龙源期刊网 http://www.qikan.com.cn
基于无线传感器网络的数据融合方法研究
作者：李荣伟
来源：《山东工业技术》2017年第05期
摘 要：在无线传感器网络中，数据融合技术能减少网络节点间的通信量， 从而大大提高网络感知性能， 延长了网络的生存周期， 减小数据传输的时间延迟，因此设计高效的数据融合算法是无线传感器网络关键技术之一。目前数据融合技术的应用研究方兴未艾，本文的主要工作首先介绍数据融合的基本概念，并对数据融合的功能模型进行了分析，然后在此基础上对当前无线传感器网络数据融合算法进行分类研究。 关键词：无线传感器网络；数据融合；功能模型 DOI：10.16640/j.cnki.37-1222/t.2017.05.114 1 引言
无线传感器网络（Wireless Sensor Networks，WSN）作为一种新兴的信息获取和处理技术，已经吸引了众多研究者的关注[1，2]。由于无线传感器网络具有范围大、低成本，、布设灵活的特点，它越来越多的被用于如森林、战场和灾难现场等无人值守的应用环境中。在WSN中，网络节点通常自身携带的电池进行供电，且采用嵌入式处理器和存储器，所以往往造成网络节点计算资源和能量严重受限。随着物联网的应用和发展，WSN的应用范围也不断扩展，同时WSN呈现出网络结构动态变化更频繁、数据通信可靠性的要求更高等特点。但是WSN 仍然具有节点体积受限、使用有限电源、采用无线通信方式等本质特性，因此网络节点的带宽资源、能量、通信距离依然受限，这就使得研究人员更加关注WSN中节能和提高通信效率的问题。数据融合技术就是解决无线传感器网络能量和资源受限问题的有效方法之一。 在文章的余下章节中，第二节给出了数据融合的基本概念，第三节分析了功能模型，最后第四节对WSN中现有的数据融合方法进了分类介绍。 2 数据融合的基本概念
生物系统（如人）对多源信息的融合处理体现了信息获取的多样性，同时使得信息交融而得到感知信息。传感器感测外部信息，而数据融合系统则是模仿人的信息处理能力。因此文献[3]中给出了传感器数据融合的概念，针对一个系统中使用多种传感器（多个或多类）对某一特定问题进行的信息处理方法，又称多传感器信息融合。单一传感器可能只获得环境或被测对象的部分信息段，不能有效地利用多传感器资源；而多传感器系统可以很大程度地获得被探测目标和环境的信息量。数据融合所处理的多传感器信息具有复杂的形式，可以在不同的信息层次上出现，这些信息抽象层次包括数据层、特征层和决策层。
龙源期刊网 http://www.qikan.com.cn
数据融合技术在智能信息处理技术的研究中有不可代替的作用。数据融合充分利用不同时空的多传感器信息资源，采用计算机技术对按时序获得的多传感器观测信息按一定的准则加以自动分析、综合、支配和使用，获得对被测对象的一致性解释与描述，已完成所需要的决策和估计任务，使得系统获得比它的各组成部分更优越的性能。数据融合研究主要涵盖的内容包括检测、关联、跟踪、估计及综合；在几个层次上完成对多源信息处理，各个层次都表示不同级别的信息抽象；结果包括较低层次上的状态和属性估计，以及较高层次上的整个战场态势估计和威胁评估。
3 数据融合的功能模型
数据融合的模型可以分为：功能模型、结构模型和数学模型。结构模型描述数据融合的系统拓扑结构关系，以及数据流的定义。数学模型定义了数据融合算法的数学表示和综合逻辑。数据融合的功能模型则是根据融合需求，定义数据融合系统的组成，数据融合时系统各主要功能部分之间的相互作用过程，以及数据融合系统的软、硬件组成。White给出了一个在军事应用背景下建立的一般处理模型，其基本思想如图1所示。检测级数据融合属于低级融合，是经典信号处理的直接发展，适用于任何多传感器数据融合系统。位置级融合和属性级融合是多传感器数据融合最重要的两级。态势评估和威胁估计为决策级融合，是C4ISR的核心，适用于军事领域。 3.1 检测级融合
检测级融合是信号级的数据融合，属于分布式检测问题，它根据所选择的检测准则形成最有门限，以阐述最终检测输出。传感器向融合中心传送经过某种处理的检测和背景杂波统计量，然后在融合中心直接进行分布式虚警检测（CFAR）。如图1所示，预滤波根据时间和空间以及传感器类型对数据进行分选和归并，以控制进行第二级处理的信息量。采集管理主要是控制融合的数据收集，包括传感器的选择、任务分配（通过预测目标位置）、工作状态优选和监视。从分布式检测的角度看，检测级融合的结构模型主要有4种：即并行结构、串行结构、分散式结构和树状结构。检测级融合具有两种处理形式：即集中式和分布式。 3.2 位置级融合
位置级融合包括数据的校准、跟踪、预测、滤波和关联，综合传感器的位置信息，以获取目标的位置和速度（动态特性、属性信息），建立对象轨迹（航迹）数据库。从信息流通形式和综合处理层次上看，其系统结构模型主要有集中式、分布式、混合式和多级式结构。下面主要对集中式和分布式的位置级融合进行介绍。
集中式位置级融合是将各传感器采集的检测数据传送到融合中心进行数据对准、点迹相关、数据互联、航迹滤波、预测和综合跟踪。这种结构的优点是信息损失最小，但是数据互联较为困难，同时要求系统容量大，因此计算负担重，系统生存能力差。
龙源期刊网 http://www.qikan.com.cn
分布式结构的应用很普遍，特别是在C4ISR系统中，它不仅具有局部独立跟踪能力，还具有全局监视和评估特性，且造价可控。这种结构的特点是：每个传感器的检测数据在进行融合之前，先由其自己的数据处理器产生局部多目标跟踪航迹，然后把处理过的信息送至融合中心，中心根据各节点的航迹数据完成航迹的相关和合成。这种结构还可称为分级式和自主式融合。
3.3 目标识别级融合
目标识别（属性）级数据融合，也称属性分类或身份估计，主要是组合来自多个传感器的属性信息，获取目标（身份）的联合估计。目标识别的基本过程如图2所示。用于目标识别的技术主要有模板法，聚类分类，自适应神经网络，或识别实体身份的基于知识的技术。目标识别（属性）级的数据融合结构主要分为三类：分别对应决策级、特征级和数据级属性融合。例如基于图像的目标识别融合，就可以这三级中的任一级进行。
决策级属性融合结构中，每个传感器为了获得一个独立的属性判决要完成一个变换，然后顺序融合来自每个传感器的属性判决。特征级属性融合结构中，每个传感器观测一个目标，为了产生来自每个传感器的特征向量要完成特征提取，然后组合这些特征向量，并基于联合特征向量做出属性判决。在数据级融合方法中，直接融合来自同类传感器的数据，然后是特征提取和对来自融合数据的属性判决。为了实现这种融合，传感器必须是相同的或同类的。与位置级数据融合结构类似，通过融合靠近信源的信息可获得较高的精度，即数据级属性融合比特征级精度高，而决策级融合是最差的。
图像融合作为目标识别融合中的一个重要方面，可以在像素级、特征级或决策级任一级进行融合，也可以利用Dastrathy提出的5级结构，构造灵活的图像融合识别结构，以进一步改善图像融合的性能。
4 无线传感器网络中的数据融合算法
无线传感器网络中的数据融合主要集中于应用层和网络层。在网络层中，将路由技术与数据融合技术进行结合，可用于设计面对应用的数据融合接口。数据融合技术还可以独立应用于协议层之外，在网络层与数据链路层的中间建立信息融合层。 4.1 应用层中的数据融合
在应用层进行数据融合时，需要考虑以下两点。
（1）对无线传感器网络的架构进行设计时，应用层涉及到的参数量较多，需要屏蔽应用层的工作，为用户终端提供一个方便、灵活的需求界面。
（2）在无线传感器网络的能量分配中，数据通信所占的比率最大，可以利用分布式数据库技术对网络中的冗余信息进行融合，将中间点接收到的数据与本地数据进行融合处理。目