煤礦井下無(wú)線傳感器網(wǎng)絡(luò)量化式?jīng)Q策融合

摘 要：在非理想信道中，存在許多通信限制。為了保證實(shí)時(shí)、準(zhǔn)確的通信，必須對(duì)各節(jié)點(diǎn)傳輸?shù)臄?shù)據(jù)進(jìn)行融合。基于煤礦井下非理想信道情況，提出了一種基于多位本地決策，且近似于最優(yōu)似然比決策的量化式融合規(guī)則，并分析該融合規(guī)則在不同信噪比、量化度、傳感器節(jié)點(diǎn)數(shù)量下的性能，及決策系統(tǒng)的能耗與魯棒性問(wèn)題.理論與實(shí)驗(yàn)得出，在礦井信噪比較低的惡劣環(huán)境下，需要通過(guò)適量增加能量消耗并采用適當(dāng)?shù)娜诤弦?guī)則（權(quán)衡偵測(cè)精度、節(jié)點(diǎn)數(shù)量、能耗與量化度之間的關(guān)系）來(lái)提高量化度，從而保證決策中心的決策精度。

關(guān)鍵詞：傳感器網(wǎng)絡(luò)；決策融合；量化式；井下信道；能耗

1 概述

分布在監(jiān)測(cè)區(qū)域的傳感器節(jié)點(diǎn)由于與目標(biāo)之間的距離各不相同，單個(gè)傳感器檢測(cè)到的相關(guān)環(huán)境參數(shù)并不能直接反映目標(biāo)的真實(shí)物理狀態(tài)，據(jù)其做出的判斷容易產(chǎn)生虛警（False alarm）[1]，如果將各個(gè)傳感器所觀測(cè)到的全部信息都直接傳輸?shù)接脩?hù)又會(huì)造成網(wǎng)絡(luò)資源的浪費(fèi)。為了提高對(duì)目標(biāo)的識(shí)別和估計(jì)能力，降低傳輸消耗的能量，必須采用融合技術(shù)，對(duì)分布在不同位置的多個(gè)傳感器節(jié)點(diǎn)提供的局部不完整觀測(cè)量進(jìn)行數(shù)據(jù)融合，從而清除多傳感器所采集的冗余和矛盾信息。

關(guān)于WSN的決策融合，已有一些文獻(xiàn)作了研究。李燕君等人[2]研究了WSN中衰減信道下的分布式一位決策融合規(guī)則，提出了3種近似優(yōu)化算法；Alexei Makarenko等人[3]詳細(xì)討論了基于貝葉斯方法的服從各種不同分布的信道下的信息融合算法，并介紹了一個(gè)目標(biāo)追蹤的實(shí)例；Yingyue Xu等人[4]研究了在并行計(jì)算在傳感器網(wǎng)絡(luò)決策融合中的應(yīng)用，介紹了協(xié)同式信號(hào)與信息處理方法；Ruixin Niu等人[5]研究了大規(guī)模傳感器網(wǎng)絡(luò)中的分布式?jīng)Q策算法，介紹了傳感器節(jié)點(diǎn)及決策中心的決策門(mén)限值的選擇方法；Israfil B等人[6]研究了基于似然比判決的分布式一位決策融合規(guī)則，采用窮盡搜索方法計(jì)算最優(yōu)閾值；Rajeev Shorey[7]研究了理想信道下WSN的集中式、分布式和量化式?jīng)Q策融合算法，并討論了各種算法的能耗與魯棒性問(wèn)題。

上述相關(guān)文獻(xiàn)一部分考慮了分布式本地一位決策，一部分考慮了通信限制，但沒(méi)有具體的研究非理想信道下量化式本地多位決策對(duì)中心決策結(jié)論的影響。文章建立了非理想信道決策中心的決策規(guī)則模型，并通過(guò)仿真實(shí)驗(yàn)分析了量化度在非理想信道下對(duì)偵測(cè)性能的影響程度。

2 系統(tǒng)模型

基于煤礦井下無(wú)線傳感器網(wǎng)絡(luò)人員定位系統(tǒng)，是在采煤工作面布置一定密度的無(wú)線傳感器節(jié)點(diǎn)，當(dāng)?shù)V工進(jìn)入傳感器的感知區(qū)域，節(jié)點(diǎn)就通過(guò)無(wú)線信道將感知信息傳回中心節(jié)點(diǎn)。由于煤礦井下通信存在嚴(yán)重的多徑傳播、衰減、非視距、通信盲點(diǎn)，因此煤礦井下的通信環(huán)境是一個(gè)典型的非理想信道。由于煤礦生產(chǎn)需要定時(shí)檢修，無(wú)線傳感器節(jié)點(diǎn)的電池可定時(shí)更換，因此，節(jié)點(diǎn)能量限制不是影響井下無(wú)線傳感器網(wǎng)絡(luò)工作質(zhì)量的最主要因素，而量化度是影響偵測(cè)性能的最主要因素。

盡管巷道及采煤工作面的傳感器節(jié)點(diǎn)的布置可以是鏈狀結(jié)構(gòu)或是并行結(jié)構(gòu)等，但在針對(duì)特定時(shí)刻某一目標(biāo)的偵測(cè)，信息的融合任是并行的。因此，假定某時(shí)刻執(zhí)行同一任務(wù)的傳感器節(jié)點(diǎn)工作是同步的，基于非理想信道的無(wú)線傳感器網(wǎng)絡(luò)量化式?jīng)Q策融合系統(tǒng)，H1表示有礦工在監(jiān)測(cè)區(qū)域，H0表示無(wú)礦工在監(jiān)測(cè)區(qū)域，N個(gè)本地節(jié)點(diǎn)分別收到k個(gè)未經(jīng)處理的原始數(shù)據(jù)向量Xi后，其中Xi=[xi，1，xi，2…xi，k]，i=1，2…N，xi，j∈{0，1}分別在本地做出一個(gè)b位（b？燮k）的決策向量Ui=[ui，1，ui，2，…ui，b]，i=1，2…N，ui，j∈{0，1}。各個(gè)本地傳感器節(jié)點(diǎn)的偵測(cè)概率為pd=p[xi，j=1|H1]，1？燮i？燮N，1？燮j？燮k；虛警概率為pf=p[xi，j=1|H0]，1？燮i？燮N，1？燮j？燮k。

本地決策向量集[U1，U2…UN]通過(guò)無(wú)線信道傳輸?shù)饺诤现行?，由于信道是非理想的，存在單調(diào)衰減和高斯噪聲，因此決策中心接收到的向量集為[R1，R2…RN]，其中Ri=[ri，1，ri，2…ri，b]，ri，j=gi，jui，j+ni，j，其中？籽為無(wú)線信道的平均信噪比，gi，j為服從標(biāo)準(zhǔn)正態(tài)分布的獨(dú)立高斯變量，gi，j～N（0，1），附加噪聲ni，j也服從正態(tài)分布，ni，j～N（0，1）。

融合中心的全局一位決策u0是基于向量集[R1，R2…RN]的。中心的偵測(cè)及虛警概率分別為PD和PF，有PD=p[u0=1|H1]，PF=p[u0=1|H0]。

3 量化式?jīng)Q策融合

3.1 本地決策規(guī)則

假設(shè)各個(gè)傳感器節(jié)點(diǎn)的決策規(guī)則相同，第i節(jié)點(diǎn)采集到的k個(gè)未經(jīng)處理的原始數(shù)據(jù)向量[xi，1，xi，2…xi，k]中，xi，j=1的數(shù)量為mi，將其量化為b位的qi，可表示為映射mi∈{0，1…k}→qi∈{0，1…b}，i=1，2…k+1[7]。以k=10，b=2為例，mi∈{0，1，2}→qi=[0，0]；mi∈{3，4，5，6}→qi=[1，0]；mi∈{7，8，9，10}→qi=[1，1]。

3.2 中心決策規(guī)則

考慮實(shí)際工況，人員定位系統(tǒng)的傳感器節(jié)點(diǎn)相同，且無(wú)線信道的信噪比比較小。另外，傳感器節(jié)點(diǎn)位置固定，且在進(jìn)行一次偵測(cè)后發(fā)送b位決策的時(shí)間間隔短，可認(rèn)為在發(fā)送信號(hào)（b位）期間信道參數(shù)保持不變，從而可將文獻(xiàn)[2]的定理2加以推廣。

在低信噪比下，基于b位本地決策的中心融合規(guī)則為：

（1）

3.3 能效分析

節(jié)點(diǎn)進(jìn)行一次偵測(cè)任務(wù)的能耗主要用于數(shù)據(jù)處理能耗Ep與數(shù)據(jù)傳輸能耗Et兩部分。其中數(shù)據(jù)處理能耗Ep包括統(tǒng)計(jì)采集數(shù)據(jù)中xi，j=1數(shù)量所消耗的能量Ecount，將比較統(tǒng)計(jì)值與閾值所消耗的能量Ecompare。

本地節(jié)點(diǎn)負(fù)責(zé)數(shù)據(jù)預(yù)處理和傳輸，中心節(jié)點(diǎn)負(fù)責(zé)決策融合，并將決策結(jié)果轉(zhuǎn)發(fā)到高層。

每個(gè)本地節(jié)點(diǎn)能耗為：

EL=Ecount×k+Ecompare×（b+1）/2+Et×b （2）

中心節(jié)點(diǎn)能耗為：

EC=Ecount×N×b+Ecompare×1+Et×1 （3）

執(zhí)行一次偵測(cè)任務(wù)系統(tǒng)總能耗為：

ETotal=EL×N+EC（4）

4 仿真實(shí)驗(yàn)與性能分析

4.1 中心節(jié)點(diǎn)的決策融合

假定各個(gè)本地傳感器節(jié)點(diǎn)的偵測(cè)概率與虛警概率分別為Pd=0.8，Pf=0.1，節(jié)點(diǎn)每次采樣數(shù)據(jù)量k=4。圖1是在量化度b=2，不同節(jié)點(diǎn)數(shù)與信噪比下的ROC曲線，其中信噪比為？籽=4.77的非理想信道近似于Rayleigh衰減信道，可以發(fā)現(xiàn)信道狀況對(duì)系統(tǒng)性能有顯著影響，且在低信噪比的情況下，增加節(jié)點(diǎn)數(shù)量是提高性能的有效辦法，但同時(shí)也增加了系統(tǒng)的總能耗和成本；圖2是在Rayleigh衰減信道模型下，系統(tǒng)虛警概率PF？燮0.01，給定節(jié)點(diǎn)數(shù)量，不同量化度對(duì)系統(tǒng)的影響，其中b=1的情況就是分布式（Distributed）決策規(guī)則，而b=4的情況即是集中式（Centralized）決策規(guī)則，可以看出增加量化度可以提高系統(tǒng)性能，但在惡劣信道條件下，節(jié)點(diǎn)需要很高的傳輸開(kāi)銷(xiāo)，因此集中式規(guī)則的對(duì)節(jié)點(diǎn)能量的消耗過(guò)大[7]。圖3是在不同信噪比和不同量化度下，系統(tǒng)的偵測(cè)性能PD情況，可以看出量化度越高，系統(tǒng)在低信噪比環(huán)境下的偵測(cè)性能越優(yōu)越。圖4反映的是虛警概率的情況，可以看出提高量化度后，PF值更加穩(wěn)定，系統(tǒng)穩(wěn)定性得到顯著提高。

4.2 系統(tǒng)能耗與魯棒性

與傳統(tǒng)網(wǎng)絡(luò)不同，井下WSN的節(jié)點(diǎn)被部署在惡劣環(huán)境中，容易遭到物理性的破壞。

表1反映的是在Ecount=Ecompare=5nJ/bit，Et=0.2nJ/bit時(shí)，不同量化度與節(jié)點(diǎn)數(shù)量下，執(zhí)行一次偵測(cè)任務(wù)的系統(tǒng)總能耗?？梢钥闯龀杀对黾恿炕?，系統(tǒng)能耗并不成倍數(shù)增長(zhǎng)。

表2顯示的是在Rayleigh衰減信道下，當(dāng)有個(gè)別本地節(jié)點(diǎn)受到物理性損傷而失去偵測(cè)能力后，不同量化度對(duì)系統(tǒng)的偵測(cè)概率PD的影響情況。量化式?jīng)Q策規(guī)則有較優(yōu)的魯棒性。

5 結(jié)束語(yǔ)

考慮到煤礦井下復(fù)雜的通信條件，井下無(wú)線傳感器網(wǎng)絡(luò)的決策融合規(guī)則需要犧牲部分能耗來(lái)提高量化度，進(jìn)而提高系統(tǒng)偵測(cè)性能與穩(wěn)定性。基于Neyman-Pearson法則的似然比決策規(guī)則在理論上任是最優(yōu)的多傳感器決策融合規(guī)則，但是需要預(yù)知節(jié)點(diǎn)大量的信息，且計(jì)算復(fù)雜度與能耗都很大，不適宜直接用于無(wú)線傳感器網(wǎng)絡(luò)。通過(guò)給定一些符合煤礦井下實(shí)際工況的約束條件，將決策規(guī)則進(jìn)行合理簡(jiǎn)化，得到以下結(jié)論：（1）在低信噪比情況下，使用量化式?jīng)Q策融合規(guī)則，在增加少量能耗的基礎(chǔ)上，系統(tǒng)的偵測(cè)性能顯著提高；（2）增加量化式?jīng)Q策融合規(guī)則的量化度，使得系統(tǒng)的虛警概率PF更加穩(wěn)定，不隨信道信噪比的變化而顯著變化；（3）量化式?jīng)Q策融合規(guī)則能夠增強(qiáng)系統(tǒng)的魯棒性。

參考文獻(xiàn)

[1]李建中.無(wú)線傳感器網(wǎng)絡(luò)專(zhuān)刊前言[J].軟件學(xué)報(bào)，2007，18（5）：

1077-1079.

[2]李燕君，王智，孫優(yōu)賢.資源受限的無(wú)線傳感器網(wǎng)絡(luò)基于衰減信道的決策融合[J].軟件學(xué)報(bào)，2007，18（5）：1130-1137.

[3]Alexei Makarenko，Hugh Durrant-Whyte.Decentralized Bayesian algorithms for active sensor networks[J].Information Fusion，2006（7）： 418-433.

[4]Yingyue Xu，Hairong Qi.Distributed computing paradigms for collaborative signal and information processing in sensor networks [J].Journal of Parallel and Distributed Computing，2004（64）：945-959.

[5]Ruixin Niu，Pramod K. Varshney，Qi Cheng. Distributed detection in a large wireless sensor network [J].Information Fusion，2006（7）：380-394.

[6]Israfil B，Ghassan A，Yucel A.Parallel distributed detection for wireless sensor networks：Performance analysis and design[J].In：Proc. of the IEEE Global Telecommunications Conf.（GLOBECOM 2005）.Piscataway： IEEE，2005：2420-2424.

[7]Rajeev Shorey. Mobile，Wireless，and Sensor Network-Technology， Application，and Future Directions[M].New Jersey：John Wiley Sons，Inc.，2006：145-158.