媒体数据的引入使得对无线多媒体传感器网络(WMSNs)的信息质量进行定性和定量评估更为复杂.针对WMSNs中多种类型数据的不同特点, 联合网络质量评估和数据质量评估, 构建无线多媒体传感器网络信息质量综合评估模型, 并提出信息质量综合评估指标体系.首先, 根据WMSNs业务特点定义综合评估指标体系的各项评估指标; 其次, 针对综合评估模型中的网络评估和数据评估, 定义了网络域和数据域各评估参数的计算方法; 最后, 给出了综合评估体系中各项评估指标的综合评测方法.
In wireless multimedia sensor networks (WMSNs), multimedia data makes both qualitative and quantitative assessment for information quality more complex. Taking various types of data into account, a comprehensive assessment system which combines assessment of network quality and data quality to build a whole assessment model for WMSNs is established. First, the evaluating indicators are clearly defined according to the distinctive service provided by WMSNs. Second, the specific calculation method is analyzed for each parameter in both network domain and data domain according to the assessment of network and data. Finally, the integrated assessment scheme which consists of the evaluating of all indicators is proposed.
WMSNs数据量大，存在多种类型数据流，各类数据的特征以及可靠性、实时性等质量要求各不相同[1]，因此，向用户提供质量可度量的数据信息，成为WMSNs应用中迫切需要解决的一个关键问题.近年来，WMSNs信息质量评估问题受到日益密切的关注，针对信息质量的评估方法也取得了一些研究成果[2-4]. Liu等[2]从能量的角度建立了网络管理框架，从而提高网络能量的利用率. Luo等[3]提出了基于信息熵的信任评估模型. Sun等[4]基于Josang信任评估模型，利用时空相关性进行数据信任评估.上述研究只考虑了某些特定角度评价.本研究针对多种类型数据，提出了面向多级汇聚的无线多媒体传感器网络，结合网络域和数据域相关的质量参数，构建信息质量综合评估模型，定义并计算综合评价指标，仿真结果验证了该信息质量评估体系的有效性.
1 信息质量评估模型信息质量评估体系面向多级汇聚的无线多媒体传感器网络模型[4]，针对多种类型数据，定义综合评价指标，从而构建信息质量综合评估模型，如图 1所示.
|
图 1 多媒体传感器网络信息质量评估模型 |
网络域，进行节点和链路状态检测，包括时延、能量等参数的检测，依据对下一个数据包成功到达概率的预测来评价传输链路状态，进而基于信息熵模型计算节点信任度，完成网络域质量评价；数据域基于时间相关性首先进行数据自评价，在汇聚节点基于空间相关性在一个汇聚区域进行数据互评价，在多跳汇聚的过程中通过评价传递和合并，最终完成数据域质量评价.结合网络域与数据域相关的质量参数，提出综合评价指标体系, 包括：信息准确度、信息新鲜度、信息分辨率、信息持续度.
定义1 四元组{A, F, R, S}表示综合信息质量评价指标体系.参数说明如下.
信息准确度A(accuracy)：汇聚节点或汇聚节点汇聚数据的精确性.主要由3个因素决定：1) 数据信任度；2) 传输信任度；3) 链路可靠度.
信息新鲜度F(freshness)：从传感器节点采集并发送数据到汇聚节点(查询、流媒体和事件驱动的应用)的时延.
信息分辨率R(resolution)：数据恢复的时空粒度.一方面体现了预测和恢复数据的历史长度；另一方面体现网络对于监测区域的空间覆盖程度.主要由以下因素决定：1) 传感器节点的记忆深度；2) 节点的感知范围及节点与信息源的位置关系.
信息持续度S(sustainability)：数据能够持续采集并上报的力度.由于节点的持续工作能力主要与节点的能量有关，因此信息持续度主要受节点剩余能量的影响.
2 信息质量评估方案2.1 网络域质量参数1) 传输信任度
利用前期工作提出的基于熵的网络信任模型[3]，计算传输信任度，主要体现网络当前的丢包率.式(1) 用来计算汇聚区的传输信任度，即汇聚节点B自身的自信度.
|
(1) |
其中：WBBi为子节点Bi在汇聚区中的权重，TBBi为汇聚节点B对子节点Bi的传递信任度.取TB作为节点B的传输信任度.
2) 链路可靠度
通过物理层的链路质量指标L(link quality indication)和接收信号强度Q(received signal strength indication)计算，可衡量链路可靠的质量指标，使用式(2) 计算链路可靠度[5].
|
(2) |
其中：Rt表示时刻t时节点i的接收信号强度(Q)值, Lt表示时刻t处链路质量指示(L)值，abs为取绝对值.
3) 时延
时延反映媒体流的实时性质量，为用户提供媒体流以及事件等信息的新鲜度.对于一条数据上报路径，定义其时延向量K=(t1, t2, …, tn)，其中tk表示数据在汇聚节点k打标的时间戳.
4) 能量
节点能量与网络寿命直接相关，能量参数可以构造网络热力分布图，直观展示给用户.因此，取节点剩余电量Ei(t)作为能量评估指标，Ei(t)表示节点i在t时刻的剩余电量.
2.2 数据域检测参数1) 数据信任度
利用前期工作的成果[4]，基于时空相关性计算数据信任度.
节点采集数据后，首先计算数据的自信度ωs={bs, ds, us, as}. bs通过时间相关性计算获得，由于网络模型采用有效的容侵策略，从而ds=0，则us=1－bs.对于不确定数据as=0.5.数据传输至汇聚节点，在汇聚区计算互信度ωp={bp, dp, up, ap}.其中，bp通过空间相关性计算获得，dp=0，up=1－bp，ap=0.5.然后，通过Josang信任模型[6]的信任传递和信任合并得到数据信任度ω={b, d, u, a}.
2) 记忆深度
记忆深度μ，在前期工作[4]中定义并使用，表示节点预测或者恢复当前数据需要历史数据的时间长度.该参数反映了预测或恢复数据的时间粒度，对于不同的数据，μ的取值不同.例如，由于事件上报要求实时性很高，为了不漏报通常该值设置很小；而对音频流数据，通常要设置得大一些以防止误报.
2.3 综合评价方法基于网络域和数据域质量参数，计算综合信息质量指标.
1) 信息准确度
采用模糊逻辑计算信息准确度.
定义2 定义4维向量A={y1, y2, y3, y4}为信息准确度，定义评估集V={v1, v2, v3, v4}，取常用的4级指标体系，即v1=优，v2=良，v3=中，v4=差；则A中y1, y2, y3, y4表示信息准确度被分别推断为级别v1, v2, v3, v4的概率.
信息准确度可由以下过程得到.
① 由数据域及网络域评估参数构造集合U={O，TB，H}；其中O为数据信任度，H为链路可靠度.
② 定义U中元素的权重向量，记为：W=(w1, w2, w3)，且满足归一化条件
③ 定义从指标集U到评估集V的隶属度函数M，记为
④ 由步骤ⅲ可得评估矩阵
|
2) 信息新鲜度
信息新鲜度由信息传输过程的总时延决定，反映了数据的时效性.信息新鲜度由式(3) 计算.
|
(3) |
其中：t1、tn来自网络域评估参数，t1为数据在感知节点的时间戳，tn为数据在汇聚节点(sink节点)的时间戳，Tsink为用户指定的可容忍时延.
3) 信息分辨率
信息分辨率由覆盖力度矩阵Q及记忆度向量μ表征，假设有m个采集点对区域中的n个观测点进行观测，则覆盖力度矩阵Q为
|
其中qij表示节点i对区域中观测点j的覆盖力度.
|
其中：Ri表示节点i的感知半径，Lij表示节点i到观测点j的距离.
记忆深度μ为
|
其中:μk, k∈{1, 2, …, m}表示节点k的记忆深度，记忆深度通过消息夹带的方式上报.
4) 信息持续度
定义3 定义信息持续度
|
其中Ei, i∈(1, 2, …, n)由网络域检测参数Ei(t)按如下方式计算得来:
|
其中tlatest为最新时间，这样Ei就反映了节点i最近时刻的剩余能量.
3 实验分析本研究以在教学楼实际部署的智能楼宇原型系统为实验环境，实验过程中，首先验证评估模型的可行性，然后以音频数据为例给出质量评估报告，并分析评估报告的真实性，比较不同类型数据的新鲜度，最后给出整个网络的热力图，从而将网络中剩余能量分布直观展示给用户.
1) 可行性验证
在2种应用场景中，分别对2组数据(正常和非正常)进行评估，实验结果如表 1所示.场景1为室内安全监控，该场景中数据信任度对数据准确度影响较大，数据信任度O的隶属度函数与传输信任度TA及链路可靠度H的隶属度函数不同，场景1中异常数据组的数据信任度值较低，通过评估模型的计算，得出此组数据有最大概率被评为“差”，正常数据组经过评估体系计算得出有最大概率被评为“优”；场景2为室外环境监测，场景2中，异常数据组的链路可靠度较低，通过评估模型的计算，得出此组数据有较大概率被评为指标“中”，正常数据组经过评估体系计算得出有最大概率被评为“优”.该实验表明质量评估体系能够在不同场景中对信息质量作正确评估.
|
表 1 评估体系可行性对比实验 |
2) 音频数据质量评估报告
从表 2中可以看出信息准确度受传输信任度、链路可靠度、数据信任度三者的综合影响；当链路可靠度较低时，信息新鲜度也会受到其影响而降低，当时延小于用户可容忍时延时，信息新鲜度为正，反之为负.从覆盖力度矩阵可以看出音频节点1与观测点1的距离最近，而音频节点2与3个观测点的距离较平均.
|
|
表 2 音频数据质量评估报告 |
3) 网络热力图
信息持续度提供了每个节点的剩余能量信息，可据此为用户生成网络热力图，如图 2所示，深色部分代表剩余能量多的节点，浅色为剩余能量少的节点.
|
图 2 网络热力图 |
基于多级汇聚的多媒体传感器网络模型，设计了信息质量评估模型，提出综合评价指标体系，联合网络域和数据域的检测参数计算综合评价指标，生产评估报告，客观反映不同类型数据的信息质量，便于用户了解网络性能.未来可根据数据类型、服务等级以及用户需求对指标进行有效的权重分配.
| [1] | Akyildiz I F, Melodia T, Chowdury K R. Wireless multimedia sensor networks: a survey[J].IEEE UBICOMM, 2009, 27: 194–201. |
| [2] | Liu C H, Pan Hui, Branch J W, et al. QOI-aware energy management for wireless sensor networks[C]//IEEEPervasive Computing and Communications Workshops, Seattle: IEEE, 2011: 8-13. |
| [3] | Luo Hong, Tao Jiaming, Sun Yan. Entropy-based trust management for data collection in wireless sensor networks[C]//IEEE Wireless Communications, Networking and Mobile Computing, 2009, Beijing: IEEE, 2009: 1-4. |
| [4] | Sun Yan, Luo Hong, Sajal K D. A trust-based framework for fault-tolerant data aggregation in wireless multimedia sensor networks[J].IEEE TDSC, 2012(68): 785–797. |
| [5] | Fu Dongxu, Feng Dongqin, Zhang Henan. Mean LQI and RSSI based link evaluation algorithm and the application in frequency hopping mechanism in wireless sensor networks[C]//2011 International Conference on Consumer Electronics, Communications and Networks. Xianning: [s.n.], 2011: 3252-3257. |
| [6] | Josang A. Trust-based decision making for electronic transactions[C]//NORDSEC'99. Norway: [s.n.], 1999: 496-502. |