 上传我的文档
 下载
 收藏
本人爱好国际象棋，爱钻研，爱电脑，爱自由自在无拘无束
 下载此文档
正在努力加载中...
无线传感器网络技术与应用现状的研究毕业论文
下载积分：2500
内容提示：无线传感器网络技术与应用现状的研究毕业论文
文档格式：DOC|
浏览次数：45|
上传日期： 07:28:36|
文档星级：
全文阅读已结束，如果下载本文需要使用
 2500 积分
下载此文档
该用户还上传了这些文档
无线传感器网络技术与应用现状的研究毕业论文
关注微信公众号无线传感器网络数据融合算法研究-共享资料网
无线传感器网络数据融合算法研究
武汉理工大学 硕士学位论文 无线传感器网络数据融合算法研究 姓名：邱爽 申请学位级别：硕士 专业：通信与信息系统 指导教师：吴巍
武汉理＿Ｔ大学硕士学位论文摘要无线传感器网络是由许多具有低功率无线收发装置的传感器节点组成，它们 从不同环境监测收集周边环境信息并传送到远处的基站进行处理。而传感器网 络的研究起步于美国２０世纪９０年代。但是从以前到现在一直困扰人们的是传感器节点的能源问题。因为传感器节点一般都是电池供电，而节点的部署又很 广阔，那么更换电池能源延长网络生命周期就很复杂，所以如何节约能量就是目前研究的热点。为了避免浪费通信带宽和能量以及降低信息收集的效率，数据融合技术就起了很大的作用。从２０世纪９０年代末至今，数据融合在国内己发展成为多方关注的共性关 键技术，许多学者致力于机动目标跟踪，分布式检测融合，分布式信息融合，目标识别和决策信息融合和多传感器综合跟踪与定位等研究。数据融合技术可以在传感器网络协议栈的多个层次中实现，既可以在ＭＡＣ协议中实现，也可以 在路由协议或应用层协议中实现。根据比较确定了本论文的中心就是针对应用层的数据进行数据融合。单传感器系统中引入数据融合方法，依据有限的资源，消除测量中的不确 定性，可获得更准确可靠的测量结果，借以提高数据处理的精度。因为本文研 究的系统是线性模型，其系统和传感器的噪声是高斯分布的白噪声，且处理对 象是动态环境中冗余传感器信息。因此就应用层数据出发选取了基于Ｋａｌｍａｎ滤 波的分批估计融合算法，这种算法主要是通过将传感器节点收集的同一性质的 信息进行分批，通过一系列加权公式使计算出的融合信息更逼近真实值。本文所做的工作主要包括：（１）通过与其他传统数据融合方法进行比较，提出基于Ｋａｌｍａｎ滤波的数据融合算法．分批估计算法。（２）将本文所提到的四种数据融合算法进行比较，从精度，复杂度，能量 损耗这几个方面进行大量数据仿真，得出各类算法的优缺点。 （３）将本文提出的分批估计算法应用于粮仓监测装置，并给出相应的硬件配置。实验数据结果表明：本文所提出的基于Ｋａｌｍａｎ滤波的分批估计算法在有效 节点情况下融合效果比其他算法的要好。 关键词：无线传感器网络，数据融合，分批估计，状态估计，Ｋａｌｍａｎ滤波武汉理工大学硕士学位论文ＡｂｓｔｒａｃｔＴｈｅ ｗｉｒｅｌｅｓｓｓｅｎｓｏｒｎｅｔｗｏｒｋ ｉＳ ｃｏｍｐｏｓｅｄ ｂｙ ｍａｎｙｓｅｎｓｏｒｎｏｄｅｓ ｗｈｉｃｈ ｈａｖｅ ｔｈｅｌｏｗ ｐｏｗｅｒ ｗｉｒｅｌｅｓｓ ｆｒｏｍ ｔｈｅ ｄｉｆｆｅｒｅｎｔｔｒａｎｓｍｉｔｔｅｒ－ｒｅｃｅｉｖｅｒ ｓｅｔ，ｔｈｅｙｃｏｌｌｅｃｔ ｅｎｖｉｒｏｎｍｅｎｔ ｉｎｆｏｒｍａｔｉｏｎ ｉｔ ｔｏ ｔｈｅ ｄｉｓｔａｎｔ ｂａｓｅ ｓｔａｔｉｏｎｅｎｖｉｒｏｎｍｅｎｔａｌ ｍｏｎｉｔｏｒｉｎｇｎｅｔｗｏｒｋａｎｄ ｔｒａｎｓｍｉｔｔｏ ｃａｒｒｙ ｏｎ ｐｒｏｃｅｓｓｉｎｇ，ａｎｄ ｓｅｎｓｏｒｒｅｓｅａｒｃｈ ｓｔａｒｔｓ ｔｏ ＵＳ １ ９９０ｓ．Ｂｕｔ ｆｒｏｍｓｅｎｓｏｒｂｅｆｏｒｅ ａｌｗａｙｓ ｐｕｚｚｌｅｓ ｔｈｅ ｐｅｏｐｌｅ ｔｏ ｔｈｅ ｐｒｅｓｅｎｔ ｉｓ ｔｈｅ Ｂｅｃａｕｓｅ ｔｈｅｓｅｎｓｏｒｎｏｄｅｓ’ｅｎｅｒｇｙ ｐｒｏｂｌｅｍ．ｎｏｄｅｓ ｇｅｎｅｒａｌｌｙ ａｌｌ ａｒｅｔｈｅ ｂａｔｔｅｒｙ ｐｏｗｅｒｓｕｐｐｌｙ，ａｎｄ ｔｈｅｄｅｐｌｏｙｍｅｎｔ ｉｓ ｖｅｒｙ ｂｒｏａｄ，ｔｈｅｎ ｒｅｐｌａｃｉｎｇ ｔｈｅ ｂａｔｔｅｒｙ ｅｎｅｒｇｙ ｔｏ ｌｅｎｇｔｈｅｎ ｔｈｅ ｎｅｔｗｏｒｋ ｌｉｆｅ ｃｙｃｌｅ ｉｓ ｃｏｍｐｌｅｘ，ｔｈｅｒｅｆｏｒｅ ｈｏｗ ｔｏｓａｖｅｔｈｅｅｎｅｒｇｙｉｓ ｔｈｅ ｈｏｔ ｓｐｏｔ ｗｈｉｃｈ ａｔｐｒｅｓｅｎｔ ｓｔｕｄｉｅｓ．Ｉｎ ｏｒｄｅｒ ｔｏ ａｖｏｉｄ ｗａｓｔｉｎｇ ｔｈｅ ｃｏｒｒｅｓｐｏｎｄｅｎｃｅ ｅｎｅｒｇｙａｓｂａｎｄｗｉｄｔｈａｎｄｔｈｅｗｅｌｌ ａｓ ｒｅｄｕｃｉｎｇ ｔｈｅｅｆｆｉｃｉｅｎｃｙｏｆ ｔｈｅ ｃｏｌｌｅｃｔｉｏｎ ｏｆ ｉｎｆｏｒｍａｔｉｏｎ，ｔｈｅ ｄａｔａｆｕｓｉｏｎ ｔｅｃｈｎｏｌｏｇｙ ｐｌａｙｅｄ ｔｈｅ ｖｅｒｙ Ｆｒｏｍ ｔｈｅ ｅｎｄ ｏｆ １ ９９０ｓ，ｔｈｅ ｇｅｎｅｒａｌ ｃｈａｒａｃｔｅｒ ｅｓｓｅｎｔｉａｌｍａｊｏｒ ｒｏｌｅ． ｉｎｆｏｒｍａｔｉｏｎｆｕｓｉｏｎ ｉｎ ｄｏｍｅｓｔｉｃ ｈａｓ ｄｅｖｅｌｏｐｅｄ ｔｈｅｔｅｃｈｎｏｌｏｇｙｗｈｉｃｈ ｈａｓ ｂｅｅｎ ｐａｉｄ ａｔｔｅｎｔｉｏｎ ｉｎ ｅｖｅｒｙ ｗａｙ，ｍａｎｙ ｓｃｈｏｌａｒｓ ｄｅｖｏｔｅ ｔｏ ｔｈｅ ｒｅｓｅａｒｃｈ ｏｆ ｔｈｅ ｍａｎｅｕｖｅｒｉｎｇ ｔａｒｇｅｔ ｔｒａｃｋ，ｄｉｓｔｒｉｂｕｔｉｏｎａｌｅｘａｍｉｎａｔｉｏｎ ｆｕｓｉｏｎ，ｄｉｓｔｒｉｂｕｔｉｏｎａｌｄｅｃｉｓｉｏｎ ｉｎｆｏｒｍａｔｉｏｎ ｆｕｓｉｏｎ ｄａｔａ ｆｕｓｉｏｎｉｎｆｏｒｍａｔｉｏｎｆｕｓｉｏｎ，ｔａｒｇｅｔ ｉｄｅｎｔｉｆｉｃａｔｉｏｎ ａｎｄａｎｄｍｕｌｔｉ―ｓｅｎｓｏｒｓ ｓｙｎｔｈｅｓｉｓ ｔｒａｃｋ ａｎｄｓｅｎｓｏｒｌｏｃａｌｉｚａｔｉｏｎ．Ｔｈｅｍａｎｙｌｅｖｅｌｓ，ａｌｓｏｏｒｔｅｃｈｎｏｌｏｇｙｍａｙ ｒｅａｌｉｚｅ ｉｎｎｅｔｗｏｒｋ ｐｒｏｔｏｃｏｌｓｔａｃｋｍａｙ ｒｅａｌｉｚｅ ｉｎ ｔｈｅＭＡＣ ｐｒｏｔｏｃｏｌ，ａｌｓｏ ｍａｙｒｅａｌｉｚｅ ｉｎ ｔｈｅ ｒｏｕｔｅ ｐｒｏｔｏｃｏｌｉｎ ｔｈｅａｐｐｌｉｃａｔｉｏｎ ｌｅｖｅｌ ｐｒｏｔｏｃ０１．Ｔｈｕｓ ａｃｃｏｒｄｉｎｇ ｔｏ ｔｈｅ ｃｏｍｐａｒｉｓｏｎ，ｔｈｅ ｐｒｅｓｅｎｔ ｐａｐｅｒ ｃｅｎｔｅｒａｉｍｓａｔｔｈｅ ｄａｔａ ｆｕｓｉｏｎ ｆｏｒ ｔｈｅ ａｐｐｌｉｃａｔｉｏｎ ｌｅｖｅｌ ｄａｔａ．ｓｅｎｓｏｒＩｎｄｕｃｔ ｔｈｅ ｆｕｓｉｏｎ ｍｅｔｈｏｄ ｉｎ ｔｈｅ ｓｉｎｇｌｅｓｙｓｔｅｍ，ａｃｃｏｒｄｉｎｇｔｏ ｔｈｅｌｉｍｉｔｅｄｒｅｓｏｕｒｃｅ；ｅｌｉｍｉｎａｔｉｎｇ ｔｈｅ ｕｎｃｅｒｔａｉｎｔｙ ｉｎ ｔｈｅ ｓｕｒｖｅｙ ｍａｙ ｏｂｔａｉｎ ｔｈｅ ｍｏｒｅ ａｃｃｕｒａｔｅｒｅｌｉａｂｌｅ ｍｅａｓｕｒｅｍｅｎｔ ｒｅｓｕｌｔ，ｉｎ ｏｒｄｅｒ ｔｏｅｎｈａｎｃｅｔｈｅ ｄａｔａ ｐｒｏｃｅｓｓｉｎｇ ｔｈｅ ｐｒｅｃｉｓｉｏｎ．ｓｅｎｓｏｒＲｅｇａｒｄｉｎｇ ｔｈｅ ｓｙｓｔｅｍ ｉｓ ｔｈｅ ｌｉｎｅａｒ ｍｏｄｅｌ ａｎｄ ｔｈｅ ｓｙｓｔｅｍ ａｎｄ ｔｈｅＧａｕｓｓｉａｎ ｄｉｓｔｒｉｂｕｔｉｏｎ ｗｈｉｔｅ ｎｏｉｓｅ．ａｎｄ ｔｈｅｎｏｉｓｅ ｉｓ ｔｈｅｓｅｎｓｏｒｏｂｊｅｃｔｔｏ ｄｅａｌ ｉＳ ｔｈｅｒｅｄｕｎｄａｎｔｉｎｆｏｒｍａｔｉｏｎｉｎ ｔｈｅｄｙｎａｍｉｃ ｅｎｖｉｒｏｎｍｅｎｔ．Ａｃｃｏｒｄｉｎｇ ｔｏｔｈｅ ａｐｐｌｉｃａｔｉｏｎ ｌａｙｅｒ ｄａｔａ，ｔｈｅｏｎａｒｔｉｃｌｅ ｈａｓ ｓｅｌｅｃｔｅｄ ｂａｔｃｈ ｅｓｔｉｍａｔｅ ｆｕｓｉｏｎ ａｌｇｏｒｉｔｈｍ ｂａｓｅｄｔｈｅ Ｋａｌｍａｎ ｆｉｌｔｅｒ，ｔｈｉｓＩｌ武汉理Ｔ大学硕士学位论文ａｌｇｏｒｉｔｈｍ ｍａｉｎｌｙ ｃａｒｒｉｅｓ ｅｓｔｉｍａｔｅ，ｔｈｒｏｕｇｈａｏｎｔｈｅｓｅｎｓｏｒｉｎｆｏｒｍａｔｉｏｎ ｗｈｉｃｈｔｏａｒ ｅｔｈｅ ｓａｍｅ ｋｉｎｄ ｆｏｒ ｂａｔｃｈｓｅｒｉｅｓ ｏｆｗｅｉｇｈｔｉｎｇ ｆｏｒｍｕｌａｍａｋｅ ｔｈｅ ｃａｌｃｕｌａｔｅｄ ｒｅｓｕｌｔ ｔｏａｐｐｒｏａｃｈ ｔｈｅ ｔｒｕｅ ｖａｌｕｅ．Ｍａｉｎ ｊｏｂｓｃｏｍｐｌｅｔｅｄａｒｅ ａｓｆｏｌｌｏｗｓ：（１）Ｃｏｍｐａｒｅｄ ｗｉｔｈ ｏｔｈｅｒ ｔｒａｄｉｔｉｏｎａｌ ｄａｔａ ｆｕｓｉｏｎ ｍｅｔｈｏｄｓ，ｔｈｅ ｂａｔｃｈ ｅｓｔｉｍａｔｅａｒｉｔｈｍｅｔｉｃｉｓ ｐｒｏｐｏｓｅｄ ｂａｓｅｄｏｎＫａｌｍａｎ Ｆｉｌｔｅｒ．（２）Ｃｏｍｐａｒｅｄ ｆｏｕｒ ｄａｔａ ｆｕｓｉｏｎａｒｉｔｈｍｅｔｉｃ、析ｔｈ ｒｅｆｅｒｅｎｃｅｏｎｅ．ａｓｗｅｌｌ ａｓ ｅｍｕｌａｔｅｄａｌａｒｇｅ ｎｕｍｂｅｒ ｏｆ ｄａｔａ ｆｒｏｍ ａｃｃｕｒａｃｙ，ｃｏｍｐｌｅｘｉｔｙ ａｎｄ ｅｎｅｒｇｙ ｄｉｓｓｉｐａｔｉｏｎ ａｎｄ ｏｂｔａｉｎａｄｖａｎｔａｇｅｓ ａｎｄ ｄｉｓａｄｖａｎｔａｇｅｓ ｏｆｅａｃｈ（３）Ａｐｐｌｉｅｄ ｔｈｅ ｂａｔｃｈ ｅｓｔｉｍａｔｅ ａｒｉｔｈｍｅｔｉｃｐｒｏｖｉｄｅｔｏ ｇｒａｎａｒｙ ｍｏｎｉｔｏｒ ｄｅｖｉｃｅａｎｄｒｅｌｅｖａｎｔｈａｒｄｗａｒｅ ｃｏｎｆｉｇｕｒａｔｉｏｎ．ｏｎＥｘｐｅｒｉｍｅｎｔ ｒｅｓｕｌｔ ｉｎｄｉｃａｔｅｓ：ｔｈｅ ａｃｃｕｒａｃｙ ｏｆ ｂａｔｃｈ ｅｓｔｉｍａｔｅ ａｒｉｔｈｍｅｔｉｃ ｂａｓｅｄＫａｌｍａｎＦｉｌｔｅｒ ｍｅｒｇｅｄ ｕｎｄｅｒ ｖａｌｉｄ ｎｏｄｅ ｉｓ ｍｕｃｈ ｈｉｇｈｅｒ ｔｈａｎ ｏｔｈｅｒ ａｒｉｔｈｍｅｔｉｃ．Ｋｅｙ ｗｏｒｄｓ：ｗｉｒｅｌｅｓｓｓｅｎｓｏｒｎｅｔｗｏｒｋ；ｄａｔａ ｆｕｓｉｏｎ；ｂａｔｃｈ ｅｓｔｉｍａｔｅ；ｓｔａｔｅ ｅｓｔｉｍａｔｉｏｎ；Ｋａｌｍａｎ ｆｉｌｔｅｒＩＩＩ独创性声明本人声明，所呈交的论文是本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，论文中不包含其他人 已经发表或撰写过的研究成果，也不包含为获得武汉理工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。签名：匆产一日期：！：：！．！．？关于论文使用授权的说明本人完全了解武汉理工大学有关保留、使用学位论文的规定，即学校有权保 留、送交论文的复印件，允许论文被查阅和借阅；学校可以公布论文的全部或部 分内容，可以采用影印、缩印或其他复制手段保存论文。 （保密的论文在解密后应遵守此规定）签名：―』生皇∑一导师签名：强日期：武汉理工大学硕士学位论文第１章１．１课题背景及意义引言微电子技术，计算技术和无线通信等技术的进步，推动了低功耗多功能传感器的快速发展，使其在微小体积内能够集成信息采集，数据处理和无线通信 等多种功能【ｌｌ。无线传感器网络就是由部署在监测区域内大量的廉价微型传感器 节点组成，通过无线通信方式形成的一个多跳的自组织的网络系统，其目的是 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。 传感器，感知对象和观察者构成了传感器网络的三个要素。如果说Ｉｎｔｅｍｅｔ构成 了逻辑上的信息世界，改变了人与人之间的沟通方式，那么，无线传感器网络 就是将逻辑上的信息世界与客观上的物理世界融合在一起，改变人类与自然界 的交互方式。人们可以通过传感器网络直接感知客观世界，从而极大地扩展现 有的网络的功能和人类认识世界的能力。传感级网络，塑料电子学和仿生人体 器官又被称为全球未来的三大高科技产业【”。 传感器网络体系如图１．１汇聚节点传感器节点监测区图１．１ＷＳＮ网络体系结构无线传感器网络包括大量传感器节点和少数汇聚节点。位于监测区域的传 感器节点负责采集相关数据信息，最终将数据传送至汇聚节点。 传感器节点由传感器模块，处理器模块，无线通信模块和能量供应模块四 部分组成，如图１．２。传感器模块负责监测区域内信息的采集和数据转换；处理 器模块负责控制整个传感器节点的操作，存储和处理本身采集的数据以及其他武汉理工大学硕士学位论文节点发来的数据；无线通信模块负责与其他传感器节点进行无线通信，交换控 制信息和收发采集数据；能量供应模块为传感器节点提供运行所需的能量，通常采用微型电池‘”。暮冒量｜埋霉蓦ｆｌ；！呈＂处理ＩＪ－ｌ▲Ｔ能量供应模块Ｉ图１－２传感器节点体系结构 在传感器网络中节点数目非常庞大，分布密集，由于环境影响和能量耗尽， 节点更容易出现故障；环境干扰和节点故障易造成网络拓扑结构的变化。所以 无线传感器网络的首要设计目标就是能源的高效使用，但是现阶段，传感器节 点在实现各种网络协议和应用系统时，存在以下一些现实约束卜１。 （１）电源能量有限 传感器节点体积微小通常携带能量十分有限的电池。由于传感器节点个数 多，成本要求低廉，分布区域广，而且部署区域环境复杂，有些区域甚至人员 不能到达，所以传感器节点通过更换电池的方式来补充能源是不现实的。随着 集成电路工艺的进步，处理器和传感器模块的功耗变得更低，绝大部分能量消耗在无线通信模块上，如图１．３。Ｐｏｗｅｒ Ｃｏｎｓｕｍｐｔｉｏｎ ｏｆ Ｎｏｄｅ Ｓｕｂｓｙｓｔｅｍｓ言昌ｉ 言 厶’－－－一……一一／Ｒａｄｉｏ图１．３典型的传感器能量消耗２武汉理工大学硕士学位论文传感器节点传输信息时要比执行计算时更消耗电能，传输１比特信，皂，１００ｍ距 离需要的能量大约相当于执行３０００条计算指令消耗的能量ｐ１。 某些电介质物体在沿一定方向受到压力或拉力作用时发生变形，并且在其 表面上会产生电荷，若将外力去掉，它们又重新回到不带电的状态，这种现象 称为压电效应。压电式传感器以某些电介质的压电效应为基础，在外力作用下 电介质的表面上产生电荷，从而实现对压力电测的目的。（２）通信能力有限无线通信的能量消耗与通信距离的关系为：Ｅ＝ｋｄ＂（１．１）式中ｎ的取值与很多因素有关，通常取为３，一般而言，传感器节点的无线 通信半径在１００ｍ以内比较合适。但由于节点能量的变化，受高山，建筑物，障 碍物等地势地貌以及风雨雷电等自然环境的影响，无线通信性能可能经常变化，频繁出现通信中断。所以如何满足传感器网络的通信需求也是传感器网络面临 的挑战之一。 （３）计算和存储能力有限传感器节点是一种微型嵌入式设备，要求它价格低功耗小，这些限制必然 导致其携带的处理器能力比较弱，存储器容量比较小。为了完成各种任务，传 感器节点需要完成监测数据的采集和转换，数据的管理和处理，应答汇聚节点 的任务请求和节点控制等多种工作。而有限的计算和存储资源也成为了传感器网络设计的挑战。针对节点的这些约束，本文主要介绍了如何通过网内数据融合技术来减少 网络通信量，提高能源有效性，以达到增加网络生命期的目的１６１。１．２国内外无线传感器网络技术的发展状况传感器技术是一项当今世界令人瞩目的迅猛发展起来的高新技术之一，也 是当代科学技术发展的一个重要标志，它与通信技术、计算机技术构成信息产业的三大支柱之一。传感器是新技术革命和信息社会的重要技术基础，是现代科技的开路先锋， 美国早在８０年代就声称世界已进入传感器时代，日本则把传感器技术列为十大 技术之创立。日本工商界人士声称“支配了传感器技术就能够支配新时代”。世界 技术发达国家对开发传感器技术部十分重视。美、日、英、法、德和独联体等武汉理工大学硕士学位论文国都把传感器技术列为国家重点开发关键技术之一。美国国家长期安全和经济繁荣至关重要的２２项技术中有６项与传感器信息处理技术直接相关。关于保护美国武器系统质量优势至关重要的关键技术，其中８项为无源传感器。美国空军 ２０００年举出１５项有助于提高２１世纪空军能力关键技术，传感器技术名列第二。 日本对开发和利用传感器技术相当重视并列为国家重点发展６大核心技术之一。 日本科学技术厅制定的９０年代重点科研项目中有７０个重点课题，其中有１８项是 与传感器技术密切相关。美国早在８０年代初就成立了国家技术小组（ＢＴＧ）， 帮助政府组织和领导各大公司与国家企事业部门的传感器技术开发工作。目前 世界上从事传感器研制生产单位已增Ｎｓｏｏｏ余家。美国、欧洲、俄罗斯各自从 事传感器研究和生产厂家１０００余家，日本有８００余家。从２１世纪开始，传感器网 络引起了学术界，军界和工业界的极大关注，美国和欧洲相继启动了许多关于 无线传感器网络的研究计划。特别是美国通过国家自然基金委，国防部等多种 渠道投入巨资支持传感器网络技术的研究。 （１）在军事领域 美国国防部和各军事部门较早启动传感器网络的研究，在Ｃ４ＩＳＲ的基础上提 出了Ｃ４ＫＩＳＲ计划，强调战场情报的获取能力，信息的综合能力和信息的利用能力，把传感器网络作为一个重要研究领域，设立了一系列军事传感器网络研究项目‘”。 美国陆军２００１年就提出了“灵巧传感器网络通信“计划，在２００１．２００５财政年 度期间批准实施。其基本思想是：在战场上布设大量的传感器以收集和传输信 息，并对相关原始数据进行过滤，然后再把那些重要的信息传送到各数据融合 中心，将大量的信息集成为一幅战场全景图。当参战人员需要时可分发给他们， 使其对战场态势的感知能力大大提高。美国陆军近期又确立了“无人值守地面传感器群“项目，其主要目标是使基层部队指挥员根据需要能够将传感器灵活部署到任何区域。美国陆军还确立了“战 场环境侦查与监视系统“项目，该系统是一个智能化传感器网络，可以更为详尽准确地探测到精确信息。例如登陆作战中地方暗滩的翔实地理特征信息，丛林 地带的地面坚硬度和干湿度等信息，为更准确地制定战斗行动方案提供情报依据。它通过“数字化路标“作为传输工具，为各作战平台与单位提供各自所需的情 报服务，使情报侦察与获取能力产生质的飞跃。美国海军最近确立了“传感器组网系统“研究项目。传感器组网系统的核心是４武汉理工大学硕士学位论文一套实时数据库管理系统，利用现有的通信机制对从战术级的传感器信息进行 管理，管理工作只需一台专用的商用便携机，无需其他专用设备。该系统以现 有的带宽进行通信，并可协调来自地面和空中监视传感器以及太空监视设备的 信息，该系统能够部署到各级指挥单位。 美国海军最近开展的协同交战能力（ＣＥＣ）是一项革命性的技术。ＣＥＣ的实 质就是把高性能传感器网络与高性能交战网络有机地结合起来。高效的传感器网络能快速生成交战质量的态势信息，交战网络则可把这一态势信息转化成更 高的作战信息。ＣＥＣ传感器网络的感知数据来源于雷达，通过舰船或飞机战斗群携带的处理器进行感知数据的处理。每艘战船不但通过自己的雷达，而且还从其他战船或者装载ＣＥＣ的战机来获取数据。例如，一艘战船除了从自己的雷达获取数据以外，还从舰船战斗群的２０个以上的雷达来获取数据，也可以从鸟瞰战 场的战机上获取数据。空中传感器负责侦查更大范围的低空目标，这些传感器 也是网络中重要的一部分。ＣＥＣ可以从多方面探测目标，极大地提高测量精度和 击中目标的概率。ＣＥＣ还可以快速而准确地跟踪混乱战争环境中的敌机和导弹，使战船可以击中多个地平线或地平线以上近海面飞行的超声波目标ｐ１。２００２年５月，美国Ｓａｌｌｄｉａ国家实验室与美国能源部合作，共同研究能够尽早 发现以地铁，车站等场所所为目标的生化武器袭击，并及时采取防范对策的系 统。它属于美国能源部恐怖对策项目的重要一环。该系统集检测有毒气体的化 学传感器和网络技术于一体。安装在车站的传感器一旦检测到某种有害物质， 就会自动向管理中心通报，自动进行引导旅客避难的广播，并封锁有关入口等。 该系统除了能够在专用管理中心进行监视以外，还可以通过Ｉｎｔｅｍｅｔ进行远程监 视。 （２）民用领域 美国交通部１９９５年提出了“国家智能交通系统项目规划“，预计至Ｕ２０２５年全面投入使用。该计划试图有效集成先进的信息技术，数据通信技术，传感器技术， 控制技术及计算机处理技术并运用于整个地面交通管理，建立一个大范围全方位的实时高效的综合交通运输管理系统。这种新型系统将有效地使用传感器网络进行交通管理，不仅可以使汽车按照一定的速度行驶，前后车辆自动保持一 定的距离，而且还可以提供有关道路堵塞的最新消息，推荐晟佳行车路线以及 提醒驾驶员避免交通事故等。由于该系统将应用大量传感器与各种车辆保持联 系，人们可以利用计算机来监视每一辆汽车的运行状况，如制动质量，发动机５武汉理工大学硕士学位论文调速时间等。根据具体情况自动进行调整，使车辆保持在高效低耗的最佳运行状态，并就潜在的故障发出警告，或直接与事故抢救中心取得联系。英特尔公司在２００２年１０月２４日发布了“基于微型传感器网络的新型计算发展 规划“。计划宣称，英特尔将致力于卫星传感器网络在预防医学，环境监测，森 林灭火乃至海底板块调查，行星探查等领域的应用。实现该计划需要三个阶段， 包括物理阶段，实现阶段和应用阶段。物理阶段主要开发集成感知，计算和通 信功能的超微型传感器，该传感器也称为尘粒（Ｍｏｔｅ）或智能微尘（Ｓｍａｒｔｄｕｓｔ）。实现阶段将在实际商务中使用来自传感器网络的感知数据。应用阶段将传感器 网络应用于预防医学，环境监测及灾害对策等领域ｐ１。（３）学术界美国自然科学基金委员会２００３年制定了无线传感器网络研究计划，在加州 大学洛杉矶分校成立了传感器网络研究中心，联合周边的加州大学伯克利分校， 南加州大学等，展开“嵌入式智能传感器“的研究项目，以求利用传感器网络对我 们生活的物理世界实现全方位的测试与控制，支持相关基础理论的研究，这也是美国国情咨文中有关Ｉｎｔｅｍｅｔ最主要的远景规划之一。传感器网络涉及传感器技术，网络通信技术，无线传输技术，嵌入式计算 技术，分布式信息处理技术，微电子制造技术，软件编程技术等多学科交叉的 研究领域，具有鲜明的跨学科研究特点。美国所有著名院校几乎都有研究小组 在从事传感器网络相关技术的研究，加拿大，英国，德国，芬兰，日本和意大 利等国家的研究机构也加入了传感器网络的研究。我国的中科院上海系统研究 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，哈尔滨工业大学，清华大学，北京邮电大学，西北工业大 学，天津大学和国防科技大学等院校在国内较早开展了传感器网络的研究，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¨”。１．３传感器网络数据融合技术发展现状从２０世纪９０年代末至今，信息融合在国内已发展成为多方关注的共性关键技术，许多学者致力于机动目标跟踪，分布式检测融合，分布式信息融合， 目标识别和决策信息融合和多传感器综合跟踪与定位等研究。数据融合技术可 以在传感器网络协议栈的多个层次中实现，既可以在ＭＡＣ协议中实现，也可以在路由协议或应用层协议中实现Ⅲ１。６武汉理工大学硕士学位论文目前来说很多学者致力于用不同的方法将数据融合与无线传感网结合起来 以起到节约能量的目的¨”。 对于多传感器数据融合，目前尚无一种通用的融合方法，归纳起来主要有： １）基于权系数的融合方法，它将来自不同传感器的冗余信息进行加权，得 到的加权平均值就是融合的结果。 ２）基于参数估计的数据融合方法，它包括极大似然估计，Ｂａｙｅｓ估计和多 Ｂａｙｅｓ估计等。极大似然估计多用于静态环境多传感器信息融合，它将信息融合 取为使似然函数得到极值的估计值。Ｂａｙｅｓ估计其信息描述为概率分布，适用于 具有可加高斯噪声的不确定信息处理。多Ｂａｙｅｓ估计把每个传感器作为一个Ｂａｙｅｓ估计，将各物体的关联概率分布结合成一个联合的后验概率分布函数，然后通过使联合分布函数的似然函数为最大，提供多传感器信息融合的最终融合 值。 ３）基于Ｄ．Ｓ推理理论的融合方法，它在多传感器信息融合时，将传感器采 集的信息作为证据，在决策目标集上建立一个相应得基本可信度。证据推理在 同一决策框架下，用Ｄｅｍｐｓｔｅｒ合并规则将不同的信息合并成一个统一的信息表 示。 ４）基于Ｋａｌｍａｎ滤波的融合方法，它用于动态环境中冗余传感器信息的实 时融合。对于系统是线性模型，且系统和传感器的噪声是高斯分布的白噪声， 可获得统计意义下的最优融合信息估计。５）基于模糊，神经网络的融合方法，通过指定一个ｏ￣１之间的实数表示传感器提供目标观测信息的真实度，由这些真实度构成一个模糊集合。基于模糊 规则，对模糊集合进行模糊推理，获得环境信息的融合结果。而人工神经网络 将信息分布于网络的各连接权中，使得网络具有很高的容错性和鲁棒性，再根 据各传感器提供的样本信息，得到不确定性推理机制，然后根据这一机制进行 融合。 ６）基于粗糙集理论的融合方法，它把每次传感器采集的数据看成一个等价类，利用粗糙集理论的化简，核和相容性概念，把大量的传感器数据进行分析，剔除相容信息，求出最小不变核，找出对决策有用的决策信息，得到最快的融合算法‘玎１。无线传感器网络中的数据融合技术是指按照一定的规则，在传感器网络中 建立某种形式的融合路径，数据在路径的传送过程中，中间节点对数据进行“多７武汉理工大学硕士学位论文入单出”融合处理，仅将融合处理后的少量有用数据向上汇报。而传感器节点无 线通信所消耗的能量远大于处理数据所消耗的能量。因此无线传感器网络中的数据融合主要起着节省网络能量，增强所采集数据的准确性和提高采集数据的效率三方面的作用¨”。 数据融合的概念虽始于７０年代初期，但真正的技术进步和发展乃是８０年代的事，尤其是近几年来引起了世界范围内的普遍关注，美、英、日、德、意等发达国家不但在所部署的一些重大研究项目上取得了突破性进展，而且已陆续开发出一些实用性系统投入实际应用和运行。不少数据融合技术的研究成果和实用系统已在１９９１年的海湾战争中得到实战验证，取得了理想的效果。我国 “八五”规划亦把数据融合技术列为发展计算机技术的关键技术之一，并部署了一些重点研究项目，尽可能给予了适当的经费投入。但这毕竟是刚刚起步，我们所面临的挑战和困难是十分严峻的，当然也有机遇并存。这就需要认真研究， 针对我国的国情和军情，采取相应的对策措施，以期取得事半功倍的效果¨”。（１）数据融合技术还处于初级发展阶段，迫切需要在理论和实现技术上进行开拓性研究。我们虽然起步很晚，但可以借鉴国外的已有成果和经验，力争在目标相关、跟踪识别、融合算法等基础理论上有所突破，并着手建立我国的Ｃ３Ｉ系统数据融合模型。（２）近年来，我国已相继建立了一批自动化指挥系统，但基本上都是对单一类型的传感器信息进行综合处理。在战术Ｃ３Ｉ系统中虽已具备多类信息的收集手段，但只是按类分别进行数据融合，而不能进行统一的融合处理。加之最 近几年我国装备部队的传感器种类越来越多，对于多平台多种类传感器的数据 融合技术的研究已势在必行。特别需要尽快解决获取多种类多平台传感器的传感器元素、分类航迹元素、识别分析元素、数据融合报告等融合元素，以及如 何利用融合元素来优化有效的情报数据、得到准确可靠的信息、做出及时正确 的决策和如何在数据融合系统中使用专家系统的方法等关键技术问题。（３）制订切实可行的数据融合科技发展规划。既要考虑我国的经济实力、现有技术水平和我军目前的装备应用需求，又要着眼于未来的科技发展和未来战争的需要。统一规划，选定目标，有选择、有重点地适度投入必需的财力和 人力，避免过分分散，摊子铺得过大，短期内搞不出应有成果等弊端¨”。８武汉理工大学硕士学位论文１．４本论文研究中本人所作的工作本文中本人的主要工作是： （１）无线传感网以及数据融合的特点、基本原理。 （２）分析和研究了常见的三种数据融合算法，并与本文提出的分批估计算 法进行各种示例仿真比较。提出将分批估计算法应用到无线传感网中，能使融 合数据精度更高的观点。 （３）给出了应用了粮仓监测的无线传感网应用。９武汉理工大学硕士学位论文第２章无线传感器网络及数据融合原理２．１引言美国商业周刊和ＭＩＴ技术评论在预测未来技术发展的报告中，分别将无线传感器网络列为２１世纪最具有影响力的２１项技术和改变世界的１０大技术之一。 传感器网络，塑料电子学和仿生人体器官又被称为全球未来的三大高科技产业。 后来，传感器节点在实现各种网络协议和应用系统时，发现存在一些现实能量 约束，从而提出传感器网络应用层数据融合概念。当前各种数据融合方法成为 世界各国无线传感器网络研究的热点和重点。本章将对无线传感器网络的基本 特点、关键技术和数据融合方法进行介绍［１７１。 ２．２ＷＳＮ基本概念和特点将具有无线通信、数据采集和处理、协同合作等功能的无线传感器节点协同组织起来，形成了无线传感器网络（ＷｉｒｅｌｅｓｓＳｅｎｓｏｒ Ｎｅｔｗｏｒｋ，ＷＳＮ），它是一类无线ａｄｈｏｃ网络。ＷＳＮ是当前信息技术的前沿之一。无线传感器网络是由大量无处 不在的、具有无线通信与计算能力的微小传感器节点构成的自组织分布式网络 系统，在整个网络系统中，大量的传感器节点收集、处理、交换来自于外界环境的 数据，最终传输到外部基站。该系统是能根据环境自主完成指定任务的“智能”系 统，它集成了传感器技术、微机电系统（ＭＥＭＳ）技术、无线通信技术和分布式信息 处理技术。无线传感器网络与传统的无线网络（如第２代和第３代移动通信网络） 有着不同的设计目标，后者在高度移动的环境中通过资源管理策略最大化带宽的 利用率，同时为用户提供一定的服务质量保证。无线传感器网络与无线局域网络 也有所不同，无线局域网络通过优化路由和高效的资源管理协议来保证高的数据 吞吐量，并且支持静止和低速移动的节点进行通信。在无线传感器网络中，以传输 数据为目的，并不要求支持高速的数据传输速率。另外，除了少数节点需要移动以 外，大部分节点都是静止的，因为它们通常运行在人无法接近的恶劣甚至危险的 远程环境中，能源无法替代，设计有效的策略延长网络的生命周期成为无线传感器网络的核心问题【Ｉｌ】。１０武汉理工大学硕士学位论文无线自组织网（ｍｏｂｉｌｅａｄ．ｈｏｅｎｅｔｗｏｒｋ）是一个由几十到上百个节点组成的，采用无线通信方式的，动态组网的多跳的移动性对等网络。其目的是通过动态 路由和移动管理技术传输具有服务质量要求的多媒体信息流。通常节点具有持 续的能量供给。传感器网络虽然与无线自组网有相似之处，但同时也存在很大的差别。传 感器网络是集成了监测，控制以及无线通信的网络系统，节点数目更为庞大（上千甚至上万），节点分布更为密集；由于环境影响和能量耗尽，节点更容易出 现故障；环境干扰和节点故障易造成网络拓扑结构的变化；通常情况下，大多 数传感器节点是固定不动的。另外，传感器节点具有的能量，处理能力，存储 能力和通信能力等都十分有限。传统无线网络的首要设计目标是提供高服务质 量和高效带宽利用，其次才考虑节约能源；二传感器网络的首要设计目标是能 源的高效利用，这也是传感器网络和传统网络最重要的区别之一【ｌ 传感器网络的主要特点分为以下几类： （１）大规模网络 为了获取精确信息，在监测区域通常部署大量传感器节点，传感器节点数 量可能达到成千上万，甚至更多。传感器网络的大规模性包括两方面的含义： 一方面是传感器节点分布在很大的地理区域内，如在原始大森林采用传感器网 络进行森林防火和环境监测，需要部署大量的传感器节点；另一方面，传感器 节点部署很密集，在一个面积不是很大的空间内，密集部署了大量的传感器节 点。 传感器网络的大规模具有如下优点：通过不同空间视角获得的信息具有很９。。大的信噪比；通过分布式处理大量的采集信息能够提高监测的精确度，降低对 单个节点传感器的精度要求；大量冗余节点的存在，使得系统具有很强的容错性能；大量节点能够增大覆盖的监测区域，减少洞穴或者盲区【驯。 （２）自组织网络 在传感器网络应用中，通常情况下传感器节点被放置在没有基础结构的地 方。传感器节点的位置不能预先精确设定，节点之间的相互邻居关系预先也不 知道，如通过飞机播撒大量传感器节点到面积广阔的原始森林中，或随意放置 到人不可到达或危险的区域。这样就要求传感器节点具有自组织的能力，能够 自动进行配置和管理，通过拓扑控制机制和网络协议自动形成转发检测数据的 多跳无线网络系统。武汉理工大学硕士学位论文在传感器网络使用过程中，部分传感器节点由于能量耗尽或环境因素造成失 效，也有一些节点为了弥补失效节点，增加监测精度而补充到网络中，这样在传 感器网络中的节点个数就动态地增加或减少，从而使网络的拓扑结构随之动态地 变化。传感器网络的自组织性要能够适应这种网络拓扑结构的动态变化【２”。 （３）动态性网络 传感器网络的拓扑结构可能因为下列因素而改变：１）环境因素或电能耗尽 造成的传感器节点出现故障或失效；２）环境条件变化可能造成无线通信链路带 宽变化，甚至时断时通；３）传感器网络的传感器，感知对象和观察者这三要素 都可能具有移动性；４）新节点的加入。这就要求传感器网络系统要能够适应这 种变化，具有动态的系统可重构性。 （４）可靠的网络 传感器网络特别适合部署在恶劣环境或人类不宜到达的区域，传感器节点 可能工作在露天环境中，遭受太阳的暴晒或风吹雨淋，甚至遭到无关人员或动 物的破坏。传感器节点往往采用随机部署，如通过飞机撒播或发射炮弹到指定 区域进行部署。这些都要求传感器节点非常坚固，不易损坏，适应各种恶劣环 境条件。 由于监测区域环境的限制以及传感器节点数目巨大，不可能人工“照顾“每个 传感器节点，网络的维护十分困难甚至不可维护。传感器网络的通信保密性和安全性也十分重要，要防止监测数据被盗取和获取伪造的监测信息。因此，传感器网络的软硬件必须具有鲁棒性和容错性。 （５）应用相关的网络 传感器网络用来感知客观物理世界，获取物理世界的信息量。客观世界的 物理量多种多样，不可穷尽。不同的传感器网络应用关系不同的物理量，因此 对传感器的应用系统也有多种多样的要求。 不同的应用背景对传感器网络的要求不同，其硬件平台，软件系统和网络 协议必然会有很大差别。所以传感器网络不能像Ｉｍｅｍｅｔ一样，有统一的通信协 议平台。对于不同的传感器网络应用虽然存在一些共性问题，但在开发传感器 网络应用中，更关心传感器网络的差异。只有让系统更贴近应用，才能作出最 高效的目标系统。针对每一个具体应用来研究传感器网络技术，这是传感器网 络设计不同于传统网络的显著特征。 （６）以数据为中心的网络１２武汉理工大学硕士学位论文目前的互联网是先有计算机终端系统，然后再互联成为网络，终端系统可 以脱离网络独立存在。在互联网中，网络设备用网络中唯一的ＩＰ地址标识，资源 定位和信息传输依赖于终端，路由器，服务器等网络设备的ＩＰ地址。如果想访问 互联网中的资源，首先要知道存放资源的服务器ＩＰ地址。可以说目前的互联网是 一个以地址为中心的网络。 传感器网络是任务型的网络，脱离传感器网络谈论传感器节点没有任何意 义。传感器网络中的节点采用节点编号表示，节点编号是否需要全网唯一取决 于网络通信协议的设计。由于传感器节点随机部署，构成的传感器网络与节点 编号之间的关系是完全动态的，表现为节点编号与节点位置没有必然联系。用 户使用传感器网络查询事件时，直接将所关心的事件通告给网络，而不是通告 给某个确定编号的节点。网络在获得指定事件的信息后汇报给用户。这种以数据本身作为查询或传输线索的思想更接近于自然语言交流的习惯。所以通常说传感器网络是一个以数据为中心的网络。 例如，在应用于目标跟踪的传感器网络中，跟踪目标可能出现在任何地方，对目标感兴趣的用户只关心目标出现的位置和时间，并不关心哪个节点监测到 目标。事实上，在目标移动的过程中，必然是由不同的节点提供目标的位置消息［－１。２．３传感器网络的关键技术无线传感器网络作为当今信息领域新的研究热点，涉及多科学交叉的研究 领域，又非常多的关键技术有待发现和研究，主要包括下面几个部分：（１）网络拓扑控制 对于无线的自组织的传感器网络而言，网络拓扑控制具有特别重要的意义。 通过拓扑控制自动生成的良好的网络拓扑结构，能够提高路由协议和ＭＡＣ协议 的效率，可为数据融合，时间同步和目标定位等很多方面奠定基础，有利于节省节点的能量来延长网络的生存期。所以，拓扑控制是无线传感器网络研究的核心技术之一。 传感器网络拓扑控制目前主要的研究问题是在满足网络覆盖度和连通度的 前提下，通过功率控制和骨干网节点选择，剔除节点之间不必要的无线通信链 路，生成一个高效的数据转发的网络拓扑结构。拓扑控制可以分为节点功率控武汉理工大学硕士学位论文制和层次型拓扑结构形成两个方面。功率控制机制调节网络中每个节点的发射 功率，在满足网络连通度的前提下，减少节点的发送功率，均衡节点单跳可达 的邻居数目；已经提出了ＣＯＭＰＯＷ等统一功率分配算法，ＬＩＮＴ／ＬＩＬＴ和 ＬＭＮ／ＬＭＡ等基于节点度数的算法，ＣＢＴＣ，ＬＭＳＴ，ＲＮＧ，ＤＲＮＧ和ＤＬＳＳ等基于邻近图的近似算法。层次型的拓扑控制利用分簇机制，让一些节点作为簇头节点，由簇头节点形成一个处理并转发数据的骨干网，其他非骨干网节点可以暂时关闭通信模块，进入休眠状态以节省能量；目前提出ＴＴｏｐＤｉｓｃ成簇算法，改进的ＧＡＦ虚拟地理网格分簇算法，以及ＬＥＡＣＨ和ＨＥＥＤ等自组织成簇算法。 除了传统的功率控制和层次型拓扑控制，人们也提出了启发式的节点唤醒 和休眠机制。该机制能够使节点在没有事件发生时设置通信模块为睡眠状态， 而在有事件发生时及时自动醒来并唤醒邻居节点，形成数据转发的拓扑结构。 这种机制重点在于解决节点在睡眠状态和活动状态之间的转换问题，不能够独 立作为一种拓扑结构控制机制，因此需要与其他拓扑控制算法结合使用。 （２）网络协议 由于传感器节点的计算能力，存储能力，通信能量以及携带的能量都十分 有限，每个节点只能获取局部网络的拓扑信息，其它运行的网络协议也不能太 复杂。同时，传感器拓扑结构动态变化，网络资源也在不断变化，这些都对网络协议提出了更高的要求。传感器网络协议负责使各个独立的节点形成一个多 跳的数据传输网络，目前研究的重点是网络层协议和数据链路层协议。网络层 的路由协议决定监测信息的传输路径；数据链路层的介质访问控制用来构建底层的基础结构，控制传感器节点的通信过程和工作模式。在无线传感器网络中，路由协议不仅关心单个节点的能量消耗，更关心整 个网络能量的均衡消耗，这样才能延长整个网络的生存期。同时，无线传感器网络是以数据为中心的，这在路由协议中表现得最为突出，每个节点没有必要采用全网统一的编址，选择路径可以不用根据节点的编址，更多的是根据感兴 趣的数据建立数据源到汇聚节点之间的转发路径。目前提出了多种类型的传感 器网络路由协议，如多个能量感知的路由协议，定向扩散和谣传路由等基于查询的路由协议，ＧＥＡＲ和ＧＲＭ等基于地理位置的路由协议，ＳＰＥＥＤ和Ｒｅｉｎ 等支持Ｑｏｓ的路由协议。Ｆｏｒｍ传感器网络的ＭＡＣ协议首先要考虑节省能源和可扩展性，其次才考虑公平 性，利用率和实时性等。在ＭＡＣ层的能量浪费主要表现在空闲侦听，接受不必１４武汉理工大学硕士学位论文要数据和碰撞重传等。为了减少能量的消耗，ＭＡＣ协议通常采用“侦听／睡眠“交 替的无线信道侦听机制，传感器节点在需要收发数据时才侦听无线信道，没有 数据需要收发时就尽量进入睡眠状态。近期提出了Ｓ－ＭＡＣ，Ｔ－ＭＡＣ和Ｓｉｆｔ等基于 竞争的ＭＡＣ协议，ＤＥＡＮＡ结合，ＴＤＭＡ和ＦＤＭＡ相结合的ＭＡＣ协议。由于传感 器网络是应用相关的网络，应用需求不同时，网络协议往往需要根据应用类型 或应用目标环境特征定制，没有任何一个协议能够高效适应所有的不同的应用。 （３）网络安全 无线传感器网络作为任务型的网络，不仅要进行数据的传输，而且要进行 数据采集和融合，任务的协同控制等。如何保证任务执行的机密性，数据产生 的可靠性，数据融合的高效性以及数据传输的安全性，就成为无线传感器网络 安全问题需要全面考虑的内容。 为了保证任务的机密布置和任务执行结果的安全传递和融合，无线传感器 网络需要实现一些最基本的安全机制：机密性，点到点的消息认证，完整性鉴 别，新鲜性，认证广播和安全管理。除此之外，为了确保数据融合后数据源信 息的保留，水印技术也称为无线传感器网络安全的研究内容。 虽然在安全研究方面，无线传感器网络没有引入太多的内容，但无线传感 器网络的特点决定了它的安全与传统网络安全在研究方法和计算手段上有很大 的不同。首先，无线传感器网络的单元节点的各方面能力都不能与目前Ｉｎｔｅｍｅｔ 的任何一种网络终端相比，所以必然存在算法计算强度和安全强度之间的权衡问题，如何通过更简单的算法实现尽量坚固的安全外壳是无线传感器网络安全 的主要挑战；其次，有限的计算资源和能量资源往往需要系统的各种技术综合考虑，以减少系统代码的数量，如安全路由技术等；另外，无线传感器网络任务的协作特性和路由得局部特性使节点之间存在安全耦合，单个节点的安全泄漏必然威胁网络的安全，所以在考虑安全算法的时候要尽量减小这种耦合性。无线传感器网络ＳＰＩＮＳ安全框架在机密性，点到点的消息认证，完整性鉴别， 新鲜性，认证广播方面定义了完整有效的机制和算法。安全管理方面目前以密 钥预分布模型作为安全初始化和维护的主要机制，其中随机密钥对模型，基于多项式的密钥对模型等是前最有代表性的算法。 （４）时间同步 时间同步是需要协同工作的传感器网络系统的一个关键机制。如测量移动 车辆速度需要计算不同传感器检测事件时间差，通过波束阵列确定声源位置节武汉理工大学硕士学位论文点时间同步。ＮＴＰ协议是Ｉｎｔｅｍｅｔ上广泛使用的网络时间协议，但只适用于结构相对稳定，链路很少失败的有线网络系统；ＧＰＳ系统能够以纳秒级精度与世界标 准时间ＵＴＣ保持同步，但需要配置固定的高成本接收机，同时在室内，森林或 水下等有掩体的环境中无法使用ＧＰＳ系统。因此，它们都不适合应用在传感器网 络中。Ｊｗｅｗｍｙ Ｅｌｓｏｎ和Ｋａｙ Ｒｏｍｅｒ在２００２年８月的ＨｏｔＮｅｔ．Ｉ国际会议上首次提出并阐述了无线传感器网络中的时间同步机制，其中ＲＢＳ，ＴＩＮＹ／ＭＩＮＩ―ＳＹＮＣ和ＴＰＳＮ被认为是三个基本的同步机制。ＲＢＳ机制是基于接收者．接收者的时间同步；一个节点广播时钟参考分组，广播域内的两个节点分别采用本地时钟参考分组的到达时间，通过交换记录时间来实现他们之间的时间同步。ＴＩＮＹ／ＭＩＮＩ．ＳＹＮＣ是简单的轻量级的同步机制：假设节点的时钟漂移遵循线性变化，那么两个节点之间的时间偏移也是线性的，可通过交换时间分组来估计两个节点间的匹配偏移量。ＴＰＳＮ采用层次结构来实现整个网络节点时间同步：所有节点按照层次结构进行逻辑分级，通过基于发送者．接收者的节点对方式，每个节点能够与上 一级的某个节点进行同步，从而实现所有节点都与根节点的时间同步。 （５）定位技术位置信息是传感器节点采集数据中不可缺少的部分，没有位置信息的监测消息通常毫无意义。确定事件发生的位置或采集数据的节点位置是传感器网络 最基本的功能之一。为了提供有效的位置信息，随机部署的传感器节点必须能够在布置后确定自身位置。由于传感器节点存在资源有限，随机部署，通信易受环境干扰甚至节点时效等特点，定位机制必须满足自组织性，健壮性，能量 高效，分布式计算等要求。 根据节点位置是否确定，传感器节点分为信标节点和位置未知节点。信标 节点的位置是已知的，位置未知节点需要根据少数信标节点，按照某种定位机 制确定自身的位置。在传感器网络定位过程中，通常会使用三边测量法，三角 测量法或极大似然估计法确定节点位置。根据定位过程中是否实际测量节点间 的距离或角度，把传感器网络中的定位分类为基于距离的定位和距离无关的定 位。基于距离的定位机制就是通过测量相邻节点间的实际距离或方位来确定未 知节点的位置，通常采用测距，定位和修正等步骤实现。根据测量节点间距离 或方位时所用的方法，基于距离的定位分为基于ＴＯＡ的定位，基于ＴＤＯＡ的定位，１６武汉理工大学硕士学位论文基于ＡＯＡ的定位，基于ＲＳＳＩ的定位等。由于要实际测量节点间的距离或角度， 基于距离的定位机制通常定位精度相对较高，所以对节点的硬件也提出了很高 的要求。距离无关的定位机制无须实际测量节点问的绝对距离或方位就能够确定未知节点的位置，目前提出的定位机制主要有质心算法，ＤＶ－Ｈｏｐ算法，Ａｍｏｒｐｈｏｕｓ算法，ＡＰＩＴ算法等。由于无须测量大规模传感器网络。距离无关的定 位机制的定位性能受环境因素的影响小，虽然定位误差相应有所增加，但定位 精度能够满足多数传感器网络应用的要求，是目前大家重点关注的定位机制。 （６）数据融合 传感器网络存在能量约束。减少传输的数据量能够有效地节省能量，因此 在各个传感器节点收集数据的过程中，可利用节点的本地计算和存储能力处理 数据的融合，去除冗余信息，从而达到节省能量的目的。由于传感器节点的易 实效性，传感器网络也需要数据融合技术对多份数据进行综合，提高信息的准 确度。 数据融合技术可以与传感器网络的多个协议层次进行结合。在应用层设计 中，可以利用分布式数据库技术，对采集到的数据进行逐步筛选，达到融合的 效果；在网络层中，很多路由协议均结合了数据融合机制，以期减少数据传输 量；此外，还有研究者提出了独立于其他协议层的数据融合协议层，通过减少 ＭＡＣ层的发送冲突和头部开销达到节省能量的目的，同时又不损失时间性能和 信息的完整性。数据融合技术已经在目标跟踪，目标自动识别等领域得到了广 泛的应用。在传感器网络的设计中，只有面向应用需求设计针对性强的数据融 合方法，才能最大限度地获益。数据融合技术在节省能量，提高信息准确度的同时，要以牺牲其它方面的性能为代价。首先是延迟的代价，在数据传送过程中寻找易于进行数据融合的 路由，进行数据融合操作，为融合而等待其它数据的到来，这三个方面都可能增加网络的平均延迟。其次是鲁棒性的代价，传感器网络相对于传统网络有更高的节点失效率以及数据丢失率，数据融合可以大幅度降低数据的冗余性，但丢失相同的数据量可能损失更多的信息，因此相对而言也降低了网络的鲁棒性。（７）数据管理 从数据存储的角度来看，传感器网络可被视为一种分布式数据库。一数据 库的方法在传感器中进行数据管理，可以将存储在网络中的数据的逻辑视图与 网络中的实现进行分离，使得传感器网络的用户只需要关心数据查询的逻辑结１７武汉理工大学硕士学位论文构，无需关心实现细节。虽然对网络所存储的数据进行抽象会在一定程度上影 响执行效率，但可以显著增强传感器网络的易用性。美国加州大学伯克利分校 的ＴｉｎｙＤＢ系统和Ｃｏｍｅｌｌ大学的Ｃｉｕｇａｒ系统是目前具有代表性的传感器网络数据 管理系统。 传感器网络的数据管理与传统的分布式数据库有很大的差别。由于传感器 节点能量受限且容易失败，数据管理系统必须在尽量减少能量消耗的同时提供 有效的数据服务。同时，传感器网络中节点数量庞大，且传感器节点产生的是 有限的数据流，无法通过传统的分布式数据库的数据管理技术进行分析处理。 此外，对传感器网络数据的查询经常是连续的查询或随机抽样的查询，这也使 得传统分布式数据库的数据管理技术也不适用于传感器网络。 传感器网络的数据管理系统的结构主要有集中式，半分布式，分布式以及 层次式结构，目前大多数研究工作均集中在半分布式结构方面。传感器网络中 数据的存储采用网络外部存储，本地存储和以数据为中心的存储三种方式。相 对于其他两种方式，以数据为中心的存储方式可以在通信效率和能量消耗两个 方面获得很好的折中。基于地理三列表的方法便是一种常用的以数据为中心的 数据存储方式。传感器网络中，既可以为数据建立一种索引，也可以建立多维 索引。ＤＩＦＳ系统中采用的是一维索引的方法，ＤＩＭ是一种适用于传感器网络的多维索引方法。传感器网络的数据查询语言目前多采用类ＳＱＬ的语言。查询操作可以按照集中式，分布式或流水线式查询进行设计。集中式查询由于传送了冗 余数据而消耗额外的能量；分布式查询利用聚集技术可以显著降低通信开销； 而流水型聚集技术可以提高分布式查询的聚集正确性。传感器网络中，对连续 查询的处理也是需要考虑的方面，ＣＡＣＱ技术可以处理传感器网络节点上的单连 续查询和多连续查询请求。 （８）无线通信技术传感器网络需要低功耗短距离的无线通信技术。ＩＥＥＥ８０２．１５．４标准是针对低速无线个人域网络的无线通信标准，把低功耗，低成本作为设计的主要目标， 旨在为个人或者家庭范围内不同设备之间低速联网提供统一标准。由于ＩＥＥＥ８０２．１５．４标准的网络特征与无线传感器网络存在很多相似之处，故很多研究 机构把它作为无线传感器网络的无线通信平台。 超宽带技术（ＵＷＢ）是一种极具潜力的无线通信技术。超宽带技术具有对信道衰落不敏感，发射信号功率谱密度低，低截获能力，系统复杂度低，能提１８武汉理工大学硕士学位论文供数厘米的定位精度等优点，非常适合应用在无线传感器网络中。迄今为止关于ＵＷＢ有两种技术方案，～种是以Ｆｒｅｅ ｓｃａｌｅ公司为代表的ＤＳ―ＣＤＭＡ单频带方式，另一种是由英特尔，德州仪器等公司共同提出的多频带ＯＦＤＭ方案，但还没有一种方案成为正式的国际标准。 （９）嵌入式操作系统 传感器节点是一个微型的嵌入式系统，携带非常有限的硬件资源，需要操 作系统能够节能高效地使用其有限的内存，处理器和通信模块，且能够对各种 特定应用提供最大的支持。在面向无线传感器网络的操作系统的支持下，多个 应用可以并发地使用系统的有限资源。 传感器节点有两个突出的特点。一个特点是并发性密集，即可能存在多个 需要同时执行的逻辑控制，这需要操作系统能够有效地满足这种发生频繁，并 发程度高，执行过程比较短的逻辑控制流程；另一个特点是传感器节点模块化 程度很高，要求操作系统能够让应用程序方便地对硬件进行控制，且保证在不 影响整体开销的情况下，应用程序中的各个部分能够比较方便地进行重新组合。 （１０）应用层技术 传感器网络应用曾有各种面向应用的软件系统构成，部署的传感器网络往 往执行多种任务。应用层的研究主要是各种传感器网络应用系统的开发和多任 务之间的协调，如作战环境侦查与监控系统，军事侦察系统，情报获取系统，战场监测与指挥系统，换将监测系统，交通管理系统，灾难预防系统，危险区域监视系统，有灭绝危险的动物或珍贵动物的跟踪监护系统，民用和工程设施 的安全性监测系统，生物医学监测，治疗系统和智能维护等１２３１。２．４数据融合的功能模型由于研究内容的广泛性和多样性，信息融合已被应用到很多领域的研究开发中。为了统一起见，Ｗａｌｔｚ和Ｌｉｎａｓ努力为信息融合的研究者提供一个公共参考 框架，其要点是开发一个信息融合的一般处理模型，为进一步给出信息融合的 一些论点和文体提供了二个公共参考。Ｗｈｉｔｅ给出了一个在军事应用背景下建立的一般处理模型，其基本思想如图２．１。１９武汉理工大学硕士学位论文检 测 与 滤 波 态 势 数 据 库多 传 感 器数据校准 数据关联 状态估计 目标跟踪态 势 评 估检 测 与 滤 波目标 识 别威 胁 估 计数 据 库 支 持图２．１信息融合功能模型图 在图２．１中，模型显示信息融合系统的功能主要有检测，校准，关联，估计， 跟踪，识别，态势评估和威胁估计。数据校准的作用是为了统一各传感器的时 间和空间参考点。若各传感器在时间和空间上是独立异步工作的，则必须事先 进行时间和空间校准，即进行时间搬移和坐标变换，以形成融合所需的统一的 时间和空间参考点。２．４．１检测级融合检测级融合是直接在多传感器检测系统中检测判决或在信号层上直接进行 的融合。它具有两种处理形式：即集中式和分布式。对于集中式，所有的局部 传感器将检测到的原始观测信号全部直接送给中心处理器，然后利用由经典的 统计推断理论设计的算法完成最优目标检测任务。而在多传感器分布检测系统 中，每个传感器对所获得的观测信息先进行一定的预处理，然后将压缩的信息 传送给其他传感器，最后在某一中心汇总和融合这些信息产生全局检测判决。 这种融合通常有两种处理形式：一种是硬判决融合，即融合中心处理０，１形式 的局部判决；另一种是软判决融合，中心除了处理硬判决信息外，还处理来自 局部节点的统计量，经过融合获得全局决策。分布式系统由于减轻了系统内部 的通信压力和提高了系统的可行性的缘故而倍受人们的推崇。正因如此，由于 多传感器目标检测理论的研究主要集中于分布式。Ｔｅｎｎｅｙ和Ｓａｎｄｌｅ首次将Ｂａｙｅｓ 决策理论推广到分布式传感器检测情形。Ｅｋｃｈｉａｎ和Ｔｅｎｎｅｙ给出了各种分布式传 感器网络拓扑问题的公式解，Ｋｕｓｈｎｅｒ和Ｐａｃｕｔ针对一种特别的分布式检测问题作了类似的研究。Ｔｈｅｒｍｏｐｏｌｉｓ等考虑了Ｎ．Ｐ方法和最大后验概率方法在分布式传感武汉理工大学硕士学位论文器目标检测问题的应用，并取得了较为深入的研究结果。Ｖａｒｓｈｎｅｙ，Ｓａｄｊａｄｉ和 Ａｌｉｂｒａｈｉｍ探讨了分布式环境中的各种假设检验问题。２．４．２位置级融合位置级融合是直接在传感器的观测报告或测量点迹以及传感器的状态估计 上进行的融合，包括时间和空间上的融合，主要实现参数相关和状态向量估计， 是跟踪级融合。跟踪系统包括单传感器跟踪系统和多传感器跟踪系统。对单传 感器跟踪系统来说，主要是按时间先后对目标在不同时间的观测值，即检测报 告的融合，如边扫描边跟踪雷达系统，红外和声纳等传感器的多目标跟踪与估 计都属于这类性质的融合。对多传感器跟踪，融合系统无论是采用集中方式， 分布式还是混合方式，都必须进行数据关联。数据关联的作用是判别不同时间， 空间的数据是否来自同一目标，即使用关联门限对校准后的传感器数据进行比 较，把落入门限之内的观测数据分配给对应的目标。但在实际的多目标跟踪环 境中，经常会出现要么多个观测落入同一跟踪门内，要么单个观测落入多个跟 踪门的交集内的情况。解决这类问题有两种方法：其一是“最近邻“方法，即选择 使统计距离最小或残差概率最大的回波作为目标回波；其二是“全邻“方法，即首 先根据相关情况计算目标与观测的各概率加权系数，并把跟踪单个回波的加权 和作为等效回波，然后用各等效回波更新多个目标的状态。这种方法的典型代 表有：多模型．概率数据关联方法，联合概率数据互联方法，多假设方法和神经 网络方法。 集中式位置级融合是将各传感器的节点数据都送到融合中心，首先按对目标观测的时间先后对测量点迹进行时间融合，然后对各个传感器在同一时刻对同一目标的观测进行空间融合，它包括了多传感器综合跟踪与状态估计的全过 程。这种方法可实现实时融合，其数据处理的精度高，算法灵活，缺点是数据 量大，对处理器要求高，系统的鲁棒性差，难于实现。在分布式多传感器跟踪系统中，各传感器首先完成单传感器的多目标跟踪与状态估计，然后各传感器把获得的目标航迹信息送入融合节点，并在融合节 点完成坐标转换，时间校正或对准，然后基于这些传感器的目标状态估计进行 航迹关联（相关）处理，最后对来自同一目标的估计航迹进行航迹融合，即实现目标估计航迹之间的空间融合。分布式对通信带宽要求低，计算速度快，可靠性和延续性好，但融合精度没有集中式高。２ｌ武汉理工大学硕士学位论文２．４．３目标识别级融合目标识别是对基于不同传感器获得的目标属性数据形成的一个组合进行目 标身份说明，其基本过程如图２．２所示。图中，在各传感器提供的目标属性中提 取目标特征，先进行目标局部身份识别，然后根据目标已知特征数据库，利用 基于特征和基于知识的推理技术进行目标局部身份关联和融合，获得目标的全 局融合识别。在军事上，信息融合的目的是对观测实体进行定位，表征和识别。 身份估计的非军事运用包括复杂系统设备故障的识别和隔离，使用传感器数据 监视生产过程等。用于目标识别的技术主要有模板法，聚类分类，自适应神经 网络，或识别实体身份的基于知识的技术。图２．２目标识别结构图目标识别（属性）层的信息融合有三种方法：即决策级融合，特征级融合 和数据级融合。 （１）决策级融合 在决策级融合方法中，每个传感器都完成变换以便获得独立的身份估计， 然后再对来自每个传感器的属性分类进行融合。用于融合身份估计的技术包括 表决法，Ｂａｙｅｓ推理，Ｄ．Ｓ证据理论，模糊集法。 （２）特征级融合 在特征级融合方法中，每个传感器观测一个目标并完成特征提取以获得来 自每个传感器的特征向量。然后融合这些特征向量并基于获得的联合特征向量 来产生身份估计。在这种方法中，必须使用关联处理，把特征向量分成有意义 的群组。 （３）数据级融合 在数据级融合方法中，对来自同等量级的传感器原始数据直接进行融合， 然后基于融合的传感器数据进行特征提取和身份估计。为了实现这种数据级的武汉理工大学硕士学位论文信息融合，所有的传感器必须是同类型的或是相同量级的。通过对原始数据进行关联，来确定待融合的数据是否与同一目标或实体有关。有了融合的传感器 数据之后就可以完成类似于单传感器的识别处理过程。２．４．４态势评估和威胁估计态势估计是建立关于作战活动，事件，机动，位置和兵力要素组织形式的 一张视图，并由此估计处正在发生和已经发生的事情；而威胁估计的任务则是 估计出作战事件出现的程度和严重性。它们的区别在于，前者仅指出了敌军的 行为模式，而后者对其威胁能力给出了定量估计，并指出了敌军的意图。态势 评估除了通过各种传感器获得的信息外，还需要考虑地理环境，兵力结构，社 会政治等因素；威胁估计需要考虑敌方兵力的摧毁能力，弱点，意图等因素。 因此，要全面获取这些知识，建立一个可信度很高的模型，并使其满足系统快 速处理的要求，是相当困难的…。２．５无线传感网应用层数据融合对于传感器网络的应用，数据融合技术主要用于处理同一类型传感器的数 据。例如在森林防火的应用中，需要对多个温度传感器探测到的环境温度数据 进行融合：在目标自动识别应用中，需要对图像监测传感器采集的图像数据进 行融合处理。数据融合技术的具体实现与应用密切相关，森林防火应用中只要 处理传感器节点的位置和报告的温度数值，比较容易实现；而在目标识别应用 中，由于各个节点的地理位置不同，针对同一目标所报告的图像的拍摄角度也 不同，需要进行三维空间的考虑，所以融合难度相对较大【２５。。 传感器网络中的数据融合技术可以从不同的角度进行分类，这里介绍三种 分类方法：依据融合前后数据的信息含量分类；依据数据融合与应用数据语义 的关系分类；依据融合操作的级别进行分类。 根据数据进行融合操作前后的信息含量，可以将数据融合分为无损失融合和有损失融合两类。 （１）无损失融合无损失融合中，所有的细节信息均被保留。此类融合的常见做法是去除信 息中的冗余部分。根据信息理论，在无损失融合中，信息整体缩减的大小受到武汉理工大学硕士学位论文其熵值的限制。将多个数据分组打包成一个数据分组，而不改变各个分组所携带的数据内容的方法属于无损失融合。这种方法只是缩减了分组头部的数据和为传输多个 分组而需要的传输控制开销，而保留了全部数据信息。 时间戳融合是无损失融合的另一个例子。在远程监控应用中，传感器节点 汇报的内容可能在时间属性上有一定的联系，可以使用一种更有效的表示手段融合多次汇报。比如一个节点以一个短时间间隔进行了多次汇报，每次汇报中 除时间戳不同外，其他内容均相同；收到这些汇报的中间节点可以只传送时间戳最新的一次汇报，以表示在此时刻之前，被监测的事物都具有相同的属性。 （２）有损失融合 有损失融合通常会省略一些细节信息或降低数据的质量，从而减少需要存 储或传输的数据量，以达到节省存储资源或能量资源的目的。有损失融合中， 信息损失的上限是要保留应用所需要的全部信息量。 很多有损失融合都是针对数据收集的需求而进行网内处理的必然结果。比 如温度监测应用中，需要查询某一区域范围内的平均温度或最低，最高温度时， 网内处理将对各个传感器节点所报告的数据进行运算，并只将结果数据报告给 查询者。从信息含量角度看，这份结果数据相对于传感器节点所报告的原始数 据来说，损失了绝大部分的信息，仅能满足数据收集者的要求。 数据融合技术可以在传感器网络协议栈的多个层次中实现，既可以在ＭＡＣ协议中实现，也可以在路由协议或应用层协议中实现。根据数据融合是否基于应用数据的语义，将数据融合技术分为三类：依赖于应用的数据融合（ＡＤＤＡ）， 独立于应用的数据融合（ＡＩＤＡ），以及结合以上两种技术的数据融合。 （１）依赖于应用的数据融合 通常数据融合都是对应用层数据进行的，即数据融合需要了解应用数据的语义。从实现角度看，数据融合如果在应用层实现，则与应用数据之间没有语义间隔，可以直接对应用数据进行融合；如果在网络层实现，则需要跨协议层 理解应用层数据的含义。 ＡＤＤＡ技术可以根据应用需求获得最大限度的数据压缩，但可能导致结果 数据中损失的信息过多。另外，融合带来的跨层理解语义问题给协议栈的实现 带来困难。 （２）独立于应用的数据融合武汉理工大学硕士学位论文鉴于ＡＤＤＡ的语义相关性问题，有人提出独立于应用的数据融合。这种融合技术不需要了解应用层数据的语义，直接对数据链路层的数据包进行融合。 例如，将多个数据包拼接成一个数据包进行转发。这种技术把数据融合作为独 立的层次实现，简化了各层之间的关系。ＡＩＤＡ作为一个独立的层次处于网络层 与ＭＡＣ层之间。 ＡＩＤＡ保持了网络协议层的独立性，不对应用层数据进行处理，从而不会导 致信息丢失，但是数据融合效率没有ＡＤＤＡ高。 （３）结合以上两种技术的数据融合 这种方式结合了上面两种技术的优点，同时保留ＡＩＤＡ层次和其他协议层内的 数据融合技术，因此可以综合使用多种机制得到更符合应用需求的融合效果。 根据对传感器数据的操作级别，可将数据融合技术也分为以下三类： １）数据级融合 数据级融合是最底层的融合，操作对象是传感器通过采集得到的数据，因 此是面向数据的融合。这类融合大多数情况下仅依赖于传感器类型，不依赖于 用户需求。在目标识别的应用中，数据级融合即为像素级融合，进行的操作包 括对像素数据进行分类或组合，去除图像中的冗余信息等。 ２）特征级融合 特征级融合通过一些特征提取手段将数据表示为一系列的特征向量，以反 映事物的属性，是面向监测对象特征的融合。比如在温度监测应用中，特征级融合 可以对温度传感器数据进行综合，表示成（地区范围，最高温度，最低温度）的形 式；在目标监测应用中，特征级融合可以将图像的颜色特征表示为ＲＧＢ值。 ３）决策级融合决策级融合根据应用需求进行较高级的决策，是最高级的融合。决策级融合的操作可以依据特征级融合提取的数据特征，对监测对象进行判别，分类， 并通过简单的逻辑运算，执行满足应用需求的决策。因此，决策级融合是面向 应用的融合。比如在灾难监测应用中，决策级融合可能需要综合多种类型的传感器信息，包括温度，湿度或震动等，进而对是否发生了灾难事故进行判断； 在目标监测应用中，决策级融合需要综合监测目标的颜色特征和轮廓特征，对目标进行识别，最终只传输识别结果【矧。 由于传感器网络具有以数据为中心的特点，应用层的设计需要考虑以下几点： （１）应用层的用户接口需要对用户屏蔽底层的操作，用户不必了解数据具体２５武汉理工大学硕士学位论文是如何收集上来的，即使底层实现有了变化，用户也不必改变原来的操作习惯。 （２）传感器网络可以实现多任务，应用层应该提供方便，灵活的查询提交手段。（３）既然通信的代价相对于本地计算的代价要高，应用层数据的表现形式 应便于进行网内计算，以大幅度减少通信的数据量，减少能量消耗。２．６本章小结本章主要是对无线传感网的概念，特点及关键技术作了详细地介绍，引出 数据融合的概念。从而介绍了数据融合的特点及各类方法，着重提出了无线传感器网络应用层中的数据融合应用。武汉理工大学硕士学位论文第３章传统的数据融合算法３．１引言正如第一章所述的无线传感器网络包括大量传感器节点和少数汇聚节点。位于监测区域的传感器节点负责采集相关数据信息，最终将数据传送至汇聚节 点。而传感器节点由传感器模块，处理器模块，无线通信模块和能量供应模块四部分组成，绝大部分能量都消耗在无线通信模块上，因此一旦无线通信量减 少了，随之消耗在无线通信模块的能量也会减少，就能达到缓解整个无线传感 网的能量损耗问题。而数据融合算法就是通过在传感器节点的处理器模块上增 加计算量从而减少需要无线通信的的数据量来达到上述目的的。 而传统的数据融合方法按节点数目分为单传感器和多传感器两大类，在单 传感器数据采集的情况下，一般选用递推估计算法，而对于多传感器数据融合，一般选用自适应加权的算法和一般算术平均法Ｉｖ］。３．２基于点估计理论的递推估计数据融合方法３．２．１点估计理论的递推估计数据融合方法原理什设剔除疏失误差后的测量数据为而，而…矗，其算术平均值为；＝罗薯，并把它作为递推估计的初值和检测结果ｘ一。后续测量中，根据系统的误差要求ｓ对 传感器后续采样值ｘ‘（七＝ｎ＋ｌ，ｎ＋２…）进行一致性检验，即当／ｘ。一ｘ一／≤占时， 认定ｘ‘为一致性测量数据，然后计算ｘ一和ｘ‘的递推估计值Ｘ＋，并将ｘ＋作为新 的测量结果和下一次传感器采样一致性测量数据进行递推估计。如果 ／ｘ‘一ｘ一／≥占则剔除ｘ＋，仍将Ｘ一作为测量结果。对于被估计的参数Ｘ，测量方程为阡似＋ＩＶ－］（３．１）式中系数矩阵日设为［１］，ｙ一，ｙ‘为正态分布的测量噪声。令ｘ一，ｘ‘得武汉理工大学硕士学位论文方差分别为矿，听２。则测量噪声的协方差为Ｄ＝Ｅ［Ｖ明耻［Ｅ鼢［ｖ２铝刁：ｊ生ｘ一＋｛毛∥０一十ｏｋ协２，由统计理论中点估计理论可得参数Ｘ实时一致最小方差无偏估计值为ｘ＋＝Ｘ一＋仃！Ｈ ７’［Ｈ０．２＿Ｈｒ＋Ｄ】－１［工。一月ｋ一】＝ｘ一＋矿【盯：＋盯；】－１Ｉｘ‘一ｘ一】（３－３）ｏ一一ｒｏｋ上式即为递推估计的数据融合算法。 估计值ｘ＋的方差为《２＝矿一ｂｒＫＨｒ＋Ｄ】－１陋】＝矿一ｋ＋甜矿＝舞２实际中仃：，盯：不知道，一般采用他们的估计值。 ３．２．２点估计理论的递推估计数据融合方法实用举例０２（３－４）假设在同一个监测区域内，５０个节点同时测量监测区域的温度，其测量结 果叠加噪声如下。（以２６ｃ为基准真实值，且都是一致性测量数据）。 表３．１传感器节点实测温度值２６．９００３ ２６．５２４２ ２６．２３０９ ２５．８１１４ ２５．１１５８ ２５．４０５５ ２５．０３０５ ２５．８３７３ ２６．６７６２ ２６．００５６２５．４６２３ ２６．２１３７２５．９１２９ ２５．０３７０２６．５８３９ ２６．８４３６２６．８７０９ ２６．８３３８２５．７０５７ ２６．６２６３２５．３９７４ ２６．２０７６２６．４９３６ ２５．８９０２２６．６９２４２５．０３９３２６．４１８９２６．０５０３２６．３６２６ ２５．７５９０２５．８５７８ ２５．６０９２２５．９７２０２６．６４２８２６．４７６４２５．３５２５２５．８２０５２５．０１９７２５．５４４４２６．８６３６２５．４０５３ ２６．３４４３２６．７８２６２５．８８９４２６．７８７３２５．２７７８２５．３９７６２５．９３２０２６．６６３６２５．３７９３由于前五点只产生一个有效测量值（ｘ一），ｘ一＝２６．１１６５，矿＝；１善５（ｚ―ｘ一）２＝。．３７７６，呒２＝Ｅ（ｘ２）一Ｅ２（ｘ）＝。．３．故经滤波处理后只有４６组数据，另外４组数为原始数据。故不给出。递推估计后数据如下。武汉理工大学硕士学位论文表３－２递推估计温度值２６．１１６５ ２６．１００５ ２６．６０６３ ２５．０１９７ ２５．７２６９ ２５．７２０３ ２５．７０８７ ２６．３８４１ ２５．３１２１ ２５．５４３４ ２５．３３５９ ２６．１４６１ ２６．１０８８ ２６．１７６８ ２５．７６００ ２５．６１５３ ２６．４５０６ ２５．５１８９ ２５．７４６８ ２６．０８５６ ２６．２０６５ ２５．６６４１ ２５．９８９ｌ ２５．７５３６ ２６．４０７７ ２６．０９４５ ２６．０８４８ ２５．９１５９ ２５．６７３１ ２５．８３４５ ２５．７４２２ ２６．１５６６ ２５．９４７２ ２６．２９１４ ２５．８３７３ ２５．５３２６ ２６．２５３４ ２６．２６３２ ２６．４１３８ ２５．６６９０ ２６．５９７５ ２６．５８１２ ２６．０８３２ ２６．２９２２２６．３３４９２６．０６７４如果将原始测量结果按照分批估计算法分成两批，则分批估计融合值得方差为０．００８４，而递推估计融合值得方差为０．１６７２，可见分批估计算法比递推估计融合算法优越。３．３基于神经网络的自适应加权数据融合方法３．３．１自适应加权数据融合算法原理根据各个传感器所得到的测量值自适应地寻找其对应的权数以达到最优的 融合结果，即所谓自适应加权融合算法…。Ｘｌ――◆）（２＿ Ｘ一图３．１ 自适应加权数据融合模型如图假设在同一个监测区域内，节点之间测量的信息不一样，如温度，湿度，光照等。。表中弓，ｉ＝１，２，３…厂，Ｊ＝１，２，３…ｃ。表示第ｆ个传感器对应于第Ｊ『个目标的观测信息，ｃ为目标的个数，但未知。各传感器的量测方差为ｑ，０＂２…ｑ。武汉理工大学硕士学位论文表３．３观测信息表第一个传感器 第二个传感器暑， ￡，Ｐ。曰： 最： ｅ２第ｒ个传感器弓＝∑形弓８１，（ｅ为第－，个目标的最终观测值）’（３－５）‘＿一－＞‘彬＝１，０≤彬≤１根据系统总的量测方差函数厂（彬…彬）＝∑形２砰最小的原则，由多元函数的条件极值解法对函数厂（彤…彬）求偏导数。矽 ａ彬＝０（３．６）∑彬Ｉ＝１解上述方程可求得彬＝‘天１丁１＾＝ｌｍ２…，砰善孑ｕ＾。。７’ （３．７）同时高（斋）＝２砰＞。。所以求得的Ｗｌ－＇－肜就是我们所希望的使总的方差（ｆ（Ｗｉ…矿））最小的各传感器的融合权值。（３．８）且此时有铲嚣Ｘ－、Ｉ．Ｚ：．一―．２ ●＝Ｉ―ｆ。一喜鲁２－一（３．９）而且从公式（３．９）上可以看出只要确定了每个传感器的量测方差，目标的武汉理工大学硕士学位论文最终观测值ＰＪ就只与每个传感器的测量值有关。并且由上面的结果可知，加权估值和分批估值有同样的运算公式，所不同的是加权估值将权数分配到每一个传感 器，而分批估值是将每批的平均值作为新的数据，然后对其每一批的平均值分配权数来加权估值的。算术平均值－－尸２７１蔷＂弓，，＝１，２．一ｃ，其方差为砰２砉善砰。一２１由公式（３―８）可知基于神经网络的数据融合算法的方差为Ｄ由Ｓｃｈｗａｒｔｚ不等式可以推导：２一｛丁台孑“蚴２～＝吉ｃ和‘ｃ喜拉专ｃ喜ｑ‘≯－ｊ砰≥霹㈣㈣由（３―１０）式可见，基于神经网络的数据融合算法得出得融合值波动小，稳 定性好。３．３．２自适应加权数据融合算法试验将四个节点密集布置在一个小的范围内，测量温度和湿度两个状态值。 表３．４观测信息图传感器个数 第一个传感器 第二个传感器 第三个传感器 第四个传感器 温度测量值２６．９００３ ２５．９７２０ ２５．９１２９ ２５．８８９４湿度测量值 ６９．００３％ ５４．６２３％ ６２．１３７％ ５９．７２％将四个传感器节点每两个小时测量一次温度，测量三次温度值通过分批估 计来确定传感器节点的量测方差。 表３－５温度测量值第一次测量温度（巧１）２６．９００３ ２５．９７２０ ２５．９１２９ ２５．８８９４第二次测量温度（巧２）２５．４６２３ ２６．７８２６ ２５．０３７０ ２６．２３０９第三次测量温度（巧３）２６．２１３７ ２６．５２４２ ２６．６４２８ ２６．５８３９武汉理工大学硕士学位论文ｉ＝三扣乩２＾４对应的量测方差分别为：０５＝２，ｉ＝１，２，３，４。ｏ＂Ｉ＝０．５８７３，吼＝０．３３８１，ｏ－３＝０．６５６５，Ｏ＂４０．２８３５彤＝０．１１，％＝０．３３，％＝０．０９，％＝Ｏ．４７最终观测值异＝２６．０３，最＝５９．２８％。 这种算法的好处就是当确定了传感器节点的量测方差，所有的最终观测值都能直接获得，但缺点就是节点的量测方差会根据选取的观测值的大小，种类和观测次数出现偏差，并且算法过于复杂不利于一般处理器处理数据Ｉ挣】。３．４算术平均数据融合方法３．４．１算术平均数据融合算法原理在相同的观测条件下，对某量进行多次重复观测，根据偶然误差特性，可 取其算术平均值作为最终观测结果。设对某量进行了刀次等精度观测，观测值分别为，』，／２，…厶，其算术平均值为：三：刍丛生±厶：盟行 刀（３．１１）设观测量的真值为Ｘ，观测值为，ｆ，则观测值的真误差为：Ａ１＝ｆｌ―Ｘ Ａ２＝如一Ｘ Ａ。＝厶一Ｘ（３．１２）幽：ｘ一幽刀 刀将式（３．１１）代入上式，并移项，得￡：ｘ＋幽 根据偶然误差的特性，当观测次数玎无限增大时，则有ｌｉｍ幽：ｏ那么同时３２武汉理工大学硕士学位论文可得ｌｉｒａＬ＝Ｘ打－－９．００（３．１３）由式（３．１３）可知，当观测次数疗无限增大时，算术平均值趋近于真值。但在实际测量工作中，观测次数总是有限的，因此，算术平均值较观测值更接近于真值。我们将最接近于真值的算术平均值称为最或然值或最可靠值。这种算 法简单有效，但是在户外的场合采样时，～般采样数据会有噪声干扰，直接用 平均法会丢失很多有效的数据，并且精度也没有分批估计算法的好。３．５本章小结本章主要是列出三种传统的数据融合方法，分别给出证明及数据仿真比较， 这三种方法将用于和下一章的分批估计算法从精度和复杂度上进行比较。武汉理工大学硕士学位论文第４章４．１引言分批估计融合算法相关实验表明，在１００ｍ的通信线路上传输ｌｋｂ的数据包和ＣＰＵ执行３Ｍｂ 的指令所消耗的能量几乎是相同的，因此传感节点应注重于本地的数据处理而 减少远距离的数据传输，从而可以减少通信所带来的能量耗费这一巨大的负担。基于自组织机制和网内处理的数据融合技术可以减少ＷＳＮ建立和维护的代价、消除数据冗余、减少传输次数，从而减轻网络带宽的负担及成千上万的数据包 处理所带来的能量损耗［３０１。４．２分批估计算法４．２．１分批估计算法递推公式假设只有一个接收端ｓｉｎｋ接收来自其他传感器节点的源信息，那么常见的 无线传感器网络的路由模型有两种，这两种模型是按照信息从源端到ｓｉｎｋ节点 的传输方式不同区分的。第一种是以地址为中心的方式（ＡＣ）：每个源节点沿着 最短路径独立的将消息传送到ｓｉｎｋ节点。另一种是以数据为中心的方式（ＤＣ）： 每个源节点的信息被快速有效的组织起来并融合起来提取出有用信息然后传送 给ｓｉｎｋ节点［３１１。 ：如ｕ啪ＳＯｕｒｃｅ２１２Ｃ１２Ｂ Ｓｉｎｋ Ｓｉｎｋａ．ＡＣ路由ｂ．ＤＣ路由图４．１路径图３４武汉理工大学硕士学位论文那么本文中所提出来的分批估计算法就是应用于第二种方式中，将每个源 节点的信息传输至中间节点，然后进行信息融合得到一个融合信息，再传至ｓｉｎｋ 节点。 本文提出的分批估计算法就是一种基于Ｋａｌｍａｎ滤波的融合方法，是由 Ｋａｌｍａｎ滤波公式递推出来的。并且适用于单传感器数据处理，将单一传感器多 次采样结果融合成一个值，也可以用于多传感器数据采样融合。 把观测系统的己知非随机序列误差项看成零，离散系统Ｋａｌｍａｎ最优滤波观 测方程简化为ｚ（ｇ）＝Ｃ（ｋ）Ｘ（ｋ）＋Ｖ（ｋ）。（Ｘ（ｋ）为系统的状态向量，Ｚ（ｋ）为系统 的观测向量，ｖ（ｋ）是均值为零的白噪声向量，Ｃ（ｋ）为系数矩阵。） Ｋａｌｍａｎ最优滤波公式： １）一步最优线性预测估计值：Ｘ（ｋ／ｋ―１）＝Ａ（ｋ，ｋ一１）Ｅ［Ｘ（ｋ一１）／ｚ？。１】＝Ａ（ｋ，ｋ一１）Ｘ（ｋ―ｌ／ｋ一１）２）Ｘ（ｋ／ｋ）的递推公式：（４．１）Ｘ（ｋ／七）＝Ａ（ｋ，七一１）Ｘ（七－１／ｋ－１）＋Ｋｋ（Ｚ（后）－Ｃ（ｋ）Ａ（ｋ，七一１）Ｘ（七一１／ｋ一１）） ｊ Ｘ（ｋ／ｋ）＝（，一ＫＣ（七））Ｘ（ｋ／ｋ一１）＋Ｋｚ（ｋ）＝｛［Ｐ（ｋ／ｋ一１）＋Ｃ（七）７’何１Ｃ（七）】一Ｐ～（ｋ／ｋ一１）｝Ｘ（ｋ／ｋ一１）＋Ｐ（ｋ／ｋ）Ｃ（ｋ）ｒ《１ｚ（Ｄ（４?２） ３）Ｋａｌｍａｎ最优滤波增益阵：ｊＩ－ＫｋＣ（ｋ）＝ｍ，／ｋ－，１）＋ｃ（尼）７’何１ｃ（七）ｐＰ １（ｋ／ｋ―１）（４－３） Ｉ Ｋ＝Ｐ（ｋ／ｋ）Ｃ（ｋ）７巧１４）误差协方差阵：Ｐ（ｋ／ｋ）＝ＩＦ～（ｋ／ｋ一１）＋Ｃ（尼）７’何１Ｃ（七）】＿（４．４） （４．５）在缺乏初始条件的先验知识时，尸（１／ｏ）＝丢专∞。４．２．２分批估计算法的原理分批估计顾名思义就是先将数据进行分批处理，然后再进行目标的最优状 态估计，因为选取的线性系统和传感器的噪声是高斯分布的白噪声，所以就采武汉理工大学硕士学位论文用Ｋａｌｍａｎ滤波进行目标的状态估计和预测。至于分批方式可以选择按节点个数 均匀分配，也可以按照相同节点属性进行分批。 从测量温度为例，假设在一个很小的区域内随机布置ｎ个温度传感器节点。将，ｚ个观测值平均分为２组，其中第／组为乃ｌ，Ｔｊ２，???Ｔｊｎｊ，ｒ／．／≥２，歹＝１，２，且∑勺＝刀。则两组值的平均值为：Ｔ，＝％１－－艺，ｒ，，，亏＝上ｎ２量ｉ＝ｉ互，对应的方差分别为：（４－６）畦：堕，碚：箜其中（４．７）ｓ≥：ｌ＿善ｎＩ佤，一－）２＞ｏ，ｓｚ２＝ｉｌｊ芝Ｉ＝ｌ仍，一ｉ）２＞。厂１］（４―８）假设温度的真实值为耳，则根据Ｋａｌｍａｎ最优滤波观测方程得到温度的测量方程为乒爿弓＋ｙ其中Ｔ是温度的测量值，Ｈ＝ｌ ｌ为系数矩阵，ｙ为测量噪声。Ｌ１Ｊ则丁＝［妻］＝［１］弓＋［毳］其中，Ｋ，圪分别为五，正的测量噪声，且均值为０，相互独立。测量噪声的协方差计算公式为ｃ４－９，～叫黝弱嵴曼］ｒ尸＋＿【（Ｐ一）。１＋Ｈ ７’Ｒ―ＨＩ～＝ 【１１㈤㈨由公式（４．５），在测量之前没有任何有关温度的统计资料，因此此前测量结 果的方差Ｐ一＝∞，（Ｐ一）～＝０由公式（４．４）即可推导出温度融合值的方差：１】Ｉ＾Ｉ虿１０ｌ３６ｏ上疃 １● 旷ｉ Ｌ●Ｊ：］：罩童（４－１１）疃＋疃武汉理工大学硕士学位论文由公式（４．２）导出的分批估计温度数据融合值为：Ａ ＡＴ＋＝“尸一＋Ｈ ７１Ｒ一１Ｈ】一１（Ｐ一）一１）ｒ一＋Ｐ＋日７’Ｒ～Ｔ＝Ｐ＋Ｈ ７’Ｒ一１Ｔ（４．１２）嗨艇这个公式就是融合后的温度值。＝一石一疋啊ｉ＋一＋疃一畦一正一（４．１３）由（４．１１）可知分批估计融合值的方差为：且有算术平均值于＝去喜ｚ＝华，其方差为呸２＝砉（刀。２％２＋刀；畦）＝吉（喜＂Ｄ由Ｓｃｈｗａｒｔｚ不等式可以推导：砰＝毳２ ２＝ｃ碗２ １一＝ｃ势１，砖?（砰）－１＝≯１（喜吩哟?（喜号）≥７１（善２厄?等）２＝?ｊ西≥砰ｃ４一?４）由（４．１４）式可见，分批估计算法得出得温度值波动小，稳定性好。 且由（４－１３）式递推出将观测值分为｜｜｝批的数据融合估计值的一般公式为声＝ｃ喜扣喜耖 其对应的方差一般舶冉陲爿，所以对于分批估计舭在每一批传件㈣感器数量足够多的情况下，分得批次越多方差将越小融合后的优点越突出。４．２．３分批估计算法公式实验分析从以上公式分析，分批估计算法最后融合值是由量测方差和算术平均值加 权组成，而方差和均值都是与节点个数有密切关系的，那么节点个数的变化对３７武汉理工大学硕士学位论文分批估计融合值与一般算术平均值有什么影响呢？ 假设１０个，２０个，５０个，１００个，１０００个节点进行监测，实测值加入高 斯白噪声，信噪比从０．１ ｄＢ到ｌｄＢ（以２６ｃ。为基准真实值）：信噪比１０ Ｏ．１ｄＢ ０．２ｄＢ ０．３ｄＢ ０．４ｄＢ ０．５ｄＢ ０．６ｄＢ ０．７ｄＢ ０．８ｄＢ ０．９ｄＢ ｌｄＢ分 批２６．１６２５．８９２５．７７２６．０４２５．９６２５．８９２６．２３２５．８４２５．８７２６．４０２０２６．０９２６．０８２６．１９２６．１１２６．０２２６．０６２６．２６２６．Ｏｌ２５．８７２６．０８估 计 融 合 值１００ ２５．９４ ２６．０９ ２６．０５ ２６．０７ ２５．８８ ２５．８９ ２６．０３ ２６．０５ ２５．９６ ２６．０８ ５０ ２６．０６２６．０６２５．９２２５．９２２５．９９２６．２２２６．１４２６．０２２５．８９２６．０７１０００２５．９９２６．００２６．０１２５．９９２６．００２５．９９２６．０３２５．９８２６．０４２５．９８１０２６．４９２５．７２２６．２４２６．０８２６．２３２５．７８２６．３４２５．７７２６．１３２６．５８般２０ ２６．３６２６．０８２６．３２６．１１２５．９７２６．０８２６．２６２６．０９２５．６５２６．１１算 术 平 均 值１００ ２５．９４ ２６．０９ ２５．９１ ２６．１０ ２５．８５ ２５．８９ ２５．９７ ２６．０５ ２５．９６ ２６．０８ ５０ ２６．０６２６}