袁春艳
（西安财经学院行知学院，陕西 西安 710038）
【摘 要】为了解决无线传感器网络的能量有限，增强收集信息的准确性以及提高收集信息的效率等问题,提出了基于一致滤波器的估计融合算法。该算法能够利用多个传感器的测量信息，降低信息冗余度，提高整个无线传感器网络参数估计的鲁棒性和精确性。并通过最大加权方法进行仿真，比较各个参数对于算法的影响，从而进一步提高了参数估计的精确性。
教育期刊网 http://www.jyqkw.com
关键词 无线传感器网络；数据融合；一致滤波算法
0 引言
WSN(wireless sensor network)就是无线传感器网络[1]，它集低成本、低功耗、多功能等特点和无线通信、数据采集、信息处理、协同合作等功能于一体。能够实时监测、感知和采集网络分布区域内的各种监测对象或环境的信息，并对这些信息进行处理，最后传递给需要的用户。由于它的各种优点，引起了国内外的军事领域、工业界和学术界的极大关注，发展前景非常乐观。
但是，监测区域内传感器网络节点的电池能量、处理能力、存储容量以及通信带宽等资源都十分有限，而且用户也不需要所有传感器节点的信息，所以，就不需要将所有传感器节点的信息传递给汇聚节点或用户。于是就出现了数据融合技术，他将监测区域内的传感器节点的信息进行综合处理后，再传送给用户。这样既节省能量，又提高了收集信息的准确性和高效性。
本文是基于WSN数据融合的自适应一致滤波算法的研究，通过设计一致滤波器，对监测区域内的参数信息进行融合处理，大大降低了数据的冗余性，提高了网络的鲁棒性和精确性。
1 WSN数据融合技术
1.1 数据融合的作用
由于传感器网络节点在电池能量、处理能力、存储容量以及通信带宽等几个方面的资源十分有限。所以，将各个节点收集的信息单独传送到汇聚节点的方法是不合适的，主要表现在浪费通信带宽和能量及降低信息收集效率两个方面。
为解决上述问题，传感器网络在收集数据的过程中可以采用数据融合(data aggregation 或data fusion)技术[2]。数据融合是将多份数据或信息进行处理，组合出更有效、更符合用户需求的数据的过程。而且经过数据融合处理后，可以提高信息的精度。传统的传感器应用并不需要收到大量原始数据，而是只关心监测结果，因此数据融合也是实现此目的的重要方法。
作为传感器网络的关键技术之一，数据融合在传感器网络中起着十分重要的作用，主要表现在增强所收集数据的准确性、节省整个网络的能量以及提高收集数据的效率三个方面。
1.2 WSN数据融合的特点
将多份数据或信息进行处理,组合出更有效、更符合用户需求的数据的过程就是数据融合。单独依赖一种感官获得的信息不足以对事物做出准确判断，而综合多种感官数据，对事物的描述会更准确。与传统多传感器相比，WSN数据融合技术具有稳定性、数据关联、能量约束等特点。数据融合[3]是一个多级别、多方面、多层次的数据处理过程，经过对多个信息源的数据进行综合处理、估计以达到精确地状态估计和身份估计，并及时完成态势估计和威胁估计。
2 一致滤波算法
一致滤波器：
一致滤波器具有分布式的结构，它的输入是节点的初始状态，该算法定义了邻居节点之间的相互作用以及融合方法，最后输出融和后的节点状态。由于一致滤波器的作用，所以所有的节点最终的状态都趋近于一致。即就是，所有节点的状态收敛于任意小的半径的球域内[6]。假设i节点的初始状态为xi（０），则经过一致滤波器的k次迭代后，输出信息xi（k）可以表示为：
当k→∞时，由于（１）式的加权迭代，节点状态xi（k），?坌i∈V，都将渐近的趋于一致，即就是最终趋近的一致状态是所有节点初始状态的平均值。所以又称采用上述加权方式的一致滤波器为一致平均滤波器。
3 一致滤波器的仿真
3.1 仿真步骤
1）在的区域内随机分布N个传感器节点，并且绘出传感器节点的分布图；
2）计算监测区域内所有传感器节点的相邻节点的个数，即就是监测区域内所有传感器节点的度值；
3）初始化矩阵的值，如：观测矩阵、一致加权系数矩阵、迭代次数的矩阵等等；
4）利用利用最大度加权的方法或Metropolis加权的方法计算一致加权系数；
5）利用公式（２）进行迭代，记录并且绘出三个点的迭代值，并且与所有传感器节点的初始值的平均值进行比较。
3.2 利用最大度加权的方法进行仿真
利用上一小节提到的一致滤波算法，并运用最大度加权的方法计算一致加权系数。在仿真的过程中，对仿真结果影响的因素非常多，比如：监测区域中传感器节点的个数、噪声的大小、传感器节点的有效传输距离等等。任何影响因素的变化都有可能增加传感器节点信息传输的能量消耗，并且增加了算法收敛的延时。下面将运用仿真结果对影响一致滤波算法的因素进行比较说明。
假设监测区域有N个节点，传感器有效传输距离为S，监测区域内噪声大小为R。
情况1：监测区域内传感器节点个数对算法收敛性的影响
当其他条件不变时，节点个数N分别为N=50，N=100时，参数估计值的分布图如下：
仿真结果分析：由以上两个图形的对比，我们可以明显的看出，当监测区域的传感器节点个数增加时，参数估计值趋于一致的迭代次数减少，收敛速率加快，能够减小传感器节点传输信息的能量消耗。其主要原因是：当结点个数增加后，导致所有节点的邻居节点个数增加，每个节点的度值增加，一致加权系数发生变化，进而影响了参数估计的收敛速率。
情况２：传感器节点的有效传输距离对算法收敛性的影响
当节点个数N=50情况下，传感器有效传输距离S分别为S=30，S=20时，参数估计值的分布图如下：
仿真结果分析：由以上两个图形的对比，我们可以明显的发现，当监测区域内传感器节点的有效传输距离增加时，参数估计值趋于一致的迭代次数减少，收敛速率加快，能够减小传感器节点传输信息的能量消耗。其主要原因是：当传感器节点有效传输距离增加后，导致监测区域内所有节点的邻居节点个数增加，每个节点的度值增加，从而导致一致加权系数发生变化，进而影响了参数估计的收敛速率。
4 小结
在无线传感器网络中，为了融合网络中所有节点的观测信息，并且获得接近集中式算法的全局一致的参数估计值，基于一致滤波器的估计融合算法需要经过多次的信息交换。经过多次的信息交换得到的全局统一的估计值，在信息传输过程中可以降低信息的冗余度，提高传感器网络的鲁棒性和精确性。但是，多次的信息交换可能会增加传感器节点的信息传输的能量消耗，并且增加了算法收敛的延迟。后者在跟踪动态变化的物理量时对算法性能的影响尤为重要。因此，在实际动态的应用中，为了加快算法的一致收敛速度，可以采用自适应滤波算法来改进基于一致滤波器的估计融合。
教育期刊网 http://www.jyqkw.com
参考文献
［１］孙利民,李建中,陈渝,朱红松,编著.无线传感器网络[M].清华大学出版社,2005,5:85-106.
［２］罗蔚.无线传感器网络数据融合技术研究与应用[D].重庆邮电大学自动化学院,2007,11.
［３］叶宁,王汝传.无线传感器网络数据融合模型研究[J].计算机科学,2006(06).58-60.
［４］席峰,刘中.基于状态预测自适应一致滤波器的分布式估计融合算法[J].信息与控制,2010(01).59-66.
［５］Xiao L, Boyd S. Fast linear iterations for distributed averaging[J]. Systems and Control Letters,2004,53(1):65-78.
［６］Olfati-Saber R. Distributed Kalman filtering for sensor networks[C]// Proceedings of the 46th IEEE Conference on Decision and Control Piscataway, NJ, USA: IEEE, 2007:54-78.
［责任编辑：邓丽丽］