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
【专利摘要】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。
【专利说明】
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
技术领域
[0001] 本发明涉及无线传感器网络技术领域，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。
【背景技术】
[0002] 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。
[0003] 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。
[0004] 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[l]:Mo Y，Shi L,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,Shi L，Ambr〇sin〇 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.)，文南犬[2]:Mo Y,Garone E,Casavola A,et al.Stochastic sensor scheduling for energy constrained estimation in multi-hop wireless sensor networks[J] ?IEEE Transactions on Automatic Control,2011,56(10):2489-2495.(即Mo Y,Garone E, C a s a v o 1 a 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 Scheduling for 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， ffu J,Ren X,et al.Deterministic Sensor Selection for Centralized State Estimation Under Limited Communication Resource[J]. IEEE Transactions on Signal Processing,2015,63(9) :2336-2348(8卩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。
【发明内容】
[0005] 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，本发明提供一种模型合理、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。
[0006] 本发明解决其技术问题所采用的技术方案是：
[0007] -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：
[0008] 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：
[0009]
[0010]
[0011]
[0012]
[0013]
[0014]
[0015]式中，T表示WSNs的生命周期;E{ ·}表示数学期望运算符;Pi表示节点i发送单位 数据到簇头所消耗的能量；β'(/)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(?/(0) = 0,▽/，./，β.Μ/+1)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+Ι的感知数据量；p/(〇和6/(0是决策变量，其中：所述p/(〇是在时槽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 P,'(0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;所述分(0是0-1变量，当6/(〇 = 〇时，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s (?/)_,，所述(fl/)max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￥⑷=〇时，它为1， 否则为〇;1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+Ι的剩余能 量；
[00?6] 2)所述随机优化模型通过Lyapunov优化方法求解，步骤如下：
[0017] S2-1 初始化:g(0) = 0，Z/(0) = 0，V/，./、参数V, VU_和V;
[0018] 所述参数和'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；
[0019 ] 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；
[0020]
[0021]
[0022]
[0023] 式中，Ζ/(?)表示所述节点i的第j类传感器的虚拟队列，且满足Z/(0) = 0, W, ；
[0024] 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p/(〇;
[0025] . .--η. J
[0026] S2-4节点i将p/的单位的数据发送给簇头，并注明是时刻k的感知数据，k彡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；
[0027] S2-5 史新 β.;(/) : 十 l) = max姑⑴- /)/(/) - /<(〇<(〇,〇}切
[0028] 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。
[0029] 进一步，当所述a/(〇,V/，i服从独立同分布且0<年' (户/)_2(?/)_时，所述均衡融合时延和生存时间的无线传感网数据融合方法使网络能耗 与各类感知信息的最大融合时延存在均衡关系，即：
[0030] ①感知数据的最大融合延时为(￡>/)_个时槽：
[0031]
[0032] ②令p/(〇和纪(〇是计算出的值，Φ是相应的所述时均网络总能耗，那么，Φ与所 述随机优化模型的最优目标函数值之间满足：
[0033]
[0034] 式中，表示随机优化模型的最优目标函数值。
[0035] 本发明的技术构思为:本发明考虑WSNs应用中事件发生具有不可预测性等实际因 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，设计一种基于 Lyapunov优化技术的实时选择参与数据融合的节点的策略，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。
[0036] 从上述技术方案可以看出，本发明的有益效果主要表现在：
[0037] 1.本发明在任意时槽，只要根据当前观测值，即可计算出决策变量，这完全符合事 件发生具有不可预测性的WSNs应用系统的要求。
[0038] 2.本发明能满足不同类型感知信息的不同融合时延要求，能均衡融合时延和网络 生存时间。
[0039] 3.本发明中的数据融合模型、方法设计及融合时延与网络生存时间之间的关系表 达式均得到数学理论的支撑。
【附图说明】
[0040] 图1是本发明的均衡融合时延和生存时间的无线传感网数据融合方法的流程。
【具体实施方式】
[0041] 为使本发明的目的、技术方案和优点更加清楚明白，下面结合【具体实施方式】并参 照附图对本发明作进一步描述。
[0042] 参照图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，首先考虑 WSNs应用中事件发生具有不可预测性等实际因素，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。整个WSNs被划分为不同的簇，每个簇有N个传感节点（以下 简称节点)和1个被称为簇头的节点（以些简称簇头）。所述节点i的初始能量为焉，所述簇头 能量不受限制，所述簇头负责该簇内的数据融合。所有所述节点和所述簇头的位置是固定 不变的，所述节点能耗主要由发送感知数据给所述簇头时产生，所述节点i发送单位数据到 所述簇头所消耗的能量为 Pl。每个所述节点均安装多种类型的传感器，且每类感知信息有 不同的融合时延要求。另外，由于WSNs应用中事件发生具有不可预测性，故不同所述节点在 不同时刻的感知信息量均不同且是随机的。本发明令<(/)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α/(?Χ(?/) η?Χ，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。
[0043] 进一步，因所述节点部署密集，感知数据量大但冗余度高，故对任意时槽t的感知 数据，所述簇头无法瞬间同时接收处理，而是选择部分所述节点的感知数据且在融合时延 允许之内完成融合处理。因此，本发明将每个所述节点的每类感知数据存储在相应队列中， 根据一定的策略再将感知信息发送给所述簇头。具体地，令β% + 1)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+i的感知数据量，aw)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(?,'(0) = 0, V/，./，且根据下式更新：
[0044]
(1)
[0045] 上式中，p/⑴和/>/ (〇是决策变量。其中：
[0046] 所述ρ/(?)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，且/>/(0<(ρ/)_，所述(/>/)_表示分配给所述节点i的第j类传感器可发 送的最大数据量。需要指出：所述p/(0不一定表示所述节点i的第j类传感器在时槽t的感 知数据量，而是某个时槽k(k<t)的感知数据量且所述p/的有可能小于<(幻，因此，将所述 AW)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；
[0047] 所述6/(?)是0-1变量，当6/(〇 = 0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。为保证融合 质量，所述V (0应满足：
[0048]
[0049] 所述上式中Λ/(_是符合函数，当δ/(?) = 〇时，它为1，否则为0而是整常数，表示 融合第j类传感器的感知信息所需的节点个数。
[0050] 进一步，根据Lyapunov优化方法，为确保每类所述感知信息的融合时延是有限的， 每个所述队列应是可稳定的，BP :
[0051]
[0052] 上式中，T表示WSNs的生命周期，sup表示最小上界运算符号，E{ ·}表示数学期望。 需要指出：由于所述节点能量受到限制，WSNs生命周期是有限的，但信息感知次数还是相当 多的，所以所述式(3)中认为T-m是合理的。
[0053] 进一步，所述节点能量受到限制，还应考虑能量约束。令Ei(t)表示所述节点i在时 槽t的剩余能量，则有：
[0054]
[0055]
[0056]更进一步，众所周知，能量是WSNs的宝贵资源，故本发明的目标是在满足所述各项 约束的前提下，合理决策/>/(0和％"的，使时均网络总能耗最小，即建立如下的随机优化模 型：
[0057]
[0058] 完成所述随机优化模型后，本发明采用Lyapunov优化方法设计一种可行有效的方 法求解所述随机优化模型，使得在任意时槽，只要根据当前观测值，即可计算出ρ/ω:和 Vw。定义虚拟队列ζ/(〇，并根据下式更新：
[0059]
(7)
[0060] 上式中，Ζ/(0) = 0, 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，是符号函数，当0(0 > 〇时，它为1， 否则为〇。再记Θ(〇 = πρ/},κ/}]为当前感知数据存储队列和相应虚拟队列的向量，并定义 二次型Lyapunov函数：
[0061]
[0062] 根据感知数据存储队列和相应虚拟队列的更新式(1)和(7)，可得：
[0063]
[0064] 所述上式中的最后一个不等式由p/(〇 < (P/U得到。然后，定义一阶Lyapunov平 移函数Δ ( Θ (t)):
[0065] A(0(t)) = E{L(0(t+l))-L(0(t))| 0(t)} (10)
[0066] 进一步，将随机优化问题(6)的目标函数以惩罚项的形式与Lyapunov平移函数相 加，得到以下的Lyapunov平移函数-加-惩罚函数：
[0067](11)
J J
[0068] 所述上式中的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。进一步，由所述式(9)可得：
[0069]
(12)
[0070]再进一步，遵循Lyapunov优化方法的基本思路来求解所述式(6)，即在每个时槽t 内，根据观测量⑴,V?，i的值，选择一种控制策略p/仍和，使得所述式 (12)不等号右边的表达式最小。图1是本发明的利用Lyapunov优化方法求解所述式(6)的流 程，具体步骤如下：
[0071 ] S2-1 初始化：(?)(〇) = 0,Z，(0) = 0, V/，/、参数和V;
[0072] S2-2通过求解所述式（13)，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；
[0073](1j) Λ·?：.
[0074] S2-3通过求解所述式（14)，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
[0075]
(14)
[0076] S2-4节点i将p/(〇单位的数据发送给簇头，并注明是时刻k(k彡t)的感知数据，所 述簇头待接收完成时刻k的感知数据就执行融合处理；
[0077] S2-5根据所述式（1)和所述式(7)分别更新总':(/),2/(〇，//,./，根据所述式(5)更新 Ei(t),V/'：,j·；
[0078] 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。
[0079] 接下去证明当所述a/(〇，V4./服从独立同分布且〇<贫、 (/>/)_以<)_时，本发明提出的均衡融合时延和生存时间的无线传感网数据融合方法具 有以下特性：
[0080] ①在任意时槽t内，所述节点i的第j类传感器的感知数据存储队列及相应的虚拟 队列均满足：
[0081] ^(/)<(^)^ z/(/)<(Z/)_, V/,/ (I5)
[0082] 所述上式中，（级)腿=印,· - € + 2(p/ )眶 + (<)_, (#)脈^ =咏 + 2(P/)騰[
[0083] ②感知数据的最大融合延时为(D/)"??个时槽：
[0084]
(16) 1
[0085] ③令p/W和6/(?)是本发明计算出的值，Φ是相应的所述时均网络总能耗。那么， Φ与所述随机优化模型(6)的最优目标函数值之间满足：
(17)
[0087]式中，Φ _表示随机优化模型的最优目标函数值。
[0088]证明：①利用数学归纳法证明。
[0089] a.证明V7，./,'
[0090] 显然0(〇) = 〇<(泛)祖。假设当七=8时，命题成立，即〇)<(0/)_。下面证明当七 = s+l时，命题仍成立。
[0091 ]首先，分析以⑷ < 吃.-5/ +2(ρ/)_的情况。根据所述式（1)，对Vi .，β;(〇的增加 量不会超过(《/)_，故有0/ (^ +1) <泛⑷+ (〇/)福< (0/)_
[0092] 再分析甩-(V + 2(Ρ/)_ < ⑷J勺情况。此时，有圮+β似+ Z/(s) >%+2(治 令所述步骤S2-3中的子项为：
[0093] 7^(^(0) = ^^-(^(/)-^(/) + ^0^(/) + ^(/))2
[0094] 则.〇/⑴)在0 < ρ/ (?) < (p/ )max处的一阶导数满足：
[0095] .;Κ/，,.-(0(，) + Ζ,.;.(/) + ?:'.)μ-2/)/.(，）<^ = 0 (18)
[0096] 所述上式表明当ΚΑ-5/ + 2(ρ/)_<β：^)4ρ/)_时，#(ρ/⑴）在区间 [0，(Ρ/)_]上是单调递减的，故计算出Ρ/(〇 = (Ρ/)·。又因为(Ρ/)_2 (?/)_，所以根据所 述式(1)可知，不论纪的为0或1，级0 +1) < (级)_均成立。
[0097] 综上，0/(，)4必)_, W,J_成立。
[0098] b.证明 Z/(〇<(Z/)max，V/,j·。
[0099] 类似的，显然Z/(0) = 0<(Z/)1Dax。假设当t = s时，命题成立，即。下面 证明当t = s+l时，命题仍成立。
[0100] 首先，分析Z/⑷ < 印,-5/ + 2(p/)_的情况。根据所述式（7)可知，对访，Z/(/)的 增加量不会超过麥，故有Z/ Q +1) S Z/⑷+年< (Z/)_。
[0101]再分析仏-<5/ + 2(p/)max < Z/Cv) < (2/)_的情况。此时，所述式(18)也成立，所以也 有Ρ/(0 = (Ρ/)_。根据所述式⑴，对W，Z/⑴的增加量不会超过<5/-(p/)max-0/(〇〇)。 又因为0<岑 s 祕，所以Z/(hl)<Z/(5)以Z/U。
[0102] 综上，Z/(〇S(Z/)max, 也成立。
[0103] ②首先，给出Lyapunov优化方法中的一个引理：假设存在一种控制策略p/(〇和 ?/W,使得对w，均有2/(〇<松)_和z/⑴<(ζ/)_，其中的?βυρ(ζ/)_是正的常数， 则感知信息的最大融合时延为
W,/个时槽。
[0104] 将所述命题①的结果代入所述引理，即可得到所述式（16)。
[01 05]③首先，根据Lyapunov优化方法中的ω -on 1 y平稳随机策略，可知对任意常数ε > 〇,均在所述随机优化模型(6)的可行域内存在一种平稳随机策略/3/(0和&(〇,使得：
[0106]
[0107]
[0108] 再根据本发明的计算原则，即选择一种控制策略p/(〇和￥(?>，使得所述式（12)不 等号右边的表达式最小，可得：
[0109]
[0110] 所述上式中的最后一个不等式根据所述式（19)和式（20)、ε-0、ρ/(〇<(/>/)_、 0<友⑴丨及6/(〇e(0，l)得到；等式由(p/)max、5/及(《/)_均为常数得到。将所述Φ (t)表示式(11)代入所述上式，然后在两端取数学期望，则由迭代期望法则可得： 「01111
【主权项】
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：式中，T表示WSNs的生命周期;E{ ·}表示数学期望;？1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·?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(?/(())=〇, V/，./，(?/(/ + 1)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+Ι的感知数据量;p/W和6/W是决策变量，其中：所述/)/(〇是在时槽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p/(〇单位的数据发送 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;所述纪(〇是0-1变 量，当纪(⑩=0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;α/(〇表示所述节点i的第j类传感器在时 槽t的感知数据量，且满足a/(〇<(?/) max，所述(〇/)_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6/(〇 = 0时，它为1，否则为0;心表示融合第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+Ι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：0(0) = 0,々(0) = 0,▽!',_/、可调参数 5/, 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；式中，Z/(〇表示所述节点i的第j类传感器的虚拟队列，且满足Z/(0) =0,; 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p/ (/);S2-4节点i将p/(〇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；S2-6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。2.如权利要求1所述的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：当所述服从独立同分布_时， 所述均衡融合时延和生存时间的无线传感网数据融合方法使网络能耗与各类感知信息的 最大融合时延存在均衡关系，BP : ① 感知数据的最大融合延时为个时槽：② 令ρ/(〇和/>/(/)是计算出的值，φ是相应的所述时均网络总能耗，那么，φ与所述随机 优化模型的最优目标函数值之间满足：式中，Φ￥表示随机优化模型的最优目标函数值。
【文档编号】H04W84/18GK105898681SQ201610209752
【公开日】2016年8月24日
【申请日】2016年4月5日
【发明人】董齐芬
【申请人】浙江警察学院