基于无线传感器网络中给定网络生命周期后优化数据融合可靠性的树结构构造方法与流程

本发明涉及无线传感器网络领域，具体而言涉及一种基于无线传感器网络中给定网络生命周期后优化数据融合可靠性的树结构构造方法。

背景技术：

数据融合是传感器网络中的一项基本操作。在传感器网络中，数据往往需要通过基站节点进行收集，然后再进行分析和处理。在数据收集中，最常用的结构就是数据收集树结构。然而，随之而来的问题是，靠近基站的节点往往需要转发更多的数据包，导致能量空洞效应，影响网络生命周期。但是，另一方面，有些传感器应用中并不需要基站知道所有精确的感知数据，因此，我们可以用数据融合的方法将数据进行压缩以后再转发，从而减少不必要的能量开销，避免能量空洞，延长网络生命周期。在数据融合的模式中，节点首先会从子节点收集数据包，再与自身感知数据进行融合，进而转发融合以后的数据包。在原有的数据融合结构中，往往只考虑其网络生命周期的延长问题。然而，网络生命周期往往只由个别瓶颈节点所决定，过分追求网络生命周期会导致网络可靠性大幅下降。

技术实现要素：

本发明目的在于提供一种基于无线传感器网络中给定网络生命周期后优化数据融合可靠性的树结构构造方法，在满足数据融合网络生命周期的前提下，提高数据融合过程可靠性树结构。

为达上述目的，本发明提出一种基于无线传感器网络中给定网络生命周期后优化数据融合可靠性的树结构构造方法，包括数据收集、树结构计算、生成树结构，其中：

1)数据收集，包括：

1a.链路质量估计，在部署传感器节点以后，令每个节点广播一定数量的数据包，用ETX来衡量链路的质量，并用其对数值作为链路的开销，进行计算；

1b.节点初始能量估计，所有传感器节点通过其自身电压度数估计其剩余能量；

1c.数据汇总，所有传感器节点，将其与邻居节点的链路质量和节点的初始能量汇报给基站节点；

1d.节点能量开销模型计算，用PowerMonitor设备精确测量节点的能量开销模型，分别计算节点收发数据包时候的功耗情况并计算其单个数据包的能量开销；

2)树结构计算，基站根据得到的所有链路质量估计，节点的初始能量，以及节点的能量开销模型，通过IRA算法计算得到优化的数据融合树结构；

3)生成树结构，当数据融合树构造以后，基站节点通过Prufer编码对树结构进行编码，并发送给所有的子节点，子节点再通过Prufer解码算法获得完整的树结构。

本发明的有益效果是：1、在预处理过程中链路质量和节点能量都做了估计，并采用PowerMonitor对节点能量开销进行建模，这样可以更准确的估计节点能量开销和链路的传输成功率，提高计算的准确率。2、提出IRA算法，在满足生命周期的同时，提高网络的可靠性。3、利率Prufer编码广播树结构，减少协议负载。

附图说明

附图不意在按比例绘制。在附图中，在各个图中示出的每个相同或近似相同的组成部分可以用相同的标号表示。为了清晰起见，在每个图中，并非每个组成部分均被标记。现在，将通过例子并参考附图来描述本发明的各个方面的实施例，其中：

图1为本实施例的基于无线传感器网络中给定网络生命周期后优化数据融合可靠性的树结构构造方法的流程图；

图2是用PowerMonitor对TelosB节点的能量开销建模得到的节点发送数据包时能量开销示意图；

图3是用PowerMonitor对TelosB节点的能量开销建模得到的节点接受数据包时能量开销示意图。

具体实施方式

为了更了解本发明的技术内容，特举具体实施例并配合所附图式说明如下。

在本公开中参照附图来描述本发明的各方面，附图中示出了许多说明的实施例。本公开的实施例不必定意在包括本发明的所有方面。应当理解，上面介绍的多种构思和实施例，以及下面更加详细地描述的那些构思和实施方式可以以很多方式中任意一种来实施，这是因为本发明所公开的构思和实施例并不限于任何实施方式。另外，本发明公开的一些方面可以单独使用，或者与本发明公开的其他方面的任何适当组合来使用。

如图1所示，本实施例的基于无线传感器网络中给定网络生命周期后优化数据融合可靠性的树结构构造方法可分为3个阶段：数据收集、树结构计算、生成树结构。

阶段1：数据收集

在数据收集阶段，令所有节点依次广播1000个数据包。数据包仅包括必要头字段和节点ID。在一个节点进行数据包广播的时候，其余节点注意监听数据包，并计算所有收到的数据包。对于某个节点，用其收到某ID节点发送数据包的次数除以1000，即得到这条链路的质量预估值。

完成链路质量的估计以后，节点通过TelosB自带函数，获取节点的电压值。随后节点将其所有邻居节点(收包率超过50％)的所欲节点信息和收包率，加上节点自身的电压值，一起通过数据收集协议，汇报给基站节点。

基站端，首先对部署的节点进行能量开销建模。如图2、图3所示，用PowerMonitor对TelosB节点的能量开销建模。我们可以看到TelosB节点发送数据包时平均功率约为75mW，而节点接收数据包时的平均功率约为61mW，用这组数据为基准，进行生命周期预测。

阶段2：树结构计算

在上个阶段，基站节点获得了所有链路的质量估计，节点的初始能量，以及节点的能量开销模型，接下来，用如下线性方程组来形式化表述问题：

x(E(V))＝|V|-1，

线性方程组LP(G,L',W)

其中，G表示传感器网络拓扑，L'是给定的生面周期限制，W是一个节点集，其中所有节点的生命周期会被L'约束。对于任意一条无线链路e，x_e是表示其是否在构造的数据融合树的变量，c_e是边e的开销值，等于其ETX期望传输次数的对数值。

形式化问题以后，提出IRA算法求解，具体算法如下：

算法1 IRA算法

阶段3：生成树结构

当数据融合树构造以后，我们用Prufer编码对树结构进行编码，并发送给所有的子节点。子节点再通过解码算法获得完整的树结构。

编码算法如下：

算法2 Prufer编码

解码算法如下：

算法3 Prufer解码

根节点将树结构通过编码算法进行编码，然后在将消息广播给所有的传感器节点。传感器节点在收到数据包以后，利用解码算法进行解码，可以获得完整的树结构，从而知道哪些节点是其子节点，哪个节点是其父节点。利用Prufer编码，是因为Prufer编码可以只用n-2个整数就表示一颗拥有n个节点的完整的树结构，因而可以极大减少数据包大小。

综上，本发明通过预先估计无线链路质量、节点初始能量和节点能量开销模型，提高了计算的准确率；提出IRA算法，在满足生命周期的同时，提高网络的可靠性，而利用Prufer编码广播树结构，也能减少协议负载，可用于传感器网络中无源定位、火灾监控等场景。

虽然本发明已以较佳实施例揭露如上，然其并非用以限定本发明。本发明所属技术领域中具有通常知识者，在不脱离本发明的精神和范围内，当可作各种的更动与润饰。因此，本发明的保护范围当视权利要求书所界定者为准。