物联网技术与应用开发第9章136

第9章物联网数据融合技术

9.1数据融合概述9.2数据融合的原理9.3数据融合技术与算法9.4物联网数据管理技术

9.1数数据据融合概概述9.1..1数数据融融合简介介数据融合合(DataFusion)一词词最早出出现在20世纪纪70年年代，并并于20世纪80年代代发展成成一项专专门技术术。数据据融合技技术最早早被应用用于军事事领域，，1973年美美国研究究机构就就在国防防部的资资助下，，开展了了声呐信信号解释释系统的的研究。。现在数据据融合的的主要应应用领域域有多源源影像复复合、机机器人和和智能仪仪器系统统、战场场和无人人驾驶飞飞机、图图像分析析与理解解、目标标检测与与跟踪、、自动目目标识别别、工业业控制、、海洋监监视和管管理等。。在遥感感中，数数据融合合属于一一种属性性融合，，它是将将同一地地区的多多源遥感感影像数数据加以以智能化化合成，，产生比比单一信信息源更更精确、、更完全全、更可可靠的估估计和判判断等。。相对于单单源遥感感影像数数据，多多源遥感感影像数数据所提提供的信信息具有有以下特特点：(1)冗冗余性性：指多多源遥感感影像数数据对环环境或目目标的表表示、描描述或解解译结果果相同。。(2)互互补性性：指信信息来自自不同的的自由度度且相互互独立。。(3)合合作性性：不同同传感器器在观测测和处理理信息时时对其他他信息有有依赖关关系。(4)信信息分分层的结结构特性性：数据据融合所所处理的的多源遥遥感信息息可以在在不同的的信息层层次上出出现，这这些信息息抽象层层次包括括像素层层、特征征层和决决策层，，分层结结构和并并行处理理机制还还可保证证系统的的实时性性。多源遥感感影像的的实质是是在统一一地理坐坐标系中中将对同同一目标标检测的的多幅遥遥感图像像数据采采用一定定的算法法，生成成一幅新新的、更更能有效效表示该该目标的的图像信信息。多源遥感感影像的的目的是是将单一一传感器器的多波波段信息息或不同同类别传传感器所所提供的的信息加加以综合合，消除除多传感感器信息息之间可可能存在在的冗余余和矛盾盾，加以以互补，，改善遥遥感信息息提取的的及时性性和可靠靠性，提提高数据据的使用用效率。。9.1..2物物联网网中的数数据融合合数据融合合是针对对多传感感器系统统而提出出的。在在多传感感器系统统中，由由于信息息表现形形式的多多样性、、数据量量的巨大大性、数数据关系系的复杂杂性以及及要求数数据处理理的实时时性、准准确性和和可靠性性，都已已大大超超出了人人脑的信信息综合合处理能能力，在在这种情情况下，，多传感感器数据据融合技技术应运运而生。。多传感器器数据融融合(Multi-SensorDataFusion，，MSDF)，，简称数数据融合合，也被被称为多多传感器器信息融融合(Multi-SensorInformationFusion，MSIF))。它由由美国国国防部在在20世世纪70年代最最先提出出，之后后英、法法、日、、俄等国国也做了了大量的的研究。。近40年来数数据融合合技术得得到了巨巨大的发发展，同同时伴随随着电子子技术、、信号检检测与处处理技术术、计算算机技术术、网络络通信技技术以及及控制技技术的飞飞速发展展，数据据融合已已被应用用在多个个领域，，在现代代科学技技术中的的地位也也日渐突突出。1．数据据融合的的定义数据融合合的定义义简洁地地表述为为：数据据融合是是利用计计算机技技术对时时序获得得的若干干感知数数据，在在一定准准则下加加以分析析、综合合，以完完成所需需决策和和评估任任务而进进行的数数据处理理过程。。数据融合合有三层层含义：：(1)数数据的的全空间间，即数数据包括括确定的的和模糊糊的、全全空间的的和子空空间的、、同步的的和异步步的、数数字的和和非数字字的，它它是复杂杂的、多多维多源源的，覆覆盖全频频段。(2)数数据的的融合不不同于组组合，组组合指的的是外部部特性，，融合指指的是内内部特性性，它是是系统动动态过程程中的一一种数据据综合加加工处理理。(3)数数据的的互补过过程，数数据表达达方式的的互补、、结构上上的互补补、功能能上的互互补、不不同层次次的互补补，是数数据融合合的核心心，只有有互补数数据的融融合才可可以使系系统发生生质的飞飞跃。数数据融合合示意图图如图9.1所所示。图9.1数数据融合合示意图图数据融合合的实质质是针对对多维数数据进行行关联或或综合分分析，进进而选取取适当的的融合模模式和处处理算法法，用以以提高数数据的质质量，为为知识提提取奠定定基础。。2．数据据融合研研究的主主要内容容数据融合合是针对对一个网网络感知知系统中中使用多多个和多多类感知知节点((如多传传感器))展开的的一种数数据处理理方法，，研究的的内容主主要包含含以下几几个方面面。(1)数数据对对准。(2)数数据相相关。(3)数数据识识别，即即估计目目标的类类别和类类型。(4)感感知数数据的不不确定性性。(5)不不完整整、不一一致和虚虚假数据据。(6)数数据库库。(7)性性能评评估。3．物联联网数据据融合的的意义和和作用物联网是是利用射射频识别别(RFID))装置、、各种传传感器、、全球定定位系统统(GPS)、、激光扫扫描器等等各种不不同装置置、嵌入入式软硬硬件系统统，以及及现代网网络及无无线通信信、分布布式数据据处理等等诸多技技术，能能够协作作地实时时监测、、感知、、采集网网络分布布区域内内的各种种环境或或监测对对象的信信息，实实现包括括物与物物、人与与物之间间的互相相连接，，并且与与互联网网结合起起来而形形成的一一个巨大大的信息息网络系系统。这个巨大大的信息息网络系系统是一一个物联联网系统统，在这这个物联联网系统统中，有有大量感感知数据据需要选选取适当当的融合合模式、、处理算算法进行行综合分分析，才才能提高高数据的的质量，，获得最最佳决策策和完成成评估任任务。这这就是物物联网数数据融合合的意义义和作用用。4．物联联网数据据融合所所要解决决的关键键问题和和要求1)物物联网数数据融合合所要解解决的关关键问题题物联网数数据融合合所要解解决的关关键问题题有以下下几个：：(1)数数据融融合节点点的选择择。融合合节点的的选择与与网络层层的路由由协议有有密切关关系，需需要依靠靠路由协协议建立立路由回回路数据据，并且且使用路路由结构构中的某某些节点点作为数数据融合合的节点点。(2)数数据融融合时机机。(3)数数据融融合算法法。2)物物联网数数据融合合技术要要求与以往的的多传感感器数据据融合有有所不同同，物联联网具有有它自己己独特的的融合技技术要求求：(1)稳稳定性性。(2)数数据关关联。(3)能能量约约束。(4)协协议的的可扩展展性。9.2数数据据融合的的原理9.2..1数数据融融合的基基本原理理1．数据据融合的的原理数据融合合中心对对来自多多个传感感器的信信息进行行融合，，也可以以将来自自多个传传感器的的信息和和人机界界面的观观测事实实进行信信息融合合(这种种融合通通常是决决策级融融合)，，提取征征兆信息息，在推推理机作作用下，，将征兆兆与知识识库中的的知识匹匹配，做做出故障障诊断决决策，提提供给用用户。在基于信信息融合合的故障障诊断系系统中可可以加入入自学习习模块，，故障决决策经自自学习模模块反馈馈给知识识库，并并对相应应的置信信度因子子进行修修改，更更新知识识库。同同时，自自学习模模块能根根据知识识库中的的知识和和用户对对系统提提问的动动态应答答进行推推理，以以获得新新知识、、总结新新经验，，不断扩扩充知识识库，实实现专家家系统的的自学习习功能。。一般来说说，遥感感影像的的数据融融合分为为预处理理和数据据融合两两步。1)预预处理预处理主主要包括括遥感影影像的几几何纠正正、大气气订正、、辐射校校正及空空间配准准。(1)几几何纠纠正、大大气订正正及辐射射校正的的目的在在于去除除透视收收缩、叠叠掩、阴阴影等地地形因素素以及卫卫星扰动动、天气气变化、、大气散散射等随随机因素素对成像像结果一一致性的的影响。。(2)影影像空空间配准准的目的的在于消消除由不不同传感感器得到到的影像像在拍摄摄角度、、时相及及分辨率率等方面面的差异异。影像空间间配准时时遥感影影像数据据融合的的前提空空间配准准一般可可分为以以下步骤骤：①特征征选择：：在欲配配准的两两幅影像像上，选选择如边边界、线线状物交交叉点、、区域轮轮廓线等等明显的的特征。。②特征征匹配：：采用一一定配准准算法，，找出两两幅影像像上对应应的明显显地物点点，作为为控制点点。③空间间变化：：根据控控制点，，建立影影像间的的映射关关系。④插值值：根据据映射关关系，对对非参考考影像进进行重采采样，获获得同参参考影像像配准的的影像。。空间配准准的精度度一般要要求在1至2个个像元内内。空间间配准中中最关键键、最困困难的一一步就是是通过特特征匹配配寻找对对应的明明显地物物点作为为控制点点。2)数数据融合合根据融合合目的和和融合层层次智能能地选择择合适的的融合算算法，将将空间配配准的遥遥感影像像数据((或提取取的图像像特征或或模式识识别的属属性说明明)进行行有机合合成(如如“匹配配处理””和“类类型变换换”等))，以便便得到目目标的更更准确表表示或估估计。2．数据据融合的的分类及及方法1)数数据融合合的分类类遥感影像像的数据据融合有有三类：：像元((pixel))级融合合、特征征(feature))级融合合、决策策(decision)级融融合，融融合的水水平依次次从低到到高。(1)像像元级级融合：：是一种种低水平平的融合合。像元级融融合的流流程：经经过预处处理的遥遥感影像像数据——数据融融合—特特征提取取—融合合属性说说明。像元级融融合模型型如图9.2所所示。图9.2像像元级融融合模型型像元级融融合的优优点：保保留了尽尽可能多多的信息息，具有有最高精精度。像元级融融合的局局限性：：①效率率低下。。由于处处理的传传感器数数据量大大，所以以处理时时间较长长，实时时性差。。②分析析数据受受限。为为了便于于像元比比较，对对传感器器信息的的配准精精度要求求很高，，而且要要求影像像来源于于一组同同质传感感器或同同单位的的。③分析析能力差差。不能能实现对对影像的的有效理理解和分分析。④纠错错要求。。由于底底层传感感器信息息存在不不确定性性、不完完全性或或不稳定定性，所所以对融融合过程程中的纠纠错能力力有较高高要求。。⑤抗干干扰性差差。像元级融融合所包包含的具具体融合合方法有有代数法法、IHS变换换、小波波变换、、主成分分变换((PCT)、K-T变变换等。。(2)特特征级级融合：：是一种种中等水水平的融融合。在在这一级级别中，，先是将将各遥感感影像数数据进行行特征提提取，提提取的特特征信息息应是原原始信息息的充分分表示量量或充分分统计量量，然后后按特征征信息对对多源数数据进行行分类、、聚集和和综合，，产生特特征矢量量，而后后采用一一些基于于特征级级的融合合方法融融合这些些特征矢矢量，作作出基于于融合特特征矢量量的属性性说明。。特征级融融合的流流程：经经过预处处理的遥遥感影像像数据——特征提提取—特特征级融融合—融融合属性性说明。。特征级融融合模型型如图9.3所所示。图9.3特特征级融融合模型型(3)决决策级级融合：：是最高高水平的的融合。。融合的的结果为为指挥、、控制、、决策提提供了依依据。在在这一级级别中，，首先对对每一数数据进行行属性说说明，然然后对其其结果加加以融合合，得到到目标或或环境的的融合属属性说明明。决策级融融合的流流程：经经过预处处理的遥遥感影像像数据——特征提提取—属属性说明明—属性性融合——融合属属性说明明。决策级融融合模型型如图9.4所所示。图9.4决决策级融融合模型型决策级融融合的优优点：容容错性强强、开放放性好、、处理时时间短、、数据要要求低、、分析能能力强。。而由于于对预处处理及特特征提取取有较高高要求，，所以决决策级融融合的代代价较高高。2)数数据融合合的方法法数据融合合的方法法主要有有以下几几种：(1)代代数法法：包括括加权融融合法、、单变量量图像差差值法、、图像比比值法等等。(2)图图像回回归法((ImageRegression)：：首先假假定影像像的像元元值是另另一影像像的一个个线性函函数，通通过最小小二乘法法来进行行回归，，然后再再用回归归方程计计算出的的预测值值减去影影像的原原始像元元值，从从而获得得二影像像的回归归残差图图像。经经过回归归处理后后的遥感感数据在在一定程程度上类类似于进进行了相相对辐射射校正，，因而能能减弱多多时相影影像中由由于大气气条件和和太阳高高度角的的不同所所带来的的影响。。(3)主主成分分变换((PCT)：也也称为W-L变变换，数数学上称称为主成成分分析析(PCA)。。PCT是应用用于遥感感诸多领领域的一一种方法法，包括括高光谱谱数据压压缩、信信息提取取与融合合及变化化监测等等。PCT的本本质是通通过去除除冗余，，将其余余信息转转入少数数几幅影影像(即即主成分分)的方方法，对对大量影影像进行行概括和和消除相相关性。。PCT使用相相关系数数阵或协协方差阵阵来消除除原始影影像数据据的相关关性，以以达到去去除冗余余的目的的。对于于融合后后的新图图像来说说各波段段的信息息所作出出的贡献献能最大大限度地地表现出出来。PCT的的优点是是能够分分离信息息，减少少相关，，从而突突出不同同的地物物目标。。另外，，它对辐辐射差异异具有自自动校正正的功能能，因此此无须再再做相对对辐射校校正处理理。(4)K--T变换换：即Kauth-Thomas变变换，又又形象地地称为““缨帽变变换”。。它是线线性变换换的一种种，它能能使坐标标空间发发生旋转转，但旋旋转后的的坐标轴轴不是指指向主成成分的方方向，而而是指向向另外的的方向，，这些方方向与地地面景物物有密切切的关系系，特别别是与植植物生长长过程和和土壤有有关。因因此，这这种变换换着眼于于农作物物生长过过程而区区别于其其他植被被覆盖，，力争抓抓住地面面景物在在多光谱谱空间的的特征。。通过K-T变变换，既既可以实实现信息息压缩，，又可以以帮助解解译分析析农业特特征，因因此，有有很大的的实际应应用意义义。目前前K-T变换在在多源遥遥感数据据融合方方面的研研究应用用主要集集中在MSS与与TM两两种遥感感数据的的应用分分析上。。(5)小小波变变换：是是一种新新兴的数数学分析析方法，，已经受受到了广广泛的重重视。小小波变换换是一种种全局变变换，在在时间域域和频率率域同时时具有良良好的定定位能力力，对高高频分量量采用逐逐渐精细细的时域域和空域域步长，，可以聚聚焦到被被处理图图像的任任何细节节，从而而被誉为为“数学学显微镜镜”。小小波变换换常用于于雷达影影像(SAR))与TM影像的的融合。。它具有有在提高高影像空空间分辨辨率的同同时又保保持色调调和饱和和度不变变的优越越性。(6)IHS变换换：三个个波段合合成的RGB颜颜色空间间是一个个对物体体颜色属属性描述述的系统统，而IHS色色度空间间提取出出物体的的亮度I、色度度H、饱饱和度S分别对对应三个个波段的的平均辐辐射强度度、三个个波段的的数据向向量和的的方向及及三个波波段等量量数据的的大小。。RGB颜色空空间和IHS色色度空间间有着精精确的转转换关系系。以TM和和SAR为例，，变换思思路是把把TM图图像的三三个波段段合成的的RGB假彩色色图像变变换到IHS色色度空间间，然后后用SAR图像像代替其其中的I值，再再变换到到RGB颜色空空间，形形成新的的影像。。数据融合合的方法法还包括括多贝叶叶斯估计计法、D-S((Dempster--Shafer)证据据推理法法和人工工神经网网络法等等，具体体内容将将在后面面章节中中进行介介绍。遥感影像像数据融融合还是是一门很很不成熟熟的技术术，有待待于进一一步解决决的关键键问题包包括空间间配准模模型、建建立统一一的数学学融合模模型、提提高数据据预处理理过程的的精度、、提高精精确度与与可信度度等。随着计算算机技术术、通信信技术的的发展，，新的理理论和方方法的不不断出现现，遥感感影像数数据融合合技术将将日趋成成熟，从从理论研研究转入入到实际际更广泛泛的应用用，最终终必将向向智能化化、实时时化方向向发展，，并同GIS结结合，实实现实时时动态融融合，用用于更新新和监测测。9.2..2物物联网网中数据据融合的的层次结结构通过对多多感知节节点信息息的协调调优化，，数据融融合技术术可以有有效地减减少整个个网络中中不必要要的通信信开销，，提高数数据的准准确度和和收集效效率。因因此，传传送已融融合的数数据要比比未经处处理的数数据节省省能量，，延长网网络的生生存周期期。但对对物联网网而言，，数据融融合技术术将面临临更多挑挑战，例例如，感感知节点点能源有有限、多多数据流流的同步步、数据据的时间间敏感特特性、网网络带宽宽的限制制、无线线通信的的不可靠靠性和网网络的动动态特性性等。因因此，物物联网中中的数据据融合需需要有其其独特的的层次性性结构体体系。1．传感感网感知知节点的的部署在传感网网数据融融合结构构中，比比较重要要的问题题是如何何部署感感知节点点。目前前，传感感网感知知节点的的部署方方式一般般有三种种类型：：并行拓拓扑、串串行拓扑扑和混合合拓扑。。最常用用的拓扑扑结构是是并行拓拓扑，在在这种部部署方式式中，各各种类型型的感知知节点同同时工作作；串行行拓扑，，其感知知节点检检测数据据信息具具有暂时时性，实实际上SAR((SyntheticApertureRadar)图像像就属于于此结构构；混合合拓扑，，即树状状拓扑。。2．数据据融合的的层次划划分数据融合合大部分分是根据据具体问问题及其其特定对对象来建建立自己己的融合合层次。。例如，，有些应应用将数数据融合合划分为为检测层层、位置置层、属属性层、、态势评评估和威威胁评估估；有的的根据输输入/输输出数据据的特征征提出了了基于输输入/输输出特征征的融合合层次化化描述。。数据融融合层次次的划分分目前还还没有统统一标准准。根据多传传感器数数据融合合模型定定义和传传感网的的自身特特点，通通常按照照节点处处理层次次、融合合前后的的数据量量变化、、信息抽抽象的层层次，来来划分传传感网数数据融合合的层次次结构。。数据融融合的一一般模型型如图9.5所所示。图9.5数数据融合合的一般般模型9.3数数据据融合技技术与算算法9.3..1传传感器器网络数数据传输输及融合合技术如今无线线传感器器网络已已经成为为一种极极具潜力力的测量量工具。。它是一一个由微微型、廉廉价、能能量受限限的传感感器节点点所组成成，通过过无线方方式进行行通信的的多跳网网络，其其目的是是对所覆覆盖区域域内的信信息进行行采集、、处理和和传递。。然而，，传感器器节点体体积小，，依靠电电池供电电，且更更换电池池不便，，如何高高效使用用能量，，提高节节点生命命周期，，是传感感器网络络面临的的首要问问题。1．传统统的无线线传感器器网络数数据传输输1)直直接传输输模型直接传输输模型是是指传感感器节点点将采集集到的数数据通过过较大的的功率直直接一跳跳传输到到Sink节点点上，进进行集中中式处理理，如图图9.6所示。。这种方方法的缺缺点在于于：距离离Sink节点点较远的的传感器器节点需需要很大大的发送送功率才才可以达达到与Sink节点通通信的目目的，而而传感器器节点的的通信距距离有限限，因此此距离Sink较远的的节点往往往无法法与Sink节节点进行行可靠的的通信，，这是不不能被接接受的；；且在较较大通信信距离上上的节点点需耗费费很大的的能量才才能完成成与Sink节节点的通通信，容容易造成成有关节节点的能能量很快快耗尽，，这样的的传感器器网络在在实际中中难以得得到应用用。2)多多跳传输输模型多跳传输输模型类类似于Ad-Hoc网网络模型型，如图图9.7所示。。每个节节点自身身不对数数据进行行任何处处理，而而是调整整发送功功率，以以较小功功率经过过多跳将将测量数数据传输输到Sink节节点中再再进行集集中处理理。多跳跳传输模模型很好好地改善善了直接接传输模模型的缺缺陷，使使得能量量得到了了有效的的利用，，这是传传感器网网络得到到广泛利利用的前前提。图9.6直直接传输输模型图9.7多多跳传输输模型该方法的的缺点在在于：当当网络规规模较大大时，会会出现热热点问题题，即位位于两条条或多条条路径交交叉处的的节点，，以及距距离Sink节节点一跳跳的节点点(将它它称之为为瓶颈节节点)，，如图9.7中中的N1、N2、N3、N4，它们们除了自自身的传传输之外外，还要要在多跳跳传递中中充当中中介。在在这种情情况下，，这些节节点的能能量将会会很快耗耗尽。对对于以节节能为前前提的传传感器网网络而言言，这显显然不是是一种很很有效的的方式。。2．无线线传感器器网络的的数据融融合技术术在大规模模的无线线传感器器网络中中，由于于每个传传感器的的监测范范围以及及可靠性性都是有有限的，，在放置置传感器器节点时时，有时时要使传传感器节节点的监监测范围围互相交交叠，以以增强整整个网络络所采集集的信息息的鲁棒棒性和准准确性。。那么，，在无线线传感器器网络中中的感测测数据就就会具有有一定的的空间相相关性，，即距离离相近的的节点所所传输的的数据具具有一定定的冗余余度。在在传统的的数据传传输模式式下，每每个节点点都将传传输全部部的感测测信息，，这其中中就包含含了大量量的冗余余信息，，即有相相当一部部分的能能量用于于不必要要的数据据传输。。而传感感器网络络中传输输数据的的能耗远远大于处处理数据据的能耗耗。因此此，在大大规模无无线传感感器网络络中，使使各个节节点多跳跳传输感感测数据据到Sink节节点前，，先对数数据进行行融合处处理是非非常有必必要的，，数据融融合技术术应运而而生。1)集集中式数数据融合合算法(1)分分簇模模型的LEACH算法法。为了了改善热热点问题题，WendiRabinerHeinzelman等提提出了在在无线传传感器网网络中使使用分簇簇概念，，其将网网络分为为不同层层次的LEACH算法法：通过过某种方方式周期期性随机机选举簇簇头，簇簇头在无无线信道道中广播播信息，，其余节节点检测测信号并并选择信信号最强强的簇头头加入，，从而形形成不同同的簇。。簇头之之间的连连接构成成上层骨骨干网，，所有簇簇间通信信都通过过骨干网网进行转转发。簇簇内成员员将数据据传输给给簇头节节点，簇簇头节点点再向上上一级簇簇头传输输，直至至Sink节点点。图9.8所示为为两层分分簇结构构。这种种方式可可降低节节点发送送功率，，减少不不必要的的链路和和节点间间干扰，，达到保保持网络络内部能能量消耗耗的均衡衡，延长长网络寿寿命的目目的。该该算法的的缺点在在于：分分簇的实实现以及及簇头的的选择都都需要相相当一部部分的开开销，且且簇内成成员过多多地依赖赖簇头进进行数据据传输与与处理，，使得簇簇头的能能量消耗耗很快。。为避免免簇头能能量耗尽尽，需频频繁选择择簇头。。同时，，簇头与与簇内成成员为点点对多点点的一跳跳通信，，可扩展展性差，，不适用用于大规规模网络络。图9.8LEACH算法法图9.9PEGASIS算法(2)PEGASIS算算法。StephanieLindsey等人人在LEACH的基础础上提出出了PEGASIS算算法。此此算法假假定网络络中的每每个节点点都是同同构的且且静止不不动，节节点通过过通信来来获得与与其他节节点之间间的位置置关系。。每个节节点通过过贪婪算算法找到到与其最最近的相相邻节点点，并作作为自己己的下一一节点，，依次遍遍历网络络中的所所有节点点，最终终形成一一条链((Chain))，同时时设定一一个距离离Sink最近近的节点点为链头头节点，，它与Sink进行一一跳通信信。数据据总是在在某个节节点与其其邻居之之间传输输，节点点通过多多跳方式式轮流传传输数据据到Sink处处，如图图9.9所示。。PEGASIS算法的的缺点也也很明显显：首先先每个节节点必须须知道网网络中其其他各节节点的位位置信息息；其次次，链头头节点为为瓶颈节节点，它它的存在在至关重重要，若若它的能能量耗尽尽，则有有关路由由将会失失效；再再次，较较长的链链会造成成较大的的传输时时延。2)分分布式数数据融合合算法可以将一一个规则则的传感感器网络络拓扑图图等效为为一幅图图像，获获得一种种将小波波变换应应用到无无线传感感器网络络中的分分布式数数据融合合技术。。这方面面的研究究已取得得了一些些阶段性性成果，，下面就就对其进进行介绍绍。(1)规规则网网络情况况。Servetto首先研研究了小小波变换换的分布布式实现现，并将将其用于于解决无无线传感感器网络络中的广广播问题题。南加加州大学学的A..Ciancio进一一步研究究了无线线传感器器网络中中的分布布式数据据融合算算法，引引入lifting变变换，提提出了一一种基于于lifting的规规则网络络中分布布式小波波变换数数据融合合算法((DWT_RE)，并并将其应应用于规规则网络络中。如如图9..10所所示，网网络中节节点规则则分布，，每个节节点只与与其相邻邻的左右右两个邻邻居进行行通信，，对数据据进行去去相关计计算。图9.10DWT_RE算法DWT__RE算算法的实实现分为为两步：：第一步步，奇数数节点接接收到来来自它们们偶数邻邻居节点点的感测测数据，，并经过过计算得得出细节节小波系系数；第第二步，，奇数节节点把这这些系数数送至它它们的偶偶数邻居居节点以以及Sink节节点中，，偶数邻邻居节点点利用这这些信息息计算出出近似小小波系数数，也将将这些系系数送至至Sink节点点中。小波变换换在规则则分布网网络中的的应用是是数据融融合算法法的重要要突破，，但是实实际应用用中节点点分布是是不规则则的，因因此需要要找到一一种算法法解决不不规则网网络的数数据融合合问题。。(2)不不规则则网络情情况。莱莱斯大学学的RWagner在其博博士论文文中首次次提出了了一种不不规则网网络环境境下的分分布式小小波变换换方案，，即DistributedWaveletTransform_IRR(DWT_IRR))，并将将其扩展展到三维维情况。。莱斯大大学的COMPASS项目组组已经对对此算法法进行了了检验，，下面对对其进行行介绍。。DWT_IRR算法法建立在在lifting算法法的基础础上，它它的具体体思想如如图9..11～～图9..13所所示，分分成三步步：分裂裂、预测测和更新新。首先根据据节点之之间的不不同距离离(数据据相关性性不同))按一定定算法将将节点分分为偶数数集合Ej和奇数集集合Oj。以Oj中的数据据进行预预测，根根据Oj节点与其其相邻的的Ej节点进行行通信后后，用Ej节点信息息预测出出Oj节点信息息，将该该信息与与原来Oj中的信息息相减，，从而得得到细节节分量dj。然后，，Oj发送dj至参与预预测的Ej中，Ej节点将原原来信息息与dj相加，从从而得到到近似分分量Sj，该分量量将参与与下一轮轮的迭代代。以此此类推，，直到j= 0为为止。图9.11总总体思思想图该算法依依靠节点点与一定定范围内内的邻居居节点进进行通信信。经过过多次迭迭代后，，节点之之间的距距离进一一步扩大大，小波波也由精精细尺度度变换到到了粗糙糙尺度，，近似信信息被集集中在了了少数节节点中，，细节信信息被集集中在了了多数节节点中，，从而实实现了网网络数据据的稀疏疏变换。。通过对对小波系系数进行行筛选，，将所需需信息进进行lifting逆逆变换，，可以应应用于有有损压缩缩处理。。它的优优点是：：充分利利用感测测数据的的相关性性，进行行有效的的压缩变变换；分分布式计计算，无无中心节节点，避避免热点点问题；；将原来来网络中中的瓶颈颈节点以以及簇头头节点的的能量平平均到整整个网络络中，充充分起到到了节能能作用，，延长了了整个网网络的寿寿命。然而，该该算法也也有其自自身的一一些设计计缺陷：：首先，，节点必必须知道道全网位位置信息息；其次次，虽然然最终与与Sink节点点的通信信数据量量是减少少了，但但是有很很多额外外开销用用于了邻邻居节点点之间的的局部信信号处理理上，即即很多能能量消耗耗在了局局部通信信上。对对于越密密集、相相关性越越强的网网络，该该算法的的效果越越好。在此基础础上，南南加州大大学的GodwinShen考虑虑到DWT_IRR算算法中没没有讨论论的关于于计算反反向链路路所需的的开销，，从而对对该算法法进行了了优化。。由于反反向链路路加重了了不必要要的通信信开销，，GodwinShen提提出预先先为整个个网络建建立一棵棵最优路路由树，，使节点点记录通通信路由由，从而而消除反反向链路路开销。。基于应用用领域的的不同，，以上算算法各有有其优缺缺点，如如表9--1所示示。表9-1各各类算法法比较9.3..2多多传感感器数据据融合算算法多传感器器数据融融合技术术是近几几年发展展起来的的一门实实践性较较强的应应用技术术，是多多学科交交叉的新新技术，，涉及信信号处理理、概率率统计、、信息论论、模式式识别、、人工智智能、模模糊数学学等理论论。多传传感器融融合技术术已成为为军事、、工业和和高技术术开发等等多方面面关心的的问题。。这一技技术广泛泛应用于于C3I(Command，，Control，CommunicationandIntelligence))系统、、复杂工工业过程程控制、、机器人人、自动动目标识识别、交交通管制制、惯性性导航、、海洋监监视和管管理、农农业、遥遥感、医医疗诊断断、图像像处理、、模式识识别等领领域。1．多传传感器数数据融合合原理数据融合合又称做做信息融融合或多多传感器器数据融融合。多多传感器器数据融融合比较较确切的的定义可可概括为为：充分分利用不不同时间间与空间间的多传传感器数数据资源源，采用用计算机机技术对对按时间间序列获获得的多多传感器器观测数数据，在在一定准准则下进进行分析析、综合合、支配配和使用用，获得得对被测测对象的的一致性性解释与与描述，，进而实实现相应应的决策策和估计计，使系系统获得得比它的的各组成成部分更更充分的的信息。。多传感器器数据融融合技术术的基本本原理就就像人脑脑综合处处理信息息一样，，充分利利用多个个传感器器资源，，通过对对多传感感器及其其观测信信息的合合理支配配和使用用，把多多传感器器在空间间或时间间上冗余余或互补补的信息息依据某某种准则则来进行行组合，，以获得得对被测测对象的的一致性性解释与与描述。。具体地地说，多多传感器器数据融融合原理理如下：：(1)N个不同类类型的传传感器((有源或或无源的的)收集集观测目目标的数数据。(2)对对传感感器的输输出数据据(离散散的或连连续的时时间函数数数据、、输出矢矢量、成成像数据据或一个个直接的的属性说说明)进进行特征征提取变变换，提提取代表表观测数数据的特特征矢量量Yi。(3)对对特征征矢量Yi进行模式式识别处处理(如如聚类算算法、自自适应神神经网络络或其他他能将特特征矢量量Yi变换成目目标属性性判决的的统计模模式识别别法等))，完成成各传感感器关于于目标的的说明。。(4)将将各传传感器关关于目标标的说明明数据按按同一目目标进行行分组，，即关联联。(5)利利用融融合算法法将每一一目标各各传感器器数据进进行合成成，得到到该目标标的一致致性解释释与描述述。2．多传传感器数数据融合合方法利用多个个传感器器所获取取的关于于对象和和环境全全面、完完整的信信息，主主要体现现在融合合算法上上。因此此，多传传感器系系统的核核心问题题是选择择合适的的融合算算法。对对于多传传感器系系统来说说，信息息具有多多样性和和复杂性性，因此此，对信信息融合合方法的的基本要要求是具具有鲁棒棒性和并并行处理理能力。。此外，，还有方方法的运运算速度度和精度度；与前前续预处处理系统统和后续续信息识识别系统统的接口口性能；；与不同同技术和和方法的的协调能能力；对对信息样样本的要要求等。。一般情情况下，，基于非非线性的的数学方方法，如如果它具具有容错错性、自自适应性性、联想想记忆和和并行处处理能力力，则都都可以用用来作为为融合方方法。多传感器器数据融融合虽然然未形成成完整的的理论体体系和有有效的融融合算法法，但在在不少应应用领域域根据各各自的具具体应用用背景，，已经提提出了许许多成熟熟并且有有效的融融合方法法。多传传感器数数据融合合的常用用方法基基本上可可概括为为随机和和人工智智能两大大类。随随机类方方法有加加权平均均法、卡卡尔曼滤滤波法、、多贝叶叶斯估计计法、Dempster-Shafer((D-S)证据据推理、、产生式式规则等等；而人人工智能能类方法法则有模模糊逻辑辑推理、、人工神神经网络络法、粗粗集理论论、专家家系统等等。1)随随机类方方法(1)加加权平平均法。。加权平平均法是是最简单单、最直直观的方方法。该该方法将将一组传传感器提提供的冗冗余信息息进行加加权平均均，其结结果作为为融合值值。该方方法是一一种直接接对数据据源进行行操作的的方法。。(2)卡卡尔曼曼滤波法法。卡尔尔曼滤波波法主要要用于融融合低层层次实时时动态多多传感器器冗余数数据。该该方法用用测量模模型的统统计特性性递推，，决定统统计意义义下的最最优融合合和数据据估计。。如果系系统具有有线性动动力学模模型，且且系统与与传感器器的误差差符合高高斯白噪噪声模型型，则卡卡尔曼滤滤波法将将为融合合数据提提供唯一一统计意意义下的的最优估估计。卡卡尔曼滤滤波的递递推特性性使系统统处理不不需要大大量的数数据存储储和计算算。(3)多多贝叶叶斯估计计法。贝贝叶斯估估计为数数据融合合提供了了一种手手段，是是融合静静态环境境中多传传感器高高层信息息的常用用方法。。它使传传感器信信息依据据概率原原则进行行组合，，测量不不确定性性以条件件概率表表示。当当传感器器组的观观测坐标标一致时时，可以以直接对对传感器器的数据据进行融融合，但但大多数数情况下下，传感感器测量量数据要要以间接接方式采采用贝叶叶斯估计计进行数数据融合合。多贝叶斯斯估计将将每一个个传感器器作为一一个贝叶叶斯估计计，将各各个单独独物体的的关联概概率分布布合成一一个联合合的后验验的概率率分布函函数，通通过使用用联合分分布函数数的似然然函数为为最小，，提供多多传感器器信息的的最终融融合值，，融合信信息与环环境的一一个先验验模型提提供整个个环境的的一个特特征描述述。(4)D--S证据据推理。。D-S证据推推理是贝贝叶斯推推理的扩扩充，其其三个基基本要点点是：基基本概率率赋值函函数、信信任函数数和似然然函数。。D-S方法的的推理结结构是自自上而下下的，分分三级。。第一级级为目标标合成，，其作用用是把来来自独立立传感器器的观测测结果合合成为一一个总的的输出结结果(ID)。。第二级级为推断断，其作作用是获获得传感感器的观观测结果果并进行行推断，，将传感感器观测测结果扩扩展成目目标报告告。这种种推断的的基础是是：一定定的传感感器报告告以某种种可信度度在逻辑辑上会产产生可信信的某些些目标报报告。第第三级为为更新，，各种传传感器一一般都存存在随机机误差，，所以，，在时间间上充分分独立地地来自同同一传感感器的一一组连续续报告比比任何单单一报告告可靠。。因此，，在推理理和多传传感器合合成之前前，要先先组合((更新))传感器器的观测测数据。。(5)产产生式式规则。。产生式式规则采采用符号号表示目目标特征征和相应应传感器器信息之之间的联联系，与与每一个个规则相相联系的的置信因因子表示示它的不不确定性性程度。。当在同同一个逻逻辑推理理过程中中，两个个或多个个规则形形成一个个联合规规则时，，可以产产生融合合。应用用产生式式规则进进行融合合的主要要问题是是每个规规则的置置信因子子的定义义与系统统中其他他规则的的置信因因子相关关，如果果系统中中引入新新的传感感器，则则需要加加入相应应的附加加规则。。2)人人工智能能类方法法(1)模模糊逻逻辑推理理。模糊糊逻辑是是多值逻逻辑，通通过指定定一个0到1之之间的实实数表示示真实度度，相当当于隐含含算子的的前提，，允许将将多个传传感器信信息融合合过程中中的不确确定性直直接表示示在推理理过程中中。如果果采用某某种系统统化的方方法对融融合过程程中的不不确定性性进行推推理建模模，则可可以产生生一致性性模糊推推理。与与概率统统计方法法相比，，逻辑推推理存在在许多优优点，它它在一定定程度上上克服了了概率论论所面临临的问题题，对信信息的表表示和处处理更加加接近人人类的思思维方式式，一般般比较适适合于在在高层次次上的应应用(如如决策))，但是是，模糊糊逻辑推推理本身身还不够够成熟和和系统化化。此外外，由于于模糊逻逻辑推理理对信息息的描述述存在很很大的主主观因素素，所以以，信息息的表示示和处理理缺乏客客观性。。模糊集合合理论对对于数据据融合的的实际价价值在于于它外延延到模糊糊逻辑，，模糊逻逻辑是一一种多值值逻辑，，隶属度度可视为为一个数数据真值值的不精精确表示示。在MSF((MicrosoftSolutionFramwork)过程程中，存存在的不不确定性性可以直直接用模模糊逻辑辑表示，，然后，，使用多多值逻辑辑推理，，根据模模糊集合合理论的的各种演演算对各各种命题题进行合合并，进进而实现现数据融融合。(2)人人工神神经网络络法。神神经网络络具有很很强的容容错性以以及自学学习、自自组织及及自适应应能力，，能够模模拟复杂杂的非线线性映射射。神经经网络的的这些特特性和强强大的非非线性处处理能力力，恰好好满足了了多传感感器数据据融合技技术处理理的要求求。在多多传感器器系统中中，各信信息源所所提供的的环境信信息都具具有一定定程度的的不确定定性，对对这些不不确定信信息的融融合过程程实际上上是一个个不确定定性推理理过程。。神经网网络根据据当前系系统所接接受的样样本相似似性确定定分类标标准，这这种确定定方法主主要表现现在网络络的权值值分布上上，同时时，可以以采用神神经网络络特定的的学习算算法来获获取知识识，得到到不确定定性推理理机制。。利用神神经网络络的信号号处理能能力和自自动推理理功能，，即实现现了多传传感器数数据融合合。常用的数数据融合合方法及及特性如如表9--2所示示。通常常使用的的方法依依具体的的应用而而定，并并且，由由于各种种方法之之间的互互补性，，实际上上，常将将两种或或两种以以上的方方法组合合进行多多传感器器数据融融合。表9-2常常用的数数据融合合方法比比较融合方法运行环境信息类型信息表示不确定性融合技术适用范围加权平均法动态冗余原始读数值加权平均低层数据融合卡尔曼滤波法动态冗余概率分布高斯噪声系统模型滤波低层数据融合多贝叶斯估计法静态冗余概率分布高斯噪声贝叶斯估计高层数据融合产生式规则动/静态冗余/互补命题置信因子逻辑推理高层数据融合D-S证据推理静态冗余/互补命题逻辑推理高层数据融合模糊逻辑推理静态冗余/互补命题隶属度逻辑推理高层数据融合人工神经网络法动/静态冗余/互补神经元输入学习误差神经网络低/高层3．数据据融合存存在的问问题及发发展趋势势数据融合合技术方方兴未艾艾，几乎乎一切信信息处理理方法都都可以应应用于数数据融合合系统。。随着传传感器技技术、数数据处理理技术、、计算机机技术、、网络通通信技术术、人工工智能技技术、并并行计算算软件和和硬件技技术等相相关技术术的发展展，尤其其是人工工智能技技术的进进步，新新的、更更有效的的数据融融合方法法将不断断推出，，多传感感器数据据融合必必将成为为未来复复杂工业业系统智智能检测测与数据据处理的的重要技技术，其其应用领领域将不不断扩大大。多传传感器数数据融合合不是一一门单一一的技术术，而是是一门跨跨学科的的综合理理论和方方法，并并且，是是一个不不很成熟熟的新研研究领域域，尚处处在不断断变化和和发展过过程中。。1)数数据融合合存在的的问题(1)尚尚未建建立统一一的融合合理论和和有效的的广义融融合模型型及算法法。(2)对对数据据融合的的具体方方法的研研究尚处处于初级级阶段。。(3)还还没有有很好解解决融合合系统中中的容错错性或鲁鲁棒性问问题。(4)关关联的的二义性性是数据据融合中中的主要要障碍。。(5)数数据融融合系统统的设计计还存在在许多实实际问题题。2)数数据融合合的发展展趋势数据融合合的发展展趋势如如下：(1)建建立统统一的融融合理论论、数据据融合的的体系结结构和广广义融合合模型。。(2)解解决数数据配准准、数据据预处理理、数据据库构建建、数据据库管理理、人机机接口、、通用软软件包开开发问题题，利用用成熟的的辅助技技术，建建立面向向具体应应用需求求的数据据融合系系统。(3)将将人工工智能技技术(如如神经网网络、遗遗传算法法、模糊糊逻辑推推理、专专家理论论等)引引入到数数据融合合领域，，利用集集成的计计算智能能方法((如模糊糊逻辑推推理+神神经网络络，遗传传算法++模糊逻逻辑推理理+神经经网络等等)提高高多传感感器融合合的性能能。(4)解解决不不确定性性因素的的表达和和推理演演算，例例如引入入灰数的的概念。。(5)利利用有有关的先先验数据据提高数数据融合合的性能能，研究究更加先先进、复复杂的融融合算法法(未知知和动态态环境中中，采用用并行计计算机结结构多传传感器集集成与融融合方法法的研究究等)。。(6)在在多平平台/单单平台、、异类//同类多多传感器器的应用用背景下下，建立立计算复复杂程度度低，同同时，又又能满足足任务要要求的数数据处理理模型和和算法。。(7)构构建数数据融合合测试评评估平台台和多传传感器管管理体系系。(8)将将已有有的融合合方法工工程化与与商品化化，开发发能够提提供多种种复杂融融合算法法的处理理硬件，，以便在在数据获获取的同同时就实实时地完完成融合合。总之，与与单传感感器系统统相比，，运用多多传感器器数据融融合技术术在解决决探测、、跟踪和和目标识识别等问问题方面面，能够够增强系系统的生生存能力力，提高高整个系系统的可可靠性和和鲁棒性性，增强强数据的的可信度度，并提提高精度度，扩展展整个系系统的时时间、空空间覆盖盖率，增增加系统统的实时时性和信信息利用用率等。。9.3..3传传感器器网络的的数据融融合路由由算法1．无线线传感器器网络中中的路由由协议无线传感感器网络络因为其其与正常常通信网网络和Ad-Hoc网网络有较较大不同同，所以以对网络络协议提提出了许许多新的的挑战。。(1)由由于无无线传感感器网络络中节点点众多，，无法为为每一个个节点建建立一个个能在网网络中唯唯一区别别的身份份，所以以典型的的基于IP的协协议无法法应用于于无线传传感器网网络。(2)与与典型型通信网网络的区区别是：：无线传传感器网网络需要要从多个个源节点点向一个个汇聚节节点传送送数据。。(3)在在传输输过程中中，很多多节点发发送的数数据具有有相似部部分，所所以需要要过滤掉掉这些冗冗余信息息，从而而保证能能量和带带宽的有有效利用用。(4)传传感器器节点的的传输能能力、能能量、处处理能力力和内存存都非常常有限，，而同时时网络又又具有节节点数量量众多、、动态性性强、感感知数据据量大等等特点，，所以需需要很好好地对网网络资源源进行管管理。根据这些些区别，，产生了了很多新新的无线线传感器器网络路路由算法法，这些些算法都都是针对对网络的的应用与与构成进进行研究究的。几几乎所有有的路由由协议都都以数据据为中心心进行工工作。传统的路路由协议议通常以以地址作作为节点点标志和和路由的的依据，，而在无无线传感感器网络络中，大大量节点点随机部部署，我我们所关关注的是是监测区区域的感感知数据据，而不不是具体体哪个节节点获取取的信息息，不依依赖于全全网唯一一的标识识。当有有事件发发生时，，在特定定感知范范围内的的节点就就会检测测到并开开始收集集数据，，这些数数据将被被发送到到汇聚节节点做进进一步处处理，以以上描述述称为事事件驱动动的应用用，在这这种应用用当中，，传感器器用来检检测特定定的事件件。当特特定事件件发生时时，收集集原始数数据，并并在发送送之前对对其进一一步处理理。首先先把本地地的原始始数据融融合在一一起，然然后把融融合后的的数据发发送给汇汇聚节点点。在反反向组播播树里，，每个非非叶子节节点都具具有数据据融合的的功能。。这个过过程称为为以数据据为中心心的路由由。在以数据据为中心心的路由由里，数数据融合合技术利利用抑制制冗余、、最小、、