[发明专利]一种基于CR的WSN树型分簇数据的融合方法

说明书

技术领域

本发明涉及一种应用于无线传感器网络的节能数据融合方法，尤其是一种基于认知无线电技术的树型分簇数据的融合方法，属于无线传感器网络应用领域。。

背景技术

无线传感器网络（wireless sensor network , WSN ）是由部署在监测区域内大量的廉价微型传感器节点和汇聚节点（Sink 节点）组成，传感器节点通过自组织网络（Ad Hoc Network）以协作方式进行实时监测、感知和采集各类环境或监测对象的信息，并将观测值返回给汇聚节点。无线传感器网络(WSN)的特点之一是其能源及带宽有限。不同于其它网络节点，无线传感器节点必须通过优化节能策略延长其生命期。由于节点数据收发的耗能远远超过计算耗能，且感知的数据冗余或不准确，如果将所有感知数据全部直接传送到目的节点，则需要耗费大量的能量，影响网络寿命，对结果的正确性也有很大的影响。分析发现，如果每个节点都单独发送数据，那么越靠近目的节点的中继节点，会由于存储和计算量的逐渐增大而迅速消耗自身能量。为避免上述问题，无线传感器网络在数据收集的过程中需要使用数据融合(data aggregation或data fusion)技术。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。传统的无线传感器网络应用中，许多时候只关心监测结果，并不需要收到大量原始数据，数据融合是实现此目的的重要手段。

节能的数据融合算法最近已引起研究人员的重视。目前，无线传感器网络采用的数据融合技术主要的分类有：按融合前后数据的信息含量分为有损融合与无损融合；依据数据融合与应用层数据语义的关系分为依赖于应用的数据融合(application dependent data aggregation，ADDA)，独立于应用的数据融合(application independent data aggregation，AIDA)，以及结合以上两种技术的数据融合；依据融合操作的级别进行分为数据级融合、特征级融合和决策级融合。但这些数据融合技术都是独立于网络本身，没有结合无线传感器网络的网络结构进行数据融合，这样进行的数据融合即使在网络内的汇集节点上进行了信息的融合，仍然不是最优的和节能的。

在无线传感器网络中，基于网络结构并与路由相结合而进行的数据融合能有效减少信息量、延迟等，从而很好地提高数据融合效率，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。然而，现有无线传感器网络的路由技术由于底层技术的局限而性能较低，尤其是多径路由，特别是无线传感器节点资源有限，要管理维护整个网络的路由信息必然增加每个节点的传输信息量，导致数据融合的效率和节能性低下。

目前，认知无线电技术（Cognitive Radio）由于其自主的环境认知推理能力和高效的频谱利用率而得到广泛地关注。认知无线电是Joseph Mitola在软件无线电的基础上提出的一种新的智能无线通信技术，它可以感知到周围的频率、时间和空间域等频谱环境特征，通过学习与积累，可实现内部状态的自适应调整。在无线传感器网络中采用认知无线电技术，通过共享认知无线电对周围电磁环境感知信息，可有效地改善路由开销、多径路由的耦合等问题，大大降低网络节点的能耗，提高网络性能。

发明内容

为克服现有的数据融合技术的不足，本发明提供一种应用于无线传感器网络的基于认知无线电技术（Cognitive Radio）的树型分簇数据融合方法，解决无线传感器网络数据融合的能耗问题。

本发明解决其技术问题所采用的技术方案为：融合方法包括以下步骤：

步骤1、网络初始化，构成分簇的树型网络结构；网络划分为多个簇，每个簇形成一树型网络，并赋予一个唯一的簇号，根节点作为簇首节点，簇内节点都有一个簇内唯一编号，簇内每一个节点有一个父节点，有多个子节点或没有子节点，每一个节点只维持与其子节点和父节点的连接，节点的路由表只有其父节点和子节点的路由信息；

步骤2、网络通信与路由选择；在网络初始化后，每一个节点有数据要传送时只需把数据往父节点送，其路由是固定的，从子节点到父节点，依次地逐层传输到簇首节点； 

步骤3、数据的收集、融合与传输；当某个节点收到起其子节点传来的数据时，首先进行数据融合，将融合后的数据传递给其父节点，父节点收到数据后与它的其它子节点送来的数据一起进行数据融合，把融合后的数据再上传到上一级父节点，层层融合依次进行一直传到簇首节点，簇首节点通过自组织多跳方式将数据传输到网关，在网关处进行整个网络的数据融合。