方法合并精度高，功耗低，網(wǎng)絡(luò)中不良數(shù)據(jù)比例高，可以保證數(shù)據(jù)合并結(jié)果的可靠性。這是一種更完整的數(shù)據(jù)融合方法。