一种均衡融合时延和生存时间的无线传感器网络数据融合方法，首先，考虑无线传感器网络应用中事件发生具有不可预测性的实际因素，将数据融合问题建立成以时均网络能耗最小化为目标的随机优化模型，然后，设计一种基于Lyapunov优化方法的实时选择参与数据融合的节点的策略，并建立一种网络能耗与各类感知信息的最大融合时延之间的权衡关系，从而达到均衡融合时延和生存时间的目的。本发明专利技术模型合理、得到数学理论的支撑、能满足不同类型感知信息的不同融合时延要求、能够直接适用于无线传感网中的均衡融合时延和生存时间的无线传感器网络数据融合方法。
【技术实现步骤摘要】
本专利技术涉及无线传感器网络
，尤其是一种均衡融合时延和生存时间的无线传感器网络数据融合方法。
技术介绍
无线传感器网络(Wireless Sensor Networks,WSNs)是由部署在监测区域内大量廉价微型传感器节点组成，通过无线通信方式形成的一种多跳自组织网络系统，在环境监测、智慧城市、公共安全等领域有着广泛应用。随着WSNs应用研究的不断深入，暴露出的问题也越来越多。其中，最明显的问题之一是大规模WSNs系统产生的海量传感数据对网络处理能力要求高与WSNs节点的能量、通信距离和带宽等资源受限等的本质特性相矛盾。为克服这种矛盾，学者们纷纷将出现于20世纪70年代的数据融合技术引入到WSNs中，旨在一定程度上消除节点本身或相邻节点所感知到的数据在时空上存在的相关性和冗余性，从而减少数据量。目前，WSNs中的数据融合研究主要从以下两个方面着手：(1)研究如何将传统较成熟的及新提出的数据融合方法，如贝叶斯估计法、卡尔曼滤波法、神经网络法、D-S证据理论、压缩感知法等，应用到资源受限的WSNs中；(2)通过研究构建WSNs结构的各种策略进而确定何时或何地执行数据融合，以提高融合效率和资源利用率、均衡网络能耗。比较典型的是基于树状结构的策略、基于链路结构的策略及在经典分簇协议LEACH的基础上对其成簇方式和簇头选择方法等方面进行改进等。上述成果为处理大规模WSNs应用中产生的海量原始感知数据提供有力的理论支撑，但大部分默认所有节点的感知信息均被发送到融合节点。然而，WSNs节点部署密集，节点感知的信息冗余度很大，可选择部分节点的感知数据用于融合，以在保证融合质量的前提下，达到减少通信量、降低计算复杂度、延长网络生存时间的目的。Mo Y和Yang C等人已经以卡尔曼滤波法为基础，对此作了系列研究，他们的研究成果可参阅文献[1]：Mo Y,ShiL,Ambrosino R,et al.Network Lifetime Maximization via Sensor Selection[C]//Proceedings of the 7th IEEE Asian Control Conference,2009:441-446.(即Mo Y,ShiL,Ambrosino R等.最大化网络生命的传感器调度[C]//第七届IEEE亚洲控制会议，2009:441-446.)，文献[2]：Mo Y,Garone E,Casavola A,et al.Stochastic sensor schedulingfor energy constrained estimation in multi-hop wireless sensor networks[J].IEEE Transactions on Automatic Control,2011,56(10):2489-2495.(即Mo Y,GaroneE,Casavola A等.针对能量约束估计的多跳无线传感网节点随机调度[J].自动控制会刊，2011,56(10):2489-2495.)，文献[3]：Yang C,Ren X,Zheng J,et al.Sensor Schedulingfor Communication Resource Minimization in Centralized State Estimation[C]//Proceedings of IEEE International Conference on Information and Automation,2014:1166-1171.(即Yang C,Ren X,Zheng J等.面向集中式状态估计的最小化通信资源的传感器调度[C]//IEEE信息与自动化国际会议,2014:1166-1171.)，以及文献[4]：Yang C,Wu J,Ren X,et al.Deterministic Sensor Selection for Centralized StateEstimation Under Limited Communication Resource[J].IEEE Transactions onSignal Processing,2015,63(9):2336-2348(即Yang C,Wu J,Ren X等.针对通信资源受限下集中式状态估计的确定性节点选择[J].信号处理会刊,2015,63(9):2336-2348)。然而，这些研究成果没有考虑数据融合时延的问题。实际上，在通信带宽资源受限的WSNs中，感知信息从感知节点传输到融合节点的过程中不可避免地存在时延，故如何满足不同感知信息的融合时延要求是面临的一个实际问题。
技术实现思路
为了克服现有无线传感器网络数据融合方法未充分挖掘感知信息的冗余度、未考虑融合时延等不足，本专利技术提供一种模型合理、只选择部分节点的感知数据用于数据融合且能满足不同类型感知信息的不同融合时延要求的均衡融合时延和生存时间的无线传感器网络数据融合方法。本专利技术解决其技术问题所采用的技术方案是：一种均衡融合时延和生存时间的无线传感网数据融合方法，该方法包括以下步骤：1)整个WSNs被划分为不同的簇，每个簇有N个节点和1个簇头，将数据融合问题建立成以时均网络能耗最小化为目标的随机优化模型：minρij(t)≤(ρij)max,bij(t)∈(0,1)limT→∞1TΣt=0T-1E{Σi=1NpiΣjρij(t)本文档来自技高网...
【技术保护点】
一种均衡融合时延和生存时间的无线传感网数据融合方法，其特征在于：该方法包括以下步骤：1)整个WSNs被划分为不同的簇，每个簇有N个节点和1个簇头，将数据融合问题建立成以时均网络能耗最小化为目标的随机优化模型：minρij(t)≤(ρij)max,bij(t)∈(0,1)limT→∞1TΣt=0T-1E{Σi=1NpiΣjρij(t)}]]>s.t.Qij(t+1)=max{Qij(t)-ρij(t)-bij(t)aij(t),0}+aij(t),∀i,j,t]]>Σi=1N1bij(t)=0=Kj,∀j,t]]>limT→∞sup1TΣt=0T-1E{Qij(t)}<∞,∀i,j]]>Ei(t)-piΣj{Qij(t)+aij(t)×1bij(t)=0}>0,∀i,t]]>Ei(t+1)=Ei(t)-piΣjρij(t),∀i,t]]>式中，T表示WSNs的生命周期；E{·}表示数学期望；pi表示节点i发送单位数据到簇头所消耗的能量；表示所述节点i的第j类传感器的感知数据存储队列在时槽t的感知数据量，且满足表示所述节点i的第j类传感器的感知数据存储队列在时槽t+1的感知数据量；和是决策变量，其中：所述是在时槽t从所述节点i的第j类传感器的感知数据存储队列中发送给所述簇头的数据量，将所述单位的数据发送给所述簇头时需注明时槽k，所述簇头等待接收完成时槽k的感知数据再融合处理，表示分配给所述节点i的第j类传感器在每个时槽内可发送的最大数据量；所述是0‑1变量，当时，表示所述节点i的第j类传感器在时刻t的感知信息被选中参与数据融合，否则被认为是冗余信息而直接从所述队列中移除；表示所述节点i的第j类传感器在时槽t的感知数据量，且满足所述表示所述节点i的第j类传感器在每个时槽的最大感知数据量；是符合函数，当时，它为1，否则为0；Kj表示融合第j类传感器的感知信息所需的节点个数；sup表示最小上界运算符号；Ei(t)表示所述节点i在时槽t的剩余能量，Ei(t+1)表示所述节点i在时槽t+1的剩余能量；2)所述随机优化模型通过Lyapunov优化方法求解，步骤如下：S2‑1初始化：可调参数和V；所述参数和V是可调参数，其取值影响节点i的第j类传感器的感知数据融合时延和所述随机优化问题的目标函数值；S2‑2通过求解下述优化问题，确定节点i的第j类传感器在时槽t的感知信息是否被选中参与数据融合；minbij(t)∈(0,1)Σi=1NΣj{bij(t)aij(t)(aij(t)+2(ρij)max-Qij(t)-Zij(t)-δij)}]]>s.t.Σi=1N1bij(t)=0=Kj,∀j,t]]>Ei(t)-piΣj{Qij(t)+aij(t)×1bij(t)=0}>0,∀i,t]]>式中，表示所述节点i的第j类传感器的虚拟队列，且满足S2‑3通过求解下述优化问题，计算从节点i的第j类传感器的感知数据存储队列中发送给簇头的数据量min0≤ρij(t)≤(ρij)maxΣi=1NΣj{(ρij(t))2+ρij(t){Vpi-(Qij(t)+Zij(t)+δij)}}]]>S2‑4节点i将单位的数据发送给簇头，并注明是时刻k的感知数据，k≤t，所述簇头待接收完成时刻k的感知数据就执行融合处理；S2‑5更新更新更新Ei(t)：S2‑6检验终止条件：若无线传感网达到定义的死亡条件，均衡融合时延和生存时间的无线传感器网络数据融合方法结束，否则转向所述步骤S2‑2。...
【技术特征摘要】
1.一种均衡融合时延和生存时间的无线传感网数据融合方法，其特征在于：该方法包括以下步骤：1)整个WSNs被划分为不同的簇，每个簇有N个节点和1个簇头，将数据融合问题建立成以时均网络能耗最小化为目标的随机优化模型：min&rho...
【专利技术属性】
技术研发人员：董齐芬，
申请(专利权)人：浙江警察学院，
类型：发明
国别省市：浙江;33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。