【正文】 多數(shù)節(jié)點中，從而實現(xiàn)了網(wǎng)絡(luò)數(shù)據(jù)的稀疏變換。 第 9章 物聯(lián)網(wǎng)數(shù)據(jù)融合技術(shù) 表 91 各類算法比較 算法 分布式 無需預(yù)知 位置信息 可 擴 展 性良好 傳輸時 延較短 消除反 向鏈接 是否 節(jié)能 一 跳 直 接 傳輸 √ √ √ 多跳傳輸 √ √ L E AC H √ √ √ PEGA S IS √ √ √ D W T _ RE √ √ √ √ √ D W T _ IRR √ √ √ √ 優(yōu)化的D W T _ IRR √ √ √ √ √ 第 9章 物聯(lián)網(wǎng)數(shù)據(jù)融合技術(shù) 多傳感器數(shù)據(jù)融合算法 多傳感器數(shù)據(jù)融合技術(shù)是近幾年發(fā)展起來的一門實踐性較強的應(yīng)用技術(shù)，是多學(xué)科交叉的新技術(shù)，涉及信號處理、概率統(tǒng)計、信息論、模式識別、人工智能、模糊數(shù)學(xué)等理論。 (3) 對特征矢量 Yi進(jìn)行模式識別處理 (如聚類算法、自適應(yīng)神經(jīng)網(wǎng)絡(luò)或其他能將特征矢量 Yi變換成目標(biāo)屬性判決的統(tǒng)計模式識別法等 )，完成各傳感器關(guān)于目標(biāo)的說明。 第 9章 物聯(lián)網(wǎng)數(shù)據(jù)融合技術(shù) 多傳感器數(shù)據(jù)融合雖然未形成完整的理論體系和有效的融合算法，但在不少應(yīng)用領(lǐng)域根據(jù)各自的具體應(yīng)用背景，已經(jīng)提出了許多成熟并且有效的融合方法?？柭鼮V波法主要用于融合低層次實時動態(tài)多傳感器冗余數(shù)據(jù)。 第 9章 物聯(lián)網(wǎng)數(shù)據(jù)融合技術(shù) 多貝葉斯估計將每一個傳感器作為一個貝葉斯估計，將各個單獨物體的關(guān)聯(lián)概率分布合成一個聯(lián)合的后驗的概率分布函數(shù)，通過使用聯(lián)合分布函數(shù)的似然函數(shù)為最小，提供多傳感器信息的最終融合值，融合信息與環(huán)境的一個先驗?zāi)Ｐ吞峁┱麄€環(huán)境的一個特征描述。因此，在推理和多傳感器合成之前，要先組合 (更新 )傳感器的觀測數(shù)據(jù)。與概率統(tǒng)計方法相比，邏輯推理存在許多優(yōu)點，它在一定程度上克服了概率論所面臨的問題，對信息的表示和處理更加接近人類的思維方式，一般比較適合于在高層次上的應(yīng)用 (如決策 )，但是，模糊邏輯推理本身還不夠成熟和系統(tǒng)化。神經(jīng)網(wǎng)絡(luò)根據(jù)當(dāng)前系統(tǒng)所接受的樣本相似性確定分類標(biāo)準(zhǔn)，這種確定方法主要表現(xiàn)在網(wǎng)絡(luò)的權(quán)值分布上，同時，可以采用神經(jīng)網(wǎng)絡(luò)特定的學(xué)習(xí)算法來獲取知識，得到不確定性推理機制。 (2) 對數(shù)據(jù)融合的具體方法的研究尚處于初級階段。 (5) 利用有關(guān)的先驗數(shù)據(jù)提高數(shù)據(jù)融合的性能，研究更加先進(jìn)、復(fù)雜的融合算法 (未知和動態(tài)環(huán)境中，采用并行計算機結(jié)構(gòu)多傳感器集成與融合方法的研究等 )。 第 9章 物聯(lián)網(wǎng)數(shù)據(jù)融合技術(shù) (3) 在傳輸過程中，很多節(jié)點發(fā)送的數(shù)據(jù)具有相似部分，所以需要過濾掉這些冗余信息，從而保證能量和帶寬的有效利用。在反向組播樹里，每個非葉子節(jié)點都具有數(shù)據(jù)融合的功能。 第 9章 物聯(lián)網(wǎng)數(shù)據(jù)融合技術(shù) 在此模型中，節(jié)點 i對上游鄰居節(jié)點 j傳送的信息進(jìn)行兩種處理：如果是上游產(chǎn)生的源信息，則用本地信息對其進(jìn)行融合處理；如果是已經(jīng)融合處理過的信息，則選擇直接發(fā)送到下一跳。由于子節(jié)點可能在不同時間向父節(jié)點發(fā)送數(shù)據(jù)，如父節(jié)點在時刻 1收到子節(jié)點 A發(fā)送的數(shù)據(jù)，用本地數(shù)據(jù)對其進(jìn)行數(shù)據(jù)融合處理，在時刻 2收到子節(jié)點 B發(fā)送的數(shù)據(jù)，對其進(jìn)行再次融合。 4種路由協(xié)議的性能比較如表 93所示。 (4) 查詢策略需適應(yīng)最小化能量消耗與網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的變化 。在網(wǎng)絡(luò)適配層中，網(wǎng)絡(luò)適配器是對無線傳感器網(wǎng)絡(luò)底層 (無線傳感器網(wǎng)絡(luò)基礎(chǔ)設(shè)施、無線傳感器操作系統(tǒng) )的封裝。 第 9章 物聯(lián)網(wǎng)數(shù)據(jù)融合技術(shù) 圖 TinyDB系統(tǒng)的結(jié)構(gòu) 第 9章 物聯(lián)網(wǎng)數(shù)據(jù)融合技術(shù) TinyDB系統(tǒng)的客戶端軟件主要包括兩個部分：第一部分實現(xiàn)類似于 SQL語言的 TinySQL查詢語言；第二部分提供基于 Java的應(yīng)用程序組成，能夠支持用戶在 TinyDB系統(tǒng)的基礎(chǔ)上開發(fā)應(yīng)用程序。節(jié)點目錄記錄每個節(jié)點的屬性，例如測量數(shù)據(jù)的類型 (聲、光、電壓等 )和節(jié)點 ID等。 第 9章 物聯(lián)網(wǎng)數(shù)據(jù)融合技術(shù) 圖 Cougar系統(tǒng)的結(jié)構(gòu) 第 9章 物聯(lián)網(wǎng)數(shù)據(jù)融合技術(shù) 客戶前端負(fù)責(zé)與用戶計算機和簇頭通信，它是 GUI和查詢代理之間的界面，相當(dāng)于傳感器網(wǎng)絡(luò)和用戶計算機之間的網(wǎng)關(guān)。在簇頭中運行的簇頭層軟件負(fù)責(zé)接收來自簇內(nèi)成員的數(shù)據(jù)，然后進(jìn)行相關(guān)的處理，例如過濾或聚集數(shù)據(jù)，最后把結(jié)果傳送到發(fā)出查詢的客戶前端。 第 9章 物聯(lián)網(wǎng)數(shù)據(jù)融合技術(shù) 4．無線傳感器網(wǎng)絡(luò)數(shù)據(jù)管理的主要技術(shù)挑戰(zhàn) 盡管無線傳感器網(wǎng)絡(luò)的數(shù)據(jù)管理技術(shù)取得了很大的進(jìn)展，但還有一些問題尚未完全解決。 第 9章 物聯(lián)網(wǎng)數(shù)據(jù)融合技術(shù) (4) 需要進(jìn)一步優(yōu)化目前的傳感器網(wǎng)絡(luò)數(shù)據(jù)管理系統(tǒng)，從而提高可擴展性、容錯性，并且降低能量消耗和響應(yīng)時間。 (4) 查詢結(jié)果存在大量冗余數(shù)據(jù)，如何進(jìn)行數(shù)據(jù)融合。 第 9章 物聯(lián)網(wǎng)數(shù)據(jù)融合技術(shù) 1．基于感知數(shù)據(jù)模型的數(shù)據(jù)獲取技術(shù) 在傳感器網(wǎng)絡(luò)中對數(shù)據(jù)進(jìn)行建模，主要用于解決以下四個問題： (1) 感知數(shù)據(jù)的不確定性。 (1) 集中式存儲：節(jié)點產(chǎn)生的感知數(shù)據(jù)都發(fā)送到基站節(jié)點，在基站處進(jìn)行集中存儲和處理。 第 9章 物聯(lián)網(wǎng)數(shù)據(jù)融合技術(shù) (3) 本地化存儲：數(shù)據(jù)完全保存在本地節(jié)點，數(shù)據(jù)存儲的通信開銷最小，但查詢效率低下，一般采用泛洪式查詢，當(dāng)查詢頻繁時，網(wǎng)絡(luò)的通信開銷極大，并且存在熱點問題。在傳感器網(wǎng)絡(luò)中，用戶的查詢對象是大量的無限實時數(shù)據(jù)流，連續(xù)查詢被分解為一系列子查詢提交到局部節(jié)點進(jìn)行執(zhí)行。 第 9章 物聯(lián)網(wǎng)數(shù)據(jù)融合技術(shù) 數(shù)據(jù)融合及管理技術(shù)的研究與發(fā)展 數(shù)據(jù)融合及管理技術(shù)的研究與發(fā)展如下： (1) 確立數(shù)據(jù)融合理論標(biāo)準(zhǔn)和系統(tǒng)結(jié)構(gòu)標(biāo)準(zhǔn)。 (6) 建立測試平臺，研究系統(tǒng)性能評估方法。 第 9章 物聯(lián)網(wǎng)數(shù)據(jù)融合技術(shù) (4) 傳感器資源管理優(yōu)化。感知數(shù)據(jù)本身存在不確定性，用戶對查詢的結(jié)果的要求也是在一定精度范圍內(nèi)的。當(dāng)前的研究方向主要集中在以下幾個方面： 第 9章 物聯(lián)網(wǎng)數(shù)據(jù)融合技術(shù) (1) 查詢語言研究。 ① ?DIMENSIONS采用小波編碼技術(shù)處理大規(guī)模數(shù)據(jù)集上的近似查詢，有效地以分布式方式計算和存儲感知數(shù)據(jù)的小波系數(shù)，但是存在單一樹根的通信瓶頸問題。 (3) 節(jié)點能量受限，必須提高能量利用效率。 數(shù)據(jù)存儲技術(shù)主要涉及數(shù)據(jù)存儲策略、存取方法和索引技術(shù)。 第 9章 物聯(lián)網(wǎng)數(shù)據(jù)融合技術(shù) 數(shù)據(jù)模型、存儲及查詢 目前關(guān)于物聯(lián)網(wǎng)數(shù)據(jù)模型、存儲、查詢技術(shù)的研究成果很少，比較有代表性的是針對傳感器網(wǎng)絡(luò)數(shù)據(jù)管理的 Cougar和 TinyDB兩個查詢系統(tǒng)。一方面，可以采用數(shù)據(jù)傳輸層技術(shù)保護(hù)可靠的傳輸；另一方面，可以考慮運用數(shù)據(jù)加密技術(shù)保障安全的查詢。用戶可以指定在時域和空域內(nèi)的查詢精度， Dimension系統(tǒng)可以按照指定精度進(jìn)行查詢。 GUI中的 Map組件可以使用戶瀏覽傳感器網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)。它將傳感器網(wǎng)絡(luò)的節(jié)點劃分為簇，每個簇包含多個節(jié)點，其中一個作為簇頭。它負(fù)責(zé)分配存儲單元和壓縮存儲數(shù)據(jù)。目前具有代表性的傳感器網(wǎng)絡(luò)數(shù)據(jù)管理系統(tǒng)主要包括TinyDB、 Cougar和 Dimension系統(tǒng)。 (2) 半分布式結(jié)構(gòu)：利用節(jié)點自身具有的計算和存儲能力，對原始數(shù)據(jù)進(jìn)行一定的處理，然后再傳送到中心節(jié)點。 第 9章 物聯(lián)網(wǎng)數(shù)據(jù)融合技術(shù) 物聯(lián)網(wǎng)數(shù)據(jù)管理技術(shù) 傳感器網(wǎng)絡(luò)的數(shù)據(jù)管理系統(tǒng) 1．物聯(lián)網(wǎng)數(shù)據(jù)管理系統(tǒng)的特點 數(shù)據(jù)管理主要包括對感知數(shù)據(jù)的獲取、存儲、查詢、挖掘和操作，目的就是把物聯(lián)網(wǎng)上數(shù)據(jù)的邏輯視圖和網(wǎng)絡(luò)的物理實現(xiàn)分離開來，使用戶和應(yīng)用程序只需關(guān)心查詢的邏輯結(jié)構(gòu)，而無需關(guān)心物聯(lián)網(wǎng)的實現(xiàn)細(xì)節(jié)。在此路由協(xié)議基礎(chǔ)上設(shè)計了一種基于神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)融合算法 NNBA。 第 9章 物聯(lián)網(wǎng)數(shù)據(jù)融合技術(shù) 2) ?GRAN GRAN(Geographical Routing with Aggregation Nodes)算法也將數(shù)據(jù)融合應(yīng)用到地理位置路由協(xié)議中，而且假設(shè)每個節(jié)點都具有數(shù)據(jù)融合功能，不同之處在于數(shù)據(jù)融合方法的實現(xiàn)。 第 9章 物聯(lián)網(wǎng)數(shù)據(jù)融合技術(shù) 2．幾種基于數(shù)據(jù)融合的路由算法 下面對近幾年比較新型的、基于數(shù)據(jù)融合的路由算法 —MLR、 GRAN、 MFST和 GROUP進(jìn)行詳細(xì)分析。 第 9章 物聯(lián)網(wǎng)數(shù)據(jù)融合技術(shù) 傳統(tǒng)的路由協(xié)議通常以地址作為節(jié)點標(biāo)志和路由的依據(jù)，而在無線傳感器網(wǎng)絡(luò)中，大量節(jié)點隨機部署，我們所關(guān)注的是監(jiān)測區(qū)域的感知數(shù)據(jù)，而不是具體哪個節(jié)點獲取的信息，不依賴于全網(wǎng)唯一的標(biāo)識。 第 9章 物聯(lián)網(wǎng)數(shù)據(jù)融合技術(shù) 總之，與單傳感器系統(tǒng)相比，運用多傳感器數(shù)據(jù)融合技術(shù)在解決探測、跟蹤和目標(biāo)識別等問題方面，能夠增強系統(tǒng)的生存能力，提高整個系統(tǒng)的可靠性和魯棒性，增強數(shù)據(jù)的可信度，并提高精度，擴展整個系統(tǒng)的時間、空間覆蓋率，增加系統(tǒng)的實時性和信息利用率等。 第 9章 物聯(lián)網(wǎng)數(shù)據(jù)融合技術(shù) 2) 數(shù)據(jù)融合的發(fā)展趨勢 數(shù)據(jù)融合的發(fā)展趨勢如下： (1) 建立統(tǒng)一的融合理論、數(shù)據(jù)融合的體系結(jié)構(gòu)和廣義融合模型。 第 9章 物聯(lián)網(wǎng)數(shù)據(jù)融合技術(shù) 表 92 常用的數(shù)據(jù)融合方法比較 融合方法 運行環(huán) 境 信息類 型 信息表示 不確定 性 融合技術(shù) 適用范圍 加權(quán)平均法 動態(tài) 冗余 原始讀數(shù) 值 加權(quán)平均 低層數(shù)據(jù)融合 卡爾曼濾波法 動態(tài) 冗余 概率分布 高斯噪 聲 系統(tǒng)模型濾 波 低層數(shù)據(jù)融合 多貝葉斯估計法 靜態(tài) 冗余 概率分布 高斯噪 聲 貝葉斯估計 高層數(shù)據(jù)融合 產(chǎn)生式規(guī)則 動 /靜態(tài) 冗余 /互補 命題 置信因 子 邏輯推理 高層數(shù)據(jù)融合 DS證據(jù)推理 靜態(tài) 冗余 /互補 命題 邏輯推理 高層數(shù)據(jù)融合 模糊邏輯推理 靜態(tài) 冗余 /互補 命題 隸屬度 邏輯推理 高層數(shù)據(jù)融合 人工神經(jīng)網(wǎng)絡(luò)法 動 /靜態(tài) 冗余 /互補 神經(jīng)元輸 入 學(xué)習(xí)誤 差 神經(jīng)網(wǎng)絡(luò) 低 /高層 第 9章 物聯(lián)網(wǎng)數(shù)據(jù)融合技術(shù) 3．?dāng)?shù)據(jù)融合存在的問題及發(fā)展趨勢 數(shù)據(jù)融合技術(shù)方興未艾，幾乎一切信息處理方法都可以應(yīng)用于數(shù)據(jù)融合系統(tǒng)。 第 9章 物聯(lián)網(wǎng)數(shù)據(jù)融合技術(shù) (2) 人工神經(jīng)網(wǎng)絡(luò)法。應(yīng)用產(chǎn)生式規(guī)則進(jìn)行融合的主要問題是每個規(guī)則的置信因子的定義與系統(tǒng)中其他規(guī)則的置信因子相關(guān)，如果系統(tǒng)中引入新的傳感器，則需要加入相應(yīng)的附加規(guī)則。第一級為目標(biāo)合成，其作用是把來自獨立傳感器的觀測結(jié)果合成為一個總的輸出結(jié)果 (ID)。 第 9章 物聯(lián)網(wǎng)數(shù)據(jù)融合技術(shù) (3) 多貝葉斯估計法。加權(quán)平均法是最簡單、最直觀的方法。因此，多傳感器系統(tǒng)的核心問題是選擇合適的融合算法。多傳感器數(shù)據(jù)融合比較確切的定義可概括為：充分利用不同時間與空間的多傳感器數(shù)據(jù)資源，采用計算機技術(shù)對按時間序列獲得的多傳感器觀測數(shù)據(jù)，在一定準(zhǔn)則下進(jìn)行分析、綜合、支配和使用，獲得對被測對象的一致性解釋與描述，進(jìn)而實現(xiàn)相應(yīng)的決策和估計，使系統(tǒng)獲得比它的各組成部分更充分的信息。對于越密集、相關(guān)性越強的網(wǎng)絡(luò)，該算法的效果越好。以 Oj中的數(shù)據(jù)進(jìn)行預(yù)測，根據(jù) Oj節(jié)點與其相鄰的 Ej節(jié)點進(jìn)行通信后，用 Ej節(jié)點信息預(yù)測出 Oj節(jié)點信息，將該信息與原來 Oj中的信息相減，從而得到細(xì)節(jié)分量 dj。如圖 ，網(wǎng)絡(luò)中節(jié)點規(guī)則分布，每個節(jié)點只與其相鄰的左右兩個鄰居進(jìn)行通信，對數(shù)據(jù)進(jìn)行去相關(guān)計算。每個節(jié)點通過貪婪算法找到與其最近的相鄰節(jié)點，并作為自己的下一節(jié)點，依次遍歷網(wǎng)絡(luò)中的所有節(jié)點，最終形成一條鏈 (Chain)，同時設(shè)定一個距離 Sink最近的節(jié)點為鏈頭節(jié)點，它與 Sink進(jìn)行一跳通信。 第 9章 物聯(lián)網(wǎng)數(shù)據(jù)融合技術(shù) 圖 。那么，在無線傳感器網(wǎng)絡(luò)中的感測數(shù)據(jù)就會具有一定的空間相關(guān)性，即距離相近的節(jié)點所傳輸?shù)臄?shù)據(jù)具有一定的冗余度。這種方法的缺點在于：距離 Sink節(jié)點較遠(yuǎn)的傳感器節(jié)點需要很大的發(fā)送功率才可以達(dá)到與 Sink節(jié)點通信的目的，而傳感器節(jié)點的通信距離有限，因此距離 Sink較遠(yuǎn)的節(jié)點往往無法與 Sink節(jié)點進(jìn)行可靠的通信，這是不能被接受的；且在較大通信距離上的節(jié)點需耗費