无线传感器网络数据融合技术仿真研究

无线传感器网络数据融合技术仿真研究

崔洪亮

中国电子科技集团公司第四十九研究所 黑龙江省哈尔滨市 150001

摘要：数据融合技术能有效减少网络通信量，降低WSN能量消耗。基于此，本文分析了无线传感器网络数据融合技术仿真研究。

关键词：无线传感器网络；数据融合技术；仿真

一、扩展卡尔曼滤波算法

1、扩展卡尔曼滤波算法。在线性卡尔曼滤波算法基础上，针对不同网络节点数据噪声，提出了一种改进的扩展卡尔曼滤波算法，用于一定空间范围内的目标定位跟踪。当前大规模无线传感器网络(WSN)部署在(Ox、Oy)平面坐标系中，且sink点需经多跳网络通信，将区域监测的目标定位、移动轨迹、数据流密度等信息发送给指定的监控主机进行处理。

因此，假设无线传感器网络由i个节点组成，多个sink节点均匀分布在长×宽为m×n的矩形区域中，主要用于数据信息采集、通信路由等功能，基站S的坐标为(Sx、Sy)。在每个矩形区域部署一个sink节点，sink节点负责区域内目标定位跟踪和融合计算，所有无线传感器节点同构且有相同符号ID。

2、多点共线度。在无线传感器网络数据监测的二维平面空间中，可能存在3个或更多接近共线的节点，使目标定位信息、测距信息等出现重复或误差问题。因此，为解决多个节点的共线问题，要引入共线度NC，对多个sink节点组成三角形△ABC余弦值进行定义，并在A、B、C中选择最小角，以衡量多个节点组的共线程度。

由于三角形最小角为0～60°，多个节点组对应的共线度NC取值范围为0.5～1，即当NC=0.5时，多个sink节点形成的三角形为等边三角形；当NC=1时，多个sink节点组处于一条直线上，在这种情况下，目标跟踪定位效果最差。然而，当3个或更多节点远离目标对象时，即使多个sink节点组形成等边三角形，也难以实现良好的跟踪定位。相反，即使多个sink节点组处于一条直线上，也能实现更理想的跟踪定位结果。因此，还应考虑不同节点间及节点组与目标对象间距离。

二、扩展卡尔曼滤波算法执行流程

1、选定节点组。对于不同sink节点组的选择和划分，先考虑多个节点是否位于同一空间区域，按“辖区管理”原则，在一定区域内选择sink节点参与目标对象的定位跟踪。无线温湿度传感器、液雾传感器、压力传感器、风速传感器、流量传感器等装置用于采集目标对象的空间定位和运动轨迹的数据信息，两个或以上sink节点分别估计所发送目标测距和运动轨迹信息位置，然后确定哪个区域sink节点负责目标跟踪，算法实现步骤为：①根据sink节点数为N的设定，建立特定空间区域中节点集合S＝{n1，n2，…}。②多个sink节点被划分为以j为时间段的节点组。③每三个节点可设为一个节点组，计算多个节点共线度，并决定是否将某一节点加入相应节点组集合中。

2、去除无线传感器异步冗余数据。为降低网络数据融合能耗，提高融合精度，在对目标对象进行数据融合计算前，需使用扩展卡尔曼滤波算法对冗余网络数据进行筛选和剔除，通常包括簇内冗余节点识别、选择、去除等算法执行流程。

若某空间区域中sink节点能被其他相邻区域完全覆盖，则该节点可被称为冗余节点。假设在半径为r的监测区域中，有节点i和节点j等，且两节点间距离较近。在这种情况下，由两节点覆盖的监测区域在P1和P2处相交，则重叠区域面积是弧P1P2的扇区，可表示为Sij。

根据sink节点间及节点与目标对象间距离，选择不同区域多个簇内冗余节点，围绕目标距离和剩余网络能量进行冗余节点标识及权重设置。若设置不同sink节点级别，某节点接收消息格式为(ID，LEV-EL)、节点级别设置为1，ID标志为sink节点的ID，则无线网络通信范围内其他冗余节点将sink节点(ID，EVEL)标记为其自身父节点，则冗余节点级别为LEV-EL+1。

冗余节点传播消息格式为(ID、FID、LEVEL)，收到消息后，其他冗余节点将判定父节点FID级别是否为0，若为0，则冗余节点筛选完成并停止执行，否则继续执行上述广播筛除操作。

3、无线传感器的目标对象数据定位。假设每个无线传感器探测范围半径相等，则可使用某一区域内多个sink节点的共线定位方法来完成目标对象定位数据的跟踪计算。若ai、aj、ak被设置为具有相等半径的圆，Pi、P

j是圆ai和aj在平面Oxy上的交点，并且PiPj长度被定义为b1，则{Pi，Pj}＝(ai)∩(aj)。

若圆ai和aj只有一个节点通过PiPj线上区域，则目标对象的定位数据值为Z=(as)∩{(ai)∩(aj)}，算法结束。否则，若有2个或更多节点通过PiPj线上区域，则圆形检测区域中的目标对象定位数据值被计算为Z＝(a1，a2，…，am，an)∩{(ai)∩(aj)}。

4、无线传感器目标对象数据融合。在平面坐标系(Ox、Oy)中，将sink节点水平和垂直位置分别设为xi及yi，则节点与被测目标对象在k时刻距离可用下式表示：

其中，dik表示某一sink节点与被测目标对象间距离，表示实际测量噪声、方差为Rk。对于节点在k-1时刻跟踪目标对象的方程，作出无线传感器输出值的卡尔曼滤波分析，获得，再根据目标数据的卡尔曼滤波分析结果的水平和垂直位置，对公式进行线性泰勒级数处理，得到噪声滤波后目标对象观测方程。

三、无线传感器网络数据融合技术仿真实验及结果

1、实验参数设置。假设无线传感器网络sink节点以10×10m2的半径随机部署，且在圆形区域内，该区域被均匀划分为几个小区域，每个区域内布置一个sink节点。在使用MATLAB软件平台进行扩展卡尔曼滤波仿真时，将监测目标设置为半径为2.5m的圆周运动，定义网络目标的跟踪监控时长，为网络开启运行后至第1个sink节点的网络能量耗尽，具体仿真参数设置如表1所示。

表1

2、测距噪声影响下目标测距误差的仿真。假设sink节点总数为100，目标对象移动角速度为/100，多个选定sink节点组参与目标对象的数据融合次数为m＝20次，设置目标对象系统测量噪声方差Rk数值，分别为R1＝5、R2＝10、R3＝15、R4＝20、R5＝25，使用扩展卡尔曼滤波算法进行目标对象测距噪声仿真，获得网络噪声对测距时间、目标跟踪定位误差影响的结果。

从测距噪声仿真结果得出，在增大系统测距噪声时，网络目标对象测距时长和跟踪定位误差有很大变化趋势。例如，网络测距时长不会随系统冗余噪声节点增多而增大，但网络测距时间已超过1分钟，这比负载均衡-随机算法更长，表明仿真测距融合计算效率低。

此外，目标对象测距跟踪定位误差会随系统冗余噪声节点增加而增大，但总体目标跟踪定位误差控制在10cm内，表明目标对象测距定位误差小于1%，满足相应测距误差要求。

3、移动速率要素下目标测距误差的仿真。假设目标对象测距移动角速度为/100，噪声方差为10，多个选定的sink节点组参与目标对象数据融合次数m=20次，选定的节点组参与融合处理次数Y为20次，根据扩展卡尔曼滤波算法，模拟了目标对象在不同运动速率下sink节点组目标定位位置和跟踪轨迹。

从目标移动速率仿真结果来看，当目标对象移动角速控制在100以内时，利用不同sink节点组目标测距时度和跟踪定位误差来保持稳定的距离，平均测距时间为286，跟踪定位误差为2.48，当目标对象移动角速达到50以上时，sink节点组的目标测距时长和跟踪定位误差将显著增加，且目标定位位置和运动轨迹跟踪误差过大，不满足无线传感器测距误差要求。因此，应采取措施控制目标移动角速度，以确保网络测距融合仿真的准确性。

参考文献：

[1]孙利民.传感器网络中的数据融合[J].计算机科学，2016，31(07):101，103.