基於傳感網節點通用中間件的數據融合方法
2023-05-22 03:51:41
專利名稱：基於傳感網節點通用中間件的數據融合方法
技術領域：
本發明涉及一種基於傳感網節點通用中間件的數據融合方法，屬於無線傳感網絡領域。
背景技術：
對於無線傳感網(WSN, Wireless Sensor Network)來說,布置在同一區域的傳感器節點所採集到的數據在時間和空間上都是有相關性的，這些數據的相關性就造成了最後傳輸到匯聚節點的數據冗餘。在一些關鍵的連接節點上，在它將所採集以及接收到的數據向前傳給匯聚節點之前，如果能夠清除掉這些數據裡的冗餘信息，那麼就能減少整個網絡的傳輸數據量，從而提高有效網絡容量，這個技術叫作數據融合。在無線傳感網中，採用數據融合技術對提高整個網絡的容量意義重大。為了使數據融合更加有效，要求融合節點必須延遲一段時間以收集到足夠多的數據進行融合。通常延遲時間越長，在所述的時間段內獲得的數據就越多，數據處理能更顯著的降低數據量，若超過最大延遲時間，則此數據不滿足實時性要求，對用戶來說是失效的；但延遲時間過短，獲得的數據過少，融合的信息準確度就很差。因此必須考慮在數據延遲受約束的條件下儘量實現高效的數據融合。為了使數據融合具有良好的通用性，可以與多種路由協議和MAC協議協同工作，在設計數據融合模型時，數據融合算法的實現應當獨立於網絡層和數據鏈路層。由於數據融合關注的是應用數據包，因此數據融合的實現應當位於應用層與網絡層之間。為使數據融合與應用層數據形成緊密的聯繫，又可保持數據融合的相對獨立性，本發明將數據融合作為中間件的一個模塊。傳感網中間件用於屏蔽底層硬體、網絡平臺複雜性及異構性，可以減小用戶高層應用需求與網絡複雜性差異，優化系統的資源管理，增加程序執行的可預見性。由於標準接口對於可移植性和標準協議於互操作性的重要性，中間件已成為許多標準化工作的主要部分。中間件提供的程序接口定義了一個相對穩定的高層應用環境，不管底傳感網絡硬體和作業系統存在多少差異，只要將中間件升級更新，並保持對外接口定義不變，便可以給用戶提供一個統一的運行平臺和友好開發環境，有利於加快傳感網大規模產業化發展步伐。沿信息傳輸路徑，轉發節點的融合時間分配是影響融合效果的主要因素，是融合技術的核心問題。例如，Jae Young Choi等人於2006年提出一種協商式的分布式分配方法 ATC (融合時間控制算法)(參考:Jae Young Choi, Jong Eook, Kamrok Lee, SunghyunChoi, Wook Hyun Kwonj and Hong Seong Park.Aggregation Time Control Algorithmfor Time Constrained Data Delivery in Wireless Sensor Networks.1n:VehicularTechnology Conference,VTC 2006-Spring,IEEE 63rd.Melbourne, Australia, May7-10，2006.563-567)。在網絡應用過程中，各傳感器節點按照一定規則，自主的增加傳輸延遲的時間。匯聚節點則檢查接收的每個分組是否超時，一旦發現分組超時，匯聚節點啟動超時信息廣播。傳感器節點一旦收到sink超時分組消息，將減少延遲時間。此過程不斷重複，直到達到穩定狀態。所報導的技術數據處理複雜度高，而且何時能夠達到穩定狀態也很難控制，這在傳感網中並不實用。又如，SiyuanChen, XiangYang Li 等人在 2009 年發表 「Order-Optimal DataCollection in Wireless Sensor Networks:Delay and Capacity (無線傳感器網絡中階次最優的數據收集:時延和容量)」(參考:Siyuan Chen, Yu Wang, Xiang-Yang Li, XinghuaSh1.Proc.0f The 6th Annual IEEE Communications Society Conference on Sensor, Meshand Ad Hoc Communications and Networks (SEC0N』09).1-9),作者將整個網絡劃分為很多小的方形網格，每個網格中有一個簇頭節點，簇頭節點對各自網格裡所有的數據進行融合，再將融合好的數據向上一級傳輸，直至匯聚節點。所報導的方法只利用了傳感網傳感器節點分布和採集數據的空間冗餘性，每個傳感器節點定期採集數據，並將數據發送給匯聚節點，並不能有效的節省能量；而且延遲時間的計算，只考慮了傳輸延遲，沒有考慮數據融合的處理時間。這與一些實際情況不相符。為此，本發明人試圖基於傳感網絡節點的通用中間件，提出數據融合方法，以克服現有技術存在的缺點。
發明內容
本發明的目的在於基於傳感網節點通用中間件的數據融合方法，本發明涉及一種基於需求的動態自適應數據融合方法(wait-time adaptivedata aggregation scheme,WADA)，所述的方法採用基於需求的方式減少數據量，匯聚節點需要收集數據時，將興趣消息廣播，傳感器節點將採集的數據進行數據融合後按照一定路由(網絡層路由協議中研究，這裡重點分析數據融合方法，故不做詳細說明)，通過無線射頻方式發送至匯聚節點，匯聚節點根據所收到應答包的數量動態調整各傳感器節點的等待融合的時間，從而在數據準確性和實效性之間取得平衡。本發明中涉及的低功耗傳感網節點中通用設備中間件位於WSN設備應用軟體和底層支撐之間，屬於應用層軟體範疇。所述的通用設備中間件在底層支撐軟體的支持下實現一系列基本的節點功能，包括傳感探測、數據處理、時間同步、定位服務和安全管理等管理和服務模塊。其中，數據融合模塊是數據處理模塊的重要部分，可減少網絡中傳感節點間的傳輸量，降低帶寬限制，降低整個網絡中的能量消耗和數據衝突，從而優化WSN的整體性倉泛。本發明提供的完整技術方案是:在WSN中，所有的傳感器節點採集到的數據均要通過多跳方式傳遞至匯聚節點，整個網絡形成以匯聚節點為根節點的樹狀拓撲結構。每一個傳感器節點都採用中間件構思，傳感網節點中間件位於硬體和軟體支撐之上，位於應用層之下，通過服務原語方式與上層和下層通信。其中通用中間件中提供對同步、定位、數據處理、代碼管理、網絡管理和安全管理等功能。數據融合是數據處理的方法，作為中間件的一個模塊，是有效減少傳感網能量、延長生命周期的主要手段之一。數據融合模塊在中間件系統中的作用可參考圖1。該中間件系統按其功能可分為通用中間件(Common Middleware)和域中間件(Domain Middleware)。低功耗傳感網節點設備中間件位於WSN設備應用軟體和底層支撐軟體之間，屬於應用層軟體範疇。
(一)通用中間件:在底層運行支撐軟體的支持下實現一系列基本的節點功能，主要包括以下兩個方面:(i)為域中間件提供基本的業務支撐服務，如傳感探測服務、定位服務、時間同步服務等；(ii)實現基本的管理功能，如安全管理、統計服務、代碼管理、網絡管理、設備管理等，為傳感網運營提供支持。( 二)域中間件:位於通用中間件之上。域中間件在單個或多個通用中間件提供的基本功能服務基礎上，實現較為複雜的業務功能，向上為應用提供配置、控制、數據訪問接口。WSN設備中加載的域中間件類型與特定區域的傳感網功能密切相關。上層傳感網應用只與域中間件有直接接口，其對通用中間件的訪問必須通過域中間件來完成。(三)中間件容器(MiddlewareContainer):域中間件、通用中間件均運行在(四)底層支撐軟體:除了中間件容器之外，底層支撐軟體也是之外，底層支撐軟體也是WSN設備中間件正常運行所必需的軟組成部分，這部分軟體包括作業系統(OS)、軟體運行環境(Runtime Support)、硬體設備抽象模塊(HAL)和網絡協議棧和網絡協議棧(Network Stack)。本發明提出的數據融合方法基於需求的思想，如圖2，分為三個階段:(I)需求擴散階段:當匯聚節點需要收集信息時，它會向網內廣播查詢請求(request)中的興趣消息，興趣消息是對用戶需求的數據信息類型的一種描述，是匯聚節點發送給傳感器節點(包括簇頭節點)的信息之一。當父傳感器節點在收到該消息後，它也會向網絡中的子節點傳達此消息，這樣沿著樹狀網絡結構向下傳遞，該需求消息被通知到所有節點。(2)數據融合階段:傳感器子節點和父節點需對其採集數據或接收數據進行不同的融合操作。子節點在延遲時間內，採集到數據後，由於傳感器本身的不穩定因素與環境的幹擾，該數據是含有噪聲的，將該數據通過卡爾曼濾波器濾波，再將採集數據與預測數據綜合考慮計算，得到一個平滑變化的數值。父節點在延遲時間內等待子節點傳輸的數據，並將接收到的數據與自身採集數據進行相關數據融合操作(如取最值、求平均值、加權求和、求相關等)。如火災報警系統中，對於溫度傳感器採集到數據，關心最高溫度，若溫度超過閾值，則可能會引起火災，這裡父節點可在接收到子節點傳輸的數據後，加入自身採集的溫度值，求取溫度最大值作為數據融合結果。(僅作舉例，不限於溫度傳感器，也不限於該應用。)(3)數據發送階段:子節點採用卡爾曼濾波的算法，通過過去N個數據作遞歸計算，得到當前採樣數據的預測值，將直接採樣值與預測值做差，並將差值的絕對值作為預測誤差，當預測誤差大於預先設定的與誤差閾值時，該傳感器節點向父節點發送實際採樣數據，若不大於誤差閾值，則不傳輸數據。父節點接收到子節點的數據後經過數據融合操作，將數據發送父節點或匯聚節點。匯聚節點收到數據後經過最後的融合判決通過有線的方式傳給應用層用戶。如前所述，數據融合的關鍵在於確定最大延遲時間，並將延遲時間合理的分配到各個節點上，流程如圖3初步確定各節點的延遲時間，圖4為動態調整節點延遲時間的流程圖(請詳見實施例介紹)。顯然，本發明提供的方法的數據處理複雜度較低，而融合效果也有明顯改善，能有效減少的數據收集過程中的傳輸次數，減少數據量，提高無線傳感器網絡的容量，降低其能耗。
綜上所述，本發明的有益效果是將數據融合方法有效的置於傳感網中間件中的數據處理模塊，採用服務原語的方式，向上層傳輸數據使用Response (響應)原語，向下層傳輸數據使用Request (請求)原語，使其有良好的通用性。
圖1、節點通用中間件體系架構圖；圖2、無線傳感網數據融合流程；圖3、各節點分配延遲時間的流程；圖4、動態調整最大延遲時間策略的流程。
具體實施例方式下面通過實施例，以進一步闡明本發明的顯著進步和實質性特點。實施例1各節點延遲時間在本發明所述的數據融合方法，最大延遲時間由匯聚節點確定，匯聚節點將最大延遲時間信息置於數據請求(Data Request)中，並首先發送Data Request,傳感器節點收到Data Request後，獲得包中攜帶的最大延遲時間信息，由於數據的傳輸和處理都需要時間，為了使父節點能夠有時間對信息進行處理，傳感器節點需要在此基礎上減去一定時間作為本節點的延遲時間。理想情況下，減去的時間應該為傳輸時延兩倍，但由於無線信道特性，減去的時間應比兩倍的傳輸時延要長。確定本節點延遲時間後，再向子節點發送攜帶有本節點延遲時間信息的Data Request,這樣隨著Data Request沿著樹狀網絡結構向下傳輸，延遲時間被分配到各個節點上。各節點獲得自己的延遲時間後，葉子節點(數據響應)在自己延遲時間內對採集數據進行卡爾曼濾波，然後通過預測誤差與誤差閾值的比較結果決定是否發送數據；若預測誤差大於誤差閾值，則將採集數據置於Data Response中，發送至父節點。父節點開始等待Dara Response的到來,並將接收到的Data Response放入緩存中，直到延遲時間結束,將所有接收到的子節點Data Response與自身採集到的數據進行融合處理，並將處理後的數據置於新的Data Response中，向其父節點轉發。最終所有經過融合處理的數據均以DataResponse服務原語的形式傳至匯聚節點。匯聚節點根據本輪融合接收到的Data Response的數目來動態調整下一輪融合的最大延遲時間。Tn+1 = Tn+i (Ropt-Rrec)式中，1；為本輪的最大延遲時間；Tn+1為下一輪的最大延遲時間；R_本輪接收到的Data Response數目JtjptSData Response最佳接收數目，與應用層需求相關；i為調整因子，i > 0，對動態自適應數據融合方法的的時間收斂性產生直接影響。如果R_ > Rre。,接收到的Data Response數目小於最佳值,表明本輪設定的最大延遲時間過短，將會增加下一輪的延遲時間，使各節點有充足的時間進行數據融合，增加融合數據的準確性；如果R_ < Rra。，接收到的Data Response數目超過最佳值,表明本輪設定的最大延遲時間過長，可以減少下一輪的最大延遲時間，以增加數據的實效性。實施例2對節點數據融合的方法，子節點和父節點採取不同的融合策略。
對於子節點，首先進行卡爾曼濾波，然後再對數據進行比較處理。其特徵在於:該方法在採樣節點採集數據之後到傳輸數據之前增加一個數據過濾過程，節點採集到數據後，該數據是含有噪聲的，將該數據通過卡爾曼濾波器去除噪聲，去除噪聲後的數據再通過數據融合模型進行處理，可以更加準確的預測數據。卡爾曼濾波器是以最小均方誤差為估計的最佳準則，來尋求一套遞推估計的算法，其基本思想是:採用信號與噪聲的狀態空間模型，利用前一時刻地估計值和現時刻的觀測值來更新對狀態變量的估計，求出現時刻的估計值。具體步驟如下:步驟1、定義系統狀態變量為X e Rn，k時刻系統控制輸入為U(k)，系統過程激勵噪聲為w(k)。引入離散控制過程的系統，可用一個系統的線性隨機微分方程描述: X(k) =AX (k-1)+BU(k) +W(k)定義觀測變量Z e Rm,觀測噪聲為V，可得系統測量值:Z (k) = HX (k) +V (k)其中，X(k)是k時刻的系統狀態，U(k)是k時刻對系統的控制量，X(k-Ι)為(k-1)時刻的系統狀態，A和B是系統參數，對於多模型系統，它們為矩陣。Z (k)是k時刻的測量值，H是測量系統的參數，對於多測量系統，H為矩陣。假設W(k)和V(k)為相互獨立的高斯白噪聲(White Gaussian Noise)，它們的協方差分別是Q，R (這裡假設它們不隨系統狀態變化而變化)，即:W N (0，Q)V N (O, R)步驟2、為便於描述，做如下說明:l)X(k|k_l)為k時刻之前的狀態已知的情況下k時刻的先驗狀態估計值；2)X(k|k)為測量值Z(k)已知的情況下k時刻的後驗狀態估計值。由此定義先驗估計誤差和後驗估計誤差:E (k I k-1) = X (k)-X (k | k_l)E (k I k) =X (k) -X (k | k)先驗估計誤差和後驗估計誤差的協方差矩陣分別為: P (k I k-1) = E (E (k I k-1) E (k | k-1)τ)P (k I k) = E (E (k I k) E (k | k)τ)設定過程噪聲和測量噪聲的協方差,分別用Q和R表示。用設定的Q和R構造出卡爾曼濾波器模型的遞歸公式。利用上一狀態預測出當前的狀態:X (k I k-1) =AX (k_l | k_l)+BU (k) (I)協方差:P(kI k-1) = AP (k-11 k-1) A』+Q (2)式(I)表示，上一狀態的最優估計值乘以狀態變換矩陣A，加上輸入控制參數與控制輸入的乘積，得到當前狀態的預測值。式(2)中，P (k I k-ι)是x(k|k-l)對應的協方差，P (k-ι I k-ι)是X(k-llk-l)對應的協方差，A』表示A的轉置矩陣，Q是系統過程的協方差。步驟3、現在我們有了當前狀態的預測結果，然後我們再收集當前狀態的測量值。結合預測值和測量值，我們可以得到當前狀態k的最優化估計值x(k|k):X(k I k) = X(k I k-1) +Kg(k) (Z (k) -HX(k | k_l)) (3)式(3)中，Z(k)-HX(kI k-1)反應了預測值和實際值之間的不一致程度，成為測量過程的殘餘。Kg為殘餘的增益，也叫卡爾曼增益(Kalman Gain)，作用是是後驗估計誤差協方差最小，可由下式求出: Kg (k) = P (k I k-1) H』 / (HP (k | k-1) H』 +R)到現在為止，我們已經得到了 k狀態下的最優估算值X(k|k)。但為了要令卡爾曼濾波器不斷的運行下去，知道系統過程結束，我們還要更新k狀態下的X(kIk)的協方差P(k|k):P (k I k) = (1-Kg (k) H) P (k I k-1)其中I為單位矩陣，對於單模型單測量，1=1。當系統進入k+Ι狀態時，P(k|k)就是式子(2)的P(k-l|k-l)。這樣，算法就可以自回歸的運算下去。步驟4、在子節點的延遲時間內，將傳感器採集的實測數據通過卡爾曼濾波器得到剔除噪聲的實際數據，並且根據時間序列模型以及本節點緩存的前N個歷史數據，計算本輪的預測數據，N的大小由採用時間序列模型決定。步驟5、計算該節點本輪實測數據與預測數據的差值，作為預測誤差和預定的誤差閾值比較。若預測誤差大於誤差閾值，則將實測數據置於Data Response中，向父節點發送；若小於，則不發送，以減少網絡中的傳輸數據。對於父節點，利用空間位置的相關性，對接收到的子節點的數據包求取相關。父節點在獲得自己的延遲時間後，開始等待Data Response的到來，並將第一個接收到的數據Data Response放入緩存Rl中，對於第二個到來的數據,將其與緩存中的數據求相關,若相關值大於設定閾值，隨機選取一個放入緩存中，且Data Response數目加I ;若相關值小於設定閾值，將該數據另存緩存R2中。對於隨後接收到的數據包都進行類似處理，延遲時間結束後，最後將緩存中的數據(Rl-Rk)分為k個Data Response數據包來發送。當然父節點也可以進行簡單一些的融合操作(比如取最值，求均值等)。對於數據融合層，網絡中存在兩種類型的數據包:數據請求包Data Request和數據應答包Data Response。Data Request和Data Response數據包格式分別如表I所不。表I
權利要求
1.一種基於傳感網節點通用中間件的數據融合方法，其特徵在於在無線傳感網絡中，所有的傳感器節點採集到的數據均要通過多跳方式傳遞至匯聚節點，整個網絡形成以匯聚節點為根節點的樹狀拓撲結構；每一個傳感器節點都採用通用中間件，無線傳感網節點通用中間件位於硬體和軟體支撐之上，位於應用層之下，通過服務原語方式與上層和下層通信；其中通用中間件中提供對同步、定位、數據處理、代碼管理、網絡管理或安全管理功能；數據融合是數據處理的方法，作為中間件的一個模塊，採用服務原語的方式，向上層傳輸數據使用Response原語，向下層傳輸數據使用Request原語。
2.按權利要求1所述的方法，其特徵在於所述數據融合處理方法基於需求的思想，分為三個階段: (O需求擴散階段:當匯聚節點需要收集信息時，它會向網內廣播查詢請求的興趣消息，當父傳感器節點在收到該消息後，它會向網絡中的子節點傳達此消息，沿著樹狀網絡拓撲結構向下傳遞，該需求消息被通知到所有節點； (2)數據融合階段:傳感器子節點和父節點需對其採集數據或接收數據進行不同的融合操作；子節點在延遲時間內，採集到數據後，將該數據通過卡爾曼濾波器濾波，再將採集數據與預測數據綜合考慮 計算，得到一個平滑變化的數值；而父節點在延遲時間內等待子節點傳輸的數據，並將接收到的數據與自身採集數據進行相關數據融合操作； (3)數據發送階段:子節點採用卡爾曼濾波的算法，通過過去N個數據作遞歸計算，得到當前採樣數據的預測值，將直接採樣值與預測值做差，並將差值的絕對值作為預測誤差，當預測誤差大於預先設定的與誤差閾值時，該傳感器節點向父節點發送實際採樣數據，若不大於誤差閾值，則不傳輸數據；父節點接收到子節點的數據後經過數據融合操作，將數據發送父節點或匯聚節點；匯聚節點收到數據後經過最後的融合判決通過有線的方式傳給應用層用戶。
3.按權利要求2所述的方法，其特徵在於所述的興趣消息是對用戶需求的一種數據信 O
4.按權利要求2所述的方法，其特徵在於第2階段所述的最大延遲時間由匯聚節點確定，匯聚節點將最大延遲時間信息置於數據請求Data Request中，並首先發送DataRequest,傳感器節點收到Data Request後,獲得包中攜帶的最大延遲時間信息。
5.按權利要求4所述的方法，其特徵在於在確定本節點延遲時間後，再向子節點發送攜帶有本節點延遲時間信息的Data Request,隨著Data Request沿著樹狀網絡拓撲結構向下傳輸，延遲時間被分配到各個節點上。
6.按權利要求4所述的方法，其特徵在於各節點獲得自己的延遲時間後，數據響應的葉子節點在自己延遲時間內對採集數據進行卡爾曼濾波，然後通過預測誤差與誤差閾值的比較結果決定是否發送數據；若預測誤差大於誤差閾值，則將採集數據置於Data Response中，發送至父節點；父節點開始等待Data Response的到來，並將接收到的Data Response放入緩存中，直到延遲時間結束，將所有接收到的子節點Data Response與自身採集到的數據進行融合處理，並將處理後的數據置於新的Data Response中，向其父節點轉發；最終所有經過融合處理的數據均以Data Response服務原語的形式傳至匯聚節點。
7.按權利要求6所述的方法，其特徵在於匯聚節點根據本輪融合接收到的DataResponse的數目來動態調整下一輪融合的最大延遲時間:Tn+1 = Tn+i (Ropt-Rrec) 式中，1；為本輪的最大延遲時間；Tn+1為下一輪的最大延遲時間；RM。本輪接收到的DataResponse數目；R_為Data Response最佳接收數目，與應用層需求相關；i為調整因子，i> 0，對動態自適應數據融合方法的的時間收斂性產生直接影響； 如果> Rra。，接收到的Data Response數目小於最佳值,表明本輪設定的最大延遲時間過短，將會增加下一輪的延遲時間，使各節點有充足的時間進行數據融合，增加融合數據的準確性；如果R_ < Rra。，接收到的Data Response數目超過最佳值,表明本輪設定的最大延遲時間過長，可以減少下一輪的最大延遲時間，以增加數據的實效性。
8.按權利要求2或6所述的方法，其特徵在於對子節點和父節點採取不同的融合策略； A.對於子節點，首先進行卡爾曼濾波，然後再對數據進行比較處理；卡爾曼濾波器是一個最優化自回歸數據處理算法，具體步驟如下: 步驟1、引入離散控制過程的系統，可用一個線性隨機微分方程描述: X (K) = AX (k-1) +BU (k) +W (k) 系統測量值:Z (k) = HX(k)+V(k) 其中，X(k)是k時刻的系統狀態，U (k)是k時刻對系統的控制量，A和B是系統參數；對於多模型系統，它們為矩陣<1 (k)是k時刻的測量值，H是測量系統的參數，對於多測量系統，H為矩陣；W(k)和V(k)分別表示過程和測量的噪聲； 步驟2、設定過程噪聲和測量噪聲的協方差，分別用Q和R表示。用設定的Q和R構造出卡爾曼濾波器模型的遞歸公式； 步驟3、再收集當前狀態的測量值，結合步驟2的當前狀態的預測值和測量值而得到當前狀態k的最優化估計值X (k I k)；當前狀態 k 的最優化估計值:X (k I k) = X (k I k-1) +Kg (k) (Z (k) -HX (k I k-1))式中，Kg 為卡爾曼增益:Kg(k) = P (k I k-1) H，/(HP (k I k-1) H』+R) 更新k狀態下X(k|k)的協方差:P(k|k) = (1-Kg (k) H) P (k I k-1)。其中I為I的矩陣，對於單模型單測量，I=I ;當系統進入k+Ι狀態時，P(k|k)就是式子(2)的P(k-l|k-l);使算法就可以自回歸的運算下去。
步驟4、在子節點的延遲時間內，將傳感器採集的實測數據通過卡爾曼濾波器得到剔除噪聲的實際數據，並且根據時間序列模型以及本節點緩存的前N個歷史數據，計算本輪的預測數據，N的大小由採用時間序列模型決定； 步驟5、計算該節點本輪實測數據與預測數據的差值，作為預測誤差和預定的誤差閾值比較，若預測誤差大於誤差閾值，則將實測數據置於Data Response中，向父節點發送；若小於，則不發送，以減少網絡中的傳輸數據； B.對於父節點，利用空間位置的相關性，對接收到的子節點的數據包求取相關；父節點在獲得自己的延遲時間後，開始等待Data Response的到來，並將第一個接收到的數據Data Response放入緩存Rl中，對於第二個到來的數據,將其與緩存中的數據求相關,若相關值大於設定閾值，隨機選取一個放入緩存中，且Data Response數目加I ;若相關值小於設定閾值，將該數據另存緩存R2中；對於隨後接收到的數據包都進行類似處理，延遲時間結束後，最後將緩存中的數據(Rl-R k)分為k個Data Response數據包來發送。
9.按權利要求8所述的方法，其特徵在於所述的數據融合，網絡中存在數據請求包和數據應答包另種類型的數據包； 其中，數據請求包中，ID號不僅標示了包類型，也指明了此時數據請求屬於第幾輪數據融合；融合類型表明節點執行的融合操作；延遲時間包含有父節點的延遲時間信息，節點在向子節點轉發數據請求時，需對此域值進行修改； 對於數據應答包中，ID號與其相關聯的數據請求時的ID相同，即節點收到DataRequest數據包後，將Data Request中的ID提取出來,放到自己的ID數據域，作為DataResponse發送出去；Data Response數目表示融合後的數據包中Data Response的數目；數據域負責攜帶融合後的數據，主要指傳感器採集數據的融合結果，該域可根據具體的應用需求自行定 義。
全文摘要
本發明涉及一種基於傳感網節點通用中間件的數據融合方法，其特徵在於在無線傳感網絡中，所有的傳感器節點採集到的數據均要通過多跳方式傳遞至匯聚節點，整個網絡形成以匯聚節點為根節點的樹狀拓撲結構；每一個傳感器節點都採用通用中間件，無線傳感網節點通用中間件位於硬體和軟體支撐之上，位於應用層之下，通過服務原語方式與上層和下層通信；其中通用中間件中提供對同步、定位、數據處理、代碼管理、網絡管理或安全管理功能；數據融合是數據處理的方法，作為中間件的一個模塊，採用服務原語的方式，向上層傳輸數據使用Response原語，向下層傳輸數據使用Request原語。總之，本發明所涉及的方法基於需求思想，分為3個階段需求擴散階段、數據融合階段及數據發送階段。
文檔編號H04W84/18GK103118439SQ20131002623
公開日2013年5月22日 申請日期2013年1月18日 優先權日2013年1月18日
發明者尚琳, 趙康, 才正國 申請人:中國科學院上海微系統與信息技術研究所