第6.3节数据融合技术 44公开课教案教学设计课件资料.pptxVIP

6.3 WSN数据融合与网络管理技术WSN为了有效地节省能量，可以在传感器节点收集数据的过程中，利用本地计算和存储能力将数据进行融合，取出冗余信息，从而达到节省能量的目的。数据融合可以在多个层次中进行。在应用层中，可以应用分布式数据库技术，对数据进行筛选，达到融合效果。在网络层中，很多路由协议结合了数据融合技术来减少数据传输量。MAC层也能减少发送冲突和头部开销来达到节省能量的目的。当然，数据融合是以牺牲延时等代价来换取能量的节约。网络管理的目标是保障传感器网络具有最高效率和可靠的工作性能，包括数据收集、数据处理、数据分析和动作控制等。6.3.1 数据融合技术简介1．概述数据融合利用计算机技术对按时序获得的多传感器观测信息在一定的准则下进行多级别、多方面、多层次信息检测、相关估计和综合，以获得目标的状态和待征估计，产生比单一传感器更精确、完整、可靠的信息、更优越的性能，而这种信息是任何单一传感器所无法获得的。数据融合的一般处理模型的基本思想，如图6.7所示。数据融合技术具有以下方面的功能：① 提高了信息的可信度。利用多传感器能够更加准确地获得环境与目标的某一特征或一组相关特征，整个系统所获得的综合信息与单一传感器所获得的信息相比具有更高的精度和可靠性。② 扩展系统的空间、时间覆盖能力。多个传感器在空间的交叠，时间上轮流工作，扩展了整个系统的时空覆盖范围。③ 减小系统的信息模糊程度。由于采用多传感器信息进行检测、判断、推理等运算，降低了事件的不确定性。④ 改善系统的检测能力。多个传感器可以从不同的角度得到结论，提高了系统发现问题的概率。⑤ 提高系统的可靠性。多传感器相互配合，系统就具有冗余度，某个传感器的失效不会影响整个系统，降低了系统的故障率。⑥高系统决策正确性。多传感器工作增加了事件的可信度，决策级融合所得结论也更可靠。数据融合系统可分为如下三种工作方式：① 集中式。各个传感器的数据都送到融合中心进行融合处理。这种方法实时性能好、数据处理精度高，可以实现时间和空间的融合。但该方法融合中心的负荷大、可靠性低、数据传输量大，对融合中心的数据处理能力要求高。② 分布式。各个传感器对自己测量的数据单独进行处理，然后将处理结果送到融合中心，由融合中心对各传感器的局部结果进行融合处理。与集中式相比，分布式处理对通信带宽要求低、计算速度快、可靠性和延续性好、系统生命力强。但分布式数据融合精度没有集中式高，每个传感器自己做出决策的过程中增加了融合处理的不确定性。③ 混合式。以上两种方式的组合，可以均衡上述两种方式的优缺点，但系统结构同时变得复杂。根据融合处理的数据种类，数据融合系统可以分为时间融合、空间融合和时空融合。① 时间融合。对同一传感器对目标在不同时间的测量值进行融合。② 空间融合。对不同传感器，在同一时刻的测量值进行融合。③ 时空融合。对不同的传感器，在一段时间内的测量值不断地进行融合。多传感器数据融合技术的基本原理就像人脑综合处理信息一样，充分利用多个传感器资源。通过对多传感器及其观测信息的合理支配和使用，把多传感器在空间或时间上冗余或互补信息依据某种准则来进行组合，以获得被测对象的一致性解释或描述。数据融合三个重要作用：（1）节约能量WSN需要部署大量节点以增强整个网络的鲁棒性和检测信息的准确性。这必然导致多个节点的检测范围相互重合，这种重叠使得邻近节点报告的信息会非常接近或者相同，形成大量的信息冗余。冗余信息对用户需求是没有帮助的，但是却消耗了宝贵的网络资源。针对这种情况，对冗余数据进行网内处理就显得十分必要。中间节点在转发数据前，先对数据进行融合，去除冗余信息，在满足应用需求的前提下将需要传输的数据量最小化。利用节点处理器采用网内进行数据融合，以低能耗的计算和存储资源减少高能耗的通信开销是有意义的。（2）获得更准确的信息少量节点的数据不能保证获取信息的正确性，需要对检测同一对象的多个节点所采集的数据，进行综合以有效地提高所获信息的精度和可信度。（3）提高数据收集效率数据融合使得网内传输数据量减少，可降低网络负载，减轻网络的传输拥塞，减少数据传输时延。即使在融合操作时仅采用合并数据包的策略，虽然有效数据量并未减少，但减少了网络中传输的数据分组数量，可降低传输中的冲突碰撞现象，也可提高信道的利用率。2. 研究内容与重要性多传感器数据融合原理如下：①几个不同类型的传感器收集观测目标的数据。②对传感器的输出数据进行特征提取的变换，提取代表观测数据的特征矢量。③对特征矢量进行模式识别处理，完成各传感器关于目标的说明。④将各传感器关于目标的说明数据按同一目标进行分组，即关联。⑤利用融合算法将每一目标各传感器数据进行合成得到该目标的一致性解释与描述。WSN数据融合是将多个源节点产生的裸数据收集起来集中处理，既能减少节点能量的消耗，又能提