发布时间：2021-07-01所属分类：免费文献浏览：1次
摘 要： 电子测试
《基于多无线传感器的数据融合算法》论文发表期刊：《电子测试》；发表周期：2021年08期
《基于多无线传感器的数据融合算法》论文作者信息：王美蕴
摘要：数据融合作为是一种减少数据通信量能耗的先进技术，在节能方面呈现出理想的应用效果，这便是数为无线传感器网络的研究热点之一的重要原因。文章将从多传感器信息融合技术背景、原理、特征以及多无线1据融合方法等方面来对多无线传感器的改进数据融合算法进行深入的分析和探究。
关键字：多无线传感器：数据融合算法;传感技术
Abstract: As an advanced technology to reduce the energy consumption of data communication, data fusion presents an ideal application effect in terms of energy saving. This is an important reason why data fusion has become one of the research hotspots of wireless sensor networks. This article will conduct in-depth analysis and exploration of the improved data fusion algorithm of multi-wireless sensors from the aspects of multi-sensor information fusion technology background, principles, characteristics and methods of multi-wireless sensor data fusion
Keywords: multiple wireless sensors; data fusion algorithm; sensing technology
0引言
众所周知，当前无线传感器被广泛应用在军事、医疗、环境等诸多领域，并呈现出非常广阔的应用前景。无线传感器从面世应用发展至今，受到了越来越多的关注，也一直都是相关专业领域所研究的焦点内容。无线传感器在实际应用过程中表现出非常强大的应用价值，但是随着时间的推移，无线传感器也逐渐暴露出了一些问题和弊端，诸如，网络中节点能量受限，这就使得延长网络的生命周期成为首要考虑的问题。在网络中，节点的能量主要消耗在数据采集，处理和传输三方面，其中以传输环节所消耗的能量最多，为了解决好这一问题，数据融合应运而生。
1多传感器信息融合技术背景分析在科学技术迅猛发展与升级创新的背景之下，传感器技术与数据处理技术、计算机技术、网络通讯技术、人工智能技术等各类先进技术逐步走进大众视野，成为了现代各行各业不可或缺的重要技术种类之一。当前信息技术领域中最重要的三大支柱分别是传感技术、计算机技术以及通信技术，站在仿生学的角度来分析，如果将计算机看作是处理和识别海量信息的“大脑”，那么通信系统便是负责传递信息的"神经系统"，而传感技术则是不可或缺的“感觉器官”。传感器技术的发展带动了多传感器信息融合技术的应用，让多传感器信息融合技术受到了更加广泛的关注。
目前，多传感器信息融合技术在历经多年实践应用与创新发展的过程中已升级成为一门信息综合处理专门技术，在我国以及全世界的多元领域内都受到了重视和应用。比较具有代表性的专业领域有工业机器人、智能检测、自动控制、交通管理和医疗诊断等等。
2多传感器信息融合技术的原理分析关于多传感器信息融合技术的原理，从通俗层面来解释：多传感器信息融合技术更像是人类的大脑，多传感器信息融合技术的应用便是大脑综合处理信息的过程，其需要通过各种类别的传感器来完成多空间、多层次的信息处理、互补以及优化、组合，最终确保应用结果与环境观测的高度一致性。在应用传感器信息融合技术的过程中，一定要充分利用起多源数据来对信息作出合理的支配和使用，进而实现信息融合的最终目标：基于各传感器获得的分离观測信息，通过对信息多级别、多方面组合导出更多有用信息。
3多传感器融合系统特征分析
3.1信息的互补性
传感器种类不同，其为系统提供的信息性质也就不同。
信息描述的是不同的环境特征，但是不同环境特征之间是有着非常强的互补性的。如果对由所有特征构成的坐标空间进行定义，不同传感器提供出来的信息则相当于是整个空间的一个子空间，即全集与子集之间的关系，而子空间和子空间之间则是相互独立的。
3.2信息的冗余性
针对实际环境的某一个具体特征，不同的传感器或者同一个传感器在不同的时刻都可以得到关于这一特征的具体信息，这就造成了信息的重复，即冗余。此外，多方搜集到的信息在可靠性方面也有待确认。借助融合处理的方式可以从多份信息当中迅速提取到正确可靠的信息内容。除此之外，信息的冗余性有效提高了系统稳定性，即使其中有个别传感器失效或者出现其它问题，整个系统依然可以保证顺畅运行，不会产生不必要的影响和干扰。
3.3信息处理的低成本性
单传感器得到信息需要花费的代价是非常巨大的，而多个传感器的同时应用则可以在一定程度上减少获取信息在这一层面上的负担和代价。如不需要再实现其他功能，一般情况下单个传感器的成本与多传感器的成本总和相差无几。
3.4信息处理的及时性
在多传感器系统当中，多个传感器之间虽然彼此独立运行，但是在处理信息时可通过选用并行导热处理机制，实现对多传感器的并用，进而实现即时处理信息和提供处理结果的目的。
4多无线传感器数据融合方法
4.1随机类方法
4.1.1加权平均法
加权平均法是信号级融合方法当中最直观也是最简单的一类融合方式。加权平均法的原理就是将传感器所提供的冗余信息进行加权平均计算，直接对数据源进行操作，得出的结果便作为数据融合值。
4.1.2多贝叶斯估计法
该方法的本质是一种融合算法，其融合的是多个传感器的高层信息数据。多贝叶斯估计法利用的是概率原则将多个传感器里面的信息进行组合，以条件概率的形式表现出测量不确定性。如果多个传感器的观测坐标一致，那么便可以就传感器的数据直接进行融合。但是基于诸多客观因素的影响和干扰，在采用多贝叶斯估计法时还是多以间接方式进行。
4.1.3卡尔曼滤波法
卡尔曼滤波法通常适用于对低层次实时动态多传感器的元余数据进行融合。卡尔曼滤波法利用的是测量模型的统计特性进行递推，决定统计意义下的最优融合和数据估计。卡尔曼滤波法能够在数据融合计算中提供唯一统计意义下的最优估计的条件是：首先，该系统具有线性动力学模型：其次，该系统和传感器之间的误差与高斯白噪声模型相符合。卡尔曼滤波法的优势在于，其具备的递推特性可以降低存储和计算的压力，系统处理不再需要作出大量数据存储和计算。
4.1.4D-S证据推理方法D-S证据推理是对贝叶斯推理的进一步扩充，D-S证据推理方法具备三个基本要点，分别是基本概率赋值函数、信任函数和似然函数。D-S方法的推理结构可自上而下分为三级：第一级是目标合成，目标合成就是将多个独立运行的传感器传输过来的观测结果汇总合成一个总结果，其本质就是信息的汇总与整合。第二级是推断，顾名思义，推断的对象便是第一级整合之后的总的观测结果，然后将观测结果转化成
随机性的误差，因此，要想确保报告的准确性，最好就是接受从同一传感器中传输过来的连续性报告。而实现这一目的的重要前提就是要先对传感器的观测数据进行更新。
5人工智能类方法
5.1模糊逻辑推理
模糊逻辑，又称多值逻辑。其是用零到一之间的一个数字来对数据信息的真实度来进行表示。模糊逻辑推理的特点就在于其是将多个传感器所传输的信息数据中所蕴含的不确定性通过数字的形式直接表示出来。和传统的概率统计方式相比，模糊逻辑推理的优势非常明显，其具体体系现在以下几个方面：第一，模糊逻辑推理成功避免和克服掉了概率统计方式中所要面临的问题和困难。第二，模糊逻辑推理的推理过程和推理思路与人类大脑的思维方式非常接近。第三，模糊逻辑推理可适用于高层次的应用，一般在做决策时会优先考虑此方式。虽然模糊逻辑推理有着诸多优势，但是这并不意味着该方式就是完美的，其也有自身的弊端和不足，那就是受主观因素的影响比较大，因为模糊逻辑推理是建立在逻辑推理基础之上的，逻辑推理本身就不是一个客观不变的存在，而且逻辑推理的成熟度和系统化还远远不够，因此，运用此方式在对观测到的信息进行描述或者对数据进行整合时很容易受到主观因素的影响，进而影响到信息处理的精准度。
5.2人工神经网络法
神经网络具有很强的容错性以及自学习、自组织及自适应能力，能够模拟复杂的非线性映射。而神经网络所具备的这些特性和优势恰巧又在很大程度上迎合了多传感器数据融合技术在信息处理方面的需求。多个传感器虽然能够接受到更多的数据信息，但是，每一个传感器所处的环境会导致信息源存在着很强的不确定性，数据源本身就不确定，再将本就不确定的数据进行融合，那么计算推理出来的结果自然也无法确定。人工神经网络法便很好地对这种不确定性作出了控制，其利用先进的自动推理功能和强大的信号处理能力，保证了多传感器数据融合的效果。
参考文献
[1]王炎.无线传感器网络中面向多数据查询的安全数据融合算法[J.电子设计工程.2019(7)：138-143
[2]应可珍，能量高效的无线传感器网络数据融合关键技术研究[D].浙江工业大学，2019年.
[3]陈羽，无线传感器网络中数据融合隐私保护算法研究[D].沈阳化工大学，2019年.
[4]关停停，降低网络时延的无线传感器网络数据融合技术[D.长春理工大学，2019年.
[5]李洪宇，无线传感网络中的数据融合研究[D.重庆邮电大学，2020年.
[6]隋春江，无线传感器网络路由分簇算法的研究[D].沈阳工业大学，2019年.
[7]查琳、可穿戴无线传感器网络节能算法研究[J].沈阳理工大学学报，2019年
SCISSCIAHCI
