基于事件驱动的部队无线传感器网络数据融合算法

摘 要：针对无线传感器网络在部队监测突发事件的主要应用,提出了一种基于事件驱动的无线传感器数据融合算法.相比于原有的TEEN算法,提出了一种基于事件刺激强度和节点剩余能量的簇头选取策略.仿真实验表明,该算法比TEEN算法具有更低的节点能耗和更高的节点存活率.

关 键 词 关 键 词 ：事件驱动；无线传感器网络；数据融合；剩余能量

中图分类号：TP312 文献标识码：A 文章编号文章编号：16727800（2013）008005702

作者简介作者简介：戴晨铖（1989-）,女,工程大学硕士研究生,研究方向为无线传感器；周胶（1989-）,男,工程大学硕士研究生,研究方向为无线自组网路由协议.

0 引言

随着国际国内形势的剧烈变化,部队所担负的维护国家安全和社会稳定、保障人民安居乐业的职责使命也面临着越来越严峻的考验.随着无线通信技术的全面发展,在我军信息化建设的背景下,无线传感器网络在部队中的应用也越来越广泛[1].但在无线传感器网络中,由于节点采用电池供电,在通常情况下,节点部署后电池无法更换,且无线传感器网络在部队多用于现场态势感知和人员定位,以及火灾等突发事件的检测,在这类应用中,观测者主要关注的是传感器采集到的数据的变化情况,而传感器节点不断地采集一些环境指标[2],例如：温度、湿度、位置信息等,并将它们采集到的数据传输给汇聚节点.很明显,所有传感器节点连续采集到的数据,具有很大的冗余,造成了不必要的能量消耗,很大程度上缩短了网络的生命周期.因此,研究基于事件驱动的无线传感器数据融合算法,对无线传感器网络在部队的应用,具有十分重要的意义.

1.网络模型

根据对以上典型分簇数据融合算法的分析比较,结合部队应用实际,给出了一种基于事件驱动和能量消耗的数据融合算法.

网络模型定义：检测设有N个传感器节点随机分布在事件发生区域A内,并且各传感器节点具有以下特征：①所有传感器节点在部署后不能轻易移动[3]；②有且只有一个基站,且部署在事件发生区域A以外的某个固定位置；③检测设基站的剩余能量为无穷大,且能够采用一跳模式向所有传感器节点发送信息；④所有传感器节点具有相同的能量、处理和通信能力；⑤所有传感器节点的能量都不能得到任何形式的补充；⑥传感器节点能够从基站获取自己的位置信息.

2.算法描述

为了达到节省能量的目的,所有传感器节点在被随机布置到检测区域后,均处于抑制状态.当检测区域内有事件发生时,节点由于受到刺激,从抑制状态转为兴奋状态,进行信息的感知和传送,否则,节点只负责定期与基站进行通信,告知基站本节点的工作状态是否良好.当区域内事件停止时,节点解除刺激,从兴奋状态重新转回抑制状态,以节省能量[6].

本算法与TEEN协议一样,定义了硬阈值和软阈值,用来决定是否发送数据检测数据,对硬阈值、软阈值和其他相关阈值的定义如表1所示.

阈值名称含义及用途：

基本硬阈值（BHT）： 该值不随监测数据变化,是一个由基站设定的稳定值. 用以衡量事件发生的严重程度.软阈值（ST）： 节点发送监测数据的最小变化量. 衡量监测数据的变化量.标准硬阈值（NHT）： NHT的初始值等于（BHTST）.在网络的初始阶段,所有节点都处于抑制状态,仅当抑制状态节点的监测数据满足Mdata>BHT&&|Mdata-NHT|≥ST时,该节点才进入兴奋状态,并将Mdata值设置为新的NHT值.对于已经处于活动状态的节点和簇头而言,当满足Mdata>BHT&&|Mdata-NHT|≥ST时,更新NHT值为Mdata,并且簇内节点将监测到的数据传送给该簇的簇头节点. 处于抑制状态的节点使用它们的NHT值来竞争成为簇头；簇内节点向簇头节点传送监测数据时使用NHT来避免重复发送信息[7].相对兴奋时间阈值（RETT）： RETT的大小与事件发生的严重程度成正比,即RETT等于α|Mdata-BNT|,其中α为兴奋时间系数. RETT用于确定簇的生存时间.绝对兴奋时间阈值（AETT）： 将当前时间记为t,则AETT等于t+RETT,当前时间t>AETT后,表明簇的生存时间结束,节点重新变成抑制状态. AETT用于簇内节点判断簇的生存时间.