无线传感器网络中的数据融合方法概要

无线传感器网络中的数据融合方法报告人：许亮2008年10月21日2一、研究背景二、数据融合的研究现状三、未来研究的重点和热点问题报告内容：3研究背景随着低功耗无线通信的发展，微传感器、微处理器等硬件的小型化，分布式信息处理技术的进步，普适计算和AdHoc网络的大量研究，无线传感器网络(WirelessSensorNetworks,WSNs)成为了一种新兴技术，引起了人们的广泛关注。而在基础理论和工程应用方面都有大量挑战性课题。无线传感器的应用前景十分广阔，能够广泛应用于军事、环境监测、医疗健康、交通管理以及商业应用等领域。4国内的许多研究所、高校也从事相关研究工作国家自然科学基金委资助大量有关这方面的研究课题（2003－至今），2007年资助的课题多达32项，研究内容广泛WSNs的理论、通讯协议、组网技术、路由算法、空间数据挖掘、节点定位、功率控制机制、网络测量、中间件到应用研究，如列车运行安全、钨矿环境监测、重型非公路用车监测、冶金工业监测等研究背景5数据融合（DataAggregation）是WSNs的重要研究领域数据融合的作用节省能量提高数据收集效率增强数据准确性获取综合性信息数据融合的研究现状6数据融合的研究现状数据融合方法基于分布式数据库的聚集操作方法网络层的数据融合数据包合并模型驱动其他基于查询的路由基于层次的路由基于事件的路由基于层次的路由TAGTiNA数据漏斗AIDA神经网络卡尔曼滤波基于预测的数据融合概率模型数据融合的安全机制7数据融合是将多份数据或信息进行处理，组合出更有效、更符合用户需求的数据的过程。优点：数据融合技术能够有效克服无线传感器网络中能量约束，去处冗余信息，减少网络中的数据传输量，从而节省WSNs节点能量，延长WSNs的生命期。缺点：增加网络的时延、降低网络的鲁棒性数据融合的研究现状8基于分布式数据库的聚集操作方法分布式数据库被用于传感器网络的应用层，完成数据收集。用户使用描述性的语言向网络发送查询请求，查询请求在网络中以分布式的方式进行处理。通过让每个节点都理解数据请求，中间节点可以对收集到的数据和自己的数据进行本地运算，并只传送查询或运算结果。处理查询请求以及返回查询结果的过程实质上就是进行数据融合的过程。在这类算法中,典型的方法包括TAG、TiNA等。数据融合的研究现状9网络层的数据融合为了节省传输的能量，在网络层中开发与路由相结合的数据融合技术。1、基于查询的路由定向扩散（DirectedDiffusion，DD）路由中的数据融合包括路径建立阶段的任务融合和数据发送阶段的数据融合，这两种融合都是通过缓存机制得以实现。DD的数据融合采用的是“抑制副本”的方法，即对转发过的数据进行缓存，发现重复的数据将不予转发。数据融合的研究现状102、基于层次的路由LEACH与TEEN都是基于层次的路由，它们使用分簇的方法体现数据融合。每个簇首在收到本簇成员的数据后进行融合处理，并将结果发给Sink节点。LEACH算法仅强调数据融合，但并没有涉及具体的融合方法。LEEN是LEACH的一种改进，应用于监测事件的反应网络。TEEN和DD一样通过缓存机制抑制不需要转发的数据，但它利用阀值的设置，增加了灵活性。数据融合的研究现状113、基于链的路由PEGASIS是对LEACH算法的融合方式进行改进。该算法在收集数据前，将网络中的所有节点链接成为一条单链，然后随即选择一个节点作为首领，它向链的两端发出收集数据的请求，数据从单链的两端向首领流动。中间节点在传递数据前要执行数据融合操作，最终由数据节点将结果传送给Sink节点。优点：在于每个节点发送数据的距离几乎是最短的，而且最终只有一个节点进行远距离数据传输，比LEACH算法更节省能量，缺点是平均延迟较大且鲁棒性较差。数据融合的研究现状124、基于事件的路由无线传感器网络节点通常有三种状态：发送、接受和休眠状态。在实际应用时，传感器网络的节点分布范围很广，被监测的事件不定时出现在某些区域，这些区域的传感器节点被激活退出休眠状态，进入触发状态。此时，可以用恰当的数据融合算法在事件发生区域内快速有效的进行处理，将处理后的结果按照一定的路由传递给汇聚节点。例如，基于事件驱动的中心点融合算法。数据融合的研究现状13数据包合并数据包合并是无线传感器网络中一种有效的数据融合算法。数据包合并的主要思想是当某个节点收到多个子节点发来的数据包时，将它们合并成一个大的数据包，然后将合并后的数据包发送到父节点。在无线传感器网络中，数据字段相对较短，而控制字段相对较长。数据包合并能够有效地降低包头的开销。在无线传感器网络中，典型的数据包合并算法包括数据漏斗以及AIDA（ApplicationIndependentDataAggregation）等。数据融合的研究现状14模型驱动无线传感器网络是以数据为中心的。传感器节点采集的数据在空间及时间上往往具有一定的规律，能够用某种模型进行描述。无线传感器网络中的一些研究工作集中在基于某种模型进行数据融合。典型的模型包括神经网络、卡尔曼滤波及概率模型等。数据融合的研究现状15其他方法的研究数据融合模式基于预测的时域数据融合方法数据融合中的安全问题数据融合的体系结构问题数据融合的研究现状161、有效数据融合的保障机制数据的准确性是数据融合的重要问题。由于，无线传感器的节点分布广泛、网络拓扑结构动态多变，而且处于长期无监控状态，容易造成节点故障或数据传输错误，从而将会导致错误数据出现在数据融合的过程中，这些问题的出现都给数据融合带来新的困难。因此，如何剔除错误数据，保障有效数据进行融合，提高数据融合的准确性，就成为数据融合的一个关键性问题。未来的研究重点和热点问题172、基于事件驱动的自适应数据融合算法数据融合算法主要是针对网络层和应用层设计的方法，而且许多方法都是被动进行数据融合。传感器网络中节点以事件驱动，能自主感知周围环境的变化，自动获取信息，并接受有关数据，选择合适的融合方法进行数据融合并传送数据。此外，由于网络动态拓扑结构、节点的随机布局，数据融合机制应融合自适应行为。所以，研究基于事件驱动的自适应数据融合算法是有助于节省能量、提高采集数据的准确率。未来的研究重点和热点问题183、基于预测技术的数据融合方法在无线传感器网络中，节点感知的采样数据往往具有时间相关性,这种相关性表现为数据的可预测性，即可以根据数据的历史观测值来预测未来的观测值。基于预测的数据融合方法，主要是根据传感器节点采集到的历史数据来预测未来数据,达到减少网络中的数据传输量、节省节点的能量以及延长网络寿命的目的。但是，由于传感器网络的动态多变性，势必给时域预测带来许多困难。因此，算法简单，具有自适应自学习能力的时域预测数据融合方法是一个值得关注的研究领域。未来的研究重点和热点问题194、数据融合算法的安全机制无线传感器分布范围广，处于无人监管状态，容易受到各种类型的攻击，这些攻击常会导致节点被捕获和窃听，继而会造成泄漏网络信息。此外，为了提高系统的能量效率，传感器网络经常在网内进行数据融合，而且被捕获的节点能发送伪造的数据已改变整个融合结果，这样就为融合结果引入了不确定性。因此，为了解决融合过程中节点被捕获的攻击以及保障数据融合的准确，有必要对有关的数据融合算法安全机制进行研究。未来的研究重点和热点问题205、数据融合的模式无线传感器网络中大量的感知数据从多源节点向汇聚节点传送,而且信息流通形式和网络节点处理的层次也有所不同，从而衍生出各种不同的数据融合模式。在设计数据融合模式，应该考虑能量约束和网络能量的均衡，以及数据的准确性等问题，而且还要从时域和空间方面考虑。此外，由于无线传感器动态拓扑结构，在数据融合模式中应考虑具有自适应的行为。未来的研究重点和热点问题21谢谢！请提宝贵意见