基于相關屬性的異構數據融合路由策略

李紅艷，劉蓉，陸翼山，劉安豐

?

基于相關屬性的異構數據融合路由策略

李紅艷1, 2，劉蓉2，陸翼山3，劉安豐3

(1. 湖南大學信息科學與工程學院，湖南長沙，410082；2. 長沙醫(yī)學院計算機系，湖南長沙，410219；3. 中南大學信息科學與工程學院，湖南長沙，410083)

提出一種基于屬性相關的異構數據融合路由策略使無線傳感器網絡壽命最大化。該策略的基本內容是：1) 通過將相同屬性的感知數據路由到同一個環(huán)形路由上，這樣可以使不同屬性的數據進行充分融合，從而減少數據冗余最小化所需傳輸數據，節(jié)省節(jié)點能量；2) 依據無線傳感器網絡的遠Sink能量消耗低、近Sink能量消耗高的特征，將數據融合環(huán)形路由建立在遠Sink區(qū)域，這樣充分利用遠Sink區(qū)域的剩余能量，且同一屬性的數據沿環(huán)形路由1周，使數據融合達到最大化，從而使需要發(fā)送到Sink的數據量極小化。通過模擬與理論分析結果驗證策略的有效性。研究結果表明：本文策略是有效的，能極大地提高網絡壽命。

無線傳感器網絡；多屬性環(huán)；數據融合；路由；網絡壽命

無線傳感器網絡的數據融合對于提高傳感器網絡壽命具有重要的意義[1?3]。數據融合是指傳感器網絡節(jié)點之間產生的數據具有相關性甚至完全相同[2, 4?8]，因而，每一個節(jié)點沒有必要都獨立地將自己的數據發(fā)往Sink。具有相關性的2個數據包在路由過程中相遇，數據融合成1個數據包，這個數據包的大小比2個獨立數據包的大小更小。將這個數據包發(fā)往Sink，這樣就能夠減少需要路由的數據量，提高網絡壽命，但沒有減少Sink接收到數據的信息。在該方法中，最重要的是使具有相關性的數據包在路由過程中能夠盡量相遇而使數據融合，而且相遇的數據越多，對提高網絡壽命越有利[9?11]。目前，已有數據融合的路由策略有如下幾類：1) 隨機性的數據融合路由[4?7]；2) 匯集性數據融合路由[2, 6]；3) 基于匯集環(huán)的數據融合路由(aggregation ring based routing, ARR)[2]；4) 基于代表節(jié)點的數據冗余減少策略[12]。這些策略中存在1個重要假設前提，即網絡中所有節(jié)點感知的數據都存在一定相關性，因而，這些數據相遇越多越好。但沒有考慮到在1個異構網絡中，不同的節(jié)點甚至同一個節(jié)點產生的數據也不能進行數據融合，如節(jié)點感知的濕度與聲音(振動)之間沒有相關性，不能進行數據融合。將這種不同性質的數據稱為異構數據。本文提出一種能夠進行全局事件信息融合的策略，稱為基于相關屬性的數據融合路由(correlation attributes based data fusion routing, CADFR)策略。

1 系統(tǒng)模型與問題描述

1.1 網絡模型

本文所用的網絡模型見文獻[2,6, 11]，即個相同屬性的傳感器被隨機部署在1個以Sink(基站)為中心的圓形區(qū)域，每單位面積的傳感器密度為。每個節(jié)點可能配置多個感知器件，不同的感知器件感知的數據是不同質的，如感知的溫度與濕度是不同質的數據，不同質的數據被認為相關性很弱，而同質(相同屬性)的數據之間相關性較強。每個節(jié)點產生數據的速度為。

本文采用多跳逐步數據融合模型[7, 11]。在該數據融合模型中，輸入源節(jié)點s的聚集是按順序執(zhí)行的。用(s，s)表示節(jié)點s的數據和節(jié)點s的數據進行數據融合(data aggregate)后的結果，數據融合公式為

(2)

d,j為s和s之間的距離；為相關系數，當→0時，c,j→0，表示沒有相關性。若節(jié)點s和節(jié)點s的原始數據在融合過程中，只要其中1個數據不是原始數據包，則融合數據的公式為

其中：為遺忘系數，小于1，如=0.6；和分別為節(jié)點參與數據融合的中間結果和節(jié)點經過處理后的結果。與中會有1個或者2個都不是原始數據。

圖1 數據融合過程

Fig. 1 Process of data aggregate

圖1所示為數據融合過程的例子。節(jié)點1首先產生原始數據，與此同時，節(jié)點4產生原始數據，接著，1的原始數據將傳送至節(jié)點4進行數據融合，據式(1)，有

接著，由節(jié)點2產生的原始數據傳送至4節(jié)點，4節(jié)點的中間數據將會與2產生的原始數據進行融合，據式(3)，有

由節(jié)點3產生的原始數據傳送至4節(jié)點，4節(jié)點的中間數據將會與3產生的原始數據進行融合，據式(3)，有

節(jié)點6將會接受到節(jié)點5產生的原始數據，6與5產生的原始數據融合公式滿足式(1)，即

4的數據傳送給6，即4的最終數據與6的中間數據相融合，所用公式滿足式(3)，即

1.2 能量消耗模型

(4)

(6)

式中：為數據量；為傳輸距離；elec為傳輸電路的能量損耗；fs和amp為上述2種模型中功率要實現(xiàn)放大過程所需要的能量[13?16]。采用經典的能量消耗模 型[2, 11, 13?16]，數據接收的能量消耗為式(4)和式(5)，數據發(fā)送為式(6)。根據發(fā)射器和接收器之間的距離，在模型中使用自由空間(功率損耗)和多徑衰落(功率損耗)信道模型。當傳輸距離不超過閾值0時，系統(tǒng)會處于自由空間模型，功率損耗增大(如式(4))；若傳輸距離超過閾值0或等于閾值0，則系統(tǒng)會處于多路徑衰減模型(如式(5))。網絡參數見表1。

表1 網絡參數

1.3 問題描述

本文的主要目標是要提高網絡壽命，也就是盡量減少在每輪數據采集中最大能量消耗節(jié)點的能量消耗，即

max()=max(min0＜≤(t))=

式中：t為第個節(jié)點的網絡壽命；為節(jié)點的初始能量；e為第個節(jié)點在一輪數據收集中的能量消耗。

2 CADFR策略設計

CADFR 策略主要研究目的有：1) 不同屬性的數據由于相關性弱，很難進行數據融合，因而，在CADFR策略中，將不同屬性的數據分別進行融合，從而使數據充分融合，大大減少節(jié)點發(fā)送的數據量，提高網絡壽命；2) 僅僅將相同屬性的數據融合還不能大幅度地提高網絡性能，因而，CADFR策略充分利用遠Sink區(qū)域的剩余能量，在遠Sink區(qū)域創(chuàng)建不同的環(huán)形路由，每個環(huán)形路由對應一類屬性的數據，將這些數據在能量充裕的區(qū)域進行充分融合后再發(fā)往Sink，從而大幅度地提高網絡壽命。下面分析已有的數據聚集網絡中節(jié)點承擔數據量的情況。

定理1：在一般數據融合的傳感器網絡中，節(jié)點和Sink之間的距離為，網絡進行1次數據收集，節(jié)點承擔的數據量為

將B,k區(qū)域與Sink進行連接，連接兩者的連線夾角(弧度)設為，該值很小，連線的寬度d也很小。B,k可以看作是1個扇形，但選取的寬度非常小，即將其視為微積分里面的長方形來計算面積，長度為，寬度為d。所以，B,k的區(qū)域面積為：。B,k區(qū)域共有節(jié)點數為：。

用n表示距離Sink為的區(qū)域內的節(jié)點個數。位于的節(jié)點位置其接收到的數據包個數f為

設節(jié)點產生3種屬性，分別為屬性A、屬性B和屬性C。設A與B，A與C及B與C之間的相關系數分別為，和(不同屬性間可把設為0，即無法進行融合)。所有的節(jié)點產生的數據包大小都相等，用表示，表示環(huán)形路由中外區(qū)域與Sink距離為的節(jié)點在環(huán)形路由處進行數據融合后得到的數據包的大小。用表示與Sink距離為的節(jié)點在進行數據包中間階段聚集時，承擔的數據包的大小。與Sink距離為的節(jié)點在這個過程中會接收到的最終數據包。而位于處的節(jié)點可能為屬性A、屬性B，也可能為屬性C。位于處的節(jié)點也可能是屬性A、屬性B和屬性C中的任意值，可能出現(xiàn)的情況導致相關系數可能有，，，，和，它們出現(xiàn)的概率分別1/9，1/9，1/9，2/9，2/9和2/9，

(9)

剩下f?1個數據包將到達，因為＞，所以，對以后到達的數據包進行以下聚合：

最后得到的總的數據融合數據為

化簡為

所以，可以推得處每個節(jié)點的數據融合數據包為

(13)

2.1 策略概述

CADFR策略的思路是：在傳統(tǒng)的聚集策略當中，沒有考慮不同類型的數據無法融合的問題，且按照傳統(tǒng)的策略中傳至Sink時，Sink周圍的節(jié)點會有大量的數據轉發(fā)和發(fā)送，從而造成近Sink節(jié)點的能量消耗過大，所以，CADFR策略改變了以前不考慮不同數據無法融合的情況。節(jié)點產生不同屬性的數據，而不同的數據將會傳送至某一環(huán)上，在環(huán)上與同時傳送到的特定屬性數據充分聚合。環(huán)形路由成為某個特定屬性的數據融合中心，數據同時傳送到節(jié)點時呈逆時針方向聚合。所以，最后聚合后的數據將沿著最短路由傳到Sink節(jié)點。

CADFR策略的大致結構如圖2所示。假設網絡中有3種不同的屬性，將整個圓形區(qū)域分為3個不同的環(huán)形區(qū)域，每個環(huán)形區(qū)域代表某種特定的類型。3個不同的環(huán)均有環(huán)外區(qū)域與環(huán)內區(qū)域。環(huán)外區(qū)域指的是離Sink節(jié)點比環(huán)遠的區(qū)域，環(huán)內節(jié)點指的是離Sink比環(huán)近的節(jié)點。網絡根據整個消耗情況來選定環(huán)，整個CADFR的步驟如下。

圖2 CADFR策略的結構概況圖

1) 確定環(huán)形區(qū)域。根據系統(tǒng)的耗能選定環(huán)形路由區(qū)域，分別選取距離Sink為w, w和w處的環(huán)作為屬性A、屬性B和屬性C的聚合環(huán)，不同的數據會傳送至不同環(huán)上進行聚合。

2) 確定匯聚路徑。選定某個范圍的特定區(qū)域為匯聚區(qū)域，當數據聚合后傳至這個區(qū)域時，會根據自己的感知距離來選擇匯聚節(jié)點，當所有特定數據在該點匯聚時，會將最后匯聚的數據傳送到Sink。

3) 數據分類路由。假設Sink在某些節(jié)點的通信范圍之內，節(jié)點將數據直接傳送到Sink。若節(jié)點產生了屬性A的數據，則將根據屬性將數據傳到A環(huán)上。

4) 環(huán)上數據聚合。環(huán)上數據按逆時針匯聚，最后將匯聚后的數據以最短路徑傳送到Sink。

2.2 CADFR策略

CADFR策略算法的偽代碼見表2。根據表2，特定屬性的數據傳送到特定的環(huán)上進行聚合。環(huán)上的節(jié)點在接受到數據后將自身的數據與收到的數據進行聚合，接著將聚合后的數據傳送至環(huán)上的下一節(jié)點，最后將所有聚集后的數據傳送到匯聚節(jié)點，沿著最短路徑傳到Sink。在算法1中，網絡中任意節(jié)點的數據到達Sink所經過的最長路徑長度由3部分組成；第2環(huán)的數據傳送到最外環(huán)的路徑長度，此數據沿環(huán)路由1周的路徑長度，此數據路由到Sink的路徑長度，故其路由長度為，故其算法復雜度為。

表2 CADFR策略算法的偽代碼

3 性能分析與優(yōu)化

CADFR的策略主要通過將不同屬性數據進行分類，將特定屬性的數據傳至非“能量熱區(qū)”特定的環(huán)形區(qū)域進行數據融合，最后將融合后的數據傳送至Sink節(jié)點，從而降低“能量熱區(qū)”的能量消耗，提高網絡壽命。因為是將數據傳送到特定的環(huán)上進行聚合，所以，環(huán)上的能量消耗較大，環(huán)要動態(tài)輪換工作才能使網絡能量均衡。下面分析不同區(qū)域的數據承擔量，從而對CADFR策略進行相應優(yōu)化。

定理2：設屬性A，B和C的聚集環(huán)距離Sink分別位于A，B和C處，且A＞B＞C，設相應的特定屬性在特定環(huán)上進行聚合，對于≤A，≤B，≤C處的節(jié)點的離心路由數據承擔量為

證明：首先，對于數據屬性A在≤A處節(jié)點繼承和轉發(fā)?的數據，設，。n為距離Sink為區(qū)域處的節(jié)點數，可得

假設在同一時間內，節(jié)點只產生屬性A，B和C的1種數據，則產生數據為屬性A的概率為1/3，可以得出位于處時每個節(jié)點所要接收的數據包個數為

(15)

處的節(jié)點接收到?處的節(jié)點數據后進行融合操作，聚集后的數據包大小為，再與接下來的節(jié)點進行聚合時，可得。

它們將直接轉發(fā)自己的數據，所以，平均每個節(jié)點發(fā)送的數據量為

化簡得

同理，對屬性B，有

對屬性C，有

當在C環(huán)內時，＜C可能產生3種離心路由的屬性數據，所以，

當在B環(huán)與C環(huán)之間時，C＜＜B，

(18)

當在A環(huán)與B環(huán)之間時，B＜＜A，

距離Sink不同位置處數據承擔量和能量消耗量分別見圖3和圖4。從圖3與圖4可以看出：3個聚集環(huán)上的數據與能量要比其他位置的高，這是因為環(huán)上進行了數據聚合的主要操作，形成了主要負載，而聚合后的近Sink區(qū)域能耗略高于非環(huán)的區(qū)域能耗，是因為3個屬性的數據進行融合后將數據一齊向Sink發(fā)送。但總體而言，近Sink區(qū)域的能量還是大大降低。

定理3：假設屬性A，B和C的聚集環(huán)分別位于距離Sink為A，B和C處，A＞B＞C，相應的特定屬性在特定環(huán)上進行聚合，對于≥A，≥B，≥C處的節(jié)點的向心路由數據承擔量為

η：1—0.6；2—0.5。

η：1—0.5；2—0.6。

證明：與定理2類似，用n表示距離Sink為的區(qū)域節(jié)點數，則可得距離Sink為處產生屬性A的 數據包個數為：，。對于處的每個節(jié)點所要接受的數據包個數為

在進行聚合時，節(jié)點首先與自身的數據進行聚合。設臨時的聚合數據量為,與處的節(jié)點進行融合后，其數據包大小為

(22)

當這些節(jié)點進行數據發(fā)送時，平均的數據量為

同理，對屬性B，有

(24)

對屬性C，有

對于A環(huán)之外的區(qū)域即＞A，屬性數據會產生3種不同的向心路由情況，故有

(26)

在A環(huán)與B環(huán)之間區(qū)域即B＜＜A，會產生屬性B與C的向心路由數據，故有

對于B環(huán)和C環(huán)之間的區(qū)域即C＜＜B，會產生C屬性的向心路由數據，故有

(28)

定理4：在CADFR策略下，屬性A的數據會通過環(huán)形路由的各個節(jié)點，最終發(fā)往屬性A區(qū)域。同理，屬性為B或C的數據也會被分類，則節(jié)點所承擔的數據量如下：

證明：設屬性A的環(huán)位于距離Sink為A處，B屬性的環(huán)位于B處，C屬性的環(huán)位于C處。首先分析屬性為A的數據情況。根據定理2以及定理3中的推導可知，在≤A一側的屬性A的數據量為，在≥A一側，屬性A的數據量為，可以得出數據屬性A在環(huán)形路由上的融合過程。

在A環(huán)之外處的節(jié)點轉發(fā)的A屬性的數據包長度為，這個區(qū)域與A屬性相符的節(jié) 點數目通過計算得到；環(huán)形路由的路線長度 由計算得到(式中，A指環(huán)形路由中的節(jié)點與Sink的距離)，這樣就可以算出屬性A的節(jié)點在環(huán)形路由中數目為，這些節(jié)點承擔將與Sink距離為的節(jié)點的數據傳輸到下一個節(jié)點的功能。這些節(jié)點中，每個節(jié)點最多能夠承受的數據量為，數據融合計算式為

因此，數據融合后A屬性的數據包大小為

對于≤A的情況，

(31)

所以，

同理可得屬性B和C的情況。

定理5：在CADFR策略下，對于數據屬性A，且在屬性A的環(huán)形路由A上，環(huán)形路由進行數據融合后的最終數據大小為

證明：根據定理4，在環(huán)形路由里，每個節(jié)點產生的數據包的大小為，環(huán)形路由上的節(jié)點將會接收到環(huán)上一節(jié)點的數據進行融合操作，則第1次融合后的數據包大小為

(34)

采用與Ａ環(huán)上的數據類似的計算方法可求得位于B和C環(huán)的最終數據包大小。

4 實驗及性能分析

4.1 數據承擔量結果

采用OMNET++進行理論驗證[17]。在實驗仿真中，采用隨機分布的2 000個節(jié)點組成的圓形無線傳感器網絡進行模擬，網絡半徑=400，通信半徑=100，Sink處于圓形區(qū)域的原點處。實驗分別采用NDAS，SDAS和CADFR(分別代表不采用屬性的數據融合、采用選擇性的數據融合以及采用基于多屬性環(huán)最大限度提升無線傳感器網絡壽命的聚合路由策略)，其中選擇性的數據融合會根據節(jié)點產生的相同屬性進行選擇性融合，融合后再將數據傳至近Sink節(jié)點。不同策略在1輪數據收集時不同位置的數據承擔量對比見圖5。

從圖5(a)可看出NDAS策略的最高的數據承擔量近1.8×105bit，而SDAS策略中雖然周邊負載減少，但近Sink區(qū)域的數據量并沒有顯著降低，最高數據負載也近1.4×105bit 。而在CADFR策略中可以看到數據量主要集中在3個環(huán)上，外環(huán)的數據量較少，而靠近Sink的環(huán)上數據量較多。經過CADFR數據融合后的策略充分利用了遠Sink區(qū)域的能量，使得整個網絡的數據承擔量負載均勻，減少了近Sink區(qū)域的數據量，最后經過融合后數據發(fā)送回Sink能量降低很多。在CADFR策略中，最高的數據承擔量只有1×105bit，與NDAS與SDAS相比降低了許多，而其他2個更改了融合系數的數據量變化趨勢也較相符。

融合系數η：(a) 0.5；(b) 0.4；(c) 0.3

4.2 能量消耗以及網絡壽命

不同策略在一輪數據收集中，能量消耗量見圖6。從圖6(a)可見：NDAS策略的能量消耗集中在近Sink區(qū)域，造成大量消耗，最高能耗近0.010 0 J，而離Sink較遠的區(qū)域的能量并沒有很好地被利用。而采用選擇性屬性數據融合的策略即SDAS策略時，雖然近Sink的最高能耗有所下降，達0.002 2 J，但近Sink的能耗仍較高，并沒有較好地利用遠區(qū)域的能量。在CADFR策略中，能耗主要集中在3個環(huán)上，近Sink區(qū)域的能耗比前2種策略大大降低，與SDAS方案相比，其最高能耗降低了很多，即最高耗能的節(jié)點降低能耗，壽命相應提高。雖然在近Sink區(qū)域的能量消耗稍高于其他區(qū)域，即3個環(huán)上的數據量經過近Sink區(qū)域的節(jié)點傳給Sink，但由于經過了數據融合，能量消耗相比于NDAS和SDAS的能量消耗大大降低，提高了整個網絡的壽命。

融合系數η：(a) 0.5；(b)0.4；(c)0.3

5 結論

1) 傳統(tǒng)傳感器網絡的數據融合策略認為所有的感知數據都能夠進行數據融合，而沒有考慮到不同性質的數據不能進行數據融合的情況。本文提出的多屬性數據融合策略很好的解決了這個問題，具有很大的實際意義。

2) 本文提出的基于屬性的分類數據融合策略能夠有效降低網絡需要傳輸的數據量，通過理論分析與實驗證實，本文提出的CADFR策略，其網絡承擔的最大數據量大大減少。

3) 本文提出的策略能夠有效均衡網絡能量消耗，充分利用了網絡能量，提高了網絡壽命。本文提出的CADFR策略將數據融合環(huán)在網絡的非熱區(qū)進行，從而充分利用了網絡非熱區(qū)剩余的大量能量，將網絡壽命大幅度提高。

[1] LIU Anfeng, XIN Jin, CUI Guohua, et al. Deployment guidelines for achieving maximal lifetime and avoiding energy holes in sensor network[J]. Information Sciences, 2013, 230(4): 197?226.

[2] 賀晟, 黃冠銀, 朱石明, 等. —基于匯聚環(huán)的網內事件路由策略[J]. 中南大學學報(自然科學版), 2015, 46(11): 4100?4107. HE Sheng, HUANG Guanyin, ZHU Shiming, et al. A In-network event routing approach based on aggregation ring[J]. Journal of Central South University (Science and Technology), 2015, 46(11): 4100?4107.

[3] LIU Yuxin, DONG M, OTA K, et al. ActiveTrust:secure and trustable routing in wireless sensor networks[J]. IEEE Transactions on Information Forensics and Security, 2016, 11(9): 2013?2027.

[4] LUO H, LIU Y, DAS S. Routing correlated data in wireless sensor networks: a survey[J]. IEEE Network, 2007, 21(6): 40?47.

[5] DAI R, WANG P, AKYILDIZ I. Correlation-aware QoS routing with differential coding for wireless video sensor networks[J]. IEEE Transactions on Multimedia, 2012, 14(5): 1469?1479.

[6] LEANDRO A, AZZEDINE B, HEITOR S. DRINA: a lightweight and reliable routing approach for in-network aggregation in wireless sensor networks[J]. IEEE Transactions on Computers, 2012, 99(4): 676?689.

[7] DAVOLI F, MARCHESE M, MONGELLI M. Non-linear coding decoding strategies exploiting spatial correlation in wireless sensor networks[J]. IET Communications, 2012, 6(14): 2198?2207.

[8] WU Chunhao, YU Chee-Tseng. Exploiting multi-spatial correlations of motion data in a body sensor network[J]. IEEE Communications Letters, 2012, 16(5): 662?665.

[9] MIN J, CHUNG C. EDGES: Efficient data gathering in sensor networks using temporal and spatial correlations[J]. Journal of Systems and Software, 2010, 83(2): 271?282.

[10] ENGIN Z, DIDEM K, CRISTINA C, et al. Energy-efficient routing for correlated data in wireless sensor networks[J]. Ad Hoc Networks, 2012, 10(6): 962?975.

[11] JIANG Liangshan, LIU Anfeng, HU Yanling, et al. Lifetime Maximization through dynamic ring-based routing scheme for correlated data collecting in WSNs[J]. Computers & Electrical Engineering, 2015, 41(1): 191?215.

[12] HUNG C, PENG W, LEE W. Energy-aware set-covering approaches for approximate data collection in wireless sensor networks[J]. IEEE Transactions on Knowledge and Data Engineering, 2012, 24(11): 1993?2007.

[13] DONG M, OTA K, YANG L, et al. LSCD:a low storage clone detecting protocol for cyber-physical systems[J]. IEEE Transactions on Computer-Aided Design of Integrated Circuits and Systems, 2016, 35(5): 712?723.

[14] LIU Yuxin, LIU Anfeng, HE Sheng. A novel joint logging and migrating traceback scheme for achieving low storage requirement and long lifetime in WSNs[J]. AEU-International Journal of Electronics and Communications, 2015, 69(10): 1464?1482.

[15] HU Yanling, LIU Anfeng. Improvement the quality of mobile target detection through portion of node with fully duty cycle in WSNs[J]. Computer Systems Science and Engineering, 2016, 31(1): 5?17.

[16] DONG M, OTA K, LIU Aafeng, et al. Joint optimization of lifetime and transport delay under reliability constraint wireless sensor networks[J]. IEEE Transactions on Parallel and Distributed Systems, 2016, 27(1): 225?236.

[17] OMNeT++ community site[EB/OL]. [2011?09?01]. http:// omnetpp.org/.

(編輯 陳燦華)

Correlation attributes based heterogeneous data fusion routing scheme

LI Hongyan1, 2, LIU Rong2, LU Yishan3, LIU Anfeng3

(1. College of Computer Science and Electronic Engineering, Hunan University, Changsha 410082, China;2. Department of Computer, Changsha Medical University, Changsha 410219, China;3. School of Information Science and Engineering, Central South University, Changsha 410083, China)

A correlation attributes based on heterogeneous data fusion routing(CADFR) scheme was proposed to maximize network lifetime for WSNs. The main features of CAFR scheme are as follows. 1) Routes the data with the same attribute to the same ring routing path, so the data fusion can be fully used, the redundancy transmission can be eliminated, and the node’s energy can be saved. 2) Considering the feature of WSNs is that the energy consumption of wireless sensor networks is low near the Sink and high faraway the Sink, the ring routing path is built in far Sink area which can make full use of the surplus energy far Sink region. On the other hand, the data of the same attribute routes a circle along a ring route, which furtherly eliminates redundancy data. Both theoretical computation and simulation were used to verify the effectiveness of the scheme. The results show that the proposed scheme is effective, and can significantly improve the performance of network.

wireless sensor networks (WSNs); aggregating ring; data aggregate; route; network lifetime

TP393

A

1672?7207(2017)04?0996?10

10.11817/j.issn.1672?7207.2017.04.020

2016?07?10；

2016?08?22

國家自然科學基金資助項目(61379110，61073104)；國家重點基礎研究發(fā)展計劃(973計劃)項目(2014CB046305)；湖南省教育廳優(yōu)秀青年項目(15B030)；湖南省教育廳一般項目(15C0165)(Projects(61379110, 61073104) supported by National Natural Science Foundation of China; Project(2014CB046305) supported by the National Basic Research Program (973 program) of China; Project(15B030) supported by Youth Foundation of Department of Education of Hunan Province; Project (15C0165) supported by General Project of Department of Education of Hunan Province)

劉蓉，副教授，從事無線傳感器網絡研究；E-mail：hnliurong@163.com