無線傳感器網絡基于分簇路由的數據融合研究
加入技術交流群
具體實現方法是在分簇過程完成之后，簇頭節點相互發送探測信息包，和基站形成反向組播樹，該樹的形成算法主要基于DDSP，在保證與基站路徑最短的前提下，選擇與已計算的目的簇頭最近的路徑，通過目的簇頭之間共享盡可能長的路徑來降低生成樹的能量消耗。反向組播樹形成之后，數據融合過程不僅能在簇頭處理簇內節點傳送來的數據時實現，也能在簇頭之間通過反向組播樹向基站發送數據時實現，讓數據采集效率更高，同時避免了過遠的簇頭直接向基站發送數據時產生過高的能耗，此時網絡的拓撲結構如圖1所示。本文引用地址：http://www.104case.com/article/160520.htm
2．3 數據融合策略
無線傳感器網絡的數據融合不僅僅是對數據進行簡單的平均、求和等運算，根據具體需求，需要采取不同的融合措施，數據融合的順序一般是從數據層到特征層再到決策層。本協議應用信息熵進行數據分類融合，節點感知的各種信息的數據關系可通過信息熵的計算分為補充數據、冗余數據以及沖突數據。補充數據指傳感器節點感知的目標不同特征的信息；冗余數據指傳感器節點感知的目標同一特征的信息；沖突數據指傳感器節點感知的不同目標的信息或者是同一目標時空不相關的信息，或者是傳感器故障而提供的矛盾信息。判定兩個傳感器節點提供的信息的數據關系方法如下：
假定節點1與節點2感知數據的分布特性符合pi(x／xi)，其中i為傳感器號1或2，x(x∈X)為感知的隨機數，xi為節點i感知的數據值；節點i和節點j的聯合分布為pij(x／xi，xj)，由信息熵的定義，節點i和j感知數據的自熵hi(xi)與聯合熵hij(xi，xj)的計算如下：
自熵表明了節點i感知數據xi的不確定性，而互熵則表明了節點i和j聯合感知數據(xi，xj)的不確定性。比較hi(xi)，hj(xj)與hij(xi，xj)三者的大小關系有以下三種情況：
(1)hi(xi)≤hij(xi，xj)≤hj(xj)，說明兩個傳感器的聯合感知數據既沒減少xi的不確定性，也沒增加xj的不確定性，兩個節點的感知數據互不影響，因此兩個數據是互補的；
(2)hij(xi，xj)hi(xi)≤hj(xj)，說明聯合感知數據的不確定性較xi和xj的不確定性都小，因此兩個數據是冗余的；
(3)hi(xi)≤hj(xj)hij(xi，xj)，說明聯合感知數據的不確定性較xi和xj的不確定性都大，因此兩個數據是沖突的。
3 仿真實驗
本文采用Matlab建立仿真模型，分別對原LEACH算法與改進后的算法進行仿真分析并加以比較。
3．1 仿真模型與參數設置
本實驗采用LEACH定義的物理模型，其定義如下：
(1)所有節點屬性完全一樣，能量有限并且均能與基站直接通信；
(2)基站位置固定，節點不知道其自身位置信息；
(3)無線通信采用對稱的信道，消耗的能量與傳輸的方向無關，節點可根據與目標節點的距離來調節射頻發射功率；
(4)簇頭節點可執行數據融合。
評論