無線傳感器網絡（Wireless Sensor Network，WSN）集數據的采集、傳輸、融合分析于一體，在環境監測、醫療監護、城市交通管理、軍事偵察等領域具有廣闊的應用前景。無線傳感器網絡是應用相關型網絡，不同的應用對數據處理的要求不同。無線傳感器網絡的很多應用對數據傳輸的實時性都有要求，如地震監測、核污染、森林火災監測、戰場目標追蹤等。在這些應用中，當事件發生時，會產生大量的緊急數據，這些緊急數據需要被及時、可靠地傳遞給監測中心，以便監測中心人員能迅速地作出判斷和反應。
在大量緊急數據傳輸的過程中，為了節約網絡能耗和通信帶寬，減少網絡沖突，需要對數據進行融合。目前已有很多數據融合方面的研究，但已有的這些研究大都基于固定時間周期的數據融合，對數據的實時性傳輸考慮的不多，更沒有去關注突發性事件產生的大量緊急數據的實時傳輸問題。本文針對這類具有實時需求的無線傳感器網絡應用，提出一種基于緊急數據優先和自適應控制的實時數據融合策略。
1實時數據融合策略
文本以最常用的分簇型拓撲結構的無線傳感器網絡為例進行介紹。RDAUA策略的思想如下：
①節點根據數據語義和預先設定的規則，在數據產生時進行量化，然后將量化值發送給簇首，請求分配傳輸時隙進行數據傳輸；
②簇首根據接收到的簇內成員請求傳輸數據的情況區分對待，分配傳輸時隙，保證緊急數據的優先處理和及時傳輸；
③融合時，為了減少融合等待時間，可以根據簇內成員預約傳輸數據的情況判斷出合適的融合時機，保證數據傳輸的實時性。
1.1數據量化
針對突發性事件產生大量緊急數據的特點，在節點獲得數據時作自適應量化分級，以便分級高的數據能得到優先處理。RDAUA策略中，選取單位時間內數據的相對變化情況作為衡量標準，數據變化越快，量化級別越高。設節點在ti時刻采集的數據位為di，在ti+1時刻采集的數據位為di+1，則數據級別可量化為：
然后，節點向簇首發送數據傳輸請求，請求信息包中的數據項包括節點標識ID、數據級別量化值e、數據的長度位數len等。
1.2傳輸時隙分配
由于緊急數據的重要程度遠大于一般數據，對實時性能的要求也很高，所以簇首在分配傳輸時隙的時候需要根據簇內節點的請求情況按優先級排隊，優先級越高，分配的傳輸時隙越早。為此，每個簇的簇首需要維護一個成員表和一個時隙調度表。
成員表主要記錄成員節點在完成調度時的信息，表的內容如圖1所示。其中，ID表示傳感器節點ID號，e表示傳感器成員節點傳輸數據的級別量化值，len表示成員節點申請傳輸數據的長度位數，t表示成員節點申請時間，Rf表示申請傳輸時隙標記。
圖1 成員表的字段內容格式
時隙調度表用于將分配好的時隙以及節點ID寫入該表，字段內容如圖2所示。num表示該時隙的序列（即傳輸優先級次序），ID表示傳感器節點ID號，slot表示分配的時隙大小，info表示其他信息。
圖2 時隙調度表的字段內容
非簇首節點如果有數據發送，可向簇首發送一請求消息，要求在接下來的數據傳輸階段分配這個節點的數據時隙。簇首收到消息后，將該節點在成員表中的相應位進行設置。簇首分配各節點數據傳輸時隙時，綜合考慮節點的量化級別、數據量的大小，以及節點發出請求的時間等，令：
然后按num的大小進行排序，num越大優先級越高，將各節點傳輸數據的優先順序及分配時隙大小等信息寫入時隙調度表的各字段內，并向簇內成員發送。簇內成員收到該消息后，按照分配的時隙向簇首傳輸數據。
1.3自適應確定數據融合時機
由于簇首分配數據傳輸時隙時綜合考慮了數據緊急情況、數據量的大小、發生時間等，優先級越高的數據越提前到達簇首。簇首進行數據融合時，為了減少融合等待時間，可以將后面一些影響相對小的數據忽略不計，不等數據全部到達時就融合，動態調整融合等待時間。
設第i輪中申請傳輸數據的節點有n個，它們的量化級別分別是e1，e2，e3，…，en，在t時刻簇首已經接收到m個數據，本算法規定：
① 當t
即未到達數據的數量占總數據數量的百分比小于η，并且未達到數據的量化級別em+1小于ξ，則舍去剩余數據進行數據融合，以減少融合等待時間。式中，ξ，η為常數，可以根據經驗或大量實驗數據獲得。
②當t=Twait時，立即進行數據融合，保證數據傳輸的實時性。
本算法通過對數據緊急輕重、數據大小、產生時間等因素綜合考慮，按優先順序分配傳輸時隙，融合時根據情況，自適應靈活地確定融合時機，解決網絡中突發產生的大量數據的傳輸實時性問題。由于融合時舍去的是優先級最低的數據，所以數據融合的精度較高。
2仿真及其分析
使用NS2來進行仿真模擬，評估了RDAUA的性能。模擬環境配置為：50個傳感器節點隨機分布在400 m×400 m的區域內，節點按照LEACH協議的思想形成相應的簇，仿真時間為100 s，每個節點隨機產生一定數據位數的數據。Twait、ξ、η等常數分別取值為60 s、90%、1？235.算法主要分析了接收數據的延時、精度和量化級別這幾個參數。
圖3是Sink對接收數據的平均延時情況進行統計對照的結果。從接收數據的延時看，應用RDAUA策略對數據進行融合時，延時比使用常規融合方法明顯降低，有效提高了數據傳輸的實時性，從而保證用戶及時獲得突發事件并采取應對措施。
圖3 接收數據平均延時情況
圖4是Sink對接收數據的精度進行統計的結果對照情況。從接收數據精度結果看，應用 RDAUA策略進行融合，Sink所接收數據的精度比使用常規方法高。因為在 RDAUA算法中，節點融合時丟棄的都是優先級最低的數據，它們對數據精度的影響最小，從而避免了因融合對數據精度的破壞。
圖4 接收數據的精度
圖5是Sink對接收數據的量化級別e的統計情況。從統計結果來看，利用常規方法融合時，量化級別很高的數據也有可能后到達，而利用 RDAUA融合策略則保證了一輪數據傳輸中，量化級別越高的數據越優先到達，便于用戶及早了解突發事件情況，并采取應對措施。
圖5 接收數據的量化級別情況比較
總結
應用于地震監測、森林火災監測等的響應型無線傳感器網絡，會由于突發性事件產生大量的緊急數據，并且這些緊急數據對傳輸實時性要求很高。本文針對這種應用提出了一種基于緊急數據優先和自適應控制的無線傳感器網絡實時數據融合策略RDAUA.
策略中對數據進行量化分級，并為分級高的數據優先分配傳輸時隙進行傳輸，融合時自適應調整融合等待時間，保證將緊急數據迅速融合并傳輸給用戶。該策略有效地保證了緊急數據的實時處理，減少了整個網絡的平均延時，且數據的融合精度較高，具有一定的實際應用價值。