无线传感器网络技术及应用十一概述.ppt

第11章 无线传感器网络数据融合与管理技术 ;　11.1 无线传感器网络的数据融合概述11.1.1 无线传感器网络中的数据融合　　数据融合概念是针对多传感器系统而提出的。在多传感器系统中，由于信息表现形式的多样性、数据量的巨大性、数据关系的复杂性，以及要求数据处理的实时性、准确性和可靠性，都已大大超出了人脑的信息综合处理能力，在这种情况下，多传感器数据融合技术应运而生。多传感器数据融合(Multi-Sensor Data Fusion，MSDF)简称数据融合，也称为多传感器信息融合(Multi-Sensor Information Fusion，MSIF)。它由美国国防部在20世纪70年代最先提出，之后英、法、日、;俄等国也做了大量的研究。近40年来数据融合技术得到了巨大的发展，同时伴随着电子技术、信号检测与处理技术、计算机技术、网络通信技术以及控制技术的飞速发展，数据融合已被应用在多个领域，在现代科学技术中的地位也日渐提升。　　数据融合的简洁定义为：数据融合是利用计算机技术对时序获得的若干感知数据，在一定准则下加以分析、综合，以完成所需决策和评估任务而进行的数据处理过程。;　　数据融合技术有三层含义：① 数据的全空间，即数据包括确定的和模糊的、全空间的和子空间的、同步的和异步的、数字的和非数字的，它是复杂的、多维多源的，覆盖全频段；② 数据的融合不同于组合，组合指的是外部特性，融合指的是内部特性，它是系统动态过程中的一种数据综合加工处理；③ 数据的互补过程，包括数据表达方式的互补、结构上的互补、功能上的互补和不同层次的互补，互补是数据融合的核心，只有互补数据的融合才可以使系统发生质的飞跃。数据融合示意图如图11.1所示。 　　数据融合的实质是针对多维数据进行关联或综合分析，进而选取适当的融合模式和处理算法，用以提高数据的质量，为知识提取奠定基础。 ;;11.1.2 无线传感器网络中数据融合的层次结构　　通过对多感知节点信息的协调优化，数据融合技术可以有效地减少整个网络中不必要的通信开销，提高数据的准确度和收集效率。因此，传送已融合的数据要比未经处理的数据节省能量，可延长网络的生存周期。;　　1．传感器网络节点的部署　　在传感器网络数据融合结构中，比较重要的问题是如何部署感知节点。目前，传感器网络感知节点的部署方式一般有三种类型，最常用的拓扑结构是并行拓扑。在这种部署方式中，各种类型的感知节点同时工作。另一种类型是串行拓扑，在这种结构中，感知节点检测数据信息具有暂时性。实际上，SAR(Synthetic Aperture Radar)图像就属于此结构。还有一种类型是混合拓扑，即树状拓扑。;　　2．数据融合的层次划分　　数据融合大部分是根据具体问题及其特定对象来建立自己的融合层次的。例如，有些应用将数据融合划分为检测层、位置层、属性层、态势评估和威胁评估；有的根据输入/输出数据的特征提出了基于输入/?输出特征的融合层次化描述。数据融合层次的划分目前还没有统一标准。　　根据多传感器数据融合模型定义和传感器网络的自身特点，通常按照节点处理层次、融合前后的数据量变化、信息抽象的层次来划分传感器网络数据融合的层次结构。数据融合的一般模型如图11.2所示。;;11.1.3 基于信息抽象层次的数据融合模型　　基于信息抽象层次的数据融合方法分为三类：基于像素(Pixel)级的融合、基于特征(Feature)级的融合和基于决策(Decision)级的融合。融合的水平依次从低到高。　　1．像素级融合　　像素级融合的流程为：经传感器获取数据→数据融合→特征提取→融合属性说明。像素级融合模型如图11.3所示。;;　　2．特征级融合　　特征级融合的流程为：经传感器获取数据→特征提取→特征级融合→融合属性说明。特征级融合模型如图11.4所示。　　3．决策级融合　　决策级融合的流程：经传感器获取数据→特征提取→属性说明→属性融合→融合属性说明。决策级融合模型如图11.5所示。;;;11.2 无线传感器网络的数据融合技术与算法　　数据融合技术涉及复杂的融合算法、实时图像数据库技术和高速、大吞吐量数据处理等支撑技术。数据融合算法是融合处理的基本内容，它是将多维输入数据在不同融合层次上运用不同的数学方法，对数据进行聚类处理的方法。就多传感器数据融合而言，虽然还未形成完整的理论体系和有效的融合算法，但有不少应用领域根据各自的具体应用背景，已经提出了许多成熟并且有效的融合算法。针对传感器网络的具体应用，也有许多具有实用价值的数据融合技术与算法。;11.2.1 传感器网络数据传输及融合技术　　如今无线传感器网络已经成为一种极具潜力的测量工具。它是一个由微型、廉价、能量受限的传感器节点所组成，通过无线方式进行通信的多跳网