（信号与信息处理专业论文）基于时空相关性的无线传感器网络数据融合算法研究.pdf

南京邮i u 人学博i ：研究生学位论文摘要 摘要 无线传感器网络w s n ( w i r e l e s ss e n s o rn e t w o r k s ) 具有节点数目众多、能量和 无线通信资源受限、组成节点同构性等特点，所以传感器节点的感知数据往往具 有高度的时空相关性，本文采用基于时空相关性的数据融合技术，在保证w s n 感知数据精度要求的前提下，利用移动代理m a ( m o b i l ea g e n t ) 的智能性和迁移 性，实现以分布式方式融合并收集感知数据，从而大大降低网络通信负载，提高 网络的扩展性、可靠性和实时性，延长网络生存时间。 本文的主要创新工作如下： ( 1 ) w s n 中基于时空相关性的数据压缩算法 针对单节点感知的具有时间相关性的可压缩信号，提出了基于压缩感知c s ( c o m p r e s s e ds e n s i n g ) l 拘数据压缩算法。算法利用极大熵m e f ( m a x i m u me n t r o p y f u n c t i o n ) 方法来求解z 。和l p ( 0 p 1 ) 最优化问题，构造了通向全局最优稀疏解的 同伦曲线，获得全局最优重构信号。 针对c s 中观测的选取方法，提出了自适应信号压缩a s c ( a d a p t i v es i g n a l c o m p r e s s i o n ) 算法。算法根据一致不确定原则u u p n i f o r mu n c e r t a i n t yp r i n c i p l e ) 分析信号和观测能量分布之间的关系，设计最大能量子集，并由最大能量子集自 适应选择观测，从而减少了精确重构信号所需的最少观测个数。 ( 2 ) w s n 中基于时空相关性的自适应数据融合算法 针对多节点感知的具有时空相关性的可压缩多维信号集合，提出了基于时空 相关性的自适应数据融合a d f ( a d a p t i v ed a t af u s i o n ) 算法。算法根据多维信号集 合的联合稀疏模型，利用m a 迁移到各个节点进行自适应数据融合。为了精确 联合重构多维信号集合所含的信息，m a 自适应确定各个节点所需的最少观测个 数，从而大大减少了整个网络的传输能耗和负载。 ( 3 ) w s n 中基于空间相关性的分簇算法 针对多节点感知数据的空间相关性，建立了马尔可夫相关性模型，提出了基 于空间相关性的事件驱动w s n 分簇s c b e d c ( s p a t i a l c o r r e l a t i o n - b a s e de v e n t d r i v e nc l u s t e r i n g ) 算法和基于位置感知的时间驱动w s n 分簇l a b t d c ( l o c a t i o n a w a r e b a s e dt i m ed r i v e nc l u s t e r i n g ) 算法。两种算法都是在无需了解节点感知数 南京邮i 乜人学博j 二研究生学位论文 摘要 据的情况下，汇聚节点( s i n k ) 根据用户提出的查询误差将感知区域划分为虚拟等 价域，从而对节点进行分簇；m a 只需收集虚拟等价域内簇头的感知数据。这两 种有损的分布式数据融合方法，在满足用户要求的前提下，提供了近似查询结果， 大大减少了网络的数据传输量，达到了节能目的。 ( 4 ) w s n 中自适应数据融合路由算法 针对进行数据融合时的数据融合能量开销，提出了基于遗传算法的自适应数 据融合路由a d f r ( a d a p t i v ed a t af u s i o nr o u t i n g ) 算法，以解决m a 如何以能量有 效的方式融合、收集时空相关性数据的问题。该算法综合考虑了m a 在路由过 程中传输能量和融合能量的消耗，并根据数据融合算法的能量开销和节能增益， 对m a 迁移到各节点时是否执行数据融合操作进行自适应调整，以达到减少网 络能量丌销的目的。 关键词：无线传感器网络；时空相关性：压缩感知；数据挖掘；遗传算法 a b s t r a c t w i r e l e s ss e n s o rn e t w o r k s ( w s n ) c o n s i s t so fal a r g en u m b e ro fl o w p o w e r h o m o g e n e o u s w i r e l e s ss e n s o r sw i t hl i m i t e dc o m p u t a t i o n a l a n dw i r e l e s s c o m m u n i c a t i o nc a p a b i l i t i e s s e n s o rd a t ah a v eh i g h l yt e m p o r a la n ds p a t i a lc o r r e l a t i o n s w ep u to u rr e s e a r c hf o c u s e so nt e m p o r a l - a n d - s p a t i a l c o r r e l a t i o n s b a s e dd a t a f u s i o n t e c h n o l o g i e s ，w h i c hg u a r a n t e et h er e c o n s t r u c t i o np r e c i s i o no fs e n s o rd a t ai nw s n s e n s o rd a t ac a nb ef u s e da n dc o l l e c t e di nd i s t r i b u t e dm a n n e rt h r o u g hi n t e l l i g e n t m i g r a t i o no fm o b i l ea g e n t ( m a ) ，w h i c hc a nr e d u c en e t w o r kl o a da n di m p r o v e n e t w o r ks c a l a b i l i t y , r e l i a b i l i t y , r e a l - t i m ep e r f o r m a n c ea n dp r o l o n gn e t w o r k s l i f et i m e t h em a i nc o n t r i b u t i o n so ft h i sp a p e ra r ea sf o l l o w s ： ( 1 ) n e wt e m p o r a l c o r r e l a t i o n s b a s e dd a t ac o m p r e s s i o na l g o r i t h m s i n w s n w ep r o p o s ean e we n c o d i n ga n dd e c o d i n ga l g o r i t h mf o rs i n g l es e n s o rn o d eb a s e d o nc o m p r e s s e ds e n s i n g ( c s ) t h a te x p l o i t st e m p o r a lc o r r e l a t i o no fc o m p r e s s i b l es i n g l e m a x i m u me n t r o p yf u n c t i o n ( m e f ) m e t h o di su t i l i z e da sac o m p u t a t i o n a la p p r o a c ht o s o l v et h e o p t i m i z a t i o np r o b l e ma n dt h e ( o p 1 ) o p t i m i z a t i o np r o b l e m m e fc o n s t r u c t sah o m o t o p yp a t hw h i c hc o n v e r g e st ot h eg l o b a lo p t i m a ls p a r s e s o l u t i o n ，a n dm a k e si tp o s s i b l et oo b t a i nt h eg l o b a lo p t i m a lr e c o n s t r u c t e ds i g n a l w o r ko nc st y p i c a l l ya s s u m e st h a tt h em e a s u r e m e n t sa r ed r a w na tr a n d o m a n e wa d a p t i v es i g n a lc o m p r e s s i o n ( a s c ) a l g o r i t h mi sp r o p o s e dt oa d a p t i v e l yc h o o s e m e a s u r e m e n t a s ca n a l y s e se n e r g yd i s t r i b u t i o no fs i g n a l a n dm e a s u r e m e n t s a c c o r d i n gt ou n i f o r mu n c e r t a i n t yp r i n c i p l e ( t m p ) ，a n dt h e ng e t s t h em a x i m u m e n e r g ys u b s e t w ec a na d a p t i v e l yc h o o s em e a s u r e m e n td u et ot h em a x i m u me n e r g y s u b s e ti no r d e rt or e d u c et h en u m b e ro fm e a s u r e m e n t se a c hn o d er e q u i r e df o rp e r f e c t s i g n a lr e c o n s t r u c t i o n ， ( 2 ) an e wt e m p o r a l a n d - s p a t i a l c o r r e l a t i o n s - b a s e da d a p t i v ed a t af u s i o n a l g o r i t h mi nw s n m u l t i p l es i g n a le n s e m b l e sf o rm u l t i p l en o d ee n s e m b l e si nw s n h a v eh i g h e r t e m p o r a la n ds p a t i a lc o r r e l a t i o n s an e wt e m p o r a l - a n d s p a t i a l c o r r e l a t i o n s - b a s e d 南京邮i 【i 人学博l ：研究生学位论文 a b s t r a c t a d a p t i v ed a t af u s i o n ( a d f ) a l g o r i t h mi sp r e s e n t e df o rm u l t i p l en o d ee n s e m b l e s b a s e do nd i s t r i b u t e dc o m p r e s s e ds e n s i n g ( d c s ) t h a te x p l o i t st h ej o i n ts p a r s i t ym o d e l o fc o m p r e s s i b l em u l t i p l es i g n a le n s e m b l e s m av i s i t se v e r yn o d ea n dp e r f o r m s a d a p t i v e d a t af u s i o ns ot h a ta d a p t i v e l yd e t e r m i n et h em i n i m u mn u m b e ro f m e a s u r e m e n t se a c hn o d er e q u i r e df o rp e r f e c t l yj o i n tr e c o n s t r u c t i o no fm u l t i p l es i g n a l e n s e m b l e s t h ea l g o r i t h mp r o v i d e st h eo p t i m a ls t r a t e g yw i t ha sm i n i m u mn u m b e ro f t r a n s m i s s i o n sa sp o s s i b l ea n dh e n c er e d u c e sc o m m u n i c a t i o nc o s ta n dn e t w o r kl o a d ( 3 ) n e ws p a t i a l c o r r e l a t i o n s - b a s e dc l u s t e r i n ga l g o r i t h m si nw s n w ep r o p o s ean e ws p a t i a l c o r r e l a t i o n - b a s e de v e n td r i v e nc l u s t e r i n g ( s c b e d c ) a l g o r i t h ma n dan e wl o c a t i o n a w a r e b a s e dt i m ed r i v e nc l u s t e r i n g ( l a b t d c ) a l g o r i t h mt oa n a l y z et h es p a t i a lc o r r e l a t i o no fs e n s o rd a t aa n do b t a i nam a r k o v i a n c o r r e l a t i o nm o d e l w i t h o u tu s i n gr e a l t i m es e n s o rd a t a ，s c b e d ca n dl a b d c p e r f o r ms e n s o rn o d e sc l u s t e r i n gb a s e do nt h eu s e r - p r o v i d e de r r o r - t o l e r a n c et h r e s h o l d a n dt h em a r k o v i a nc o r r e l a t i o nm o d e l s u b s e q u e n t l y , o n l yo n en o d ee a c hc l u s t e ri s s e l e c t e da st h ec l u s t e r h e a db ym a x i m a lr e m a i n d e re n e r g y m ao n l yc o l l e c t sd a t ao f c l u s t e r h e a d s s c b e d ca n dl a b t d ca r el o s s yd a t af u s i o nm e c h a n i s m si nd i s t r i b u t e d m a n n e rt h a tp r o v i d ea p p r o x i m a t eq u e r yr e s u l t st ou s e r sa n dr e d u c et h en u m b e ro f t r a n s m i s s i o n s ( 4 ) an e wa d a p t i v ed a t af u s i o nr o u t i n ga l g o r i t h mi nw s n an e wg e n e t i c a l g o r i t h m - b a s e da d a p t i v ed a t af u s i o nr o u t i n g ( a d f r ) a l g o r i t h mi sp r e s e n t e d i nw s n ，w h e r ea d f rc a l l p r o v i d ee n e r g ye f f i c i e n tm a r o u t i n ga l g o r i t h mf o rt e m p o r a l a n d s p a t i a l c o r r e l a t i o n s b a s e dd a t ag a t h e r i n g a d f r n o to n l yj o i n t l yo p t i m i z e so v e rt h ec o s t sf o rb o t hd a t at r a n s m i s s i o na n dd a t af u s i o n ， b u ta l s oe v a l u a t e st h ec o s ta n db e n e f i to ft h ed a t af u s i o n ，i no r d e rt oa d a p t i v e l ya d j u s t w h e t h e rf u s i o ns h a l lb ep e r f o r m e df o rm i n i m i z i n gt h et o t a le n e r g yc o n s u m p t i o nw h e n m a m i g r a t e st oap a r t i c u l a rn o d e 。 k e y w o r d s ：w i r e l e s ss e n s o rn e t w o r k s ；t e m p o r a la n ds p a t i a lc o r r e l a t i o n s ； c o m p r e s s e ds e n s i n g ；d a t am i n i n g ；g e n e t i ca l g o r i t h m i v 南京l j l j l 也人学博i j 研究生学位论文缩略语表 a d f a d f r a f s t a s c a s t b p c s d c d c s f d f g a f g c f j s m l a b t d c l c f l p m a m e f m f s t 0 m p r s c s c b e d c t o m p u u p w s n 缩略语表 l i s to fa b b r e a t i o n s 自适应数据融合 自适应数据融合路由 自适应融合s t e i n e r 树 自适应信号压缩 仿射变换 基追踪 压缩感知 数据为中心的 分布式压缩感知 完全数据融合 地理自适应保真 全局最邻近优先 联合稀疏模型 基于位置感知的时间驱动 分簇 局部最邻近优先 线性规划 移动代理 极大熵函数 最小融合s t e i n e r 树 正交匹配追踪 随机信号压缩 基于空间相关性的事件驱动 分簇 树正交匹配追踪 一致不确定原则 无线传感器网络 v a d a p t i v ed a t af u s i o n a d a p t i v ed a t af u s i o nr o u t i n g a d a p t i v ef u s i o ns t e i n e rt r e e a d a p t i v es i g n a lc o m p r e s s i o n a 伍n es c a l i n gt r a n s f o r m a t i o n b a s i sp u r s u i t c o m p r e s s e ds e n s i n g d a t a - c e n t r i c d i s t r i b u t e dc o m p r e s s e ds e n s i n g f u l ld a t af u s i o n g e o g r a p h i c a la d a p t i v ef i d e l i t y g l o b a lc l o s e s tf i r s t j o i n ts p a r s i t ym o d e l l o c a t i o n a w a r e b a s e dt i m e d r i v e nc l u s t e r i n g l o c a lc l o s e s tf i r s t l i n e a rp r o g r a m m i n g m o b i l ea g e n t m a x i m u me n t r o p yf u n c t i o n m i n i m u mf u s i o ns t e i n e rt k e o r t h o g o n a lm a t c h i n gp u r s u i t r a n d o ms i g n a lc o m p r e s s i o n s p a t i a l c o r r e l a t i o n b a s e de v e n t d r i v e nc l u s t e r i n g t r e eo r t h o g o n a lm a t c h i n g p u r s u i t u n i f o r mu n c e r t a i n t yp r i n c i p l e w i r e l e s ss e n s o rn e t w o r k s 南京邮【1 人学博上研究生学位论文图表说明 图表说明 幽卜l典型w s n 通信结构图l 图i - 2 传感器节点的基本结构。2 图1 3w s n 层次型拓扑结构3 图1 - 4w s n 时空相关性模豫7 图1 5 数据为中心的路由1 0 圈1 6 根据数据融合树报告事件1 1 图1 7 移动代理的数据融合路由1 2 图2 1极入熵函数列以渐进方式收敛到绝对值函数2 3 幽2 2 极人熵方法求解五最优化问题示例2 4 图2 3观测个数n 对信号重构误筹的影响2 9 图2 4 初始值c 7 0 和步ks 对信号重构误差的影响3 l 图2 5 最优化中有嗓信号重构匿3 2 图2 - 6 极人熵函数列以渐进方式收敛到绝对值函数3 3 图2 7 极人熵方法求解l l , ( p = o 3 ) 最优化问题示例。3 5 幽2 8 极人熵方法求解，。( p = o 。8 ) 最优化问题示例。3 5 图2 - 9 和乙信号重构性能比较图4 0 图2 1 0p 取值对信号重构性能的影响之一4 l 图2 1 l p 取值对信号重构性能的影响之二4 3 幽2 1 2 ，。最优化中有暌信号重构图4 6 图2 1 3白适应信号压缩4 9 图2 ，1 4a s c 和r s c 信号重构性能比较图，5 0 幽2 1 5 观测个数疗对a s c 和r s c 信号重构性能的影响5 0 图2 1 61 卜零个数k 对信号重构性能的影响，5 1 图3 一lw s n 多维信号集合数据融合结构图5 6 图3 - 2 少域7 了点个数对多维信号集合联合重构性能的影响6 l 幽3 3 人颦1 7 点个数对多维信号集合联合重构性能的影响6 2 v i 南京邮i 【1 人学博i j 研究生学位论文图表说明 图3 4 稀疏个数膨，对多维信号集合联合重构性能的影响6 3 图3 5 稀疏个数厄对多维信号集合联合重构性能的影响6 4 幽4 。lw s n 中源：肖点的事1 ：，f ：、卜径分布6 9 图4 2 无线传感器节点空间相关性拓扑结构7 0 图4 3 规则拓扑结构事件感知区域7 1 幽4 41 卜规则拓扑结构事件感知区域7 2 幽4 5 数据传输能耗减少率7 4 幽4 - 6 相对误著7 6 图4 7w s n 光强度数据的空间分布示意图7 7 图4 8 传输能耗减少率8 0 幽4 9 相对误筹8 l 图5 ，1 传感器1 ，点数目的影响9 5 图5 2 相关系数的影响9 6 图5 3 单何融合能量的影响9 7 表2 - l不同初始值黎l 步艮s 的信号重构误差3 1 表2 2a s t 和m e f 信号重构误差比较表一“ 表2 3 不同初始值私步长5 的信号重构误差4 5 v i i 南京邮电大学学位论文原创性声明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得 的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含 其它人已经发表或撰写过的研究成果，也不包含为获得南京邮电大学或其它教育 机构的学位或证书而使用过的材料。与我一同工作过的同志对本研究所做的任何 贡献均已在论文中作了明确的说明并表示了谢意。 研究生签名：日期： 南京邮电大学学位论文使用授权声明 南京邮电大学、中国科学技术信息研究所、国家图书馆有权保留本人所送交 学位论文的复印件和电子文档，可以采用影印、缩印或其它复制手段保存论文。 本文电子文档的内容和纸质论文的内容相一致。除在保密期内的保密论文外，允 许论文被查阅和借阅，可以公布( 包括刊登) 论文的全部或部分内容。论文的公 布( 包括刊登) 授权南京邮电大学研究生部办理。 研究生签名：导师签名：日期： 南gm u 人学博h j f 究生学位论立 第一章鳍论 1 1w s n 概述 第一章绪论 近年柬随着微电子技术、传感器技术、无线通信技术和电池技术的进步，促 使太规模生产制造低成本、低功耗的微型无线传感器节点成为可能，这些无线传 感器节点同时具有数据采集、无线通信和信息处理的能力。无线传感器网络 w s n ( w i r e l e s ss e n s o rn e t w o r k s ) 是将成百上千的此类传感器节点柿置在一个特定 的区域内而形成的网络，它们通过特定的协议高效、稳定、t f 确的自组织起来， 协同完成某项应用任务。人们依靠w s n 可以实时监测外部环境实现大范围、 自动化的信息采集。w s n 具有快速构建、部署方便的特点，不易受到目标环境 的限制，特别适合布置在电源供给困难的区域或人员不易到达( 环境恶劣地区、 敌军阵地等) 的区域，可应用在军事侦察、环境监测、医疗监护、空唰探索、城 市交通管理、仓储管理等领域，应用前景非常巨大。w s n 作为一个新兴的研究 领域，在基础理论和工程技术两个层面仍存在着大量的挑战性研究课题【1 】 2 。 1 1 1w s n 体系结构 典型w s n 通信结构如图1 - i 所示日】_ 5 】传感器节点被随机地抛撒在被监测 区域内，它们通过自组织方式构成无线网络以协作的方式感知、采集和处理网 。 。6 巴0 幽1 i 典刑w s n 通信结构图 南京邮l u 人学博i j 研究生学位论文 第一章绪论 络覆盖区域中特定的信息，可以实现对信息在任意地点任意时间的采集、处理和 分析。这种以自组织形式构成的网络，通过节点间多跳中继方式将数据传回汇聚 节点( s i n k ) ，最后借助s i n k 链路将整个区域内的数据传送到远程控制中心进行集 中处理。其中，s i n k 具有较高的电能和较强的发射能力，可以把数据发回远程 控制节点。 w s n 中传感器节点由传感器模块、处理模块、无线通信模块和能量供应模 块四部分组成，如图1 2 所示【6 】。传感器模块负责监测区域内信息的采集和数据 转换；处理模块负责存储和处理自身采集的数据以及其它节点发来的数据，它常 常运行数据融合算法对数据进行处理，以减少网络的数据传输量，处理器通常选 用嵌入式c p u ，如m o t o r o l a 的6 8 h c l 6 ，a r m 的a r m 7 和i n t e l 的8 0 8 6 等；无 线通信模块负责与其它传感器节点进行无线通信，交换控制信息和收发采集数 据，如r f m 的t r l 0 0 0 ；能量供应模块为节点提供运行所需的能量。数据的传 输因为需要进行较复杂的任务调度与管理，系统需要一个微型化的操作系统， u cb e r k e l e y 为此专门开发了t i n y o s ，而u c o s i i 和嵌入式l i n u x 等也是不错的 选择。软件则为传感器节点提供必要的应用软件支持，如嵌入式数据库等。所以 传感器节点集微电子技术、低功耗信号处理、低功耗无线通信网络等各种性能于 一身。 处理模块 图1 2 传感器节点的基本结构 多个传感器节点组成的信息系统比单个传感器节点具有更大的优势。单个传 感器节点检测的信息量少，探测距离和精度有限：w s n 通过对多个传感器节点感 知的数据采用协同信号信息处理和数据融合技术，以能量有效的方式，提高感知 精度和探测范围，并增加数据感知的鲁棒性。 在w s n 的通信体系中，节点分散在监测区域中，每个节点都可以感知周围环 m 京 1 l l i l l 凡mi ，t 生学论z第一章绪论 境对象，也可以把其他节点传输过来的感知数据以无线多跳的方式传递给s i n k 。 在w s n 的通信体系中有两种通信网络结构 7 1 1 8 】： 1 平面型拓扑结构，如图i 一1 。所有的网络节点处于相同的平等地位，不存在任 何的等级和层次差异，所以也被称为对等式结构。平面结构比较简单，无需进行任 何结构维护工作：网络节点的地位平等，不易产生瓶颈效应因此具有较好的健 壮性。平面网络的最大缺点在于：网络中无管理节点，自组织协同工作算法复杂， 对网络动态变化的反应速度较慢。另外平面网络结构的扩展性较差，这种结构 适用于网络中节点数量不是特别多的情况。 2层次型拓扑结构，如图1 3 。网络节点按照某种规则( 如地理位置、应用需 求) 分成各个簇每个簇由簇头和成员节点构成，成员节点把感知数据传递给簇 头节点，簇头运行数据融台算法对数据进行初步的处理簇头之问按照无线多跳 # 的方式进行数据传递。由于簇头节点完成比较多的计算任务往往按照某种规则 由成员节点轮流充当簇头的角色，避免因能量耗尽，簇头过早的失去功能。分层 结构使得网络具有良好的扩展性，采用这种结构的传感器网络其成员可以成千上 疗；不过，簇头选择和管理使得网络的协议算法复杂化，一旦簇头出现问题容易 导致通信的瓶颈，这是这种结构的不足。 图! - 3w s n 层次型拓扑网络结杜j 由w s n 的通信体系，不难发现它的特点 9 1 2 ： ，构简单、资源有限：传感器节点是廉价的结构简单的小型设备由于受价 南京邮f 1 1 人学博i ：研究生学位论文第一章绪论 格、体积和功耗的限制，其计算能力、存储能力和通信能力都十分有限。另外， 传感器节点通常都是由电池供电，一般在使用过程中很难充电或更换，一旦电池 能量耗尽，这个节点也就失去了作用( 死亡) 。因此在w s n 设计过程中，任何 技术和协议的使用都要以节能为前提。 2 节点数量众多、分布密集、无中心：为了对一个区域执行监测任务，往往向 该区域投放成千上力的传感器节点。传感器节点分布非常密集，节点之间通信的 连接度高，采集到的数据冗余大，具有高度的时空相关性，使系统有较强的容错 性和抗毁性。每个节点都具有独立的采集信息和路由功能，节点可以随时加入或 离开网络，少数节点的故障不会影响整个网络的正常工作，所以w s n 是一个动 态的网络。 ： 3 多跳路由：网络中节点通信距离有限，一般在几十到几百米范围内，节点只 能与它射频覆盖范围内的邻居直接通信。如果希望与其射频覆盖范围之外的节点 进行通信，则需要通过中间节点进行转发。w s n 中的多跳路由是由普通网络节 ： 点完成的，没有专门的路由设备；每个节点既是传感器节点，又是路由节点。 4 以数据处理为核心技术：对于用户来说，w s n 的核心是感知数据，而不是 网络硬件。以数据为中心的特点要求w s n 的设计必须以数据处理为中心，特别 是要设计以节能为前提的各种数据融合算法，减少网络中的数据传输量，从而延 长网络的生存时间。 1 1 2w s n 的研究现状及应用 国际学术界对w s n 的研究开始于9 0 年代，成为热点则是最近几年，一些国际 著名学术刊物p ni e e ej o u r n a lo ns e l e c t e da r e a si nc o m m u n i c a t i o n s 、p r o c e e d i n g so f t h ei e e e 、i e e ew i r e l e s sc o m m u n i c a t i o n s 、i e e es i g n a lp r o c e s s i n gm a g a z i n e 近年 来陆续出版专刊，国际上近来还举行多次专题学术会议 1 3 1 9 ，探讨和总结w s n 技术的发展及其动态。在美国自然科学基金委员会( n s f ) 的推动下，加州大学伯克 力分校、麻省理工学院、康奈尔大学和加州大学洛杉矶分校等大学研究了w s n 的基础理论和关键技术。目前，国外已经出现了一些致力于w s n 的公司，如美 国的c r o s s b o w 公司和d u s t 公司等，其中c r o s s b o w 公司已经推出了m i c a 系列w s n 产品，到现在已经有了m i c a 、m i c a 2 、m i c a 2 d o t 三种产品。国外还建立了许多传 南京邮i u 人学博i ：纠f ，生学位论文第一章绪论 感器平台，例如b t n o d e 平台有一个微控制器与一个蓝牙无线收发器，在r e v 3 版 的设计中使用的微控器为a t m e l 的a t m e g a1 2 8 l ( 8 m h z 时脉，s m i p s 效能) ，蓝 牙收发器则是用z e e v o 的z v 4 0 0 2 1 2 0 】；m u l l e 平台的处理核心是用日本瑞萨电子 ( r e n e s a s ) 的m 1 6 c 6 2 微处理器，首版设计采用行裸晶外树脂封装的处理器，之后 的第二版使用有标准芯片封装的处理器【2 1 】。 国内，哈尔滨工业大学、清华大学和中科院沈阳自动化研究所等也开展了 w s n 的研究。2 0 0 4 年中国国家自然科学基金委员会将w s n 列为重点研究项目 【2 2 ，国家中长期科学和技术发展规划纲要( 2 0 0 6 2 0 2 0 ) ) ) 【2 3 】在支持的重点领 域及其优先主题“信息产业及现代服务业”中列入了誓传感器网络及智能信息处 理”，并在自订沿技术中重点支持“自组织传感器网络技术 我国国家自然科学 基金2 0 0 5 年将w s n 中的基础理论和关键技术列入计划，2 0 0 6 年国家自然科学 基会将水下移动传感器网络的关键技术列为重点研究 2 4 】。国家科技部和工信部 刚刚发布了国家中长期发展0 3 重大专项，即“新一代宽带无线移动通信网 专 项，2 0 0 9 年项目指南包括7 个课题，课题6 一短距离无线互联与无线传感器网络 研发和产业化，要求丌展“研究传感器网络的高效传输、自治组网、协同处理、 软件、共性应用支撑等五类技术0 中科院上海微系统所的科研成果及产品已逐步推向市场，其中远距离高速中 程w s n 在浦东国际机场六国峰会安保工程的无线传输系统、嘉兴市港航局数字 化河道w s n 指挥管理系统中得到应用；声震w s n 车辆检测节点已经列入到浦 东机场防入侵系统设计方案中，并通过了实验验证；多种w s n 车辆检测节点已 经在济南高速公路、合肥市主干道、昆明市智能交通建设中通过了测试验证。浦 东交警、上海电科所正在对相关车辆检测传感器网络节点进行推广应用的前期测 试。2 0 0 8 年1 1 月1 2 1 5 日亚洲传感器及无线创新展在上海新国际博览中心成功 召丌。 综上可见，w s n 作为一种新型无线网络极具理论价值和应用前景。近年来， w s n 已在军事 2 5 】【2 6 】、环境监测【2 7 】、工业【2 8 】、医疗 2 9 】等方面有了广阔应用。 因为w s n 具有广阔的应用又给w s n 的理论研究带来了更多的研究热点，例如 m a c 层的研究【3 0 】、数据在网络中的路t 刍 3 1 1 、数据管理 3 2 1 、数据融合【3 3 】【3 6 】、 硬软件的设计和制造【3 7 】、传感器节点的定位问题 3 8 】、时钟同步问题 3 9 】、连通 可靠性和探测覆盖率【4 0 等。w s n 的基本功能是收集并汇报监测区域的信息， 南京邮i u 人学博l j 研究生学位论义第一章绪论 而传感器节点的电池能量、处理能力、存储容量以及通信带宽等资源十分有限， 如何在提高网络能量效率的前提下将多份数据或信息进行处理，组合出更有效、 更符合用户要求的监测结果，这是一个值得研究的方向，恰好数据融合( d a t a f u s i o n ) 是实现此目标的重要手段，于是在众多的研究热点中数据融合算法的研究 显得尤为重要。 1 2 基于时空相关性的w s n 数据融合算法研究现状 1 2 1w s n 中感知数据的时空相关性 w s n 的主要任务是协作地感知、采集和处理网络覆盖区域中感知对象的信 息，并发送给观察者。如果感知对象在某一时间段内特征值不发生明显变化，那 么单个传感器节点的感知信息在时间上存在冗余，称之为时间相关性。例如， w s n 监测空气中某种物质的浓度、室内温度和大气压强等时，被监测对象在较 短的时间内是缓慢变化的，这意味着w s n 中节点所感知到的监测对象的特征值 具有时间相关性；显然，有效利用时问相关性，可以为w s n 中感知数据的处理 提供有益的冗余信息，提高w s n 的数据处理和收集效率。 但是，由于单个传感器节点的监测范围和可靠性是有限的，为了保障监测信 息的准确性和整个网络保持一定的通信连通度，需要使传感器节点分布达到一定 的密度，有时甚至使得多个节点的监测范围互相交叠。传感器节点的这种高密度 分布在一定程度上保证了系统的健壮性，但同时也给系统带来了数据冗余，特别 是针对同样的对象进行监控时，多个节点的感知数据具有一定程度的空间相关性 4 1 4 2 。 w s n 中的感知数据具有时间和空间相关性的例子不甚枚举。例如，w s n 应 用于活动目标跟踪时，目标运动所产生的连续图像序列具有很强的时空相关性。 此例中时间相关性是指单个传感器节点所拍摄的相邻两帧图像之间具有很大的 相似性：是颜色很接近，具有相似的亮度或纹理等特征，如果将连续的两帧图 像相减，可以发现由于两帧图像的绝大部分象素颜色值相近而把颜色信息减掉 了，变成了黑色，这表明后一帧图像的象素颜色值可以用前一帧图像对应位置的 象素值来代替而不会带来很大的影响；二是区域划分接近，如果在前一帧图