专利名称：一种基于粗糙集的无线多媒体传感器网络数据融合方法
技术领域：
本发明提出了一种基于粗糙集的无线多媒体传感器网络数据融合方法，该方案主要用来解决无线多媒体传感器网络中节点电池能量、计算能力、存储容量以及通信带宽有限的问题，对于有效减少能源消耗，延长整个无线多媒体传感器网络的生命周期起着十分重要的作用。该发明属于无线多媒体传感器网络技术领域。
背景技术：
在无线多媒体传感器网络中，一方面由于图像、音频、视频等信息数据量巨大，因此完整的存储、传输这些数据将给节点和网络带来较多的通信负担和能量消耗；另一方面，从用户的角度看，用户关心的不是某一个具体节点的数据，而是整个场景或某个目标的全面监测。因此必须从这些大量冗余的数据中提取用户真正感兴趣的内容，丢弃不必要的数据。数据融合就是这样一种技术，它可以对来自多个传感器的数据进行综合处理，剔除冗余，组合出更有效、更符合用户需求的数据。从而达到节省整个网络的能量、增强所收集数据的精准性以及提高收集数据的效率的目·的。目前，针对传统无线传感器网络的数据融合技术的研究已有不少，并且从不同的角度，可以将数据融合技术分为不同的类型。例如根据数据融合前后的信息含量，可以分为无损融合和有损融合；根据数据融合是否基于应用数据的语义，可以分为依赖于应用的数据融合，独立于应用的数据融合以及结合以上两种技术的数据融合；根据对传感器数据的操作级别，可以将数据融合分为数据级融合、特征级融合和决策级融合。此外，数据融合技术还可以在网络的各协议层实现。应用层中的数据融合利用分布式数据库技术，应用层接口也采用类似 SQL (Structured Query Language)的风格，通过执行 MIN、MAX、COUNT 等融合查询操作达到数据融合的效果；网络层中的数据融合是通过在路由协议中加入数据融合机制，以减少数据传输量，减轻数据汇聚过程中的网络拥塞，协助路由协议延长网络的生存时间。典型的路由驱动型的数据融合算法有定向扩散路由协议和分层聚簇路由协议。定向扩散路由协议是一个以数据为中心的路由融合协议，数据融合包括路径建立阶段的兴趣融合和数据传输阶段的数据融合，但是这种方法不利于邻近节点的数据融合；低能耗自适应分层聚簇(Low-Energy Adaptive Clustering Hierarchy, LEACH)协议使用分簇的方法使得数据融合的地位凸显出来。它将整个网络划分为若干个簇，每个簇选取一个簇头，每个簇头在收到本簇成员的数据后进行融合处理，并将结果直接发送给汇聚节点。但是LEACH算法仅强调了数据融合的重要性，并未给出具体的融合方法。而Lindsey等人提出的PEGASIS(Power Efficient Gathering in Sensor InformationSystem)算法对 LEACH 的数据融合进行了改进，采用链式结构，具有更好的融合性能。然而，PEGASIS中链的长度与节点数量有关，而无线传感器网络的节点数量规模很大，因此在数据融合时为产生很大的延迟；除了与应用层和网络层技术相结合的数据融合技术，又出现了独立于应用层的数据融合机制(Application)，其基本思想就是不关心数据的内容，而根据下一跳地址进行多个数据单元的合并，通过减少数据封装头部的开销以及MAC层的发送冲突来达到节省能量的效果。
以上几种融合方案均不适用于传输音频、视频等多媒体信息的无线多媒体传感器网络。而本方案将网络拓扑结构的研究与数据融合算法相结合，提出一种基于粗糙集的数据融合方案，使得节点采集的信息既可以沿优化的融合路径转发，同时又可以通过使用粗糙集理论的不可分辨关系识别出冗余的信息以获得约简的信息，从而减少传输的数据量，节省节点的能量，延长整个网络的生命周期。
发明内容
技术问题本发明的目的主要是针对无线多媒体传感器网络能量有限的问题，提出一种基于粗糙集的无线多媒体传感器网络数据融合方法(RSDF:Rough Setbased DataFusion in Wireless Multimedia SensorNetworks),以减少传感器节点消耗的能量,从而延长整个网络的生命周期。技术方案首先给出几个定义粗糙集建立在分类机制的基础上，将分类理解为在特定空间上的等价关系，而等价关系构成了对该空间的划分。主要思想是利用已知的知识库，将不精确或不确定的知识用已知的知识库中的知识来近似刻画。不可分辨关系若两个对象具有相同的信息，即它们是等价的，则认为它们是一种不可分辨关系。假设集合P为一族等价关系，且X e P，如果ind(P)=ind(P-{x})，其中ind(P)为P的所有等价关系的交，则称X为P中不必要的；否则称X为P中必要的。如果每个X G P都为P中必要的，则称P为独立的；否则称P为依赖的。约简假设集合泛Q产，如果Q是独立的，且ind (Q) =ind⑵，则称集合Q是集合P的一个约简。P 的最小约简记作 red (P)。且有，则 ind (red (P)-{x}) ^ ind (P) 核P中所有必要关系组成的集合成为关系P的核，记作CORE(P)。
`
可辨识矩阵令决策表系统S=〈U，A，V，f>，其中U={Xl，x2, - ,xn}是论域，A=C U D是属性集合，子集CHai I i=l，-,m}和D={d}分别称为条件属性和决策属性集，P= y/=，Va是属性a的值域，f:UXA — V是一个信息函数，它为每个节点采集的信息的每个属性赋予一个信息值。Si(Xj)是节点Xj采集的信息在属性％上的取值。CD(i，j)表示可辨识矩阵中第i行和第j列的元素，则可辨识矩阵Cd定义为
权利要求
1.一种基于粗糙集的无线多媒体传感器网络数据融合方法，其特征在于将优化的网络拓扑结构和基于粗糙集理论的数据融合算法相结合，有效节省网络资源，延长了网络的生存周期，该方案的具体过程如下 第一步，网络的初始化 步骤I)将N个多媒体传感器节点随机均匀地分布在区域A内部，每个节点有唯一的编号1，2，...，N;在节点的具体地理位置已知的情况下，根据节点的具体位置信息，将区域A划分成m个相同大小的正方形区域Au，各区域Aij成为一个簇； 步骤2)每个多媒体节点首先以通信半径r广播普通节点消息CM(Ci, IDi, Ei, Li (x, y))(i=l, 2，. . .，N)，该消息包含节点所在簇的编号Ci,节点标识IDp节点剩余能量Ei和节点的位置坐标LiU, y)； 步骤3)节点所属簇的其它所有节点都是该节点的邻居，每个节点只接收同一簇的邻居节点发送的普通节点消息并根据该消息更新其邻居信息表邻居信息表记录着该节点的所有邻居节点的标识IDp剩余能量Ei和位置坐标Li (X, y)； 步骤4)只有当节点的剩余能量大于预先设定的能量阈值Ethres时才有机会参与簇内簇头节点的竞争，成为候选簇头节点；候选簇头节点根据各自更新后的邻居信息表，得到自己 到所有邻居节点距离的平方和，即
全文摘要
无线多媒体传感器网络可以很灵活的部署于用户感兴趣的区域中感知更丰富的音频、视频等多媒体信息。但是由于无线多媒体传感器网络的节点都是采用电池供电，并且采集传输多媒体信息的硬件功耗远高于传统节点，所以如何节省节点能量使得网络生存周期最大化是设计和实现无线多媒体传感器网络的主要难点和挑战之一。针对该问题，本发明提出了一种基于粗糙集的无线多媒体传感器网络数据融合方案，该方案首先构建优化的网络拓扑结构，通过一定的规则挑选出簇头节点，且在簇头节点间构建数据融合树，使得采集的信息可以沿着优化的融合路径转发，节省节点因传输数据而消耗的能量。其次，通过运用粗糙集理论的不可分辨关系消除冗余以获得约简的信息，约简后的信息不仅更加准确而且比原始数据量大大减少，从而进一步节省了节点的能量，延长了整个网络的生命周期。
文档编号H04W40/10GK103052130SQ20121047255
公开日2013年4月17日 申请日期2012年11月20日 优先权日2012年11月20日
发明者王汝传, 吴蓉, 沙超, 黄海平, 孙力娟, 钱艺升, 陈九天, 封娟 申请人:南京邮电大学