【文章內(nèi)容簡介】 ? PIT原理 – 假如存在一個(gè)方向，節(jié)點(diǎn) M沿著這個(gè)方向移動(dòng)會(huì)同時(shí)遠(yuǎn)離或接近頂點(diǎn) A、 B、 C，那么節(jié)點(diǎn) M位于 ⊿ ABC外；否則，節(jié)點(diǎn) M位于⊿ ABC內(nèi)； Slide 40 APIT算法的具體步驟 ? 收集信息 – 未知節(jié)點(diǎn)收集鄰近信標(biāo)節(jié)點(diǎn)的信息，如位置、標(biāo)識(shí)號(hào)、接收到的信號(hào)強(qiáng)度等；鄰居節(jié)點(diǎn)之間交換各自接收到的信標(biāo)節(jié)點(diǎn)的信息 ； ? APIT 測試 – 測試未知節(jié)點(diǎn)是否在不同信標(biāo)節(jié)點(diǎn)組合成三角形內(nèi)部 ； ? 計(jì)算重疊區(qū)域 – 統(tǒng)計(jì)包含未知節(jié)點(diǎn)三角形，計(jì)算所有三角形的重疊區(qū)域； ? 計(jì)算未知節(jié)點(diǎn)位置 – 計(jì)算重疊區(qū)域的質(zhì)心位置，作為未知節(jié)點(diǎn)的位置 Slide 41 物聯(lián)網(wǎng)技術(shù)概論 DVHop算法 DVHop算法解決了低錨點(diǎn)密度引發(fā)的問題，它根據(jù)距離矢量路由協(xié)議的原理在全網(wǎng)范圍內(nèi)廣播跳數(shù)和位置。 已知錨點(diǎn) L1與 L L3之間的距離和跳數(shù)。 L2計(jì)算得到校正值（即平均每跳距離）為（ 40+75） /（ 2+5）=。假設(shè)傳感器網(wǎng)絡(luò)中的待定位節(jié)點(diǎn) A從 L2獲得校正值，則它與 3個(gè)錨點(diǎn)之間的距離分別是 L1=3 ，L2=2 ， L3=3 ，然后使用多邊測量法確定節(jié)點(diǎn) 的位置。 L 2L 1 AL 3100m40m75mSlide 42 物聯(lián)網(wǎng)技術(shù)概論 定位系統(tǒng)的典型應(yīng)用 位置信息有很多用途，在某些應(yīng)用中可以起到關(guān)鍵性的作用。定位技術(shù)的用途大體可分為導(dǎo)航、跟蹤、虛擬現(xiàn)實(shí)、網(wǎng)絡(luò)路由等。 導(dǎo)航是定位最基本的應(yīng)用，在軍事上具有重要用途。 除了導(dǎo)航以外，定位技術(shù)還有很多應(yīng)用。例如，辦公場所的物品、人員跟蹤需要室內(nèi)的精度定位。 虛擬現(xiàn)實(shí)仿真系統(tǒng)中需要實(shí)時(shí)定位物體的位置和方向。 Slide 43 隱藏終端 ? 基站 A向基站 B發(fā)送信息，基站 C未偵測到 A也向 B發(fā)送，故 A和 C同時(shí)將信號(hào)發(fā)送至 B，引起信號(hào)沖突，最終導(dǎo)致發(fā)送至 B的信號(hào)都丟失了。 隱藏終端 多發(fā)生在大型單元中（一般在室外環(huán)境），這將帶來效率損失，并且需要錯(cuò)誤恢復(fù)機(jī)制。當(dāng)需要傳送大容量文件時(shí)，尤其需要杜絕 隱藏終端 現(xiàn)象的發(fā)生。 Slide 44 隱藏終端 2 ? 隱藏終端可分為隱發(fā)送終端和隱接收終端。隱發(fā)送終端可通過握手協(xié)議解決，隱接收終端在單信道條件內(nèi)無法解決。 Slide 45 暴露終端 ? 暴露終端指發(fā)送節(jié)點(diǎn)覆蓋范圍內(nèi)，而在接收節(jié)點(diǎn)覆蓋范圍外的節(jié)點(diǎn)。它的發(fā)送不會(huì)造成延遲，但會(huì)造成不必要的延遲 Slide 46 暴露終端 ? 暴露終端可分為暴露發(fā)送終端和暴露接收終端。在單信道條件下，暴露接收終端和暴露接收終端不能解決：所有發(fā)送給暴露接收終端的報(bào)文會(huì)產(chǎn)生沖突，暴露發(fā)送終端也無法與目的節(jié)點(diǎn)握手。 Slide 47 物聯(lián)網(wǎng)技術(shù)概論 數(shù)據(jù)融合 多傳感器數(shù)據(jù)融合概述 我們將各種傳感器直接給出的信息稱作源信息，如果傳感器給出的信息是已經(jīng)數(shù)字化的信息，就稱作源數(shù)據(jù)，如果給出的是圖像就是源圖像。源信息是信息系統(tǒng)處理的對(duì)象。 源信息、傳感器與環(huán)境之間的關(guān)系： 目 標(biāo)雜 波干 擾噪 聲環(huán) 境輸 入傳 感 器 源 信 息輸 出源 數(shù) 據(jù)源 圖 像源 波 形Slide 48 物聯(lián)網(wǎng)技術(shù)概論 消除噪聲與干擾，實(shí)現(xiàn)對(duì)觀測目標(biāo)的連續(xù)跟蹤和測量等一系列問題的處理方法，就是多傳感器數(shù)據(jù)融合技術(shù)，有時(shí)也稱作 多傳感器信息融合 (Information Fusion, IF)技術(shù) 或 多傳感器融合 (Sensor Fusion, SF)技術(shù) ，它是對(duì)多傳感器信息進(jìn)行處理的最關(guān)鍵技術(shù)，在軍事和非軍事領(lǐng)域的應(yīng)用都非常廣泛。 數(shù)據(jù)融合也被人們稱作 信息融合 ，是一種多源信息處理技術(shù)，它通過對(duì)來自同一目標(biāo)的多源數(shù)據(jù)進(jìn)行優(yōu)化合成，獲得比單一信息源更精確、完整的估計(jì)或判決。 Slide 49 物聯(lián)網(wǎng)技術(shù)概論 從軍事應(yīng)用的角度來看， Waltz等人對(duì)數(shù)據(jù)融合的定義較為確切，即： “多傳感器數(shù)據(jù)融合是一種多層次、多方面的處理過程，這個(gè)過程是對(duì)多源數(shù)據(jù)進(jìn)行檢測（ detection）、互聯(lián)（ association）、相關(guān)（ correlation）、估計(jì)（ estimation）和組合（ bination），以更高的精度、較高的置信度得到目標(biāo)的狀態(tài)估計(jì)和身份識(shí)別，以及完整的態(tài)勢估計(jì)和威脅評(píng)估，為指揮員提供有用的決策信息”。 這個(gè)定義包含 三個(gè)要點(diǎn) ： （ 1）數(shù)據(jù)融合是多信源、多層次的處理過程，每個(gè)層次代表信息的不同抽象程度； （ 2）數(shù)據(jù)融合過程包括數(shù)據(jù)的檢測、關(guān)聯(lián)、估計(jì)與合并； （ 3）數(shù)據(jù)融合的輸出包括低層次上的狀態(tài)身份估計(jì)和高層次上的總戰(zhàn)術(shù)態(tài)勢的評(píng)估。 Slide 50 物聯(lián)網(wǎng)技術(shù)概論 數(shù)據(jù)融合的內(nèi)容主要包括： 多傳感器的目標(biāo)探測 、數(shù)據(jù)關(guān)聯(lián) 、 跟蹤與識(shí)別 、 情況評(píng)估和預(yù)測 。 數(shù)據(jù)融合的基本目的是通過融合得到比單獨(dú)的各個(gè)輸入數(shù)據(jù)更多的信息。這一點(diǎn)是協(xié)同作用的結(jié)果，即由于多傳感器的共同作用，使系統(tǒng)的有效性得以增強(qiáng)。 Slide 51 物聯(lián)網(wǎng)技術(shù)概論 傳感器網(wǎng)絡(luò)中數(shù)據(jù)融合的作用 數(shù)據(jù)融合的主要作用可歸納為以下幾點(diǎn)： (1) 提高信息的準(zhǔn)確性和全面性。 (2) 降低信息的不確定性。 (3) 提高系統(tǒng)的可靠性。 (4) 增加系統(tǒng)的實(shí)時(shí)性。 由于傳感器網(wǎng)絡(luò)節(jié)點(diǎn)的資源十分有限，在收集信息的過程中，如果各個(gè)節(jié)點(diǎn)單獨(dú)地直接傳送數(shù)據(jù)到匯聚節(jié)點(diǎn)，則是不合適的，主要原因如下： (1) 浪費(fèi)通信帶寬和能量。 (2) 降低信息收集的效率。 Slide 52 物聯(lián)網(wǎng)技術(shù)概論 在傳感器網(wǎng)絡(luò)中數(shù)據(jù)融合起著十分重要的作用，它的主要作用在于： (1) 節(jié)省整個(gè)網(wǎng)絡(luò)的能量； (2) 增強(qiáng)所收集數(shù)據(jù)的準(zhǔn)確性； (3) 提高收集數(shù)據(jù)的效率。 Slide 53 物聯(lián)網(wǎng)技術(shù)概論 數(shù)據(jù)融合技術(shù)的分類 傳感器網(wǎng)絡(luò)的數(shù)據(jù)融合技術(shù)可以從不同的角度進(jìn)行分類，這里介紹三種分類方法： (1) 依據(jù)融合前后數(shù)據(jù)的信息含量進(jìn)行分類； (2) 依據(jù)數(shù)據(jù)融合與應(yīng)用層數(shù)據(jù)語義的關(guān)系進(jìn)行分類； (3) 依據(jù)融合操作的級(jí)別進(jìn)行分類。 Slide 54 物聯(lián)網(wǎng)技術(shù)概論 根據(jù)融合前后數(shù)據(jù)的信息含量分類 根據(jù)數(shù)據(jù)進(jìn)行融合操作前后的信息含量，可以將數(shù)據(jù)融合分為 無損失融合 和 有損失融合 兩類。 （ 1）無損失融合 在無損失融合中，所有的細(xì)節(jié)信息均被保留，只去除冗余的部分信息。此類融合的常見做法是去除信息中的冗余部分。 （ 2）有損失融合 有損失融合通常會(huì)省略一些細(xì)節(jié)信息或降低數(shù)據(jù)的質(zhì)量，從而減少需要存儲(chǔ)或傳輸?shù)臄?shù)據(jù)量，以達(dá)到節(jié)省存儲(chǔ)資源或能量資源的目的。在有損失融合中，信息損失的上限是要保留應(yīng)用所必需的全部信息量。 Slide 55 物聯(lián)網(wǎng)技術(shù)概論 根據(jù)數(shù)據(jù)融合與應(yīng)用層數(shù)據(jù)語義之問的關(guān)系分類 數(shù)據(jù)融合技術(shù)可以在傳感器網(wǎng)絡(luò)協(xié)議棧的多個(gè)層次中實(shí)現(xiàn)，既能在 MAC協(xié)議中實(shí)現(xiàn)，也能在路由協(xié)議或應(yīng)用層協(xié)議中實(shí)現(xiàn)。 根據(jù)數(shù)據(jù)融合是否基于應(yīng)用數(shù)據(jù)的語義，將數(shù)據(jù)融合技術(shù)分為三類： (1)依賴于應(yīng)用的數(shù)據(jù)融合； (2)獨(dú)立于應(yīng)用的數(shù)據(jù)融合； (3)結(jié)合以上兩種技術(shù)的數(shù)據(jù)融合。 Slide 56 物聯(lián)網(wǎng)技術(shù)概論 根據(jù)融合操作的級(jí)別分類 根據(jù)對(duì)傳感器數(shù)據(jù)的操作級(jí)別，可將數(shù)據(jù)融合技術(shù)分為以下三類： （ 1） 數(shù)據(jù)級(jí)融合 數(shù)據(jù)級(jí)融合是最底層的融合，操作對(duì)象是傳感器采集得到的數(shù)據(jù)，因而是面向數(shù)據(jù)的融合。 （ 2） 特征級(jí)融合 特征級(jí)融合通過一些特征提取手段將數(shù)據(jù)表示為一系列的特征向量，來反映事物的屬性。 （ 3） 決策級(jí)融合 決策級(jí)融合根據(jù)應(yīng)用需求進(jìn)行較高級(jí)的決策，是最高級(jí)的融合。 Slide 57 物聯(lián)網(wǎng)技術(shù)概論 數(shù)據(jù)融合的主要方法 (1) 綜合平均法 該方法是把來自多個(gè)傳感器的眾多數(shù)據(jù)進(jìn)行綜合平均。它適用于同類傳感器檢測同一個(gè)檢測目標(biāo)。這是最簡單、最直觀的數(shù)據(jù)融合方法。該方法將一組傳感器提供的冗余信息進(jìn)行加權(quán)平均，結(jié)果作為融合值。 如果對(duì)一個(gè)檢測目標(biāo)進(jìn)行了 k次檢測，則綜合平均的結(jié)果為： 其中， Wi為分配給第 i次檢測的權(quán)重。 11kiiikiiWSSW??? ??Slide 58 物聯(lián)網(wǎng)技術(shù)概論 (2) 卡爾曼濾波法 卡爾曼濾波法用于融合低層的實(shí)時(shí)動(dòng)態(tài)多傳感器冗余數(shù)據(jù)。該方法利用測量模型的統(tǒng)計(jì)特性，遞推地確定融合數(shù)據(jù)的估計(jì)，且該估計(jì)在統(tǒng)計(jì)意義下是最優(yōu)的。如果系統(tǒng)可以用一個(gè)線性模型描述，且系統(tǒng)與傳感器的誤差均符合高斯白噪聲模型，則卡爾曼濾波將為融合數(shù)據(jù)提供唯一的統(tǒng)計(jì)意義下的最優(yōu)估計(jì)。 例如，應(yīng)用卡爾曼濾波器對(duì) n個(gè)傳感器的測量數(shù)據(jù)進(jìn)行融合后，既可以獲得系統(tǒng)的當(dāng)前狀態(tài)估計(jì)，又可以預(yù)報(bào)系統(tǒng)的未來狀態(tài)。所估計(jì)的系統(tǒng)狀態(tài)可能表示移動(dòng)機(jī)器人的當(dāng)前位置、目標(biāo)的位置和速度、從傳感器數(shù)據(jù)中抽取的特征或?qū)嶋H測量值本身。 Slide 59 物聯(lián)網(wǎng)技術(shù)概論 (3) 貝葉斯估計(jì)法 貝葉斯估計(jì)是融合靜態(tài)環(huán)境中多傳感器低層信息的常用方法。它使傳感器信息依據(jù)概率原則進(jìn)行組合，測量不確定性以條件概率表示。當(dāng)傳感器組的觀測坐標(biāo)一致時(shí)，可以用直接法對(duì)傳感器測量數(shù)據(jù)進(jìn)行融合。在大多數(shù)情況下，傳感器是從不同的坐標(biāo)系對(duì)同一環(huán)境物體進(jìn)行描述，這時(shí)傳感器測量數(shù)據(jù)要以間接方式采用貝葉斯估計(jì)進(jìn)行數(shù)據(jù)融合。 多貝葉斯估計(jì)把每個(gè)傳感器作為一個(gè)貝葉斯估計(jì)，將各單獨(dú)物體的關(guān)聯(lián)概率分布組合成一個(gè)聯(lián)合后驗(yàn)概率分布函數(shù)，通過使聯(lián)合分布函數(shù)的似然函數(shù)最小，可以得到多傳感器信息的最終融合值。 Slide 60 物聯(lián)網(wǎng)技術(shù)概論 (4) DS證據(jù)推理法 DS（ DempsterShafter）證據(jù)推理法是目前數(shù)據(jù)融合技術(shù)中比較