第30卷第12期 2017年12月
传感技术学报
CHINESE JOURNAL OF SENSORS AND ACTUATORS
Hierarchical Data Fusion Using Event-Driven
andBeliefAssignmentinWSN*
Vol. 30No. 12 Dec.2017
YU Xiuwu2.3*,ZHANG Feng'2,ZHOU Lixing"2, LIU Yong2.3
LIU Qin'.2,LEI Lin', WANG Hong
( 1. U/nizersily of Souzh Ching, Enaironmental protection and safety engineering institude, ffengoang Hu'nan 421001, China
2. State Key Laboratory of Sefery and Hezith for Mefal Mines , Maanshan Anhwi 243000, China
3. Hunan Engineering Research Cenfer for Uraniam Tailings Decommission and Treafmear, Fengoang Hu'nan 421001, China)
Abstract: In view of unexpected events and node energy limitation in WSN, a data fusion algorithm using event-driven and belief assignment( EDBA ) is proposed.By setting monitoring threshold , only when the unexpected events occurs,the relevant nodes switching to excited state which can collect and transfer data in high frequency ,in other cases,nodes keeping suppressed or active state to collect and transfer data.Monitoring data is fused through evidence theory and belief assignment function to reduce the amount of transmitted data.Simulation and analysis show that un % e oaaaseoe oone eneoa LEACH.EDBA can effectively save network energy.
Key words : wireless sensor network ( WSN) ; hierarchical data fusion ;event-driven ; belief assignment
EEACC:6150P
doi;10.3969/j.issn.10041699.2017.12.027
WSN中事件驱动与信任分配加权的层次数据融合* 余修武1,2,3，张枫",2,周利兴1,2,刘永1,2,3,刘琴1,2，雷林"，汪弘（1.南华大学环境保护与安全工程学院，南衡阳421001;2.金属矿山安全与健康国家重点实验室，安徽马鞍山243000：
3.湖南省尾矿库退役治理技术工程技术研究中心，潮南衡阳421001）
摘要：针对WSN监测突发事件及节点能量受限间题，提出了一种基于事件驱动与信任度分配加权的层次数据融合算法（EDBA）。通过设置监测阀值，仪在事件发生时，相关部分节点才进人高频次数据采集和传输的兴奋状态，其他情况节点处于低频次采集（或传输）的抑制（或活动)状态，采用证据理论及信任分配函数对网络监测数据进行多层次融合，以减少监测数据
传输量。伤真表明，在通常情况下，EDBA算法能耗分别是EBPDF、LEACH的50%和21%，有效地降低了网络能耗。关键词：无线传感器网络；层次融合；事件驱动；信任分配
中图分类号：TP393
文献标识码：A
无线传感器网络（WSN）")在环境监测、军事、实时目标追踪中广泛应用，其能量主要用于数据采集感知、信号处理与数据传输，数据传输能耗比其他两者更多。传感器节点一定程度上监测的数据近似甚至重复，通过融合数据来减少数据传输量，可有效降低能耗[2-3]。
基于事件驱动网络监测与其他周期性监测不同，只当事件发生时，才会以较高的速率采集和传输数据[+5]。文献[6]提出了一种基于事件驱动的动态分簇BP神经网络数据融合算法（EBPDF），采用
文章编号：1004-1699(2017)12-1948-06
事件驱动来分族，利用BP神经网络模型对监测到的大量数据进行融合处理，提取出特征数据传送给 Sink节点。文献[7]提出了一种事件驱动的时间分簇方法，选择在事件位置与Sink节点间符合条件的节点成簇，事件结束即解散，降低由不必要地成簇和维护开销所带来的能耗。D-S证据理论"}利用证据和组合将主观的、不确定的、冲突的信息转换为客观的决策结果，可提高WSN融合的可靠性（精度），许多学者以此为基础提出了改进研究[9-10]。文献[11]提出一种基于D-S证据理论和极限学习机的
项目来源：金属矿山安全与健康国家重点实验室开放基金项目（2016-JSKSSYS-04）；湖南省教育厅科研重点项目（15A161）；
江西省自然科学基金项目（20122BAB201050）
收稿日期：2017-05-04
修改日期：2017-07-15