4第十四讲信息融合与目标跟踪数据融合的应用.pptVIP

* 第二个阶段，每个节点周期性地采集数据，融合本地采集的数据以及子节点发来的查询结果，然后将融合结果发送到父节点。 * 主要特点 TAG实质上是一种空间域上的数据融合； 利用相邻传感器节点采集数据的空间一致性去除冗余信息，减少网络中的数据传输量； 对简单的聚集操作十分有效，对于一般的查询请求，作用不是非常明显； 当查询请求为收集所有传感器节点采集的温度值时，转发节点收到子节点发来的查询结果后无法进行聚集操作，只能将每个子节点的查询结果依次发送到父节点。 * 典型算法：TiNA TiNA是一种利用传感器节点采集数据的时间一致性进行网内融合的机制； 在满足用户对于数据准确性需求的前提下，通过网内融合尽可能地节省能量。 * 基本思想 当前采集的数据与上一次采集的数据的差值大于某指定的容忍限度时，节点才进行数据发送； 采用定向扩散的方式建立路由树，为每个节点分配梯度值并指定其父节点，节点为了利用数据的时间一致性，必须保存额外的信息； 叶节点需要保存上一次发送到父节点的数据，转发节点不但需要保存自己上一次发送到父节点的数据，且需要保存每个子节点发来的最新数据。 * 主要特点 TiNA实质上是一种时间域上的数据融合，对TAG进行了扩展，引入了数据时间一致性的概念； 对于监测数据波动较小的应用十分有效，能够显著地减少网络中的数据传输量，当监测数据波动较大时作用不明显； 对于节点存储空间的要求比较高，尤其当网络规模较大时，转发节点需要保存大量的额外信息。 * 2、数据包合并 当某个节点收到多个子节点发来的数据包时，将它们合并成一个大的数据包，然后将合并后的数据包发送到父节点； 在无线传感器网络中，数据字段相对较短，而控制字段相对较长，数据包合并能够有效地降低包头的开销。 * 典型算法：数据漏斗 数据漏斗将网络中的节点分为少量的控制节点和大量的传感节点两类。 * 主要思想 控制节点将被监测空间划分为不同的区域，并向每个区域发送查询消息； 收到查询消息后，区域中的传感器节点开始周期性地向控制节点发送传感数据； 由于同一区域内的大部分节点几乎在同一时间向控制节点发送数据，将这些数据合并为一个数据包发送到控制节点是十分有效的。 * 主要特点 数据漏斗实质上是基于簇的数据融合，边界节点相当于簇头节点，传感器节点属于簇内节点； 簇头节点负责合并簇内节点的数据包，基于数据次序的编码算法能进一步压缩数据包的大小； 数据漏斗要求节点具有自身的位置信息，在无线传感器网络中，节点的位置信息通常难以得到。 * 典型算法：AIDA AIDA是一种与应用无关的数据融合算法。能无缝地安装到现有的无线传感器网络协议栈中。 AIDA由两个部分组成： ①功能单元：融合以及分解网络中的数据包 ②控制单元：自适应地调整定时器设置及融合度 * 工作方式 ①将来自网络层的数据包放到融合池中，根据融合度以及这些数据包下一跳的目的地址，AIDA功能单元将多个数据包合并成一个数据包；然后将其传递到MAC层进行发送； ②每次融合多少个数据包以及什么时候调用融合算法等决策由AIDA控制单元负责； * 工作方式 ③AIDA控制单元是一个基于反馈的自适应组件，根据本地当前的网络状况作出在线决策； ④流入的数据在MAC层被接收，然后传递到AIDA。在AIDA中，流入的数据被分解成原始数据包，然后向上传递到网络层或者应用层。 * 基本特点 AIDA实质上是在MAC层与网络层之间加入一个数据融合层进行数据包合并的操作； 通过数据包合并，有效地减少网络中的数据传输量，降低无线信道中发生冲突的可能性； AIDA与应用相互独立，无法利用高层次的语义信息对数据作进一步的压缩，融合度相对比较低。 * 3、模型驱动的数据融合 无线传感器网络是以数据为中心，传感器节点采集的数据在空间及时间上往往具有一定的规律，能够用某种模型进行描述； 典型的模型包括小波与神经网络、卡尔曼滤波及概率模型等。 * 无线传感器网络最基本的分布式估计问题是开发一种用于卡尔曼滤波的分布式算法； 分布式卡尔曼滤波问题可简化为两个动态协调控制问题：测量数据的融合和协方差信息的融合； 解决这两个协调控制问题需要一个合适的协调控制滤波器(一个低通滤波器与一个带通滤波器)； * 协调控制滤波器是一种分布式算法，能够计算随时间变化信号的协调控制平均值，可使用低通滤波器进行测量数据的融合，使用带通滤波器进行逆协方差矩阵的融合； 将用于无线传感器网络的中心卡尔曼滤波器分解为多个微卡尔曼滤波器，这些微卡尔曼滤波器由两个协调控制滤波器提供输入； * 微卡尔曼滤波器组成的网络能够以协作的方式提供对观测过程状态的估计； 将卡尔曼滤波应用到无线传感器网络中，对相关信息进行估计，有效去除某些异常数据的