文档介绍：第6章 物联网数据融合及管理
第一页，共31页。
第6章 物联网数据融合及管理
何谓数据融合
数据融合的概念
物联网中的数据融合与处理
数据融合的基本原理及层次结构
数据术要求。
1)稳定性。
2)数据关联。
3)能量约束。
4)协议的可扩展性。
（1）物联网数据融合需要研究解决的关键问题
*
第十一页，共31页。
数据融合的基本原理及层次结构
通过对多感知节点信息的协调优化，数据融合技术可以有效地减少整个网络中不必要的通信开销，提高数据的准确度和收集效率。因此，传送已融合的数据要比未经处理的数据节省能量，延长网络的生存周期。但对物联网而言，数据融合技术将面临更多挑战，例如，感知节点能源有限、多数据流的同步、数据的时间敏感特性、网络带宽的限制、无线通信的不可靠性和网络的动态特性等。因此，物联网中的数据融合需要有其独特的层次性结构体系。
*
第十二页，共31页。
数据融合的基本原理
1）多个不同类型的传感器（有源或无源的）采集观测目标的数据；
2）对传感器的输出数据（离散的或连续的时间函数数据、输出矢量、成像数据或一个直接的属性说明）进行特征提取，提取代表观测数据的特征矢量；
3）对特征矢量进行模式识别处理（例如：汇聚算法、自适应神经网络或其它能将特征矢量变换成目标属性判决的统计模式识别法等）完成各传感器关于目标的说明；
4）将各传感器关于目标的说明数据按同一目标进行分组，即关联；
5）利用融合算法将每一目标各传感器数据进行合成， 得到该目标的一致性解释与描述。
*
第十三页，共31页。
物联网中数据融合的层次结构
在传感网数据融合结构中，比较重要的问题是如何部署感知节点。目前，传感网感知节点的部署方式一般有3种类型，最常用的拓扑结构是并行拓扑。在这种部署方式中， 各种类型的感知节点同时工作。另一种类型是串行拓扑，在这种结构中，感知节点检测数据信息具有暂时性。实际上， SAR(Synthetic Aperture Radar)图像就属于此结构。还有一种类型是混合拓扑， 即树状拓扑。
*
第十四页，共31页。
数据融合大部分是根据具体问题及其特定对象来建立自己的融合层次。例如，有些应用，将数据融合划分为检测层、位置层、属性层、态势评估和威胁评估；有的根据输入输出数据的特征提出了基于输入/ 输出特征的融合层次化描述。数据融合层次的划分目前还没有统一标准。
根据多传感器数据融合模型定义和传感网的自身特点，通常按照节点处理层次、融合前后的数据量变化、信息抽象的层次，来划分传感网数据融合的层次结构。
*
第十五页，共31页。
基于信息抽象层次的数据融合模型
图6-3 像素级融合
*
第十六页，共31页。
图6-4 特征级融合
*
第十七页，共31页。
*
第十八页，共31页。
数据融合技术与算法
数据融合技术涉及到复杂的融合算法、实时图像数据库技术和高速、大吞吐量数据处理等支撑技术。数据融合算法是融合处理的基本内容，它是将多维输入数据在不同融合层次上运用不同的数学方法,对数据进行聚类处理的方法。就多传感器数据融合而言，虽然还未形成完整的理论体系和有效的融合算法，但有不少应用领域根据各自的具体应用背景，已经提出了许多成熟并且有效的融合算法。针对传感网的具体应用，也有许多具有实用价值的数据融合技术与算法。
*
第十九页，共31页。
传感网数据传输及融合技术
1．直接传输模型
2．多跳传输模型
*
第二十页，共31页。
多传感器数据融合算法
目前已有大量的多传感器数据融合算法，基本上可概括为两大类：一是随机类方法，包括加权平均法、卡尔曼滤波法、贝叶斯估计法、D-S证据推理等。二是人工智能类方法，包括模糊逻辑、神经网络等。不同的方法适用于不同的应用背景。神经网络和人工智能等新概念、新技术在数据融合中将发挥越来越重要的作用。
*
第二十一页，共31页。
传感网数据融合路由算法
目前，针对传感网中的数据融合问题，国内外在以数据为中心的路由协议以及融合函数、融合模型等方面已经取得了许多研究成果，主要集中在数据融合路由协议方面。按照通信网络拓扑结构的不同, 比较典型的数据融合路由协议有：基于数据融合树的路由协议、基于分簇的路由协议，以及基于节点链的路由协议。
*
第二十二页，共31页。
物联网数据管理技术
在物联网实现中，分布式动态