無線傳感器網絡數據傳輸及融合技術

首先根據節點之間的不同距離(數據相關性不同)按一定算法將節點分為偶數集合Ej和奇數集合Oj。以Oj中的數據進行預測，根據Oj節點與其相鄰的Ej節點進行通信后，用Ej節點信息預測出Oj節點信息，將該信息與原來Oj中的信息相減，從而得到細節分量dj。然后，Oi發送dj至參與預測的Ej中，Ej節點將原來信息與dj相加，從而得到近似分量sj，該分量將參與下一輪的迭代。以此類推，直到j=0為止。
該算法依靠節點與一定范圍內的鄰居進行通信。經過多次迭代后，節點之間的距離進一步擴大，小波也由精細尺度變換到了粗糙尺度，近似信息被集中在了少數節點中，細節信息被集中在了多數節點中，從而實現了網絡數據的稀疏變換。通過對小波系數進行篩選，將所需信息進行lifting逆變換，可以應用于有損壓縮處理。它的優點是：充分利用感測數據的相關性，進行有效的壓縮變換；分布式計算，無中心節點，避免熱點問題；將原來網絡中瓶頸節點以及簇頭節點的能量平均到整個網絡中，充分起到了節能作用，延長了整個網絡的壽命。
然而，該算法也有其自身的一些設計缺陷：首先，節點必須知道全網位置信息；其次，雖然最終與Sink節點的通信數據量是減少了，但是有很多額外開銷用于了鄰居節點之間的局部信號處理上，即很多能量消耗在了局部通信上。對于越密集、相關性越強的網絡，該算法的效果越好。
在此基礎上，南加州大學的Godwin Shen考慮到DWT_IRR算法中沒有討論的關于計算反向鏈路所需的開銷，從而對該算法進行了優化。由于反向鏈路加重了不必要的通信開銷，Godwin Shen提出預先為整個網絡建立一棵最優路由樹，使節點記錄通信路由，從而消除反向鏈路開銷。

3 總 結
基于應用領域的不同，以上算法各有其優缺點，如表1所示。

4 結 語
這里介紹了幾類常用的無線傳感器網絡數據融合算法，并比較了其優缺點。數據融合是實現無線傳感器節點節能目的的重要手段之一，目前的各種研究技術都還未成熟，新技術正不斷涌現。例如當傳感器節點具有移動能力時，網絡拓撲如何保持實時更新；當環境惡劣時，如何保障通信的安全；如何進一步降低能耗；以及如何更好地借助數據稀疏性理論（如Compressd Sening）在圖像處理中的應用，而將其引入到傳感器網絡數據壓縮中改善融合效果，以上都是待解決的問題。未來還會有更多、更好、更合面的算法被不斷提出。