基于改进遗传算法的无线传感器网络数据融合方法

于　剡

（解放军第88医院，山东　泰安　271000）

基于改进遗传算法的无线传感器网络数据融合方法

于剡

（解放军第88医院，山东泰安271000）

无线通信和电子技术的进步促进了无线传感器网络发展，无线传感器网络广泛应用于多个领域（如医疗，军事，家居等）。文章分析了无线传感器网络中的数据融合问题，提出了一种基于改进遗传算法的无线传感器网络数据融合方法，仿真实验表明，基于改进遗传算法的方法在运行效率上优于标准遗传算法。

无线传感器网络；数据融合；遗传算法

1　概述

无线通信和电子技术的进步促进了无线传感器网络（Wireless Sensor Network，WSN）发展，低功耗、低成本、多功能的传感器节点体积较小，并且能够在短距离内进行通信。这些微小的传感器具有感知、数据处理和通信功能，影响到无线传感器网络的功能和用途。无线传感器网络相对于传统的传感器来说，代表了一个重要进步［1］。

一个无线传感器网络由大量密集部署在事件域内或附近的传感器节点组成。节点位置无须事先确定，这使得无线传感器网络可以应用于灾后救援领域和难以到达的地区如海底和太空。另一方面，这也意味着无线传感器网络协议和算法必须具备自组织功能。由于传感器节点数量较大，通信传输能力一般，所以数据融合，也就是如何从感知到的数据中提取有用信息并且尽量以较小的数据量进行传输，对无线传感器网络的能效性影响较大，是无线传感器网络中的重要问题。

2　WSN中数据融合发展现状

数据融合按照结构的不同，分为集中式融合和分布式融合［2］。集中式融合是将所有信息进行一次融合计算完成，这样做的优点是能够选择合适的融合算法进行最优融合，缺点是采集的数据受干扰影响较大、融合所需的计算能力较强、能量消耗较大，所需时间较长；分布式融合把信息分散到传感器各自的处理器进行多次融合完成，其优点是各节点能量消耗较均匀、采集的数据就近融合，受干扰较少。缺点是节点能量和计算能力有限，不能采用较复杂的融合算法，同时因为采取局部融合的方法，导致不容易得到全局最优值。

通信路由协议（Sensor Protocol for Information Via Negotiation，SPIN）［3］中体现了数据融合的思想，它提出了数据协商机制，以消除数据冗余，并节约能量。文献［4］提出定向扩散协议。数据融合包括路径建立阶段的任务融合和数据发送阶段的数据融合，通过缓存机制实现两种融合。集中式数据融合的优点是简单、处理精度较高；其缺点是缺乏对通信资源的优化管理，对网络动态变化的反应速度慢。

分布式编码方式编码复杂度较低，解码复杂度较高，这一特点正好符合传感器节点和sink节点的能量特性。文献［5］提出了在簇结构中使用Slepian-Wolf编码的分布式数据融合方法。文献［6］提出了一种分布式数据融合算法。并从网络传输时延、节点能量消耗、缓存位数、网络寿命和传输失败概率5个方面分析了该算法在无线传感器网络中的特性。

3　WSN数据融合问题形式化

无向图Gc=（Vcs，Ec）表示WSN某分簇的网络拓扑，｛Vcs｝是簇中传感器节点的集合，Vch是簇头节点，Ec是WSN传感器分簇节点间链路的集合；Dc表示传感器分簇内的数据，它表示传感器节点对于某个事件感知到的数据矢量，包括事件的位置、强度、范围等信息。如果簇内传感器节点总数为m个，事件参数个数为n个，则传感器节点感知到的事件信息集合可以记为｛Dc1，Dc2，…Dcm｝，簇内→第i个传感器感知到的事件信息可以表示为一个矢量坐标，其中i=1，2，…m。若传感器分簇内的通信时间限制为Bc，则WSN数据融合问题可以描述为：

式（1）表示簇头和传感器节点之间时延要低于簇内时延限制，式（2）表示簇内传感器节点数目为n，式（3）表示传感器节点感知到的数据各个参数权重系数之和为1，权重越大的数据参数越重要，式（4）表示簇头节点最后发送的信息由各个传感器节点数据融合而成，式（5）表示权重系数个数等于数据参数个数。

WSN数据融合问题的目标函数由2部分组成，一部分为传感器节点到簇头节点的平均传输时延，理论上越小越好，越小说明无线传感器网络效率越高；另一部分为传感器节点感知到数据经融合处理后的结果，理论上越小越好，融合后的数据越小，无线传感器的能效性越好。

4　求解WSN数据融合问题的遗传算法

（2）选择算子为改进的一次旋转赌轮方法：

int RWS（）

｛

m = 0；

r =Random（0，1）； //r为0至1的随机数

for（i=1；i＜=N； i++）

｛

m = m + P［i］；//P［i］为选择第i个基因位的概率if（r＜=m）return i；

｝

｝

（3）交叉算子为随机多点交叉，即随机选择多组成对的权重系数αi和αj，将二者的值进行互换。

（5）适应度函数采用式（6）决定：

5　模拟与仿真

使用仿真软件对本文算法的运行效率进行考察，得到的结果如表1和图1所示，结果表明改进遗传算法与标准遗传算法相比效率更高。

表1　改进遗传算法与标准遗传算法效率对比

图1　进化代数VS种群规模

［1］AKYILDIZ I F，SU W，SANKARASUBRAMANIAM Y，et al. Wireless sensor networks：a survey［J］. Computer Networks，2002 （4）：393-422.

［2］FAOUZI N E E，LEUNG H，KURIAN A. Data fusion in intelligent transportation systems: Progress and challenges - A survey［J］. Information Fusion，2011（1）：4-10.

［3］KULIK J，HEINZELMAN W R，BALAKRISHNAN H.Negotiation based protocols for disseminating information in wireless sensor networks［J］.Wireless Networks，2002（2）：169-185.

［4］INTANAGOWIWAT C，GOVINDAN R，ESTRIN D，et al.Directed diffusion for wireless sensor networking［J］.IEEE/ACM Trans on Networking，2003（1）：2-16.

［5］ZHENG J，WANG P，LI C. Distributed data aggregation using Slepian-Wolf coding in cluster-based wireless sensor networks［J］. IEEE Trans on Vehicular Technology，2010（5）：2564-2574.

［6］叶宁，王汝传.无线传感器网络数据融合模型研究［J］.计算机科学，2006（6）：58-60.

A data fusion method in WSN based on improved genetic algorithm

Yu Yan
（the 88th Hospital of People's Liberation Army，Tai’an271000， China）

Recent advancement in wireless communications and electronics has enabled the development of wireless sensor networks （WSN）. The wirelesssensornetworks can be used for various applicationareas（e.g.，health，military，home）.Data fusion qustion in WSN has been argued in this article and a method based on improved genetic algorithm has been proposed. Simulations show that the method based on improved genetic algorithm is more effective than the normal one.

wireless sensor network（WSN）； data fusion； genetic algorithm

于剡（1981— ），男，山东泰安，本科；研究方向：智慧医疗。