上一章我们讲了定位技术,可以知道,定位技术有基于测距(RSSI/TDOA)和不需要测距(质心定位/DV-HOP定位)的定位,前者的精度高,后者精度低。
我们现在来了解最后一种支撑技术——数据融合
目录
多传感器数据融合概述
信息系统的功能就是把各种各样的传感器提供的信息【这些信息是以信号、波形、图像、数据、文字、声音等形式提供的。(一般将各种传感器直接给出的信息称为源信息,如果是数字信号,为源数据;为图像就是源图像;源信息是信息系统处理的对象)】进行加工处理,得到人们所期待、可以直接使用的某些波形、数据或者结论。
多传感器数据融合定义: 是一种多层次、多方面的处理过程,这个过程是对多源数据进行检测、互联、相关、估计和组合,并以更高的精度、较高的置信度得到目标的状态估计和身份识别,以及完整的势态估计和威胁评估,为用户提供有用的决策信息。
数据融合的内容主要包括: 多传感器的目标探测、数据关联、跟踪与识别、情况评估和预测。
数据融合的目的是: 通过融合,得到比各个单独的输入数据更多的信息。这是协同作用的结果,即由于多传感器的共同作用,系统的有效性得以增强。
数据融合是一种多源信息的综合技术,通过对来自不同传感器的数据进行分析和综合,可以获得被测对象及其性质的最佳一致估计。将经过集成处理的多种传感器信息进行集成,可以形成对外部环境某一特征的一种表达方式。
传感器网络中数据融合的作用
在传感器网络中数据融合的主要作用:
1、节省整个网络的能量;
①通过数据融合去掉冗余数据,减少传输数据量,减少传输能耗。
②数据处理能耗相比传输能耗要低的多,发送1bit数据的 能耗可以用来执行800条指令。
2、获得更准确的信息;
- 人们从传感器节点获得的信息存在着较高的不可靠性,这些不可靠因素主要来源于以下方面。
- 受到成本和体积的限制,节点装配的传感器元器件的精度一般较低。
- 无线通信的机制使得传送的数据更容易受到干扰而遭到破坏。
- 恶劣的工作环境除了影响数据传送以外,还会破坏节点的功能部件,令其工作异常,可能报告出错误的数据。
- 仅通过收集少数几个分散的传感器节点的数据,难以保证数据正确性。通过对多个传感器数据综合,可有效提高信息精度和可信度。
- 可快速排除个别节点报告错误或误差较大的信息。
- 虽然可以将所有数据传输至汇聚节点进行融合,但这会加重汇聚节点负荷,而且可能会导致其他融合错误。
3、提高数据的收集效率;
- 在传感网内部进行数据融合,可以在一定程度上提高网络收集数据的整体效率。
- 数据融合减少了需要传输的数据量,可以减轻网络的传输拥塞,降低数据的传输延迟。即使有效数据量并末减少,但通过对多个分组进行合并,减少分组个数。
- 数据融合能减少网络数据传输的冲突碰撞现象,也可以提高无线信道的利用率。
数据融合技术的分类
前后信息含量:无损失融合;有损失融合
基于应用数据的语义:依赖于应用的数据融合;独立于应用的数据融合;结合以上两种技术的数据融合
根据对传感器数据的操作级别:数据级融合;特征级融合(特征提取);决策级融合(根据应用需求进行较高级的决策)
数据融合的主要技术和方法
- 基于查询路由的数据融合
- 基于分层路由的数据融合
- 基于链式路由的数据融合
- 基于反向组播树的数据融合
目前数据融合的方法主要有如下几种:
1. 综合平均法:加权平均
2.卡尔曼滤波法
3.贝叶斯估计法:多贝叶斯估计把每个传感器作为一个贝叶斯估计,将各单独物体的关联概率分布组合成一个联合后验概率分布函数,通过使联合分布函数的似然函数最小,可以得到多传感器信息的最终融合值。
4.D-S证据推理法 :贝叶斯 方法的扩展,因为贝叶斯方法必须给出先验概率,证 据理论则能够处理这种由不知道引起的不确定性,通 常用来对目标的位置、存在与否进行推断。
5.统计决策理论
6.模糊逻辑法
7.产生式规则法
8.神经网络方法(感知器)
传感器网络应用层的数据融合示例
分布式数据库技术被应用于传感器网络的数据收集过程,应用层接口可以采用类似“结构化查询语言”(SQL)的风格。SQL融合操作一般包括5个基本操作符:
- COUNT
- MIN
- MAX
- SUM
- AVERAGE