引言
无线传感器网络(Wireless Sensor Network，WSN)集数据的采集、传输、融合分析于一体，在环境监测、医疗监护、城市交通管理、军事侦察等领域具有广阔的应用前景[1]。无线传感器网络是应用相关型网络，不同的应用对数据处理的要求不同[2]。无线传感器网络的很多应用对数据传输的实时性都有要求，如地震监测、核污染、森林火灾监测、战场目标追踪等[3]。在这些应用中，当事件发生时，会产生大量的紧急数据，这些紧急数据需要被及时、可靠地传递给监测中心，以便监测中心人员能迅速地作出判断和反应。
在大量紧急数据传输的过程中，为了节约网络能耗和通信带宽，减少网络冲突，需要对数据进行融合。目前已有很多数据融合方面的研究[46]，但已有的这些研究大都基于固定时间周期的数据融合，对数据的实时性传输考虑的不多，更没有去关注突发性事件产生的大量紧急数据的实时传输问题。本文针对这类具有实时需求的无线传感器网络应用，提出一种基于紧急数据优先和自适应控制的实时数据融合策略。
1 实时数据融合策略
文本以最常用的分簇型拓扑结构的无线传感器网络为例进行介绍。RDAUA策略的思想如下：
① 节点根据数据语义和预先设定的规则，在数据产生时进行量化，然后将量化值发送给簇首，请求分配传输时隙进行数据传输;
② 簇首根据接收到的簇内成员请求传输数据的情况区分对待，分配传输时隙，保证紧急数据的优先处理和及时传输;
③ 融合时，为了减少融合等待时间，可以根据簇内成员预约传输数据的情况判断出合适的融合时机，保证数据传输的实时性。
1.1 数据量化
针对突发性事件产生大量紧急数据的特点，在节点获得数据时作自适应量化分级，以便分级高的数据能得到优先处理。 RDAUA策略中，选取单位时间内数据的相对变化情况作为衡量标准，数据变化越快，量化级别越高。设节点在ti时刻采集的数据位为di，在ti+1时刻采集的数据位为di+1，则数据级别可量化为：
 然后，节点向簇首发送数据传输请求，请求信息包中的数据项包括节点标识ID、数据级别量化值e、数据的长度位数len等。
1.2 传输时隙分配
由于紧急数据的重要程度远大于一般数据，对实时性能的要求也很高，所以簇首在分配传输时隙的时候需要根据簇内节点的请求情况按优先级排队，优先级越高，分配的传输时隙越早。为此，每个簇的簇首需要维护一个成员表和一个时隙调度表。
成员表主要记录成员节点在完成调度时的信息，表的内容如图1所示。其中，ID表示传感器节点ID号，e表示传感器成员节点传输数据的级别量化值，len表示成员节点申请传输数据的长度位数，t表示成员节点申请时间，Rf表示申请传输时隙标记。
 图1 成员表的字段内容格式
时隙调度表用于将分配好的时隙以及节点ID写入该表，字段内容如图2所示。num表示该时隙的序列(即传输优先级次序)，ID表示传感器节点ID号，slot表示分配的时隙大小，info表示其他信息。
 图2 时隙调度表的字段内容
非簇首节点如果有数据发送，可向簇首发送一请求消息，要求在接下来的数据传输阶段分配这个节点的数据时隙。簇首收到消息后，将该节点在成员表中的相应位进行设置。簇首分配各节点数据传输时隙时，综合考虑节点的量化级别、数据量的大小，以及节点发出请求的时间等，令：
 然后按num的大小进行排序，num越大优先级越高，将各节点传输数据的优先顺序及分配时隙大小等信息写入时隙调度表的各字段内，并向簇内成员发送。簇内成员收到该消息后，按照分配的时隙向簇首传输数据。]
1.3 自适应确定数据融合时机
由于簇首分配数据传输时隙时综合考虑了数据紧急情况、数据量的大小、发生时间等，优先级越高的数据越提前到达簇首。簇首进行数据融合时，为了减少融合等待时间，可以将后面一些影响相对小的数据忽略不计，不等数据全部到达时就融合，动态调整融合等待时间。
设第i轮中申请传输数据的节点有n个，它们的量化级别分别是e1,e2,e3,…,en,在t时刻簇首已经接收到m个数据，本算法规定：
① 当t
 即未到达数据的数量占总数据数量的百分比小于η，并且未达到数据的量化级别em+1小于ξ，则舍去剩余数据进行数据融合，以减少融合等待时间。式中，ξ,η为常数，可以根据经验或大量实验数据获得。
② 当t=Twait时，立即进行数据融合，保证数据传输的实时性。
本算法通过对数据紧急轻重、数据大小、产生时间等因素综合考虑，按优先顺序分配传输时隙，融合时根据情况，自适应灵活地确定融合时机，解决网络中突发产生的大量数据的传输实时性问题。由于融合时舍去的是优先级最低的数据，所以数据融合的精度较高。
2 仿真及其分析
使用NS2来进行仿真模拟，评估了RDAUA的性能。模拟环境配置为：50个传感器节点随机分布在400 m×400 m的区域内，节点按照LEACH协议的思想形成相应的簇，仿真时间为100 s,每个节点随机产生一定数据位数的数据。Twait、ξ、η等常数分别取值为60 s、90%、1235。算法主要分析了接收数据的延时、精度和量化级别这几个参数。
图3是Sink对接收数据的平均延时情况进行统计对照的结果。从接收数据的延时看，应用RDAUA策略对数据进行融合时，延时比使用常规融合方法明显降低,有效提高了数据传输的实时性，从而保证用户及时获得突发事件并采取应对措施。
图3 接收数据平均延时情况
图4是Sink对接收数据的精度进行统计的结果对照情况。从接收数据精度结果看，应用 RDAUA策略进行融合，Sink所接收数据的精度比使用常规方法高。因为在 RDAUA算法中，节点融合时丢弃的都是优先级最低的数据，它们对数据精度的影响最小，从而避免了因融合对数据精度的破坏。
 图4 接收数据的精度
图5是Sink对接收数据的量化级别e的统计情况。从统计结果来看，利用常规方法融合时，量化级别很高的数据也有可能后到达，而利用 RDAUA融合策略则保证了一轮数据传输中，量化级别越高的数据越优先到达，便于用户及早了解突发事件情况，并采取应对措施。
 图5 接收数据的量化级别情况比较
结语
应用于地震监测、森林火灾监测等的响应型无线传感器网络，会由于突发性事件产生大量的紧急数据，并且这些紧急数据对传输实时性要求很高。本文针对这种应用提出了一种基于紧急数据优先和自适应控制的无线传感器网络实时数据融合策略RDAUA。策略中对数据进行量化分级，并为分级高的数据优先分配传输时隙进行传输，融合时自适应调整融合等待时间，保证将紧急数据迅速融合并传输给用户。该策略有效地保证了紧急数据的实时处理，减少了整个网络的平均延时，且数据的融合精度较高，具有一定的实际应用价值。 | 
