传感器网络数据融合的作用

在传感器网络中，数据融合起着十分重要的作用，主要表现在节省整个网络的能量、增强所收集数据的准确性以及提高收集数据的效率三个方面。

1）节省能量

传感器网络是由大量的传感器结点覆盖到监测区域而组成的。鉴于单个传感器结点的监测范围和可靠性是有限的，在部署网络时，需要使传感器结点达到一定的密度以增强整个网络的鲁棒性和监测信息的准确性，有时甚至需要使多个结点的监测范围互相交叠。这种监测区域的相互重叠导致邻近结点报告的信息存在一定程度的冗余。比如对于监测温度的传感器网络，每个位置的温度可能会有多个传感器结点进行监测，这些结点所报告的温度数据会非常接近或完全相同。在这种冗余程度很高的情况下，把这些结点报告的数据全部发送到汇聚结点与仅发送一份数据相比，除了使网络消耗更多的能量外，汇聚结点并未获得更多的信息。

数据融合就是要针对上述情况对冗余数据进行网内处理，即中间结点在转发传感器数据之前，首先对数据进行综合，去掉冗余信息，在满足应用需求的前提下将需要传输的数据量最小化。网内处理利用的是结点的计算资源和存储资源，其能量消耗与发送数据的相比要少很多。本章参考文献［2］指出，如果使用Micadot结点，其发送一个比特的数据所消耗的能量约为4 000nJ，而处理器执行一条指令所消耗的能量仅为5nJ，即发送1bit数据的能耗可以用来执行800条指令。因此，在一定程度上尽量进行网内处理，减少数据传输量，可以有效地节省能量。理想的融合情形下，中间结点可以把n个长度相等的输入数据分组合并成1个等长的输出分组，只需要消耗不进行融合所消耗能量的1／n即可完成数据传输；最差情况下，融合操作并未减少数据量，但通过减少分组个数，可以减少信道的协商或竞争过程造成的能量开销。

在半导体产业中，摩尔定律预示着随着集成电路的发展，处理器的处理能力会不断提高，功耗也会不断降低，因此进行网内处理融合数据，利用低能耗的计算资源减小高能耗的通信开销是非常有意义的。

2）获得更准确的信息

传感器网络由大量低廉的传感器结点组成，部署在各种各样的环境中，从传感器结点获得的信息存在着较高的不可靠性。这些不可靠性主要源自以下几个方面：

（1）受到成本及体积的限制，结点配置的传感器精度一般较低；(www.xing528.com)

（2）无线通信的机制使得发送的数据更容易因受到干扰而遭破坏；

（3）恶劣的工作环境除了影响数据传送外，还会破坏结点的功能部件，令其工作异常，报告错误的数据。

由此看来，仅收集少数几个分散的传感器结点的数据较难确保得到信息的正确性，需要通过对监测同一对象的多个传感器所采集的数据进行综合，来有效地提高所获得信息的精度和可信度。另外，由于邻近的传感器结点监测同一区域，其获得的信息之间差异性很小，如果个别结点报告了错误的或误差较大的信息，很容易在本地处理中通过简单的比较算法进行剔除。

需要指出的是，虽然可以在数据全部单独传送到汇聚结点后进行集中融合，但这种方法得到的结果往往不如在网内进行融合处理的结果精确，有时甚至会产生融合错误。数据融合一般需要数据源局部信息的参与，如数据产生的地点、产生数据的结点归属的组（簇）等。相同地点的数据如果属于不同的组可能代表完全不同的数据含义。如对于树下和树上的结点分别测量不同高度情况下目标区域的温度，虽然从二维环境下看它们在同一个地点，但这两个结点的温度数据是不能够融合的。正是这些局部信息的参与使得局部信息融合比集中数据融合有更多的优势。

3）提高数据收集效率

在网内进行数据融合，可以在一定程度上提高网络收集数据的整体效率。数据融合减少了需要传输的数据量，可以减轻网络的传输拥塞，降低数据的传输延迟；即使有效数据量并未减少，但通过对多个数据分组进行合并减少了数据分组个数，可以减少传输中的冲突碰撞现象，也能提高无线信道的利用率。