2.2.3  基于模型的分布式数据采集方式

针对前两种产生的问题，人们提出了基于模型的数据采集机制。基于模型的数据采集机制能够抽取出更完整的信息[8]。配置于同一区域的传感器的感知数据是相关的，如一个区域的气温随时间的变化非常慢，不同节点的结果相差很小，所以，有效的数据维度比测量值的维度要小。基于模型的数据采集机制只将最有效的信息发送到基站，发送的信息不再是节点的测量值，而是一组系数，与实际数据相比，这组需要发送的数量是很少的，通信量大大减少，系数或权值最终在基站重构出区域的测量值。不过传统的模型驱动采用集中离线的模式，要将数据从节点集中传送到基站，再由基站进行参数估计，这对大规模无线传感器网络是不可能实现的，每个节点都会为此耗尽能量。所以，感知数据建模应采用分布式的模式，以满足各种约束。

利用分布式回归建立采集数据的有效框架。利用区域传感器节点的测量值相关这一特点，从降低节点通信开销、节能、反应时间和提高传感器网络的精确度等角度出发，对节点数据进行核线性回归处理，这样节点之间数据的相关性以核权体现出来，传感器网络的数据传输限于相邻节点[9]。节点消息的最后传送则通过节点组成的联合树来实现。只不过该方法需要一些技巧性的矩阵操作，并要利用所有节点的数据建立模型，有改进的余地。另一种网内分布式数据采集算法试图在传感器网络构造出一条Hamilton回路遍历网络中的所有的节点，并且每个节点都仅仅经过一次。在Hamilton回路中不传输测量数据，而是传输参数估计值。当估计值传输到某节点时，该节点利用自己的观测值对估计值进行更新。经过多次循环，算法就能达到很好的效果。这种算法可以显著降低通信所耗费的能量。但另一方面，该算法也存在、收敛速度慢及反应时间慢等缺点。即便采用分簇等方法加以改进，也无法消除这些问题。而且寻找网络中的回路本身就是一个问题。回路对节点失效非常敏感，如果某节点突然失效，则网络立即断开，直到新的环路重新建立。这会使算法的执行效率大大降低，需要进一步优化基于模型的分布式建模方式。文献综述

2.3  本章小结

本章节讨论了传感器网络中数据采集的特点及要求，并对目前已经有的数据采集方式进行了分析和总结。鉴于无线传感器网络本身的要求，适合的数据采集方式首先应该是分布式的。其次，由于会造成数据结构和形态的丢失，数据聚集操作难以支持复杂的数据处理，也无法突出一些异常信息。所以最佳的数据采集方式应该是分布式的数据采集方式。基于模型的采集方式有望达到此目标。

3  无线传感器网络环境监测系统

3.1  系统的特点

和传统的监测系统相比，传感器网络系统有三个优点：1.节点体积小，只需一次布设，所以它对被监测的环境影响很小；2.该网络的节点数量大，分布密，所以采集的数据数量大，精度高；3.系统本身有一定的计算和存储数据能力，能满足复杂的监控，同时节点还有无线通信能力，所以节点之间能实现协同监控[10]。