论文部分内容阅读
无线传感器网络(Wireless Sensor Networks, WSN)潜在的广泛应用前景吸引了众多研究者,是目前一个非常活跃的研究领域。如何在资源受限、节点密集分布的WSN中实现低能耗、高安全的数据收集是研究人员需要解决的一个重要问题。由于传感器节点通常具有一定的数据处理能力,因此可以通过传感器节点间的协作,在网内对原始传感数据进行处理,再将处理结果传送到Sink节点,以减少传输数据量、降低能耗、提高带宽利用率、延长网络寿命。同时,在数据传输到Sink的过程中,要考虑数据的机密性、源认证、完整性、新鲜性等安全需求。本文以能量、延迟、安全为目标,围绕无线传感器网络中的数据收集问题展开研究,着重研究数据采集和传输过程中数据压缩算法和数据认证机制。主要工作和贡献包括以下几个方面:(1)针对传感器数据中的时间相关性和多属性间相关性,研究了基于小波和回归的无穷范数误差有界的数据压缩算法。主要工作包括:①提出了单属性数据的误差有界小波压缩算法(SWCEB)。通过分析一维Haar小波变换过程,设计误差树便于分析每个小波系数所影响的重构数据及带来的误差;SWCEB从整体上选择小波系数,使保留的系数个数最少且每个重构数据的误差有界。分析和实验表明,SWCEB消除了单个数据流中的时间相关性,减少了数据量。②提出了基于回归的多属性数据的误差有界小波压缩算法(MWCEB)。若单个传感器节点可以采集多种物理量,即产生多维数据流,则根据相关系数矩阵选择其中的若干个数据流作为基信号,其它数据流借助一个基用线性回归参数来表示。基数据流采用SWCEB压缩;非基数据流采用MWCEB压缩。通过调整收益界和每次处理的数据个数,MWCEB可以确保回归重构出的数据误差有界。此外,MWCEB可降低多个数据流(簇头)或多维数据流(多模节点)中的相关性。(2)虽然MWCEB可以确保误差有界,但需要人工干预。如果相邻的数据变化剧烈,将难以用一个线性回归模型来描述。为此,本文提出了一种基于自适应回归的误差有界的多属性数据压缩算法(AR-MWCEB)。自适应指该算法可以根据误差限和压缩收益,自动选择传输原始数据还是传输回归系数,自动确定每次参与回归计算的数据个数。分析和实验表明,该算法能够有效地利用传感器数据中存在的时间相关性、空间相关性和多属性间相关性,大大减少数据量。另外,当多属性间相关性减小或不稳定时,其压缩效果也比较理想。(3)针对传感器数据流的时间序列模型,研究了计算简单的单遍扫描分段逼近算法,在保证数据质量前提下对持续到达的采样数据进行在线式压缩。主要工作包括:①利用传感器节点内置的缓冲区,提出了单传感器节点上基于分段常量逼近的数据压缩算法(PCADC-Sensor),并给出了在无穷范数误差度量下的实现。②提出了单传感器节点上基于分段线性逼近的数据压缩算法(PLADC-Sensor)。分别在无穷范数和2范数误差度量下,给出了计算PLA的两种简单快速算法。推导了分段线性一致逼近的充要条件。③簇头或基站不需要接收各传感器的原始采样数据,提出了直接基于数据的分段线性表示(PLR)的压缩算法(PLRDC-Cluster),推导了相同节点不同时间段、不同节点相同时间段这两种情况下的计算公式。(4)数据汇聚通过在路由中间节点上检查数据内容来减少数据量,是降低能耗的重要技术。针对由此带来的信息泄露问题,研究了安全汇聚问题。主要工作包括:①提出了一种安全的数据汇聚与认证方案(SEDAA)。将采集的数据映射成无物理意义的模式码,根据模式码进行数据汇聚,构建出汇聚树;再将被选中节点的采集数据以加密形式传输,保证了数据的机密性;利用会话密钥进行延迟汇聚和延迟认证,进行源认证,保证了数据在传输过程中的完整性和真实性;采用计数器生成会话密钥保证了数据的新鲜性。②考虑方案的可扩展性,提出了可扩展性好的安全数据汇聚与认证方案(SSDAA)。SSDAA本地逐步公布用于认证的μTESLA密钥,节点完成本地汇聚后经过两跳传输时间延迟就可开始认证,认证不必等整个汇聚完成,使网络时延小,可适用于较大规模网络。这两种方案都可以抵御植入节点攻击和重放攻击,可部分解决妥协节点攻击问题。(5)设计和实现了一个基于数据压缩的监控原型系统。原型系统采用传感器网络层、数据服务层、应用层三层架构。传感器网络层是基于TinyOS通过对传感器节点进行嵌入式程序设计实现的,主要功能为采集数据,建立分簇路由,然后进行压缩、传输,数据最终到达网关节点(Sink)。网关节点通过USB口连接到现场PC。数据服务层是在现场PC上实现的,在整个原型系统中起到一个上下桥接的作用,主要用于应用层程序和网关节点之间的数据转发。应用层是在现场或远程PC上实现的,可完成本地或远程的WSN监控管理、数据分析与可视化等任务。