原标题:【网安学术】一种改进的无线传感器网络检测架构研究

美高梅注册 1

摘要:无线传感器网络的应用日益广泛,在许多领域的研究中具有重要意义。针对大规模无线传感器网络中的目标检测问题,提出了一种改进的无线传感器网络检测架构。该架构以传感器集群节点为基础,合理选取了簇头。簇间数据传输可通过低耗能、自适应聚类层以及多跳路由等思路实现优化,得到新型跨层分布式架构,减少了传输数据量,降低了融合中心的处理负担。此外,分析了分布式调度协议和分布式路由协议改进方法,可使簇头更自主地完成对路由的决策分析,进一步提高检测融合过程中的能量利用效率。

0 引 言

近年来,随着无线通信、计算机、信号处理与嵌入式技术的迅猛发展,对无线传感器网络(Wireless
Sensor
Networks,WSN)的相关研究越来越受到重视。WSN由于具有低能耗、易部署、低成本、自组织以及节点小型化等特点,在民用领域和军事领域的应用日益广泛,如战场监视网络、士兵远程追踪定位系统、自然环境探测系统、物联网和智能交通等。无线传感器网络(WSN)可能包含成千上万个传感器,使得融合中心难以对各传感器节点实施监测。因此,目标检测成为WSN技术应用中的一个重要方向,即从网络覆盖区域中判断传感器目标信号是否存在。同时,在无线传感器网络实际应用中,信号检测是后续处理的前提,对研究提升网络性能具有重要的意义,受到了国内外学者和研究人员的广泛关注[1]。

目前,无线传感器网络目标信号检测主要包括集中式检测和分布式检测两种,且数据融合也逐渐发展成为其中的一个关键环节。数据融合的优化可利用Neyman-Pearson准则使检测概率达到最大化,如文献[2]分析了通过网络路由设计减小WSN能量消耗的可行性。高效的数据融合中心还能对检测过程和网络路由进行联合优化,可选取适当的预处理思路与含有感知目标位置的算法等作为优化函数。然而,随着网络规模的增加,融合中心对各传感器数据的计算难度较大,且对传输带宽资源的要求增高,难于实现。此外,对于并行的分布式检测架构,由于融合中心与传感器直接相连,将导致过多的消耗。

针对上述一些问题,本文提出了一种改进的无线传感器网络检测架构,适合于解决大规模网络中的目标信号检测处理问题。该架构以传感器集群节点为基础,即把整个网络分为若干小型簇,并合理选取了簇头。簇间数据传输在集群中开展,头节点采用多跳路由。其中,集群可通过低耗能、自适应聚类层优化生成,得到新型的跨层分布式架构。各簇所覆盖的特定区域可进一步划分为多个细微的分辨率单元,簇内传感器单元能够精确地顺序探测各范围内的目标。在能耗方面的改进思路是,在给定范围分辨单元上对目标进行二元决策判别,当假设检验为真时,通过多跳路由将其上报至融合中心,减少需要传输到融合中心的数据量,从而降低融合中心的处理负担。

此外,本文还研究分析了一种分布式调度协议和分布式路由协议,用来规范集群内和簇间的数据传输,进一步提高检测融合过程中的能量利用效率。

1 检测架构模型分析

大多数WSN信号为窄带信号,可以将该类信号模型作为目标对象进行检测问题分析。设待处理信号是幅度-相位调制信号,且考虑到由于随机相位角引起的接收信号中的不确定因素。下面定义第i
个传感器发射信号的表达式为:

其中,fi(t) 表示信号si(t)
的包络,表示相位角。以雷达传感器为例进行分析说明,其反射信号的波形是带有随机相位角载波的衰减信号波形。因此,在检验假设条件H1
情况下,接收信号可表示为:

其中,表示延时,表示在之间的随机变量。此处,gi(t) 与fi(t)
的关系计算式为:

美高梅注册 2

其表示正的常值系数,表示路径损耗指数,取值与环境因素有关,典型值为2~4。不妨先以无线传感器网络特定第i
个传感器对应的延时为目标进行分析,它可由距离来确定,并易与结合,从而接收信号可表示为:

在传感器信号检测处理前,通常先对截获的信号进行采样转换。因此,可用Ts
表示采样时间间隔,值满足,m
为整数。即可认为在时间范[0,KTs]
中正弦波形周期都为整数,然后对对应于第K 个传感器i
个采样点信号进行分析,则对于k=1,…,K 点的采样波形可表示为:

美高梅注册 3

且、,其中k=1,…,K ;gi(t) 和ni(t)
分别表示信号与噪声的采样波形。

设作为由反射波形采样点组成的观测向量,且ni(k)
可看作独立同分布的高斯噪声向量。于是,第i
个传感器的局部似然率为:

选取。对于无线传感器处理而言,可合理假设在各阶段其信号相位是均匀分布的。因此,可定义:

且:

然后,可将前述的局部似然比代入,得到:

美高梅注册 4

其中,。

定义,则式(9)还可表示为:

美高梅注册 5

其中,I0
表示第一阶零阶修正贝塞尔函数。

不妨采用以下假设:对所有无线传感器的观测量都是独立的,满足二元假设条件的,因此对全部
N个无线传感器的总似然率可表示为:

对式(10)取对数变换,推导可得到:

美高梅注册 6

然后,将门限合理代入,有:

美高梅注册 7

注意到是单调函数,可近似表示为:

可定义且,则检验统计量l 可化简为:

则门限还可得出:

因此,根据Neyman-Pearson准则,设i
的概率密度函数不存在多点分布,则假设检验问题的最佳判决准则可推导得出:

美高梅注册 8

对于单个传感器i
,观测波形的平均能量可由下式得出:

美高梅注册 9

因此,其偏斜度比值可表示为:

由于假设所有接收到的传感器信号与其他传感器的相互独立,所以可将总偏斜度之比近似为所有传感器的偏斜度比之和。因此,总偏斜度比可通过式(20)得出:

2 检测架构优化思路

在探测特定的距离分辨率单元和反射信号时,簇内的每个传感器节点将通过式(8)计算其局部似然比,并把这些参数信息发送到簇头。因此,协调各传感器之间的传输数据十分重要。同时,作为分布式检测架构的一个重要环节,需要对分布式调度协议的改进方法进行研究。与TDMA类型机制里采用通过簇头调度各节点在集群内传输顺序的集中式调度方法不同,本文设计的分布式调度方法可允许每个传感器节点在不用询问邻近节点的情况下自主决策发送数据的时刻。此外,为了节省资源,新改进方法也不同于文献[3]中使用的顺序传输型信号检测架构,不需设置各传感器对集群里的其他传感器进行监听。

为更进一步实现优化,本文改进方法中对传感器节点i
的两个有关参数——剩余能量和偏斜度比率di
进行改进。这两个参数反映了传感器节点寿命及其数据在整体检测性能中的重要性。改进的原则是通过合理设计分布式调度协议,将上述两个参数实现最优配置。一方面,通过使各传感器的剩余能量即的值最大化,从而最大化寿命周期;另一方面,需要确保总的检测性能在一定程度上有所提高。设给定某一虚警概率的情况下存在门限D0
,其数值对应于所需要的检测性能,因此在传感器网络簇群中,须满足以下条件:

其中N 表示最终传输簇中的节点数。

经过分析,没有采用传统的集中式思路,因为其在能量约束的传感器网络中一般是不可行的[4]。这里选取分布式调度协议的架构,其具有较强扩展性、相对较小的开销和节点鲁棒性等优点。实际运行过程中,通过对网络传感器的传输顺序的合理控制来实现改进。主要思路是设计基于调节后的传感器剩余能量和偏斜度比率参数进行计算,得出网络优化延迟时间。延迟时间本质上等于各传感器向集群簇头发送信息之前必须等待的时间。类似于IEEE802.11CSMA/CA协议帧间空隙时间间隔,即使信道未被占用,各节点在传输前也须等待。传感器i
的延迟时间可表示为,是di
和的函数,可以在本地进行计算。通过对该函数进行适当设置,能够使传感器节点获得更高的偏斜度比率和更大的剩余能量,从而实现传输时间的提前和高效处理。

在接收到簇头广播的信令信息后,同一簇内的传感器节点在向簇头发送数据前将延迟不同的时间段(延迟时间)。图1说明了改进机制示例,其中节点i
、j 和k
发送数据对簇头而言带有足够的信息,可作出保证检测精度的最终判决。簇头可向所有的传感器广播信息,无需进一步传输。因此,图1中的节点m
可不再传输数据,能够实现耗能的降低和节点寿命的延长。

美高梅注册 10

对函数分析,可得出其参数关系式:

其中表示正标度因子。实际上,通过修改该函数或调节,可以实现偏斜度比与剩余能量之间的平衡配置。

下面对无线传感器网络检测架构中选取的优化分布式路由协议进行分析——当识别出特定分辨率范围内单元目标后,簇头将向数据融合中心上报结果。因为簇头通常远离融合中心,所以采取多跳路由的思路实现传输。应当注意,即使簇没有信息向融合中心上报,仍然可以作为相邻节点的中继节点。改进的协议设计中,根据分布式检测框架更合理地选用了分布式路由而非集中式路由,因为分布式路由中的每个簇头节点能够基于相邻簇头节点的簇头信息构建自己的路由表,并且可以根据路由算法使用最佳路由决策实现网络开销的最小化(系统优化)。这样分布式路由大大降低了节点对融合中心的依赖性。而对于传统的集中式路由方式,路由决策的生成基本是在数据融合中心实现的,一旦融合中心或其附近路由失效,将导致检测系统的重大错误[5]。所以,分布式路由实际上提高了方法中分布式检测架构的稳健性。此外,路由设计中也同时关注了能量效率。为方便分析,不考虑每个簇头的剩余能量,而是针对其消耗的能量。需强调的是,对于簇头之间的通信,存在着基于路由的调度协议,通常认为该协议是被合理部署的,因而在改进架构中将着重关注其路由设计方式。

令G=(N,A) ,表示由矢量弧集合A 与一组节点N
定义的有限元网络,并可将融合中心表示为节点q
。因此,簇头节点的集合是由N/q 给出的,从节点i 到节点j 的链路可用(i,j)
表示,且表达式(i,j) 与((j,i)
可区分链路方向,二者相互依存。对于非融合中心链路的特殊情况,将在后续计算处理中施加约束条件,从而保证改进后检测模型的通用性。假定网络对于任意两个节点i
和节点j 都是连通的,并存在一条从i 到j
的有向路径,本质是一个由非重复节点和连接弧组成的序列。

令,表示在簇头i
中以单位速率生成的期望流量,并且eij 表示对应于通过链路(i,j)
发送单位流量(b/s)时的耗能。这里eij 与节点i 和节点j
之间的距离成比例,因而可将上述的路由问题等价为一个多物品计算问题。检测的判决变量可以通过每条链路(i,j)
上的总流量Fij 进行求取,推导公式表示为:

其中Cij 表示链路(i,j) 的传输容量。

继续开展优化,使其更适合分布式架构。首先,引入一个新的代价函数Uij
,用以去除对链容量的约束条件式(20)。可设Uij 仅为Fij
的函数,具有以下性质:

(1)Uij 是一个定义在区间[0,Cij,]
上的实数值函数;

(2)Uij 为Fij
的非负连续增函数,且存在连续的一阶和二阶导数;

(3)Uij 是严格的凸函数;

(4)。

应用这个新的代价函数,原来的问题将转化为无弧边界的凸代价网络流量问题。假设原问题至少有一个解,则关于Uij
的上述假设意味着该修正问题具有唯一的最优解,其存在性满足Wier-Struts定理。由于Uij
是连续的,式(19)与式(20)的约束集是紧凑的,该优化解的唯一性满足Uij
的严格凸函数特性[6]。代价函数Uij 的选取可表示为:

其中a
表示正标度因子,所以能易于验证这个Uij
函数具备上面列出的所有期望属性。然后,再引入一些新参数,令ai
代表总流量或在簇头i 处的节点流量,且ai 包含bi 和来自另一个簇头经由i
传送来的流量,可得:

说明各节点流量满足守恒,即进入节点的流量等于流出节点的流量。当时,令,表示通过链路(i,j) 路由上节点流量ai
的分数因子:

对于任何,的情况,可取,使得到达融合中心的交互数据不再回馈至节点。因此,有:

是节点流量守恒的另一种表达形式。

令表示列向量矩阵,其包含了集合的全部元素。令a
表示节点流向量矩阵,对于每个包含元素ai ,b
表示输入交互向量矩阵,其中对于每个包括元素bi 。令F 表示Fij
的向量矩阵,。定义如下集合表达式:

美高梅注册 11

令表示的子集,由全部的元素组成,其中各簇头节点都有一条到达融合中心的路由路径,也表示各节点i,j,…,k,q
的序列,且。更进一步,分析得出a
和F 是非负的,且为b 和 的连续差分函数。因此,可分别表示为和,它们的元素与满足:

美高梅注册 12

此外,对于每一个和每一个F
在式中定义的流量可行性问题,都存在着。当代入到函数并得出矩阵F
时,明显对于给定的交互数据输入,可以在两组路由变量F 、
之间获取到唯一的映射,使得在改进架构中可以根据新的路由变量
的集合而不是采用F 来进行重新规划路由问题:

美高梅注册 13

在对路由进行优化时,允许各簇头确定其自己的路由变量来解决上述问题是有目的的。结果表明,改进的路由算法可适应分布式检测架构要求,本质上是一种降阶计算的组合,且以对传感器网络数据的优化为目的,满足方向性收敛。该算法的基本思路如下:每个簇头节点都需减少消耗较大的路由变量对应的边际成本,即,同时增加消耗小的边际成本。该算法使用分布式处理方式,使得簇头节点从邻节点处有序接收信息,更新其信息后通过改变
实现重路由。

为了验证本文改进架构的有效性,进行了下面的仿真实验。WSN中的目标传感器信号采样率为200
MHz,载波频率为60 MHz,码速率为500 kb/s,信号采样点长度为4
096,信道为高斯白噪声信道,Monte-Carlo仿真次数为1
000次。对传统的基于能量集中式检测架构和本文新改进架构进行对比,仿真结果如图2所示,其中横轴表示信噪比,纵轴表示检测概率。

美高梅注册 14

从图2可以看出,相比采用传统的集中式能量检测架构的方法,本文采用新改进架构的方法检测性能更优。

3 结 语

无线传感器网络可能包含数以千计甚至更多的传感器设备,因此给融合中心的监测处理带来了挑战。本文对大规模无线传感器网络中的目标检测问题进行了深入分析,提出了一种改进的分布式检测架构,不仅可以扩展应用网络的规模,还可较大程度降低对融合中心的处理负荷。新架构以网络划分的单元簇与各簇的簇头为基础,包括对分布式调度协议与分布式路由的优化处理流程和思路。改进的分布式路由协议允许簇内的每个传感器节点根据其偏斜度比率和剩余能量而不须考虑其他节点来决定何时向簇头发送数据,使各簇头能自主完成路由决策,提高了对传感器网络目标的检测效率。

参考文献:

[1]
陈亚斌,王亚刚,周代仝.基于修正狄克逊准则的多传感融合算法[J].通信技术,2014,47(10):1178-1182.

[2] Sadler B M.Fundamentals of
Energy-constrained Sensor Network Systems[J].IEEE Aerospace and
Electronic Systems Magazine,2005(20):17-35.

[3] BlmnR S,Sadler B M.Energy Efficient
Signal Detection in Sensor Networks Using Ordered
Transmissions[J].IEEE Transactions on Signal
Processing,2008,56(07):3229-3234.

[4]
郑晓丽,余慧丽.阵地传感器网络信号检测系统应用的分析[J].通信技术,2013,46(05):59-63.

[5] Yang Y,Blum R S.Energy-efficient
Routing for Signal Detection in Wireless Sensor Networks[J].IEEE
Transactions on Signal Processing,2007,57(06):2050-2063.

[6] Thakshila W,Sudharman K J.Optimal
Power Scheduling for Data Fusion in Inhomogeneous Wireless Sensor
Networks[C].IEEE International Conference on Video and Signal Based
Surveillance,2006.

作者简介:

米立红,解放军66483部队高级讲师,学士,主要研究方向为通信与网络系统技术;

李振杰,解放军66483部队中级讲师,学士,主要研究方向为通信技术;

张 静,解放军66483部队中级讲师,学士,主要研究方向为通信技术。

(本文选自《通信技术》2018年第八期)

原创声明 >>>

本微信公众号刊载的原创文章,欢迎个人转发。未经授权,其他媒体、微信公众号和网站不得转载。

···························································返回搜狐,查看更多

责任编辑:

相关文章