無(wú)線傳感器網(wǎng)絡(luò)基于分簇路由的數(shù)據(jù)融合研究

2．3 數(shù)據(jù)融合策略
無(wú)線傳感器網(wǎng)絡(luò)的數(shù)據(jù)融合不僅僅是對(duì)數(shù)據(jù)進(jìn)行簡(jiǎn)單的平均、求和等運(yùn)算，根據(jù)具體需求，需要采取不同的融合措施，數(shù)據(jù)融合的順序一般是從數(shù)據(jù)層到特征層再到?jīng)Q策層。本協(xié)議應(yīng)用信息熵進(jìn)行數(shù)據(jù)分類融合，節(jié)點(diǎn)感知的各種信息的數(shù)據(jù)關(guān)系可通過(guò)信息熵的計(jì)算分為補(bǔ)充數(shù)據(jù)、冗余數(shù)據(jù)以及沖突數(shù)據(jù)。補(bǔ)充數(shù)據(jù)指傳感器節(jié)點(diǎn)感知的目標(biāo)不同特征的信息；冗余數(shù)據(jù)指傳感器節(jié)點(diǎn)感知的目標(biāo)同一特征的信息；沖突數(shù)據(jù)指?jìng)鞲衅鞴?jié)點(diǎn)感知的不同目標(biāo)的信息或者是同一目標(biāo)時(shí)空不相關(guān)的信息，或者是傳感器故障而提供的矛盾信息。判定兩個(gè)傳感器節(jié)點(diǎn)提供的信息的數(shù)據(jù)關(guān)系方法如下：
假定節(jié)點(diǎn)1與節(jié)點(diǎn)2感知數(shù)據(jù)的分布特性符合pi(x／xi)，其中i為傳感器號(hào)1或2，x(x∈X)為感知的隨機(jī)數(shù)，xi為節(jié)點(diǎn)i感知的數(shù)據(jù)值；節(jié)點(diǎn)i和節(jié)點(diǎn)j的聯(lián)合分布為pij(x／xi，xj)，由信息熵的定義，節(jié)點(diǎn)i和j感知數(shù)據(jù)的自熵hi(xi)與聯(lián)合熵hij(xi，xj)的計(jì)算如下：

自熵表明了節(jié)點(diǎn)i感知數(shù)據(jù)xi的不確定性，而互熵則表明了節(jié)點(diǎn)i和j聯(lián)合感知數(shù)據(jù)(xi，xj)的不確定性。比較hi(xi)，hj(xj)與hij(xi，xj)三者的大小關(guān)系有以下三種情況：
(1)hi(xi)≤hij(xi，xj)≤hj(xj)，說(shuō)明兩個(gè)傳感器的聯(lián)合感知數(shù)據(jù)既沒(méi)減少xi的不確定性，也沒(méi)增加xj的不確定性，兩個(gè)節(jié)點(diǎn)的感知數(shù)據(jù)互不影響，因此兩個(gè)數(shù)據(jù)是互補(bǔ)的；
(2)hij(xi，xj)hi(xi)≤hj(xj)，說(shuō)明聯(lián)合感知數(shù)據(jù)的不確定性較xi和xj的不確定性都小，因此兩個(gè)數(shù)據(jù)是冗余的；
(3)hi(xi)≤hj(xj)hij(xi，xj)，說(shuō)明聯(lián)合感知數(shù)據(jù)的不確定性較xi和xj的不確定性都大，因此兩個(gè)數(shù)據(jù)是沖突的。

3 仿真實(shí)驗(yàn)
本文采用Matlab建立仿真模型，分別對(duì)原LEACH算法與改進(jìn)后的算法進(jìn)行仿真分析并加以比較。
3．1 仿真模型與參數(shù)設(shè)置
本實(shí)驗(yàn)采用LEACH定義的物理模型，其定義如下：
(1)所有節(jié)點(diǎn)屬性完全一樣，能量有限并且均能與基站直接通信；
(2)基站位置固定，節(jié)點(diǎn)不知道其自身位置信息；
(3)無(wú)線通信采用對(duì)稱的信道，消耗的能量與傳輸?shù)姆较驘o(wú)關(guān)，節(jié)點(diǎn)可根據(jù)與目標(biāo)節(jié)點(diǎn)的距離來(lái)調(diào)節(jié)射頻發(fā)射功率；
(4)簇頭節(jié)點(diǎn)可執(zhí)行數(shù)據(jù)融合。