无线传感器网络的服务质量保障技术

式来计算暴露路径，其中最小暴露路径表示无线传感器网络最坏的覆盖情况。

　　除了以上四种，较经典的覆盖控制算法还有圆周覆盖和连通传感器覆盖等。

　　（2）亟需解决的问题

　　●完善感知模型的种类以适用实际WSN环境的多样化需求。

　　●在二维平面研究的基础上解决三维空间覆盖控制的问题。

　　●为具有移动性的网络提供覆盖控制理论。

　　●为在WSN和Internet之间交互的数据和信息提供覆盖控制方案。

　　●在研究中引入障碍物的影响。

　　3.3　数据融合

　　无线传感器网络通过密集分布的大量传感器节点来收集信息。如果原始数据不加处理就直接传送给中心节点，将产生大量的数据冗余，这将给通信网络带来巨大的开销，大大消耗传感器节点的能量，从而减小网络的使用寿命。数据融合，即在每一轮的数据采集过程中，节点采集到的数据包先经过集中汇总，再传输到汇聚节点，这样可以减小数据传输到汇聚节点的次数，减少传感器节点和汇聚节点之间的传输量。可见，数据融合不仅能够减小数据冗余，而且有效节省了网络的能源。下面简单介绍三种典型的数据融合协议。

　　（1）直接传输法

　　在该协议中，所有传感器节点都把收集到的数据单独发送给汇聚节点后再进行融合。在直接传输法中，与汇聚节点较远的节点将较快耗尽能量，这容易导致整个网络能量分布很不均匀。除此之外，在很多情况下，数据产生的地点都具有局部性，因此集中进行数据融合的效率会低于局部信息融合。由此可见，直接传输法适用于传感器节点与汇聚节点比较近，且接收数据消耗的能量比传输数据消耗的能量大很多的网络。

　　（2）基于层次的LEACH协议

　　在该协议中，监视区域内节点通过自组织的方式构成少量的簇，由每个簇中指定的一个节点对簇内其他节点发送的数据进行收集与融合，并将融合结果发送给汇聚节点。在LEACH中，簇头的选择是随机的，因此每个节点都有机会成为簇头，其目的是为了平衡各个节点的能量消耗，从而避免网络能量分布不均的情况。该协议有效延长了网络的生存时间，并提高了数据传输效率。但应该注意到，LEACH在节约能耗方面还未能做到最佳。

　　（3）PAGASIS协议

　　该协议是在LEACH协议的基础上改进而来的，被认为是无线传感器网络中接近于理想的数据采集方法。PAGASIS的基本过程是：将监视区域内的传感器节点排列成一个链，每个节点都可从最近的邻居节点接收并发送数据。当一个节点接收到上一个节点的数据后，先将自己的数据和该数据进行融合，再将数据传送给下一个节点。最后，由一个指定的节点将融合结果传输给汇聚节点。通过PAGASIS协议，可以保证每个节点都将数据传输给汇聚节点，且大大降低了节点在每一轮数据传输中耗费的能量。

　　数据融合技术是无线传感器网络的关键技术之一。根据不同的应用需求以及网络特性，数据冗余情况有很大的差异，因此融合处理方式也有所不同，目前还没有统一的处理模式。

　　3.4　拥塞控制

　　在无线传感器网络中，不稳定的流量、多对一的通信和多跳的数据传输方式是造成网络拥塞的主要原因。此外，可能造成网络堵塞的还有感知事件之后的突发流量，拓扑结构的高度动态性，频繁变化的无线信道，不同信道上互相干扰的并发数据等。拥塞可能引起丢包率上升，时延增大，能源消耗增多，从而导致全局信道的质量下降。由于WSNs自身的特点，传统端到端网络的拥塞控制策略不适用于无线传感器网络。

　　拥塞控制可分为拥塞检测和拥塞减轻两个阶段。这里简单介绍一下在无线传感器网络研究中现有的几个拥塞控制策略：

　　（1）CoDA（Congestion Detection and Avoidance）

　　针对基于事件驱动的WSNs检测到事件引起的拥塞，CoDA的机制包括基于接收端的拥塞检测，开环Hop-by-Hop的后压和闭环多源调节。该算法可调节局部造成的拥塞，并减少逐跳控制信息的能耗，但其中使用的速率调节方式会使距离Sink较近的源节点发送更多的分组。

　　（2）ESRT（Event-to-Sink Reliable Transport）

　　针对Sink节点只关心集合信息而不关心单个传感器节点的信息，ESRT在拥塞监测上采用了基于节点的本地缓冲监测，并根据当前网络的状态进行节点速率的调节。该算法主要适用于Sink节点，它可减小网络能耗，提高可靠性，但不适合只发生短暂拥塞、大规模的网络。

　　（3）自适应的资源控制

该算法针对拥塞期间重要数据包可能丢失的情况，并假设网络中通常有空闲节点可供调度。算法通过创建多元路径对资源供应进行了自适应的调整。该算法采取了拥塞检测、创建选择路径、多路通信三个步骤。自适应的资源控制增加了传送分组的精度并节约大量的能量，但多元路径热点距离过近可能引起冲突，而距离初始路径