無線傳感器網絡數(shù)據(jù)融合技術與展望

引 言

無線傳感器網絡是計算、通信和傳感器技術相結合的產物。數(shù)量眾多的傳感器節(jié)點采集觀測區(qū)域的熱、光、聲音、速度以及圖像等信號，在無線傳感器網絡中通過無線信道通信實現(xiàn)信息共享與合作處理，從而將監(jiān)控到的溫度、物種、氣候變化、壓力、方向、速度等傳遞給用戶[1]。

無線傳感器網絡是信息感知和采集領域的一場深刻變革， 目前已在國防、交通、醫(yī)療、反恐、環(huán)境監(jiān)控以及自然災害預防等領域投入應用[2]，今后憑借其得天獨厚的優(yōu)勢必將給人類的生產和生活帶來深遠影響。

無線傳感器網絡與傳統(tǒng)的Ad-hoc 網絡差別明顯，主要表現(xiàn)在以數(shù)據(jù)為中心；節(jié)點數(shù)量眾多、密度大；節(jié)點能量、計算、存儲等能力受限 ；節(jié)點可靠性差 ；數(shù)據(jù)冗余度高；采用多對一通信模式等。

1 無線傳感器網絡中的數(shù)據(jù)特征

無線傳感器網絡中的數(shù)據(jù)常含有大量冗余信息，即使采用專業(yè)的數(shù)據(jù)分析方法也難以解釋數(shù)據(jù)的含義。受所部署地理位置的影響，無線傳感器網絡中的數(shù)據(jù)常常還包含噪聲， 很難將其和 真正的 數(shù)據(jù)分開。此外，除非將無線傳感器網絡中的數(shù)據(jù)與時間和位置信息關聯(lián)，否則無意義。

相對于傳統(tǒng)數(shù)據(jù)而言，無線傳感器網絡中的數(shù)據(jù)具有其獨有的特征，主要表現(xiàn)在三個方面。

1.1 數(shù)據(jù)流特征

無線傳感器網絡中的數(shù)據(jù)自動生成，以多路、連續(xù)、時變的方式傳輸 [3]，隨著時間的推移而增加，且數(shù)據(jù)總量可能非常龐大。這些數(shù)據(jù)具有顯式的時間戳或者隱式的到達時間，是形式按時間排序的數(shù)據(jù)流。

1.2 強時空相關性

無線傳感器網絡通常按照一定密度進行部署，以便使傳感器覆蓋整個監(jiān)測區(qū)域。因此，大部分無線傳感器網絡中各節(jié)點間的讀數(shù)會表現(xiàn)出時間和空間上的相關性。這種強時空相關性使得某一時刻某個傳感器節(jié)點的讀數(shù)不僅對下一時刻觀測到的讀數(shù)具有高度預測指示性，還對附近節(jié)點的讀數(shù)具有指示性。利用強時空相關性可以估計丟失或損壞的數(shù)據(jù)、監(jiān)測偏值、提高傳感器數(shù)據(jù)的質量、進行數(shù)據(jù)抑制、減少網絡中的數(shù)據(jù)傳輸，從而降低能耗。但強時空相關性也會帶來大量的冗余數(shù)據(jù)。

1.3 噪聲

無線傳感器網絡中傳感器的設計目標是低功耗和低成本。但會導致傳感器的精度受限，加之傳感器通常部署在嚴酷的環(huán)境中，會受到潛在的環(huán)境干擾。因此，傳感器數(shù)據(jù)通常含有錯誤（由傳感器功能引起）和噪聲（由其他環(huán)境干擾引起），在把它們存儲到數(shù)據(jù)庫之前，應先對其進行清理。

2 無線傳感器網絡中數(shù)據(jù)融合的意義

數(shù)據(jù)融合是一種多源數(shù)據(jù)處理技術，在無線傳感器網絡中數(shù)據(jù)融合的核心理念就是收集數(shù)據(jù)時，基于傳感器節(jié)點的軟硬件技術對所采集數(shù)據(jù)做進一步處理，刪除冗余信息，為節(jié)點所需傳輸?shù)臄?shù)據(jù) 瘦身 ，同時處理多個不同節(jié)點的數(shù)據(jù)， 使匯聚節(jié)點能夠收集到比單個節(jié)點更加有效、更能滿足用戶需求的數(shù)據(jù)信息，從而實現(xiàn)提高資源利用率、延長網絡壽命的目的。數(shù)據(jù)融合對無線傳感器網絡具有十分重要的意義，主要體現(xiàn)在三個方面。

2.1 節(jié)約通信帶寬和能量

通過數(shù)據(jù)融合可以在網內對冗余數(shù)據(jù)進行處理，即刪除冗余信息，使要傳輸?shù)臄?shù)據(jù)在可以滿足應用所需的前提下盡可能的少。由于傳感器節(jié)點傳輸數(shù)據(jù)消耗的能量高于計算所消耗能量幾個數(shù)量級，因此在網內數(shù)據(jù)融合過程中消耗一定的計算資源來節(jié)約通信帶寬，不但可以提高傳輸效率，還可以通過降低節(jié)點的能量消耗延長整個無線傳感器網絡的生命周期。

2.2 提高信息準確度

通過數(shù)據(jù)融合技術對監(jiān)測同一對象的多個傳感器節(jié)點所采集的數(shù)據(jù)進行綜合，可以使最終獲得的數(shù)據(jù)精度和可信度處于一個較高的水平。因為比鄰傳感器節(jié)點幾乎監(jiān)測同一區(qū)域， 其所獲數(shù)據(jù)差異性較小。如果個別節(jié)點出現(xiàn)數(shù)據(jù)錯誤或誤差較大，可以通過網內數(shù)據(jù)融合將其過濾掉。

2.3 提高數(shù)據(jù)收集效率

通過數(shù)據(jù)融合可以減少需要傳輸?shù)臄?shù)據(jù)量，從而有效減輕網絡中的數(shù)據(jù)堵塞，減少傳輸過程中的數(shù)據(jù)沖突和碰撞， 也使數(shù)據(jù)傳輸延遲處于較低水平，從而提高整個網絡無線信道的利用率。

3 數(shù)據(jù)融合過程

無線傳感器網絡的數(shù)據(jù)融合過程包括預處理、數(shù)據(jù)挖掘和后處理。圖 1 所示為從原始數(shù)據(jù)提取信息的全過程。

3.1 數(shù)據(jù)預處理 

無線傳感器網絡中的節(jié)點數(shù)據(jù)通常包含噪聲、偏值和丟 失值。如圖 2 所示，引起這些數(shù)據(jù)質量問題的原因包括傳感 器內部誤差 ；傳感器部署所處的嚴酷環(huán)境 ；無線傳輸過程中 數(shù)據(jù)的損毀和丟失。數(shù)據(jù)預處理包括數(shù)據(jù)清理、丟失值恢復、 網內整合以及偏值檢測、數(shù)據(jù)壓縮、維數(shù)壓縮和數(shù)據(jù)預測等。

3.1.1 數(shù)據(jù)清理 

目前已有多種方法用于傳感器數(shù)據(jù)清理，包括貝葉斯理 論、神經網絡、小波、卡爾曼濾波和加權移動平均。由于計算 能力有限，無線傳感器網絡很難實現(xiàn)貝葉斯理論、神經網絡和 小波方法?？柭鼮V波和加權移動平均兩種方法相對可行。

Zhuang 等人提出了一種基于傳感器數(shù)據(jù)清理的智能加權移動平均方法[4]。該方法包括以下三個步驟：

(1) 通過預測范圍找出重要數(shù)值 ；

(2) 通過對單一傳感器節(jié)點進行節(jié)點測試和鄰居測試來增加重要數(shù)值的置信度；

(3) 在匯聚節(jié)點執(zhí)行加權移動平均算法。

這種方法采用卡爾曼濾波和線性回歸進行范圍預測。在預測范圍內的值被稱為 重要值 ，并在第二步中計算其置信度。最后，在匯聚節(jié)點結合時間平均和空間平均進行移動加權平均。

3.1.2 丟失值恢復

對于解決網絡數(shù)據(jù)丟失的問題，傳統(tǒng)的方法是在接收方向發(fā)送方發(fā)送一個重傳請求之前，等待一個預定義的時間周期，或者發(fā)送方沒有收到來自接收方的確認，則自動重傳數(shù)據(jù)包。使用這種方法主要有兩個缺點，即增加傳感器功耗，增加由查詢產生的結果延遲。因此，在處理傳感器數(shù)據(jù)丟失的現(xiàn)有研究中，重點是使用與丟失的傳感器數(shù)據(jù)有關的傳感器中的可用數(shù)據(jù)來估計或恢復丟失的數(shù)據(jù)。

目前已經提出了多種估計方法，如最大期望算法、關聯(lián) 規(guī)則算法和信任傳播算法。最大期望算法是一種使完整數(shù)據(jù) 似然性收斂到局部極大值的通用方法，即觀測的數(shù)據(jù)和丟失 的數(shù)據(jù)似然性?！癊”步計算節(jié)點丟失值的期望或可能性 p（Y|X， θ），其中 X 表示觀測的數(shù)據(jù)，Y 表示丟失值，θ 表示統(tǒng)計模型 參數(shù)。根據(jù)丟失值的期望，“M”步計算使完整數(shù)據(jù)似然性最 大的期望值為 θ。

3.1.3 網內數(shù)據(jù)整合

大量冗余數(shù)據(jù)可能會放緩或混淆知識發(fā)現(xiàn)過程。冗余數(shù)據(jù)的網內整合可以減少整個無線傳感器網絡的數(shù)據(jù)流，從而使用最少的資源提取最具代表性的數(shù)據(jù)，這樣可以有效降低功耗。因此，傳感器數(shù)據(jù)預處理研究的一個分支是關注WSN 的傳感器數(shù)據(jù)壓縮。

最簡單的情況是，當原始數(shù)據(jù)大于預定義的閾值時，求出原始數(shù)據(jù)的平均值并記錄該平均值。如下所列為結構化查詢語言SQL 中的平均整合查詢語句，AVG 為傳感器采集的平均溫度值。如果該平均值大于閾值，則通過 Having AVG ， 發(fā)送平均值，采樣周期為 30 s。

SELECT AVG（temperature），F(xiàn)ROM Sensors 

WHERE floor=6

HAVING AVG（tempreature）> threshold 

SAMPLE PERIOD 30s

Akcan 和Br?nnimann 提出了一種加權網內采樣算法來獲得確定性更小、更典型的樣本而非原始冗余數(shù)據(jù) [5]。與隨機采樣相比，加權采樣的優(yōu)勢在于它可以保證每個節(jié)點的數(shù)據(jù)都有相同的機會歸屬最終樣本，而獨立于其網絡來源。

Santini 和R?mer 提出的基于預測數(shù)據(jù)壓縮的策略不是有選擇的對網絡節(jié)點進行采樣，而是將預測方法部署在傳感器和匯聚節(jié)點[6]。這樣，傳感器只需發(fā)送偏離預期值的數(shù)據(jù)。具體方法如下：

在匯聚節(jié)點和傳感器節(jié)點運用預測模型 G來獲得下一時刻傳感器讀數(shù)的估計值 Xt+1=G（Xt）。

在傳感器節(jié)點，如果|Xt+1－ Xt+1|>ε，就向匯聚節(jié)點發(fā)送實際傳感器讀數(shù)。其中，Xt+1為下一時刻傳感器的實際讀數(shù)，ε 為容忍誤差。

匯聚節(jié)點使用傳感器讀數(shù)的估計值。

3.2 傳感器數(shù)據(jù)挖掘

無線傳感器網絡中的數(shù)據(jù)挖掘是將傳統(tǒng)的數(shù)據(jù)挖掘算法，如主分量分析（Principal Component Analysis，PCA）、神經網絡、貝葉斯網絡、回歸分析和聚類方法等應用到無線傳感器網絡，避免原始數(shù)據(jù)的直接傳輸，減少傳輸中的數(shù)據(jù)量。Catterall等首次將SOM 神經網絡引入無線傳感器網絡的網內數(shù)據(jù)處理中[7]，Kulakov等對此做了進一步研究[8]，提出了兩種神經網絡數(shù)據(jù)挖掘結構：

1)簇頭收集各傳感器節(jié)點的數(shù)據(jù)， 然后執(zhí)行 Fuzzy ART算法進行分類；

2)各傳感器節(jié)點執(zhí)行 FuzzyART算法對自己收集的數(shù)據(jù)分類，將初步結果傳送到簇頭。

回歸分析是無線傳感器網絡中的一種網內數(shù)據(jù)處理框架。通過將數(shù)據(jù)投影成低緯表示，可以精確表示原始數(shù)據(jù)的結構， 同時有效減少網內的數(shù)據(jù)量。具體方法是使用線性回歸來完成投影，即數(shù)據(jù)用函數(shù)的帶權線性組合來近似。Wu 等將貝葉斯網絡引入無線傳感器網絡的網內數(shù)據(jù)處理 [9]，在目標追蹤和數(shù)據(jù)推斷等方面取得了比較好的結果。

無線傳感器數(shù)據(jù)挖掘主要致力于分布式網內數(shù)據(jù)挖掘。大多數(shù)研究人員提出將層次化網絡拓撲結構用于傳感器數(shù)據(jù)挖掘。Bontempi 等提出了一種用于傳感器數(shù)據(jù)挖掘的二層結構[10]，而這是一種傳感器數(shù)據(jù)挖掘的自適應模塊化結構，如圖 3所示。

底層由用虛線表示的匯聚節(jié)點構成，完成用黑點表示的相鄰傳感器節(jié)點的聚合。匯聚后的信號被送到上一層進行數(shù)據(jù)挖掘。在這里要完成的感知任務有分類、回歸和預測等。該結構在WSN 拓撲中引入了匯聚節(jié)點層，每個匯聚節(jié)點都作為一些傳感器節(jié)點的簇頭。

3.3 傳感器數(shù)據(jù)后處理

數(shù)據(jù)后處理包括模式評估、模型評估、數(shù)據(jù)可視化和表示等。通過這一步可以把傳感器數(shù)據(jù)挖掘的結果和特定應用進行關聯(lián)。數(shù)據(jù)可視化可以基于計算機圖形、統(tǒng)計方法或基于用戶交互技術。

4結 語

隨著廉價且強大的傳感器、通信系統(tǒng)和信息技術實用性的不斷提升，在一些主流領域，無線傳感器網絡數(shù)據(jù)融合技術已日漸成熟，能夠提供已被苛刻應用所驗證一致、強大的方法和算法庫，通過挖掘其內在潛能，進行新產品的研究和開發(fā)就具備了良好的基礎，開發(fā)周期將會大大縮短，涉及的風險也會隨之降低。

未來無線傳感器網絡數(shù)據(jù)融合技術必將大顯身手，特別是在要將物理或技術方面的傳感器數(shù)據(jù)與定量的上下文信息進行融合的領域。如將通信與分布式數(shù)據(jù)融合體系緊密聯(lián)系在一起的融合驅動通信，將可用的量化非傳感器信息與傳感器數(shù)據(jù)通過上下文數(shù)據(jù)集成進行融合從而形成綜合數(shù)據(jù)庫，將聯(lián)想推理、合理的協(xié)商妥協(xié)、專家知識和態(tài)勢評估等融入無線傳感器網絡數(shù)據(jù)融合的人工輔助系統(tǒng)，為了應付跨區(qū)域復雜地形以及 非對稱 對手的網絡中心作戰(zhàn)以及利用無線電臺、電視或移動電話基站等潛在發(fā)射站對目標進行照射，形成無處不在的被動監(jiān)視網絡。