无线传感器数据融合与时钟同步研究论文

无线传感器网络的数据融合与时钟同步机制研究摘要为了保障重大工程结构的安全性、适用性与耐久性等，对己建成使用的许多重大工程结构和基础设施需采用有效的健康监测手段来评定其安全状况。传统的结构健康监测通常采用有线方式，这种方式线路铺设工作量大、维护困难、布点不灵活。无线传感器网络以其高密度、低功耗、低维修费用、易于安装、布点灵活等优点在健康监测中将发挥重要作用。目前对于无线传感器网络的研究，主要集中在传感器节点的路由算法、能量算法、传感器组网以及传感器网络管理等方面，而对于无线传感器的数据融合和时钟同步等方面还不多，本文探讨了无线传感器网络有关数据融合和时钟同步的相关理论。主要研究内容如下:(l)在分析比较现有无线传感器网络数据融合算法的基础上，提出了一种动态自适应制数据融合机制(WADA) ，该机制主要思想是根据接收到的数据应答包数量，动态调整最大延迟时间，并最大延迟时间按照递减规则分配至各层节点，以平衡数据的准确性和实效性。 。(2)详细分析了无线传感器网络(WSN) 中时钟同步技术的特点、种类及其在WSN 设计中的作用给出了一种全面的研究体系内容提出了两种技术方案：一种是以在传统局域网范围内实现的精度达 100ns 的同步技术为基础进行无线电媒介下的改造；另一种是 Internet 的 NTP 协议的精简及向 WSN 的移植。关键词:无线传感器网络，数据融合，时间同步Research on Mechanism of Data Fusion and Time Synchronization for Wireless Sensor NetworkWang weiAbstractIn order to guarantee the security， serviceability and durability etc. of significant engineering structures， an effective way of structural health monitoring(SHM) should be adopted for a lot of established significant engineering structures and infrastructural facilities to appraise theirs safe situation. Traditionally， the wired way is adopted generally， which takes a great deal of work to lay circuit， maintain the structures difficultly and cant locate nodes nimbly. The wireless sensor network will play an important role in SHM for its high density， low-power consumption， less assembling time and locating nodes nimbly.At present, the research of wireless sensor network focuses on routing algorithms of sensor node, energy algorithm, organization algorithm and management scheme on wireless sensor network. There is less research about the data and clock synchronism algorithm. In this paper，the related theory about the wireless sensors data fusion，time synchronization have been researched. The main contents include:(1) A wait-time adaptive data aggregation scheme (WADA) by analyzing the existing achievement for data fusion of WSN is presented. The main idea is to adaptively adjust maximum wait time based on the number of data responses and allocate the wait time to the node in each layer degressively as well as balance the accuracy and effectiveness.(2) This paper gives a detailed analysis on the characteristics and category of clock synchronization and its application to the design of wireless sensor networks(WSNs)A comprehensive research architecture is presented，and two technical schemes are proposed, i.e., the reform of LANbased 100ns precision clock synchronization technique under radio media，and the simplification of network time protocol (NTP) and its transplantation into WSNsKeywords：Wireless sensor network, data fusion, clock synchronization,目录第一章 绪论 .51.1 研究目的与意 .51.2 相关研究领域及其发展现状 .51.2.1 无线传感器 .51.2.2 数据融合 .61.2.3 时间同步 .7第二章 无线传感器网络数据融合理论研究 .82.1 数据融合定义 .82.2 数据融合模型 .102.2.1JDL 模型 .102.2.2UK 情报环 .112.2.3Boyd 控制环 .112.2.4 瀑布模型 .122.2.5Dasarathy 模型 .122.3 无线传感器网络数据融合分类 .132.4 无线传感器网络数据融合方法 .152.4.1 估计方法 .152.4.2 统计方法 .152.4.3 信息论方法 .162.4.4 人工智能方法 .172.4.5 遗传算法和模糊聚合相结合 .182.4.6 模糊系统与神经网络相结合 .18第三章 无线传感器网络时钟同步理论研究 .183.1 无线传感器网络时钟同步基本原理 .193.1.1 节点物理时钟 .193.1.2 节点的逻辑时钟。 .203.2 时钟同步原理 .203.3 同步分类 .213.4 时钟同步算法分类及比较 .223.4.1 基于发送者的同步模型 .223.4.2 基于发送者-接收者交互的同步 .233.4.3 基于接收者-接收者交互的同步 .23第四章 数据融合算法设计实现 .244.1 设计原则 .244.2 详细设计 .25第五章 两种时钟同步算法设计实现 .26第六章 总结 .29致谢 .29参考文献 .29第一章 绪论1.1 研究目的与意为了保障重大工程结构的安全性、完整性、适用性与耐久性，对己建成使用的许多重大工程结构和基础设施需采用有效的健康监测手段和评定其安全状况、维护和修复的方法，进行健康监测，这种监测过程和手段就是“结构健康监测”(Structural Health Monitoring，SHM)。对于无线传感器及其网络的研究，主要集中在传感器节点的路由算法、能量算法、传感器组网以及传感器网络管理等方面，而对于无线传感器的数据融合和时钟同步等方面研究还不多。在无线传感器网络中，由于节点资源在电池能量、处理能力、存储容量和通信带宽等方面十分有限，收集数据时采用各个节点单独传送到汇节点显然不合适。为避免浪费能量和通信带宽，提高数据聚集的效率，需要采用网内融合机制(in-net data fusion)处理同一类型传感器的数据。数据融合为无线传感器网络带来的能量节约等益处已经在理论上和实验中得到证实。在结构化监测中，土木工程结构正向超大化、复杂化方向发展，这样使得实际的无线传感器网络是一种节点密集度比较大的网络。整个系统所要实现的功能需要网络内所有节点相互配合共同完成，这就对各节点的时钟同步提出了要求。此外，节点间的数据融合和节点间通信的调度算法等也对系统提出了不同精度的时间同步要求。时钟同步是无线传感器网络数据处理的基础。在结构健康监测应用中，要采集分散在各处节点的数据，这些数据往往具有相关性，因此必须保证数据采集的同步，要求无线传感网络提供时序同步机制。但传统的分布式系统的集中同步方式已经不适应于传感网络，已知节点每传输一位信息所需的电能足以执行 3000 条计算指令，因此，如采用传统的同步方法会传送大量的时间信息，势必会耗费节点的大量电能，不适合能量受限的无线传感器网。因此，针对无线传感器网有限的传输带宽和有限的计算资源特点，要保证各节点数据的同步性和不失真性，必须提出有效的时钟同步、数据融合算法，才能推广到具体工程应用中。1.2 相关研究领域及其发展现状1.2.1 无线传感器无线传感器网络是从传感器网络开始的，传感器网络经历了五个发展历程5。第一代传感器网络出现在 20 世纪 70 年代，使用具有简单信息信号获取能力的传统传感器，采用点对点传输、连接传感控制器构成传感器网络；第二代传感器网络，具有获取多种信息信号的综合能力，采用串并接口与传感控制器相联，构成有综合多种信息的传感器网络；第三代传感器网络出现在 20 世纪90 年代后期和本世纪初，采用现场总线连接传感控制器，构成局域网络，成为智能化传感器网络；第四代传感器网络正在研究开发，目前成形并大量投入使用的产品还没有出现，用大量的具有多功能多信息信号获取能力的传感器，采用自组织无线接入网络，与传感器网络控制器连接，构成无线传感器网络。近年来，无线传感器网络的研究项目主要有:由美国加州大学洛杉矶分校和罗克维尔自动化中心共同开发的 DARPA 项目6，UCLA 和 Rockwell 研究中心的 CENS 项目 7，由 Intel 公司、 Carnegie Mellon 大学和 U.C Berkeley 给出的IRIS 传感器网络的系统结构，由普林斯顿大学电子工程系提出并实施的ZebraNet 工程，由 MIT 承担的 uaMPS68，由 U.C Berkeley、 UCLA、MIT、哈佛在内的 25 个研究机构共同承担的 SensIT 项目9，美国sandia 国家实验室与美国能源部合作、共同研究的防范生化武器袭击系统等。我国从 2002 年前后开始开展无线传感器网络的研究工作，国内研究起步较早的有中科院上海微系统研究所、沈阳自动化所、软件研究所、计算所、电子所、自动化所和合肥智能技术研究所等科研机构，清华大学、哈尔滨工业大学、西北工业大学、天津大学、北京邮电大学和国防科技大学等院校。2004 年起有更多的院校和科研机构加入到该领域的研究工作中来。1.2.2 数据融合数据融合技术的雏形出现在第二次世界大战末期，在高炮火力控制系统中同时使用了雷达和光学传感器。这两种传感器信息的组合，不仅有效地提高了系统的测距精度，也提高了恶劣气象下抗干扰能力。不过，当时这两种数据的综合评判是靠人工完成的，质量不高，速度缓慢，这种系统没有对战争形势产生重大影响，也没有引起人们的充分注意。20 世纪 70 年代，在 1973 年美国国防部资助的声纳信号理解系统中，才正式提出数据融合 (Data Fusion)的概念。1984 年，美国三军政府组织中的 C3 委员会成立了数据融合专家组(Data Fusion Subpanel，DFS)。1988 年起，SPIE(国际光学工程学会)开始连续主持召开有关数据融合的学术会议。1989 年 9 月，Ren C. Luo 在 IEEE Trans. on SMC 上发表了综述性文章 Multi sensor Integration and Fusion in Intelligence systems，对此前这方面工作进行了概括总结，自此这一方向的研究变得十分活跃。Hall 和 Llinas 的专著多传感器数据融合手册 10详尽论述了数据融合的模型、术语、算法(包括多目标多传感器跟踪算法、图像融合当中的图像配准算法、决策级数据融合算法等)等，是研究数据融合的基础。Blackman 的多目标跟踪及在雷达中的应用11给出了数据融合在目标跟踪领域的应用。国外一些大学也早在 20 世纪 80 年代就成立了数据融合研究机构，华盛顿的 George Mason 大学在 1989 年成立了 C3I 研究中心，现更名为 C4I 研究中心，致力于为美国军方和相关政府部门提供学术支持。美国加州大学伯克利分校和麻省理工学院等一批高校分别开展了传感器网络的基础理论和关键技术的研究。国内的研究是从 20 世纪 80 年代末开始出现多传感器信息融合技术研究的报道。到了 20 世纪 90 年代初，随着各类传感器的研制成功，在政府、军方和各种基金部门的资助下，国内一批高校和研究所开始从事这一技术的研究工作，取得了大批理论研究成果，与此同时，也有数据融合的译著和专著出版，其中有代表性的有:刘同明、夏祖勋和解洪成的数据融合技术及其应用 12 ，杨万海的多传感器数据融合及其应用13，康耀红的数据融合理论与应用14，戴亚平、刘征和郁光辉的译著多传感器数据融合理论及应用15，徐科军的传感器与检测技术16，杨国胜、窦丽华的数据融合及其应用17。从 20 世纪 90 年代末至今，数据融合在国内已经发展成为多方关注的共性关键技术，许多学者致力于机动多目标跟踪、分布式数据融合、身份识别、态势估计、威胁判断、告警系统、决策信息融合等研究。1.2.3 时间同步时钟同步是任何分布式系统的重要组成部分，在目前传感器网络的配置管理上也是一个重要的问题。早在上个世纪 60 年代末 70 年代初，随着分布式系统的出现和发展，如何实现多个节点间的时钟同步，就已经成为人们研究和关心的热点。因为作为一个分布式系统，有效的时钟同步能够保证系统进程之间相互稳定、协调的工作，精确地记录各种事件到达、请求和完成的时间，并且能够保证获得系统精确的全局状态。当一个传感器进行读操作来确定正确的事件年表时，进行时钟同步是很重要的。例如，根据事件的时间序列进行速度估计；测定声速进行物体定位:避免不同的传感器对相同的事件重复检测，产生冗余信息。目前，时钟同步问题也面临着许多挑战:首先，资源的限制如有限的电池和有限的带宽，使得大部分算法尽力实现数据包传输的低开销。第二，无线介质的广播本质引入了数据包的冲突甚至丢失，这就增大了数据包路由的延迟方差。第三，传感器网络是由许多低廉的传感器组成，用低廉的晶体提供时钟，这样的时钟更易受时钟的漂移的影响，且变化速率未知。1974 年，美国科学家 Arvind 首先在“IEEE Trans.Of Parallel and Distributed systems”发表了与时钟同步相关的研究文章“probabilistic Clock Synchronization in Distributed systems”。这也预示着对时钟同步问题的研究己经进入到一个崭新的领域。进入上个世纪八十年代后，随着计算机的普及和发展，在时钟同步方面的研究取得了很大的进展。许多有关时钟同步问题的研究都受到政府各种基金的资助。例如在美国，美国国防部、美国航空航天局资助了许多有关时钟同步方面的研究项目。1988 年美国航空航天局发布的技术备忘录 (NASA Technical Memorandum)中就有专门讨论时钟同步问题的综述性论文“A Survey of Correct Fault-Tolerant Clock Synchronization Techniques”。这篇论文不仅详细地论述当前各种时钟同步技术和方法，而且还特别论述了有关时钟容错和修正方法问题。最后论文还提出了时钟同步领域未来的研究方向。现存的时钟同步方法有 GPS(Global Positioning system)18，能够对网络中每一个节点提供精确的时钟。但是 GPS 有着内在的不足，即要求节点在卫星轨道的直线视野内，因此不适用于室内网络，同时当户外节点由于建筑物、山脉等成为模糊节点，GPS 也不能胜任。Ganeriwal et al19提出了一个层次同步法，算法由级别发现和同步两个阶段组成。在级别发现过程，每个节点都被分配一个级别，级别值表示了他与根节点的距离跳数。在同步阶段，每个节点与他的父节点交换时间戳，实现下游节点存在的问题和研究目标与上游父结点的同步。这种方法简单易行，级别发现过程类似于树的生成过程，但是随着树的深度增大，同步的精度会变差。第二章 无线传感器网络数据融合理论研究无线传感器网络感兴趣的是具有特定属性的感知数据，信息的传送是以数据为中心的。由于传感器节点数量大且随机分布，相邻的传感器对同一事件进行监测所获得的数据具有相似性，而传感器节点在能量、存储空间与计算能力上有限，因此冗余数据的传送在一定程度将消耗过多的能量，缩短整个网络的生存期。为避免上述问题，传感器网络在收集数据过程中需要使用数据融合技术，即将来自多传感器节点的数据进行综合处理，得出更为准确完整的信息。2.1 数据融合定义数据融合是将不同来源、不同模式、不同媒质、不同时间、不同表示的信息有机的结合，最后得到对被感知对象的更精确的描述。融合一般可以简单地认为是将多个源节点采集到的数据中的冗余部分去掉，当然也有一些融合函数是传送多份数据中最大的或最小的数据等等。在本文中，假定中间节点将只传送一份报文，即使其收到了多个数据报文。在传感器网络中数据融合作用表现在三个方面:节省能量，提高信息准确度和提高数据聚集效率。由大量传感器节点组成的传感器网络中，单个节点的监测范围和可靠性都是有限的，在部署网络时，需要使传感器达到一定的密度以增强整个网络的鲁棒性和监测信息的准确性，有时甚至需要使多个节点的监测范围相互交叠。这种监测区域的相互交叠导致邻近节点聚集的信息存在一定程度的冗余。在冗余程度很高的情况下，把这些节点报告的数据全部发送给汇节点与仅发送一份数据相比，除了使网络消耗更多的能量外，汇节点并未获得更多的信息。因此在从各个传感器节点聚集数据的过程中，应利用节点的本地计算和存储能力处理数据，进行数据融合操作，去除冗余信息，尽量减小传输量，从而达到节省能量的目的。由于成本、体积等限制导致传感器较低精确度，无线传输的数据易受干扰，以及工作环境等因素影响，导致传感器节点易失效。仅聚集少数几个分散的传感器节点的数据较难确保得到信息的正确性，因此需要通过对监测同一对象的多个传感器所采集的数据进行综合，来有效地提高所获得信息的精确度和可信度。数据融合减少了需要传输的数据量，可以减轻网络的传输拥塞，降低数据的传输延迟即使有效数据量并未减少，但通过对多个数据分组进行合并减少了数据分组个数，可以减少传输中的冲突碰撞现象，也能提高无线信道的利用率。数据融合技术研究起源于美国军事 C3I 工系统建设需求，通过对各传感器信息获取、综合、滤波估计、融合，实现自动化指挥。无线传感器的融合技术与传统多传感器不同体现在以下几个方面:(l)稳定性。传统多传感器融合系统是通过扩展空间覆盖范围与提高抗干扰能力，增强运行的鲁棒性。无线传感器网络则从提高数据收集效率出发，数据融合多基于网内( 局部范围)进行。考虑到部分节点由于恶劣环境因素或自身能量耗尽造成失效情形，稳健性和自适应性是传感器网络数据融合实现的前提需求。(2)数据关联 (Data Association)。传统多传感器的数据融合着重解决多目标的数据关联问题。而无线传感器网络由于大量节点之间的通信可能引起的干扰，且传感器测量存在的不精确性，因此更多的在于解决数据的相关二义性问题。(3)能量约束。无线传感器中节点能量有限，且节点发送与接受数据的耗能要远大于计算与存储能耗，因此网络数据的融合应考虑节点的能耗与网络能量的均衡，选择合适的融合处理节点。目前在无线传感器网络研究领域，许多学者将数据融合技术与协议层次研究相结合。如在应用层设计中，利用分布式数据库技术，对采集的数据逐步筛选，达到融合的效果；在网络层研究中，许多路由协议都采用了数据融合的机制，目的是减少传输数据量。数据融合简单应用的例子如图 1 所示。传感器节点 S1，S 2，S n 从周围的环境中采集数据 Xl，X 2，X n，并基于一些探测条件将其转为二进制结果bl，b 2，b n。然后，传感器节点将这些结果传送给数据融合节点。数据融合节点则根据接收到的结果来判断环境中所探测事件的有无，并将最终结果传送给基站。图 1 WSN 中数据融合的一个简单例子2.2 数据融合模型从认识到数据融合技术的重要性开始，研究人员就在试图建立一个数据融合的统一的理论框架，尽管这个框架至今没有形成，但是还是提出了许多抽象的模型，这些模型在某些领域具有完整的意义和适用性，同时也试图实现一定的通用性。它们的共同特点是融合过程的多级处理。现有的模型大致分为两类：(l)功能型模型，主要是突出融合的过程，按节点顺序构建；(2)数据型模型，主要突出融合的数据对象，根据数据的提取加以构建。典型的功能型模型包括有 UK 情报环。Boyd 控制回路 (