張明陽，沈明玉

合肥工業(yè)大學(xué) 計算機與信息學(xué)院，合肥 230009

基于WSN的數(shù)據(jù)融合在水質(zhì)監(jiān)測中的研究

張明陽，沈明玉

合肥工業(yè)大學(xué) 計算機與信息學(xué)院，合肥 230009

1 引言

無線傳感器網(wǎng)絡(luò)（Wireless Sensor Network，WSN）是近幾年來興起的一個熱點研究領(lǐng)域。如果把WSN應(yīng)用到水質(zhì)監(jiān)測領(lǐng)域，再結(jié)合其他相關(guān)學(xué)科知識建立水質(zhì)監(jiān)測體系，可以實現(xiàn)水質(zhì)監(jiān)測的自動化、智能化[1]。傳統(tǒng)的水質(zhì)監(jiān)測體系中，通常都是用大量的傳感器來監(jiān)測每個相關(guān)參數(shù)，通過無線網(wǎng)絡(luò)通信將監(jiān)測數(shù)據(jù)傳送到監(jiān)測系統(tǒng)的數(shù)據(jù)中心服務(wù)器，數(shù)據(jù)中心服務(wù)器再對接收到的各類傳感器所采集的數(shù)據(jù)分別進行處理，這樣不僅導(dǎo)致網(wǎng)絡(luò)數(shù)據(jù)傳輸量非常龐大，而且切斷了各類傳感器間的信息關(guān)聯(lián)，丟失了信息之間有機組合所包含的一些特征。數(shù)據(jù)融合技術(shù)的研究，為解決這一問題提供了方法。

2 研究背景

數(shù)據(jù)融合技術(shù)因其在多傳感器信息處理領(lǐng)域的突出優(yōu)點，現(xiàn)在已經(jīng)成為國內(nèi)外研究的熱點。其基本思想是將具有一定冗余度的多源數(shù)據(jù)進行融合，減少數(shù)據(jù)的傳輸量，節(jié)約傳感器節(jié)點的能量，并將多源信息在一定準(zhǔn)則下加以自動分析、綜合，按需完成評價及決策任務(wù)。許多學(xué)者已經(jīng)在這方面研究出了大量的研究成果[2-8]，例如文獻[4]的作者證明了多傳感器數(shù)據(jù)融合的估計效果要比任何一個單一傳感器的估計效果好。

目前，研究多傳感器數(shù)據(jù)融合的算法已經(jīng)很多，大致可以歸納為兩大類。一類是基于隨機理論的一些算法，主要有加權(quán)平均法[5]、貝葉斯估計法、D-S證據(jù)法等；一類是基于人工智能理論的一些算法，主要有人工神經(jīng)網(wǎng)絡(luò)法、模糊推理法[6]、粗糙集理論法等。在許多應(yīng)用領(lǐng)域中依據(jù)領(lǐng)域內(nèi)的具體背景，許多成熟有效的數(shù)據(jù)融合方法已經(jīng)被研究者們應(yīng)用，解決了許多實際問題[7-8]。本文在自適應(yīng)加權(quán)理論和模糊綜合評價理論的基礎(chǔ)上，通過在水質(zhì)監(jiān)測的應(yīng)用背景下，研究基于WSN的多傳感數(shù)據(jù)融合。

3 水質(zhì)監(jiān)測體系的數(shù)據(jù)融合模型

數(shù)據(jù)融合技術(shù)研究通常是與具體研究背景相關(guān)的。在WSN的技術(shù)平臺下進行水質(zhì)監(jiān)測數(shù)據(jù)的融合，其顯著特點是具體研究背景有高度的復(fù)雜性和綜合性。圖1是某一局部監(jiān)測區(qū)域網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)示意圖，A1、A2、…、An為水下傳感器節(jié)點，A為水面?zhèn)鞲衅鞴?jié)點，即水下節(jié)點 A1、A2、…、An的簇頭節(jié)點，部署在水下的節(jié)點采集數(shù)據(jù)，通過水聲通信[9]方式傳輸數(shù)據(jù)到水面節(jié)點；部署在水面的節(jié)點，一方面與水下節(jié)點之間通過水聲通信方式通信，另一方面直接以GPRS通信或其他無線通信方式將監(jiān)測數(shù)據(jù)傳輸?shù)交荆ㄟh程數(shù)據(jù)中心）。

圖1 水質(zhì)監(jiān)測網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)圖

結(jié)合水質(zhì)監(jiān)測的研究背景，以及相應(yīng)種類傳感器的感知能力，選擇5類既有相互聯(lián)系又比較有代表性的化學(xué)指標(biāo)進行監(jiān)測[10]，即選擇溶解氧（DO）、化學(xué)需氧量（COD）、氨氮（NH3-N）、總氮（TN）和總磷（TP）共5項水質(zhì)因素，并將相應(yīng)種類傳感器作為監(jiān)測網(wǎng)絡(luò)的水下傳感器節(jié)點。

由圖1可以看出，整個監(jiān)測體系屬于層次型網(wǎng)絡(luò)。針對監(jiān)測網(wǎng)絡(luò)的層次型結(jié)構(gòu)，結(jié)合水質(zhì)監(jiān)測的特殊性，可以相應(yīng)地設(shè)計出兩級數(shù)據(jù)融合模型：在水面節(jié)點，通過自適應(yīng)加權(quán)理論進行第一級數(shù)據(jù)融合；在遠程數(shù)據(jù)中心服務(wù)器，通過模糊綜合評價理論進行第二級數(shù)據(jù)融合，其結(jié)構(gòu)層次如圖2所示。

圖2 數(shù)據(jù)融合層次示意圖

在第一級融合過程中，將簇內(nèi)同類型傳感器獲得的數(shù)據(jù)加以融合處理，得到被監(jiān)測對象更加精確的監(jiān)測值；在第二級融合過程中，遠程數(shù)據(jù)中心將從監(jiān)測區(qū)域接收到的各類監(jiān)測數(shù)據(jù)進行綜合分析，多源信息融合后轉(zhuǎn)化成關(guān)于被測區(qū)域水質(zhì)的更可靠、更準(zhǔn)確的狀態(tài)描述。

4 自適應(yīng)加權(quán)理論

同一簇內(nèi)各個傳感器由于彼此之間的測量精度不同，以及所在環(huán)境中噪聲等因素影響，各個傳感器所得數(shù)據(jù)往往與真值之間存在較大偏差，需對同一簇內(nèi)同類型傳感器監(jiān)測數(shù)據(jù)加以融合處理，以防止個別傳感器節(jié)點數(shù)據(jù)誤差過大而造成最后監(jiān)測結(jié)果失真嚴(yán)重。應(yīng)用在水質(zhì)監(jiān)測中的傳感器，也同樣存在需要進行數(shù)據(jù)融合的問題。鑒于水質(zhì)監(jiān)測的研究背景，選用自適應(yīng)加權(quán)理論在監(jiān)測區(qū)域在簇頭節(jié)點內(nèi)將簇內(nèi)節(jié)點的監(jiān)測數(shù)據(jù)進行融合，即在總均方誤差最小這一判決條件下，對各傳感器節(jié)點的監(jiān)測數(shù)據(jù)自適應(yīng)地配以不同的權(quán)值（最優(yōu)加權(quán)因子），使得融合結(jié)果達到最優(yōu)。圖3是采用自適應(yīng)加權(quán)理論進行數(shù)據(jù)融合的示意圖。

圖3 自適應(yīng)加權(quán)數(shù)據(jù)融合示意圖

式中，Wi為第i個傳感器的加權(quán)因子。而且：則融合結(jié)果的總均方誤差為：

由式（7）、（8）、（9）可知，根據(jù)一組傳感器的監(jiān)測數(shù)據(jù)，可以遞推計算法出各傳感器監(jiān)測數(shù)據(jù)的方差。

于是，可以根據(jù)概率論相關(guān)理論繼續(xù)進行遞歸推導(dǎo)。將測量值的均值計算公式：

代入到均方差值計算公式：

式（12）即為傳感器(k+1)時刻的方差遞推計算式，其作用可以用于實時計算測量數(shù)據(jù)的方差。將計算所得的方差值代入式（4）即可得到各傳感器自適應(yīng)加權(quán)值，從而由式（1）得到融合結(jié)果。

5 模糊綜合評價理論

對來自多種異類傳感器所感知的數(shù)據(jù)，在一定數(shù)學(xué)理論和準(zhǔn)則下進行多方面、多級別的綜合分析處理，獲得單傳感器所無法獲得的具有綜合意義的信息，這種把多種信息進行交融的過程即是異類多傳感器數(shù)據(jù)融合，亦稱多源信息融合[12]。研究在水質(zhì)監(jiān)測中基于WSN的數(shù)據(jù)融合，其主要目的是通過融合多種評價因子以獲得所監(jiān)測水體的水質(zhì)綜合狀況，目前在此研究領(lǐng)域常用的理論主要是模糊數(shù)學(xué)學(xué)科相關(guān)理論。鑒于應(yīng)用于水質(zhì)監(jiān)測的遠程數(shù)據(jù)中心服務(wù)器的數(shù)據(jù)處理能力較強，所以本文在模糊綜合評價理論的基礎(chǔ)上，改進部分計算過程，形成更加能夠準(zhǔn)確反映水質(zhì)的方法，即采用模糊綜合評價指數(shù)作為數(shù)據(jù)融合結(jié)果。

參照《地表水環(huán)境質(zhì)量標(biāo)準(zhǔn)（GB3838-2002）》[13]，假設(shè)監(jiān)測水體質(zhì)量的因素所組成的集合為：U={u1，u2，…，un}，其中 u1，u2，…，un為參與評價的 n 個水質(zhì)因素的數(shù)值；水體質(zhì)量的評價集合為：V={v1，v2，…，vm}，其中 v1，v2，…，vm為m個水質(zhì)評價標(biāo)準(zhǔn)。

被考慮的n個因素構(gòu)成了一個論域V，需要在論域V上模糊地刻劃各因素在評價中所起的作用，這樣考慮各因素在模糊綜合評價中影響輕重程度的過程是一種加權(quán)處理過程。決定各類評價因子對綜合評價的權(quán)重，本文采用在各自超標(biāo)倍數(shù)的基礎(chǔ)上加以處理的方法[14]，計算表達式如下：

式中，Sij為第i類水質(zhì)因素在 j級水質(zhì)的標(biāo)準(zhǔn)值；Si為第i類水質(zhì)因素的濃度標(biāo)準(zhǔn)值的算術(shù)平均值；Wi為第i類水質(zhì)因素的權(quán)重值。Ci為第i類水質(zhì)因素的濃度值。由《GB3838-2002》可知，一般情況下各因素的監(jiān)測值相對于水質(zhì)標(biāo)準(zhǔn)的超標(biāo)倍數(shù)越大對水體綜合評價的貢獻率就越大，權(quán)重也就越大；但對于某些因素卻相反，那么在確定其權(quán)重值時取其倒數(shù)。將各單項權(quán)重值進行歸一化處理，可以得到權(quán)重矩陣W={W1，W2，…，Wn}。

建立一個從U到V的模糊映射 f:U→V，?ui∈U，由 f誘導(dǎo)出模糊關(guān)系，得到模糊關(guān)系矩陣R，以確定因素 Ui(i=1，2，…，n)對評價標(biāo)準(zhǔn)集元素 Vj(j=1，2，…，m)的隸屬度。本文采用升、降半梯形函數(shù)法來確定隸屬函數(shù)。如公式（15）：

根據(jù)隸屬函數(shù)公式（15）計算出各單因素的隸屬度，將n個單因素的模糊隸屬度進行歸一化處理，構(gòu)成了模糊關(guān)系矩陣，即Rn×m={rij}。如下：

該模糊關(guān)系矩陣R中，rij表示第i個因素對第 j級質(zhì)量標(biāo)準(zhǔn)的隸屬度。

在模糊綜合評價理論中，模糊綜合評價模型的選擇很重要，不同的綜合評價模型能夠產(chǎn)生不同的評價效果。將權(quán)重矩陣W和模糊關(guān)系矩陣R進行模糊矩陣的合成運算Y=W·R，得到矩陣Y，一種常用方法是單因素決定模型，其中的計算過程即為：這是模糊數(shù)學(xué)中“取小取大計算”方法，容易丟失信息，甚至引起綜合評價的失效[15]。本文根據(jù)模糊綜合指數(shù)模型[16]，用經(jīng)典線性代數(shù)中矩陣乘法來改進式（17）的計算過程，即

通過計算Y=W·R得到綜合評價矩陣Y后，單因素決定模型按照“最大隸屬度”原則取Y向量中的最大量，即

本文根據(jù)《GB3838-2002》中將水質(zhì)分為5類的原則，建立水質(zhì)標(biāo)準(zhǔn)類別向量，即

將水質(zhì)標(biāo)準(zhǔn)類別矩陣ST與綜合評價矩陣Y進行矩陣乘法的合成運算，得出模糊綜合指數(shù)FCI（Fuzzy Colligation Index），即

該結(jié)果即為根據(jù)模糊綜合評價理論，進行多傳感器數(shù)據(jù)融合后的結(jié)果。模糊綜合指數(shù)FCI反映出傳感器采集到的各類數(shù)據(jù)的綜合效應(yīng)，能夠比較客觀地反映水質(zhì)狀況。

綜上，模糊綜合評價理論的算法流程可概括描述如下：

6 實驗結(jié)果及分析

實驗選用巢湖流域的4條水源河流入湖口處的水樣作為監(jiān)測對象，分別標(biāo)記為A、B、C、D，用實驗選用的5類傳感器進行水質(zhì)監(jiān)測實驗，搭建實驗平臺。

在A處水樣的實驗過程中，布局簇內(nèi)水下節(jié)點 A1、A2、A3以及簇頭水面節(jié)點 A0，水下節(jié)點 A1、A2、A3監(jiān)測水體內(nèi)溶解氧（DO），并在水上節(jié)點 A0內(nèi)進行數(shù)據(jù)融合。例如，實驗中一次監(jiān)測實驗中測得DO：XA1=5.511，XA2=5.057，XA3=5.712，節(jié)點方差分別為：σ21=0.05，σ22=0.1，σ23=0.2，所 對 應(yīng) 的 權(quán) 值 為 W1=0.571 5，W2= 0.285 7，W3=0.142 8，融合結(jié)果 XA=5.410。如此實驗50次，所得結(jié)果如圖4所示，以此所得數(shù)據(jù)來分析實驗中第一級數(shù)據(jù)融合的作用。

圖4 對A處水樣DO的50次監(jiān)測數(shù)據(jù)

圖4結(jié)果顯示，個別節(jié)點（如 A3）監(jiān)測數(shù)據(jù)波動較大，通過自適應(yīng)加權(quán)理論進行數(shù)據(jù)融合后，監(jiān)測數(shù)據(jù)波動較大的節(jié)點并未對實驗結(jié)果產(chǎn)生較大影響。

將樣本數(shù)據(jù)的算術(shù)平均值作為測量結(jié)果，是一種常用的降低測量誤差的方法，其可以看作是樣本數(shù)據(jù)在相等權(quán)值的條件下加權(quán)融合的過程。圖5所示為算術(shù)平均值計算法與自適應(yīng)加權(quán)計算法的融合結(jié)果，很清楚地看出，自適應(yīng)加權(quán)計算法的融合結(jié)果明顯優(yōu)于算術(shù)平均值計算法。

圖5 算術(shù)平均值計算法與自適應(yīng)加權(quán)計算法的性能比較

通過自適應(yīng)加權(quán)理論進行第一級數(shù)據(jù)融合，所得到的是水樣各項評價因子的同類型數(shù)據(jù)融合結(jié)果。表1所示，即為一次實驗中4條河流入湖口處水樣通過第一級數(shù)據(jù)融合所得到的結(jié)果。

表1 第一級數(shù)據(jù)融合結(jié)果

將第一級數(shù)據(jù)融合結(jié)果通過模糊綜合評價理論，進行第二級數(shù)據(jù)融合。表1所示的數(shù)據(jù)，經(jīng)第二級數(shù)據(jù)融合后，所得到的數(shù)據(jù)融合結(jié)果如表2所示。

表2 第二級數(shù)據(jù)融合結(jié)果

通過模糊綜合評價理論將不同類型數(shù)據(jù)進行融合，其結(jié)果是關(guān)于水質(zhì)的模糊綜合指數(shù)，是對水樣各項評價因子進行綜合分析的融合結(jié)果，結(jié)合水質(zhì)標(biāo)準(zhǔn)等級[13]，F(xiàn)CI指示出水體水質(zhì)的全局狀態(tài)評價值。

模糊綜合指數(shù)模型，是一種比較理想的異類數(shù)據(jù)融合模型，與常見的單因素決定理論模型相比，其優(yōu)勢在于能夠充分考慮到各項評價因子的作用，表3所示是本次實驗表1所示數(shù)據(jù)采用單因素決定模型進行數(shù)據(jù)融合的結(jié)果。

表3 單因素決定模型的數(shù)據(jù)融合結(jié)果

對比表3和表2的數(shù)據(jù)可以看出，單因素決定模型，往往會過度突出某一項偏高的評價因子的作用，如A處水樣中化學(xué)需氧量（COD）偏高，導(dǎo)致對水體水質(zhì)的判斷結(jié)果為IV級；同時也會過度消弱某一項偏低的評價因子的作用，如D處水樣中氨氮（NH4+-N）很低，采用單因素決模型所得到的結(jié)果卻是IV級。模糊綜合指數(shù)模型能夠充分體現(xiàn)各個參評因子對整體綜合評價的作用，其評價結(jié)果是各個參評因子綜合作用的結(jié)果，所以，在第二級數(shù)據(jù)融合過程中，采用模糊綜合指數(shù)模型進行數(shù)據(jù)融合，能夠大大減小由于單一評價因子信息量的局限性引起的誤判和錯判，增加水質(zhì)監(jiān)測的可信度，提高并改善了監(jiān)測系統(tǒng)的性能。

7 結(jié)束語

本文根據(jù)水質(zhì)監(jiān)測的特殊性，在解決水質(zhì)監(jiān)測應(yīng)用平臺內(nèi)水下節(jié)點不能直接通過水聲通信與遠程數(shù)據(jù)中心（基站）進行通信的問題時，巧妙使用自適應(yīng)加權(quán)理論和模糊綜合評價理論相結(jié)合的方法，設(shè)計出一種針對水質(zhì)監(jiān)測的兩級數(shù)據(jù)融合模型。構(gòu)建無線傳感器網(wǎng)絡(luò)實驗平臺進行實驗驗證，對于同類型傳感器使用自適應(yīng)加權(quán)理論進行數(shù)據(jù)融合，以提高監(jiān)測數(shù)據(jù)的準(zhǔn)確性；對不同類型的監(jiān)測數(shù)據(jù)，使用模糊綜合評價理論，將多傳感器在監(jiān)測區(qū)域獲得的一組評價因子進行模糊數(shù)據(jù)融合，所得結(jié)果具有更高的可信度，提高并改善了監(jiān)測系統(tǒng)性能。

[1]王驥，徐國保，沈玉利.基于無線傳感器網(wǎng)絡(luò)的海水檢測系統(tǒng)設(shè)計[J].通信技術(shù)，2008，41（12）：385-387.

[2]Wen Chenglin，Pan Quan，Zhang Hongcai，et al.Multi-sensor single modelmulti-scale fusion[J].ControlTheory and Applications，2000，17（6）：841-864.

[3]文成林.多傳感器單模型動態(tài)系統(tǒng)多尺度數(shù)據(jù)融合[J].電子學(xué)報，2001，29（3）：341-345.

[4]周福娜，周梅，文成林.多傳感器數(shù)據(jù)融合效果分析[J].河南大學(xué)學(xué)報，2003，33（2）：33-36.

[5]翟翌立，戴逸松.多傳感器數(shù)據(jù)自適應(yīng)加權(quán)融合估計算法的研究[J].計量學(xué)報，1998，19（1）：69-75.

[6]黨宏社，韓崇昭，王立琦，等.基于模糊推理原理的多傳感器數(shù)據(jù)融合方法[J].儀器儀表學(xué)報，2004，25（4）：527-530.

[7]付華，沈中和，孫紅鴿.礦井瓦斯監(jiān)測多傳感器信息融合模型[J].遼寧工程技術(shù)大學(xué)學(xué)報，2005，24（2）：239-241.

[8]孫紅鴿，臧義，曹毅，等.模糊數(shù)據(jù)融合在多傳感器環(huán)境監(jiān)測中的應(yīng)用[J].工礦自動化，2009，35（8）：22-24.

[9]許克平，許天增，許茹，等.基于水聲的水下無線通信研究[J].廈門大學(xué)學(xué)報：自然科學(xué)版，2001，40（2）：311-319.

[10]吳邦燦，費龍.現(xiàn)代環(huán)境監(jiān)測技術(shù)[M].北京：中國環(huán)境科學(xué)出版社，2005.

[11]李莉，高冰.自適應(yīng)加權(quán)數(shù)據(jù)融合加權(quán)因子的動態(tài)調(diào)整[J].戰(zhàn)術(shù)導(dǎo)彈技術(shù)，2011，5（3）：109-111.

[12]楊露菁，余華.多源信息融合理論與應(yīng)用[M].2版.北京：北京郵電大學(xué)出版社，2011.

[13]中華人民共和國環(huán)境保護總局.GB3838-2002地表水環(huán)境質(zhì)量標(biāo)準(zhǔn)[S].北京：中國環(huán)境科學(xué)出版社，2002.

[14]王羅春.環(huán)境影響評價[M].北京：冶金工業(yè)出版社，2012.

[15]王道勇.模糊綜合評判的失效與處理[J].工科數(shù)學(xué)，1994，10（1）：45-49.

[16]鄧峰.水質(zhì)評價的一種新方法——模糊綜合指數(shù)法[J].中國環(huán)境科學(xué)，1991，11（1）：63-66.

ZHANG Mingyang,SHEN Mingyu

College of Computer and Information,Hefei University of Technology,Hefei 230009,China

Multi-sensor data fusion is a kind of data processing method.It refers to fusing data from a large number of sensors for various and multi-level treatment,creating a sort of information more meaningfully,while this sort of information is almost impossible to get for any single sensor.Researching of WSN-based data fusion in water quality,it puts forward a multi-sensor data fusion model of two levels,suitable for water quality monitoring,which combines self-adaptive weighted theory and fuzzy comprehensive evaluation theory together.Processing the same type of data collected from monitored area,it uses the self-adaptive weighted theory,while it uses the fuzzy comprehensive evaluation theory for different types of data.The experimental result,made by lake water sample to Chaohu Basin,shows that using the model can effectively reduce the amount of data traffic,reduce the rate of deviation,improve the credibility of monitoring result.

Wireless Sensor Network（WSN）;water quality monitoring;data fusion;self-adaptive weighted theory;fuzzy comprehensive evaluation theory

多傳感器數(shù)據(jù)融合是一種數(shù)據(jù)處理方法，可以對來自多個傳感器的數(shù)據(jù)進行多方面、多層次的處理，從而產(chǎn)生更有意義的信息，而這種信息是單一傳感器難以獲得的。通過在水質(zhì)監(jiān)測應(yīng)用背景下研究基于WSN的數(shù)據(jù)融合，提出了一種針對水質(zhì)監(jiān)測的兩級數(shù)據(jù)融合模型：處理傳感器所采集到的監(jiān)測數(shù)據(jù)時，對于同類型的數(shù)據(jù)采用自適應(yīng)加權(quán)理論進行第一級數(shù)據(jù)融合；對于不同類型的數(shù)據(jù)采用模糊綜合評價理論進行第二級數(shù)據(jù)融合。對巢湖流域水樣監(jiān)測的實驗結(jié)果表明，這種采用自適應(yīng)加權(quán)理論和模糊綜合評價理論相結(jié)合的數(shù)據(jù)融合模型，能夠有效降低監(jiān)測網(wǎng)絡(luò)的數(shù)據(jù)傳輸量，降低監(jiān)測數(shù)據(jù)的誤差，提高水質(zhì)狀態(tài)監(jiān)測的可信度。

無線傳感器網(wǎng)絡(luò)（WSN）；水質(zhì)監(jiān)測；數(shù)據(jù)融合；自適應(yīng)加權(quán)理論；模糊綜合評價理論

A

TP393

10.3778/j.issn.1002-8331.1301-0123

ZHANG Mingyang,SHEN Mingyu.Research of WSN-based data fusion in water quality monitoring.Computer Engineering and Applications,2014,50（23）：234-238.

合肥工業(yè)大學(xué)博士專項基金（No.GDBJ2009-005）。

張明陽（1988—），男，碩士研究生，研究領(lǐng)域：無線傳感器網(wǎng)絡(luò)；沈明玉（1962—），男，博士，副教授，碩士生導(dǎo)師，CCF高級會員，研究領(lǐng)域：無線網(wǎng)絡(luò)、網(wǎng)絡(luò)信息安全。E-mail：anhuizhmy@163.com

2013-01-14

2013-02-28

1002-8331（2014）23-0234-05

CNKI網(wǎng)絡(luò)優(yōu)先出版：2013-04-08,http://www.cnki.net/kcms/detail/11.2127.TP.20130408.1648.011.html