無線傳感器數(shù)據(jù)融合與時(shí)鐘同步研究論文

1、無線傳感器網(wǎng)絡(luò)的數(shù)據(jù)融合與時(shí)鐘同步機(jī)制研究摘要為了保障重大工程結(jié)構(gòu)的安全性、適用性與耐久性等，對(duì)己建成使用的許多重大工程結(jié)構(gòu)和基礎(chǔ)設(shè)施需采用有效的健康監(jiān)測(cè)手段來評(píng)定其安全狀況。傳統(tǒng)的結(jié)構(gòu)健康監(jiān)測(cè)通常采用有線方式，這種方式線路鋪設(shè)工作量大、維護(hù)困難、布點(diǎn)不靈活。無線傳感器網(wǎng)絡(luò)以其高密度、低功耗、低維修費(fèi)用、易于安裝、布點(diǎn)靈活等優(yōu)點(diǎn)在健康監(jiān)測(cè)中將發(fā)揮重要作用。目前對(duì)于無線傳感器網(wǎng)絡(luò)的研究，主要集中在傳感器節(jié)點(diǎn)的路由算法、能量算法、傳感器組網(wǎng)以及傳感器網(wǎng)絡(luò)管理等方面，而對(duì)于無線傳感器的數(shù)據(jù)融合和時(shí)鐘同步等方面還不多，本文探討了無線傳感器網(wǎng)絡(luò)有關(guān)數(shù)據(jù)融合和時(shí)鐘同步的相關(guān)理論。主要研究?jī)?nèi)容如下:(l)在

2、分析比較現(xiàn)有無線傳感器網(wǎng)絡(luò)數(shù)據(jù)融合算法的基礎(chǔ)上，提出了一種動(dòng)態(tài)自適應(yīng)制數(shù)據(jù)融合機(jī)制(WADA)，該機(jī)制主要思想是根據(jù)接收到的數(shù)據(jù)應(yīng)答包數(shù)量，動(dòng)態(tài)調(diào)整最大延遲時(shí)間，并最大延遲時(shí)間按照遞減規(guī)則分配至各層節(jié)點(diǎn)，以平衡數(shù)據(jù)的準(zhǔn)確性和實(shí)效性。(2)詳細(xì)分析了無線傳感器網(wǎng)絡(luò)(WSN)中時(shí)鐘同步技術(shù)的特點(diǎn)、種類及其在WSN設(shè)計(jì)中的作用給出了一種全面的研究體系內(nèi)容提出了兩種技術(shù)方案：一種是以在傳統(tǒng)局域網(wǎng)范圍內(nèi)實(shí)現(xiàn)的精度達(dá)100ns的同步技術(shù)為基礎(chǔ)進(jìn)行無線電媒介下的改造；另一種是Internet的NTP協(xié)議的精簡(jiǎn)及向WSN的移植。關(guān)鍵詞:無線傳感器網(wǎng)絡(luò)，數(shù)據(jù)融合，時(shí)間同步Research on Mechanis

3、m of Data Fusion and Time Synchronization for Wireless Sensor NetworkWang weiAbstractIn order to guarantee the security， serviceability and durability etc. of significant engineering structures， an effective way of structural health monitoring(SHM) should be adopted for a lot of established signific

4、ant engineering structures and infrastructural facilities to appraise theirs safe situation. Traditionally， the wired way is adopted generally， which takes a great deal of work to lay circuit， maintain the structures difficultly and cant locate nodes nimbly. The wireless sensor network will play an

5、important role in SHM for its high density， low-power consumption，less assembling time and locating nodes nimbly.At present, the research of wireless sensor network focuses on routing algorithms of sensor node, energy algorithm, organization algorithm and management scheme on wireless sensor network

6、. There is less research about the data and clock synchronism algorithm. In this paper，the related theory about the wireless sensors data fusion，time synchronization have been researched. The main contents include:(1) A wait-time adaptive data aggregation scheme (WADA) by analyzing the existing achi

7、evement for data fusion of WSN is presented. The main idea is to adaptively adjust maximum wait time based on the number of data responses and allocate the wait time to the node in each layer degressively as well as balance the accuracy and effectiveness.(2) This paper gives a detailed analysis on t

8、he characteristics and category of clock synchronization and its application to the design of wireless sensor networks(WSNs)A comprehensive research architecture is presented，and two technical schemes are proposed, i.e., the reform of LANbased 100ns precision clock synchronization technique under ra

9、dio media，and the simplification of network time protocol (NTP) and its transplantation into WSNsKeywords：Wireless sensor network, data fusion, clock synchronization,目錄第一章 緒論51.1研究目的與意51.2相關(guān)研究領(lǐng)域及其發(fā)展現(xiàn)狀51.2.1無線傳感器51.2.2數(shù)據(jù)融合61.2.3時(shí)間同步7第二章 無線傳感器網(wǎng)絡(luò)數(shù)據(jù)融合理論研究82.1數(shù)據(jù)融合定義82.2數(shù)據(jù)融合模型102.2.1JDL模型102.2.2UK情報(bào)環(huán)112.2

10、.3Boyd控制環(huán)112.2.4瀑布模型122.2.5Dasarathy模型122.3無線傳感器網(wǎng)絡(luò)數(shù)據(jù)融合分類132.4無線傳感器網(wǎng)絡(luò)數(shù)據(jù)融合方法152.4.1估計(jì)方法152.4.2統(tǒng)計(jì)方法152.4.3信息論方法162.4.4人工智能方法172.4.5遺傳算法和模糊聚合相結(jié)合182.4.6模糊系統(tǒng)與神經(jīng)網(wǎng)絡(luò)相結(jié)合18第三章 無線傳感器網(wǎng)絡(luò)時(shí)鐘同步理論研究183.1無線傳感器網(wǎng)絡(luò)時(shí)鐘同步基本原理193.1.1節(jié)點(diǎn)物理時(shí)鐘193.1.2節(jié)點(diǎn)的邏輯時(shí)鐘。203.2時(shí)鐘同步原理203.3同步分類213.4時(shí)鐘同步算法分類及比較223.4.1基于發(fā)送者的同步模型223.4.2基于發(fā)送者-接收者交互的

11、同步233.4.3基于接收者-接收者交互的同步23第四章 數(shù)據(jù)融合算法設(shè)計(jì)實(shí)現(xiàn)244.1 設(shè)計(jì)原則244.2詳細(xì)設(shè)計(jì)25第五章 兩種時(shí)鐘同步算法設(shè)計(jì)實(shí)現(xiàn)26第六章 總結(jié)29致謝29參考文獻(xiàn)29第一章 緒論1.1研究目的與意為了保障重大工程結(jié)構(gòu)的安全性、完整性、適用性與耐久性，對(duì)己建成使用的許多重大工程結(jié)構(gòu)和基礎(chǔ)設(shè)施需采用有效的健康監(jiān)測(cè)手段和評(píng)定其安全狀況、維護(hù)和修復(fù)的方法，進(jìn)行健康監(jiān)測(cè)，這種監(jiān)測(cè)過程和手段就是“結(jié)構(gòu)健康監(jiān)測(cè)”(Structural Health Monitoring，SHM)。對(duì)于無線傳感器及其網(wǎng)絡(luò)的研究，主要集中在傳感器節(jié)點(diǎn)的路由算法、能量算法、傳感器組網(wǎng)以及傳感器網(wǎng)絡(luò)管理等

12、方面，而對(duì)于無線傳感器的數(shù)據(jù)融合和時(shí)鐘同步等方面研究還不多。在無線傳感器網(wǎng)絡(luò)中，由于節(jié)點(diǎn)資源在電池能量、處理能力、存儲(chǔ)容量和通信帶寬等方面十分有限，收集數(shù)據(jù)時(shí)采用各個(gè)節(jié)點(diǎn)單獨(dú)傳送到匯節(jié)點(diǎn)顯然不合適。為避免浪費(fèi)能量和通信帶寬，提高數(shù)據(jù)聚集的效率，需要采用網(wǎng)內(nèi)融合機(jī)制(in-net data fusion)處理同一類型傳感器的數(shù)據(jù)。數(shù)據(jù)融合為無線傳感器網(wǎng)絡(luò)帶來的能量節(jié)約等益處已經(jīng)在理論上和實(shí)驗(yàn)中得到證實(shí)。在結(jié)構(gòu)化監(jiān)測(cè)中，土木工程結(jié)構(gòu)正向超大化、復(fù)雜化方向發(fā)展，這樣使得實(shí)際的無線傳感器網(wǎng)絡(luò)是一種節(jié)點(diǎn)密集度比較大的網(wǎng)絡(luò)。整個(gè)系統(tǒng)所要實(shí)現(xiàn)的功能需要網(wǎng)絡(luò)內(nèi)所有節(jié)點(diǎn)相互配合共同完成，這就對(duì)各節(jié)點(diǎn)的時(shí)鐘同步提

13、出了要求。此外，節(jié)點(diǎn)間的數(shù)據(jù)融合和節(jié)點(diǎn)間通信的調(diào)度算法等也對(duì)系統(tǒng)提出了不同精度的時(shí)間同步要求。時(shí)鐘同步是無線傳感器網(wǎng)絡(luò)數(shù)據(jù)處理的基礎(chǔ)。在結(jié)構(gòu)健康監(jiān)測(cè)應(yīng)用中，要采集分散在各處節(jié)點(diǎn)的數(shù)據(jù)，這些數(shù)據(jù)往往具有相關(guān)性，因此必須保證數(shù)據(jù)采集的同步，要求無線傳感網(wǎng)絡(luò)提供時(shí)序同步機(jī)制。但傳統(tǒng)的分布式系統(tǒng)的集中同步方式已經(jīng)不適應(yīng)于傳感網(wǎng)絡(luò)，已知節(jié)點(diǎn)每傳輸一位信息所需的電能足以執(zhí)行3000條計(jì)算指令，因此，如采用傳統(tǒng)的同步方法會(huì)傳送大量的時(shí)間信息，勢(shì)必會(huì)耗費(fèi)節(jié)點(diǎn)的大量電能，不適合能量受限的無線傳感器網(wǎng)。因此，針對(duì)無線傳感器網(wǎng)有限的傳輸帶寬和有限的計(jì)算資源特點(diǎn)，要保證各節(jié)點(diǎn)數(shù)據(jù)的同步性和不失真性，必須提出有效的時(shí)鐘

14、同步、數(shù)據(jù)融合算法，才能推廣到具體工程應(yīng)用中。1.2相關(guān)研究領(lǐng)域及其發(fā)展現(xiàn)狀1.2.1無線傳感器無線傳感器網(wǎng)絡(luò)是從傳感器網(wǎng)絡(luò)開始的，傳感器網(wǎng)絡(luò)經(jīng)歷了五個(gè)發(fā)展歷程5。第一代傳感器網(wǎng)絡(luò)出現(xiàn)在20世紀(jì)70年代，使用具有簡(jiǎn)單信息信號(hào)獲取能力的傳統(tǒng)傳感器，采用點(diǎn)對(duì)點(diǎn)傳輸、連接傳感控制器構(gòu)成傳感器網(wǎng)絡(luò)；第二代傳感器網(wǎng)絡(luò)，具有獲取多種信息信號(hào)的綜合能力，采用串并接口與傳感控制器相聯(lián)，構(gòu)成有綜合多種信息的傳感器網(wǎng)絡(luò)；第三代傳感器網(wǎng)絡(luò)出現(xiàn)在20世紀(jì)90年代后期和本世紀(jì)初，采用現(xiàn)場(chǎng)總線連接傳感控制器，構(gòu)成局域網(wǎng)絡(luò)，成為智能化傳感器網(wǎng)絡(luò)；第四代傳感器網(wǎng)絡(luò)正在研究開發(fā)，目前成形并大量投入使用的產(chǎn)品還沒有出現(xiàn)，用大量的

15、具有多功能多信息信號(hào)獲取能力的傳感器，采用自組織無線接入網(wǎng)絡(luò)，與傳感器網(wǎng)絡(luò)控制器連接，構(gòu)成無線傳感器網(wǎng)絡(luò)。近年來，無線傳感器網(wǎng)絡(luò)的研究項(xiàng)目主要有:由美國(guó)加州大學(xué)洛杉磯分校和羅克維爾自動(dòng)化中心共同開發(fā)的DARPA項(xiàng)目6，UCLA和Rockwell研究中心的CENS項(xiàng)目7，由Intel公司、 Carnegie Mellon大學(xué)和U.C Berkeley給出的IRIS傳感器網(wǎng)絡(luò)的系統(tǒng)結(jié)構(gòu)，由普林斯頓大學(xué)電子工程系提出并實(shí)施的ZebraNet工程，由MIT承擔(dān)的uaMPS68，由 U.C Berkeley、 UCLA、MIT、哈佛在內(nèi)的25個(gè)研究機(jī)構(gòu)共同承擔(dān)的SensIT項(xiàng)目9，美國(guó)sandia國(guó)家實(shí)

16、驗(yàn)室與美國(guó)能源部合作、共同研究的防范生化武器襲擊系統(tǒng)等。我國(guó)從2002年前后開始開展無線傳感器網(wǎng)絡(luò)的研究工作，國(guó)內(nèi)研究起步較早的有中科院上海微系統(tǒng)研究所、沈陽自動(dòng)化所、軟件研究所、計(jì)算所、電子所、自動(dòng)化所和合肥智能技術(shù)研究所等科研機(jī)構(gòu)，清華大學(xué)、哈爾濱工業(yè)大學(xué)、西北工業(yè)大學(xué)、天津大學(xué)、北京郵電大學(xué)和國(guó)防科技大學(xué)等院校。2004年起有更多的院校和科研機(jī)構(gòu)加入到該領(lǐng)域的研究工作中來。1.2.2數(shù)據(jù)融合數(shù)據(jù)融合技術(shù)的雛形出現(xiàn)在第二次世界大戰(zhàn)末期，在高炮火力控制系統(tǒng)中同時(shí)使用了雷達(dá)和光學(xué)傳感器。這兩種傳感器信息的組合，不僅有效地提高了系統(tǒng)的測(cè)距精度，也提高了惡劣氣象下抗干擾能力。不過，當(dāng)時(shí)這兩種數(shù)據(jù)的

17、綜合評(píng)判是靠人工完成的，質(zhì)量不高，速度緩慢，這種系統(tǒng)沒有對(duì)戰(zhàn)爭(zhēng)形勢(shì)產(chǎn)生重大影響，也沒有引起人們的充分注意。20世紀(jì)70年代，在1973年美國(guó)國(guó)防部資助的聲納信號(hào)理解系統(tǒng)中，才正式提出數(shù)據(jù)融合 (Data Fusion)的概念。1984年，美國(guó)三軍政府組織中的C3委員會(huì)成立了數(shù)據(jù)融合專家組(Data Fusion Subpanel，DFS)。1988年起，SPIE(國(guó)際光學(xué)工程學(xué)會(huì))開始連續(xù)主持召開有關(guān)數(shù)據(jù)融合的學(xué)術(shù)會(huì)議。1989年9月，Ren C. Luo在IEEE Trans. on SMC上發(fā)表了綜述性文章 Multi sensor Integration and Fusion in In

18、telligence systems，對(duì)此前這方面工作進(jìn)行了概括總結(jié)，自此這一方向的研究變得十分活躍。Hall和Llinas的專著多傳感器數(shù)據(jù)融合手冊(cè)10詳盡論述了數(shù)據(jù)融合的模型、術(shù)語、算法(包括多目標(biāo)多傳感器跟蹤算法、圖像融合當(dāng)中的圖像配準(zhǔn)算法、決策級(jí)數(shù)據(jù)融合算法等)等，是研究數(shù)據(jù)融合的基礎(chǔ)。Blackman的多目標(biāo)跟蹤及在雷達(dá)中的應(yīng)用11給出了數(shù)據(jù)融合在目標(biāo)跟蹤領(lǐng)域的應(yīng)用。國(guó)外一些大學(xué)也早在20世紀(jì)80年代就成立了數(shù)據(jù)融合研究機(jī)構(gòu)，華盛頓的 George Mason大學(xué)在 1989年成立了C3I研究中心，現(xiàn)更名為C4I研究中心，致力于為美國(guó)軍方和相關(guān)政府部門提供學(xué)術(shù)支持。美國(guó)加州大學(xué)伯克利

19、分校和麻省理工學(xué)院等一批高校分別開展了傳感器網(wǎng)絡(luò)的基礎(chǔ)理論和關(guān)鍵技術(shù)的研究。國(guó)內(nèi)的研究是從20世紀(jì)80年代末開始出現(xiàn)多傳感器信息融合技術(shù)研究的報(bào)道。到了20世紀(jì)90年代初，隨著各類傳感器的研制成功，在政府、軍方和各種基金部門的資助下，國(guó)內(nèi)一批高校和研究所開始從事這一技術(shù)的研究工作，取得了大批理論研究成果，與此同時(shí)，也有數(shù)據(jù)融合的譯著和專著出版，其中有代表性的有:劉同明、夏祖勛和解洪成的數(shù)據(jù)融合技術(shù)及其應(yīng)用12，楊萬海的多傳感器數(shù)據(jù)融合及其應(yīng)用13，康耀紅的數(shù)據(jù)融合理論與應(yīng)用14，戴亞平、劉征和郁光輝的譯著多傳感器數(shù)據(jù)融合理論及應(yīng)用15，徐科軍的傳感器與檢測(cè)技術(shù)16，楊國(guó)勝、竇麗華的數(shù)據(jù)融合及其

20、應(yīng)用17。從20世紀(jì)90年代末至今，數(shù)據(jù)融合在國(guó)內(nèi)已經(jīng)發(fā)展成為多方關(guān)注的共性關(guān)鍵技術(shù)，許多學(xué)者致力于機(jī)動(dòng)多目標(biāo)跟蹤、分布式數(shù)據(jù)融合、身份識(shí)別、態(tài)勢(shì)估計(jì)、威脅判斷、告警系統(tǒng)、決策信息融合等研究。1.2.3時(shí)間同步時(shí)鐘同步是任何分布式系統(tǒng)的重要組成部分，在目前傳感器網(wǎng)絡(luò)的配置管理上也是一個(gè)重要的問題。早在上個(gè)世紀(jì)60年代末70年代初，隨著分布式系統(tǒng)的出現(xiàn)和發(fā)展，如何實(shí)現(xiàn)多個(gè)節(jié)點(diǎn)間的時(shí)鐘同步，就已經(jīng)成為人們研究和關(guān)心的熱點(diǎn)。因?yàn)樽鳛橐粋€(gè)分布式系統(tǒng)，有效的時(shí)鐘同步能夠保證系統(tǒng)進(jìn)程之間相互穩(wěn)定、協(xié)調(diào)的工作，精確地記錄各種事件到達(dá)、請(qǐng)求和完成的時(shí)間，并且能夠保證獲得系統(tǒng)精確的全局狀態(tài)。當(dāng)一個(gè)傳感器進(jìn)行讀操

21、作來確定正確的事件年表時(shí)，進(jìn)行時(shí)鐘同步是很重要的。例如，根據(jù)事件的時(shí)間序列進(jìn)行速度估計(jì)；測(cè)定聲速進(jìn)行物體定位:避免不同的傳感器對(duì)相同的事件重復(fù)檢測(cè)，產(chǎn)生冗余信息。目前，時(shí)鐘同步問題也面臨著許多挑戰(zhàn):首先，資源的限制如有限的電池和有限的帶寬，使得大部分算法盡力實(shí)現(xiàn)數(shù)據(jù)包傳輸?shù)牡烷_銷。第二，無線介質(zhì)的廣播本質(zhì)引入了數(shù)據(jù)包的沖突甚至丟失，這就增大了數(shù)據(jù)包路由的延遲方差。第三，傳感器網(wǎng)絡(luò)是由許多低廉的傳感器組成，用低廉的晶體提供時(shí)鐘，這樣的時(shí)鐘更易受時(shí)鐘的漂移的影響，且變化速率未知。1974年，美國(guó)科學(xué)家Arvind首先在“IEEE Trans.Of Parallel and Distributed

22、systems”發(fā)表了與時(shí)鐘同步相關(guān)的研究文章“probabilistic Clock Synchronization in Distributed systems”。這也預(yù)示著對(duì)時(shí)鐘同步問題的研究己經(jīng)進(jìn)入到一個(gè)嶄新的領(lǐng)域。進(jìn)入上個(gè)世紀(jì)八十年代后，隨著計(jì)算機(jī)的普及和發(fā)展，在時(shí)鐘同步方面的研究取得了很大的進(jìn)展。許多有關(guān)時(shí)鐘同步問題的研究都受到政府各種基金的資助。例如在美國(guó)，美國(guó)國(guó)防部、美國(guó)航空航天局資助了許多有關(guān)時(shí)鐘同步方面的研究項(xiàng)目。1988年美國(guó)航空航天局發(fā)布的技術(shù)備忘錄 (NASA Technical Memorandum)中就有專門討論時(shí)鐘同步問題的綜述性論文“A Survey of C

23、orrect Fault-Tolerant Clock Synchronization Techniques”。這篇論文不僅詳細(xì)地論述當(dāng)前各種時(shí)鐘同步技術(shù)和方法，而且還特別論述了有關(guān)時(shí)鐘容錯(cuò)和修正方法問題。最后論文還提出了時(shí)鐘同步領(lǐng)域未來的研究方向。現(xiàn)存的時(shí)鐘同步方法有 GPS(Global Positioning system)18，能夠?qū)W(wǎng)絡(luò)中每一個(gè)節(jié)點(diǎn)提供精確的時(shí)鐘。但是GPS有著內(nèi)在的不足，即要求節(jié)點(diǎn)在衛(wèi)星軌道的直線視野內(nèi)，因此不適用于室內(nèi)網(wǎng)絡(luò)，同時(shí)當(dāng)戶外節(jié)點(diǎn)由于建筑物、山脈等成為模糊節(jié)點(diǎn)，GPS也不能勝任。Ganeriwal et al19提出了一個(gè)層次同步法，算法由級(jí)別發(fā)現(xiàn)和同步兩

24、個(gè)階段組成。在級(jí)別發(fā)現(xiàn)過程，每個(gè)節(jié)點(diǎn)都被分配一個(gè)級(jí)別，級(jí)別值表示了他與根節(jié)點(diǎn)的距離跳數(shù)。在同步階段，每個(gè)節(jié)點(diǎn)與他的父節(jié)點(diǎn)交換時(shí)間戳，實(shí)現(xiàn)下游節(jié)點(diǎn)存在的問題和研究目標(biāo)與上游父結(jié)點(diǎn)的同步。這種方法簡(jiǎn)單易行，級(jí)別發(fā)現(xiàn)過程類似于樹的生成過程，但是隨著樹的深度增大，同步的精度會(huì)變差。第二章 無線傳感器網(wǎng)絡(luò)數(shù)據(jù)融合理論研究無線傳感器網(wǎng)絡(luò)感興趣的是具有特定屬性的感知數(shù)據(jù)，信息的傳送是以數(shù)據(jù)為中心的。由于傳感器節(jié)點(diǎn)數(shù)量大且隨機(jī)分布，相鄰的傳感器對(duì)同一事件進(jìn)行監(jiān)測(cè)所獲得的數(shù)據(jù)具有相似性，而傳感器節(jié)點(diǎn)在能量、存儲(chǔ)空間與計(jì)算能力上有限，因此冗余數(shù)據(jù)的傳送在一定程度將消耗過多的能量，縮短整個(gè)網(wǎng)絡(luò)的生存期。為避免上述問

25、題，傳感器網(wǎng)絡(luò)在收集數(shù)據(jù)過程中需要使用數(shù)據(jù)融合技術(shù)，即將來自多傳感器節(jié)點(diǎn)的數(shù)據(jù)進(jìn)行綜合處理，得出更為準(zhǔn)確完整的信息。2.1數(shù)據(jù)融合定義數(shù)據(jù)融合是將不同來源、不同模式、不同媒質(zhì)、不同時(shí)間、不同表示的信息有機(jī)的結(jié)合，最后得到對(duì)被感知對(duì)象的更精確的描述。融合一般可以簡(jiǎn)單地認(rèn)為是將多個(gè)源節(jié)點(diǎn)采集到的數(shù)據(jù)中的冗余部分去掉，當(dāng)然也有一些融合函數(shù)是傳送多份數(shù)據(jù)中最大的或最小的數(shù)據(jù)等等。在本文中，假定中間節(jié)點(diǎn)將只傳送一份報(bào)文，即使其收到了多個(gè)數(shù)據(jù)報(bào)文。在傳感器網(wǎng)絡(luò)中數(shù)據(jù)融合作用表現(xiàn)在三個(gè)方面:節(jié)省能量，提高信息準(zhǔn)確度和提高數(shù)據(jù)聚集效率。由大量傳感器節(jié)點(diǎn)組成的傳感器網(wǎng)絡(luò)中，單個(gè)節(jié)點(diǎn)的監(jiān)測(cè)范圍和可靠性都是有限的，

26、在部署網(wǎng)絡(luò)時(shí)，需要使傳感器達(dá)到一定的密度以增強(qiáng)整個(gè)網(wǎng)絡(luò)的魯棒性和監(jiān)測(cè)信息的準(zhǔn)確性，有時(shí)甚至需要使多個(gè)節(jié)點(diǎn)的監(jiān)測(cè)范圍相互交疊。這種監(jiān)測(cè)區(qū)域的相互交疊導(dǎo)致鄰近節(jié)點(diǎn)聚集的信息存在一定程度的冗余。在冗余程度很高的情況下，把這些節(jié)點(diǎn)報(bào)告的數(shù)據(jù)全部發(fā)送給匯節(jié)點(diǎn)與僅發(fā)送一份數(shù)據(jù)相比，除了使網(wǎng)絡(luò)消耗更多的能量外，匯節(jié)點(diǎn)并未獲得更多的信息。因此在從各個(gè)傳感器節(jié)點(diǎn)聚集數(shù)據(jù)的過程中，應(yīng)利用節(jié)點(diǎn)的本地計(jì)算和存儲(chǔ)能力處理數(shù)據(jù)，進(jìn)行數(shù)據(jù)融合操作，去除冗余信息，盡量減小傳輸量，從而達(dá)到節(jié)省能量的目的。由于成本、體積等限制導(dǎo)致傳感器較低精確度，無線傳輸?shù)臄?shù)據(jù)易受干擾，以及工作環(huán)境等因素影響，導(dǎo)致傳感器節(jié)點(diǎn)易失效。僅聚集少數(shù)幾

27、個(gè)分散的傳感器節(jié)點(diǎn)的數(shù)據(jù)較難確保得到信息的正確性，因此需要通過對(duì)監(jiān)測(cè)同一對(duì)象的多個(gè)傳感器所采集的數(shù)據(jù)進(jìn)行綜合，來有效地提高所獲得信息的精確度和可信度。數(shù)據(jù)融合減少了需要傳輸?shù)臄?shù)據(jù)量，可以減輕網(wǎng)絡(luò)的傳輸擁塞，降低數(shù)據(jù)的傳輸延遲即使有效數(shù)據(jù)量并未減少，但通過對(duì)多個(gè)數(shù)據(jù)分組進(jìn)行合并減少了數(shù)據(jù)分組個(gè)數(shù)，可以減少傳輸中的沖突碰撞現(xiàn)象，也能提高無線信道的利用率。數(shù)據(jù)融合技術(shù)研究起源于美國(guó)軍事C3I工系統(tǒng)建設(shè)需求，通過對(duì)各傳感器信息獲取、綜合、濾波估計(jì)、融合，實(shí)現(xiàn)自動(dòng)化指揮。無線傳感器的融合技術(shù)與傳統(tǒng)多傳感器不同體現(xiàn)在以下幾個(gè)方面:(l)穩(wěn)定性。傳統(tǒng)多傳感器融合系統(tǒng)是通過擴(kuò)展空間覆蓋范圍與提高抗干擾能力，增

28、強(qiáng)運(yùn)行的魯棒性。無線傳感器網(wǎng)絡(luò)則從提高數(shù)據(jù)收集效率出發(fā)，數(shù)據(jù)融合多基于網(wǎng)內(nèi)(局部范圍)進(jìn)行。考慮到部分節(jié)點(diǎn)由于惡劣環(huán)境因素或自身能量耗盡造成失效情形，穩(wěn)健性和自適應(yīng)性是傳感器網(wǎng)絡(luò)數(shù)據(jù)融合實(shí)現(xiàn)的前提需求。(2)數(shù)據(jù)關(guān)聯(lián) (Data Association)。傳統(tǒng)多傳感器的數(shù)據(jù)融合著重解決多目標(biāo)的數(shù)據(jù)關(guān)聯(lián)問題。而無線傳感器網(wǎng)絡(luò)由于大量節(jié)點(diǎn)之間的通信可能引起的干擾，且傳感器測(cè)量存在的不精確性，因此更多的在于解決數(shù)據(jù)的相關(guān)二義性問題。(3)能量約束。無線傳感器中節(jié)點(diǎn)能量有限，且節(jié)點(diǎn)發(fā)送與接受數(shù)據(jù)的耗能要遠(yuǎn)大于計(jì)算與存儲(chǔ)能耗，因此網(wǎng)絡(luò)數(shù)據(jù)的融合應(yīng)考慮節(jié)點(diǎn)的能耗與網(wǎng)絡(luò)能量的均衡，選擇合適的融合處理節(jié)點(diǎn)。目

29、前在無線傳感器網(wǎng)絡(luò)研究領(lǐng)域，許多學(xué)者將數(shù)據(jù)融合技術(shù)與協(xié)議層次研究相結(jié)合。如在應(yīng)用層設(shè)計(jì)中，利用分布式數(shù)據(jù)庫技術(shù)，對(duì)采集的數(shù)據(jù)逐步篩選，達(dá)到融合的效果；在網(wǎng)絡(luò)層研究中，許多路由協(xié)議都采用了數(shù)據(jù)融合的機(jī)制，目的是減少傳輸數(shù)據(jù)量。數(shù)據(jù)融合簡(jiǎn)單應(yīng)用的例子如圖1所示。傳感器節(jié)點(diǎn)S1，S2，Sn從周圍的環(huán)境中采集數(shù)據(jù)Xl，X2，Xn，并基于一些探測(cè)條件將其轉(zhuǎn)為二進(jìn)制結(jié)果bl，b2，bn。然后，傳感器節(jié)點(diǎn)將這些結(jié)果傳送給數(shù)據(jù)融合節(jié)點(diǎn)。數(shù)據(jù)融合節(jié)點(diǎn)則根據(jù)接收到的結(jié)果來判斷環(huán)境中所探測(cè)事件的有無，并將最終結(jié)果傳送給基站。圖1 WSN中數(shù)據(jù)融合的一個(gè)簡(jiǎn)單例子2.2數(shù)據(jù)融合模型從認(rèn)識(shí)到數(shù)據(jù)融合技術(shù)的重要性開始，研究

30、人員就在試圖建立一個(gè)數(shù)據(jù)融合的統(tǒng)一的理論框架，盡管這個(gè)框架至今沒有形成，但是還是提出了許多抽象的模型，這些模型在某些領(lǐng)域具有完整的意義和適用性，同時(shí)也試圖實(shí)現(xiàn)一定的通用性。它們的共同特點(diǎn)是融合過程的多級(jí)處理?，F(xiàn)有的模型大致分為兩類：(l)功能型模型，主要是突出融合的過程，按節(jié)點(diǎn)順序構(gòu)建；(2)數(shù)據(jù)型模型，主要突出融合的數(shù)據(jù)對(duì)象，根據(jù)數(shù)據(jù)的提取加以構(gòu)建。典型的功能型模型包括有UK情報(bào)環(huán)。Boyd控制回路 (OODA環(huán))，典型的數(shù)據(jù)型模型則有JDL模型，至20世紀(jì)90年代又發(fā)展了瀑布模型和Dasarathy模型。 1999年Mark Bedworth等綜合幾種模型，提出了一種新的混合模型。2.2.

31、1JDL模型JDL模型由美國(guó)國(guó)防部所轄三軍政府組織實(shí)驗(yàn)室聯(lián)合理事會(huì)(JDL：Joint Directors of Laboratories)于1985年提出。后來經(jīng)過改進(jìn)基本上已經(jīng)成為美國(guó)軍事領(lǐng)域數(shù)據(jù)融合的事實(shí)上的標(biāo)準(zhǔn)。修正后的模型如圖2。JDL模型把數(shù)融合分成五級(jí)，實(shí)際當(dāng)中可以看成低層數(shù)據(jù)融合、高層數(shù)據(jù)融合以及過程數(shù)據(jù)融合。低層數(shù)據(jù)融合包括第0，1級(jí)，實(shí)現(xiàn)從傳感器來的數(shù)據(jù)預(yù)處理、目標(biāo)檢測(cè)與跟蹤；高層數(shù)據(jù)融合包括第2，3級(jí)，對(duì)低層傳來的信息進(jìn)行融合實(shí)現(xiàn)態(tài)勢(shì)與威脅的估計(jì)；而過程優(yōu)化是針對(duì)整個(gè)融合系統(tǒng)本身的，實(shí)現(xiàn)對(duì)融合過程的評(píng)估和提出合理的系統(tǒng)改進(jìn)建議。數(shù)據(jù)庫管理系統(tǒng)維護(hù)和提供融合時(shí)需要的知識(shí)和歷

32、史數(shù)據(jù)。從模型中數(shù)據(jù)用總線形式而不是一個(gè)順序流結(jié)構(gòu)可以看出，JDL模型并沒有對(duì)各層作硬性的順序規(guī)定。但在實(shí)際操作中，人們似乎偏向于默認(rèn)這種融合層的結(jié)構(gòu)是按順序進(jìn)行的。圖2 JDL數(shù)據(jù)融合模型2.2.2UK情報(bào)環(huán)情報(bào)處理通常包括信息處理和信息融合兩部分，英國(guó)情報(bào)部門把情報(bào)處理過程看成是一個(gè)循環(huán)過程，從而得到UK情報(bào)環(huán) (UK Intelligence Cyele)，如圖3所示。這個(gè)環(huán)狀結(jié)構(gòu)包括四個(gè)階段。收集 (Collection):通常使用傳感器或者人工得到的初始信息。這些數(shù)據(jù)或信息用高層次形式表示，比如規(guī)范的報(bào)表或者文字形式。整理(Collation):相關(guān)的情報(bào)做關(guān)聯(lián)處理并結(jié)合在一起，通常

33、還會(huì)作一些合并或者壓縮。整理報(bào)告將打包送往下一步進(jìn)行融合。評(píng)估 (Evaluation:上一步的整理報(bào)告在這里融合和分析，以往這一過程是通過專業(yè)的情報(bào)分析人員完成的。分發(fā)(Dissemination):融合的情報(bào)分發(fā)到各個(gè)用戶，以便讓他們做出正確的決策和行動(dòng)，以及對(duì)進(jìn)一步情報(bào)收集的部署。圖3 UK情報(bào)環(huán)2.2.3Boyd控制環(huán)Boyd控制環(huán)(Boyd Control Loop)又稱OODA環(huán)(observe，orient，Decide，Act)。它首先用于軍事指揮處理，目前大量用于數(shù)據(jù)融合。Boyd控制環(huán)由四個(gè)階段組成，如圖4所示，形成一個(gè)閉合回路。Boyd控制環(huán)的四個(gè)階段與JDL模型具有明顯

34、的相似之處，不過在這里己經(jīng)把循環(huán)迭代更加明顯地表示出來。第一個(gè)階段“觀測(cè)”同JDL模型的第0級(jí)以及UK情報(bào)環(huán)的“收集”階段類似，是數(shù)據(jù)、信息的采集階段?！岸ㄏ颉彪A段確定大的方向，具有一些JDL模型中的第1，2，3級(jí)完成的功能，與UK情報(bào)環(huán)中“收集”、“整理”部分相當(dāng)?！皼Q策”階段制定反應(yīng)計(jì)劃，功能包括JDL模型中的第4級(jí)過程優(yōu)化以及UK情報(bào)環(huán)中的信息“分發(fā)”，還包括一些后勤管理和計(jì)劃編制等過程。第四個(gè)階段“行動(dòng)”就是執(zhí)行計(jì)劃，同時(shí)考慮實(shí)際決策的效果來完成閉環(huán)控制。很明顯看出Boyd控制環(huán)模型是一個(gè)順序循環(huán)過程，各個(gè)階段之間的影響只有順序性，隨著融合的進(jìn)行，傳遞到下一階段的數(shù)據(jù)量不斷減少。圖4

35、Boyd控制環(huán)2.2.4瀑布模型瀑布模型(Water fall Model)由Bedworth于1994提出并被英國(guó)政府技術(shù)預(yù)測(cè)組織的數(shù)據(jù)融合工作組認(rèn)可。它強(qiáng)調(diào)底層的數(shù)據(jù)處理，如圖5，在這個(gè)模型中融合的循環(huán)回饋過程并沒有明確，而是注重對(duì)數(shù)據(jù)融合過程的細(xì)化。這個(gè)模型除了在英國(guó)軍方外其它領(lǐng)域很少有應(yīng)用。圖5 瀑布模型2.2.5Dasarathy模型在數(shù)據(jù)融合領(lǐng)域的研究中，許多研究人員傾向于把數(shù)據(jù)融合過程抽象為三個(gè)主要層次:決策(Decision)、特征(Feature)和數(shù)據(jù)(Data)。決策可以看成是符號(hào)和信度值，特征可以看成中間信息，數(shù)據(jù)表示更具體的傳感器數(shù)據(jù)。Dasarathy認(rèn)為融合可能發(fā)

36、生在同一層，也可以發(fā)生在不同層之間，因此他提出一個(gè)基于數(shù)據(jù)(信息)傳遞過程的融合模型，融合就是在這個(gè)過程中實(shí)現(xiàn)。表1為Dasarathy提出的5個(gè)層次的融合模型。表1：Dasarathy五級(jí)融合模型輸入輸出表示說明數(shù)據(jù)數(shù)據(jù)DAI-DAO數(shù)據(jù)級(jí)融合數(shù)據(jù)特征DAI-FEO特征選擇和特征提取特征特征FEI-FEO特征級(jí)融合特征決策FEI-DEO模式識(shí)別和模式處理決策決策DEI-DEO決策級(jí)融合2.3無線傳感器網(wǎng)絡(luò)數(shù)據(jù)融合分類數(shù)據(jù)融合結(jié)構(gòu)的分類有很多種不同的方法，第一種分類方法是基于各傳感器數(shù)據(jù)在輸入到融合處理器進(jìn)行融合之前被處理的程度，數(shù)據(jù)融合結(jié)構(gòu)被分為傳感器級(jí)融合、中央級(jí)融合及混合式融合。第二種分

37、類方法是按照數(shù)據(jù)抽象的三個(gè)層次，分為像素級(jí)融合、特征級(jí)融合和決策級(jí)融合，如圖6所示。 6.a)像素級(jí)融合 6.b)特征級(jí)融合6.c）決策級(jí)別融合圖圖6 數(shù)據(jù)融合結(jié)構(gòu)(1)像素級(jí)融合像素級(jí)融合，也稱為像元級(jí)融合或數(shù)據(jù)級(jí)融合，是直接在采集到的原始數(shù)據(jù)層上進(jìn)行的融合，在各種傳感器的原始測(cè)報(bào)未經(jīng)預(yù)處理之前就進(jìn)行數(shù)據(jù)的綜合和分析。這是最低層次的融合，如成像傳感器中通過對(duì)包含若干像素的模糊圖像進(jìn)行圖像處理和模式識(shí)別來確認(rèn)目標(biāo)屬性的過程就屬于像素級(jí)融合。這種融合的主要優(yōu)點(diǎn)是能保持盡可能多的現(xiàn)場(chǎng)數(shù)據(jù)，提供其它融合層次所不能提供的細(xì)微信息。這種融合是在信息的最低層進(jìn)行的，傳感器的原始信息的不確定性、不完全性和不

38、穩(wěn)定性要求在融合時(shí)有較高的糾錯(cuò)處理能力。要求各傳感器信息之間具有精確到一個(gè)像素的校準(zhǔn)精度，故要求各傳感器信息來自同質(zhì)傳感器。像素級(jí)融合通常用于:多源圖像復(fù)合、圖像分析和理解、同類(同質(zhì))雷達(dá)波形的直接合成、多傳感器遙感信息融合等。(2)特征級(jí)融合特征級(jí)融合屬于中間層次，它先對(duì)來自傳感器的原始數(shù)據(jù)提取特征信息，一般來說，提取的特征信息應(yīng)是像素信息的充分表示量或充分統(tǒng)計(jì)量，比如特征信息可以是目標(biāo)的邊緣、方向、速度、區(qū)域和距離等，然后按特征信息對(duì)多傳感器數(shù)據(jù)進(jìn)行分類、匯集和綜合。特征級(jí)融合的優(yōu)點(diǎn)在于實(shí)現(xiàn)了可觀的信息壓縮，有利于實(shí)時(shí)處理，并且由于所提取的特征直接與決策分析有關(guān)，因而融合結(jié)果能最大限度地

39、給出決策分析所需要的特征信息。特征級(jí)融合可劃分為兩大類:目標(biāo)狀態(tài)數(shù)據(jù)融合和目標(biāo)特性融合。目標(biāo)狀態(tài)數(shù)據(jù)融合主要用于多傳感器目標(biāo)跟蹤領(lǐng)域。融合系統(tǒng)首先對(duì)傳感器數(shù)據(jù)進(jìn)行預(yù)處理以完成數(shù)據(jù)配準(zhǔn)，數(shù)據(jù)配準(zhǔn)后，融合處理主要實(shí)現(xiàn)參數(shù)相關(guān)和狀態(tài)向量估計(jì)。特征級(jí)目標(biāo)特性融合就是特征層聯(lián)合識(shí)別，具體的融合方法仍是模式識(shí)別的相應(yīng)技術(shù)，只是在融合前必須完成先對(duì)特征進(jìn)行相關(guān)處理，把特征向量分成有意義的組合。(3)決策級(jí)融合決策級(jí)融合是一種高層次融合，融合之前，每種傳感器的信號(hào)處理裝置已完成決策或分類任務(wù)。信息融合只是根據(jù)一定的準(zhǔn)則和決策的可信度做最優(yōu)決策，以便具有良好的實(shí)時(shí)性和容錯(cuò)性，使在一種或幾種傳感器失效時(shí)也能工作。

40、決策級(jí)融合的結(jié)果是為指揮控制決策提供依據(jù)，因此，決策級(jí)融合必須從具決策問題的需求出發(fā)，充分利用特征級(jí)融合所提取的測(cè)量對(duì)象的各類特征信息，采用適當(dāng)?shù)娜诤霞夹g(shù)來實(shí)現(xiàn)。決策級(jí)融合是直接針對(duì)具體決策目標(biāo)的，融合結(jié)果直接影響決策水平。決策級(jí)融合的主要優(yōu)點(diǎn)有:具有很高的靈活性；系統(tǒng)對(duì)信息傳送的帶寬要求較低；能有效地反映環(huán)境或目標(biāo)各個(gè)側(cè)面的不同類型信息；當(dāng)一個(gè)或幾個(gè)傳感器出現(xiàn)錯(cuò)誤時(shí)，通過適當(dāng)?shù)娜诤?，系統(tǒng)還能獲得正確的結(jié)果，所以具有容錯(cuò)性；通信量小，抗干擾能力強(qiáng)；對(duì)傳感器的依賴性小，傳感器可以是同質(zhì)的，也可以是異質(zhì)的；融合中心處理代價(jià)低；但是，決策級(jí)融合首先要對(duì)原傳感器信息進(jìn)行預(yù)處理以獲得各自的判定結(jié)果，所以

41、預(yù)處理代價(jià)高。2.4無線傳感器網(wǎng)絡(luò)數(shù)據(jù)融合方法數(shù)據(jù)融合方法種類繁多，圖7歸納了常用的一些信息融合方法。圖7 常用的數(shù)據(jù)融合方法2.4.1估計(jì)方法加權(quán)平均法是一種最簡(jiǎn)單和直觀的方法，即將多個(gè)傳感器提供的冗余信息進(jìn)行加權(quán)平均后作為融合值該方法能實(shí)時(shí)處理動(dòng)態(tài)的原始傳感器讀數(shù)，但調(diào)整和設(shè)定權(quán)系數(shù)的工作量很大，并具有一定的主觀性。極大似然估計(jì)法不僅對(duì)任何總體皆可用，且在相當(dāng)廣泛的條件下用此法所獲估計(jì)量具有一致性、漸近正態(tài)性及漸近最小方差性。盡管所獲統(tǒng)計(jì)量不一定具有無偏性，但?？赏ㄟ^修正成為無偏估計(jì)量。然而不是所有待估計(jì)的參數(shù)都能求得似然估計(jì)量，且使用極大似然估計(jì)法求估計(jì)量時(shí)，往往要求解一個(gè)似然方程。最小

42、二乘法的準(zhǔn)則是選取X使得估計(jì)性能指標(biāo)（估計(jì)誤差的平方和）達(dá)到最小。當(dāng)各次數(shù)據(jù)測(cè)量精度不等時(shí)，應(yīng)采用加權(quán)處理，對(duì)精度較高的測(cè)量結(jié)果賦以較大的權(quán)。最小二乘法是以誤差理論為依據(jù)，在諸數(shù)據(jù)處理方法中，誤差最小，精確性最好。在實(shí)際工作中，常需要對(duì)新獲得的數(shù)據(jù)進(jìn)行實(shí)時(shí)處理，每增加一個(gè)數(shù)據(jù)都需要重新對(duì)所有的數(shù)據(jù)進(jìn)行計(jì)算，計(jì)算量較大。卡爾曼濾波主要用于融合低層次實(shí)時(shí)動(dòng)態(tài)多傳感器冗余數(shù)據(jù)。該方法用測(cè)量模型的統(tǒng)計(jì)特性遞推，決定統(tǒng)計(jì)意義下的最優(yōu)融合和數(shù)據(jù)估計(jì)。如果系統(tǒng)具有線性動(dòng)力學(xué)模型，且系統(tǒng)與傳感器的誤差符合高斯白噪聲模型，則卡爾曼濾波將為融合數(shù)據(jù)提供唯一統(tǒng)計(jì)意義下的最優(yōu)估計(jì)?？柭鼮V波的遞推特性使系統(tǒng)不需要大量

43、的數(shù)據(jù)存儲(chǔ)和計(jì)算。這種方法實(shí)時(shí)性好，適合于處理動(dòng)態(tài)的、低層次、冗余的數(shù)據(jù)，缺點(diǎn)是僅僅能夠處理線性問題，觀測(cè)度不高，易發(fā)散。2.4.2統(tǒng)計(jì)方法貝葉斯估計(jì)是融合靜態(tài)環(huán)境中多傳感器高層信息的常用方法。它把每個(gè)傳感器看作是一個(gè)貝葉斯估計(jì)器，將每一個(gè)目標(biāo)各自的關(guān)聯(lián)概率分布綜合成一個(gè)聯(lián)合后驗(yàn)分布函數(shù)，隨著觀測(cè)值的到來，不斷更新假設(shè)的聯(lián)合分布的似然函數(shù)，并通過該似然函數(shù)的極大或極小進(jìn)行數(shù)據(jù)的最后融合。貝葉斯推理解決了部分經(jīng)典推理中的問題，其難點(diǎn)是定義先驗(yàn)似然函數(shù)，在存在多個(gè)潛在假設(shè)和多個(gè)條件獨(dú)立事件時(shí)比較復(fù)雜，要求有些假設(shè)是互斥的和缺乏通用不確定性能力。經(jīng)典推理和統(tǒng)計(jì)方法是在已知先驗(yàn)概率的情況下求所觀察事件

44、的概率。它建立在牢固的數(shù)學(xué)基礎(chǔ)之上缺點(diǎn)是先驗(yàn)概率往往是不確知的；在一個(gè)時(shí)刻只有估計(jì)二值（H0和H1）假設(shè)的能力；對(duì)多變量情況，復(fù)雜性指數(shù)增加，不存在先驗(yàn)似然估計(jì)的優(yōu)點(diǎn)。D-S證據(jù)理論是一種廣義的貝葉斯推理方法，它采用概率區(qū)間和不確定區(qū)間來求取多證據(jù)下假設(shè)的似然函數(shù)，允許對(duì)部分?jǐn)?shù)據(jù)支持和似是而非之間存在的不確定事件定義等級(jí)，從而客觀地描述不確定事件。其優(yōu)點(diǎn)是具有較強(qiáng)的理論基礎(chǔ)，既能處理隨機(jī)性導(dǎo)致的不確定性，又能處理模糊性導(dǎo)致的不確定性；可以依靠證據(jù)的積累，不斷地縮小假設(shè)集；能將“不知道和“不確定”區(qū)分開來；不需要先驗(yàn)概率和條件概率密度。不足之處在于其組合規(guī)則無法處理證據(jù)沖突且無法分辨證據(jù)所在子集

45、的大小，從而按不同的權(quán)重聚焦；其次，證據(jù)推理的組合條件十分嚴(yán)格，要求證據(jù)之間是條件獨(dú)立的，且辨識(shí)框架能夠識(shí)別證據(jù)的相互作用；第三，證據(jù)組合會(huì)引起焦元“爆炸”，焦元以指數(shù)級(jí)數(shù)遞增，增大計(jì)算量。品質(zhì)因數(shù)是一種度量機(jī)制，它來源于一些直觀的或具有啟發(fā)式的證據(jù)，這些證據(jù)有助于在觀測(cè)值與物體屬性之間建立關(guān)聯(lián)。品質(zhì)因數(shù)技術(shù)就是試圖在多個(gè)證據(jù)間找到某種關(guān)系，以改善輸入數(shù)據(jù)之間關(guān)聯(lián)和分類的效果。該方法常用于相關(guān)和自相關(guān)方案中，以進(jìn)行聯(lián)系程序的定量說明。品質(zhì)因數(shù)算法相對(duì)簡(jiǎn)單，缺點(diǎn)是不能及時(shí)地反映出觀測(cè)環(huán)境的影響。2.4.3信息論方法聚類分析技術(shù)是一種啟發(fā)性算法，用來把數(shù)據(jù)組合為自然組或者聚類。這些聚類可解釋為一種

46、分類或者識(shí)別形式。所有的聚類算法都需要定義一個(gè)相似性度量或者關(guān)聯(lián)度量，以提供一個(gè)表示接近程度的數(shù)值，從而可以開發(fā)一些算法，以對(duì)特征空間中的自然聚集組進(jìn)行搜索。聚類分析能發(fā)掘出數(shù)據(jù)中的新關(guān)系，以導(dǎo)出識(shí)別范例，因而是一個(gè)有價(jià)值的工具。缺點(diǎn)是其算法的啟發(fā)性質(zhì)使得其應(yīng)用存在很大的潛在傾向性。模板法使用預(yù)先建立的邊界來確定身份分類。假設(shè)能把多維特征空間分解為不同區(qū)域，每一區(qū)域表示一個(gè)身份類別。通過特征提取處理建立一個(gè)特征向量，將該特征向量變換到特征空間中，與預(yù)先指定的位置比較，若觀測(cè)落到一個(gè)身份類別的邊界內(nèi)，則認(rèn)為該觀測(cè)具有與其關(guān)聯(lián)的身份類同樣的身份。缺點(diǎn)是特征空間中所劃分的體積相互覆蓋使識(shí)別產(chǎn)生模糊性

47、，并且該方法強(qiáng)烈依賴于特征的選擇及它們?cè)谔卣骺臻g中的相互關(guān)聯(lián)分布。熵理論法主要用于計(jì)算與假設(shè)有關(guān)的信息的度量，主觀和經(jīng)驗(yàn)概率估計(jì)等。從把多個(gè)傳感器的觀測(cè)數(shù)據(jù)組成特征說明來看，熵理論法是在概念上最簡(jiǎn)單的方法，但是由于要對(duì)傳感器輸入加權(quán)以及應(yīng)用了閾值和其他判定邏輯，從而增加了算法的復(fù)雜性。盡管如此，對(duì)于實(shí)時(shí)性要求很強(qiáng)的系統(tǒng)，當(dāng)準(zhǔn)確的先驗(yàn)統(tǒng)計(jì)不可利用，或者從整個(gè)成本效益觀點(diǎn)來看，熵理論法仍具有較大的應(yīng)用空間。2.4.4人工智能方法模糊邏輯是多值邏輯，用一個(gè)0-1之間的實(shí)數(shù)來表示真實(shí)度，相當(dāng)于隱含算子的前提，允許將多個(gè)傳感器信息融合過程中的不確定性直接表示在推理過程中。與概率統(tǒng)計(jì)方法相比，模糊邏輯推理

48、對(duì)信息的表示和處理更接近人類的思維方式，適合在高層次上的應(yīng)用（如決策）。但由于模糊推理對(duì)信息的描述存在較大的主觀因素，所以信息的表示和處理缺乏客觀性。產(chǎn)生式規(guī)則采用符號(hào)表示目標(biāo)特征和相應(yīng)傳感器信息之間的聯(lián)系，與每一個(gè)規(guī)則相聯(lián)系的置信因子表示它的不確定性程度。當(dāng)在同一個(gè)邏輯推理過程中，兩個(gè)或多個(gè)規(guī)則形成一個(gè)聯(lián)合規(guī)則時(shí)，可以產(chǎn)生融合。問題是每個(gè)規(guī)則的置信因子的定義與系統(tǒng)中其他規(guī)則的置信因子相關(guān)，如果系統(tǒng)中引入新的傳感器，需要加入相應(yīng)的附加規(guī)則。神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的容錯(cuò)性以及自學(xué)習(xí)、自組織及自適應(yīng)能力，能夠模擬復(fù)雜的非線性映射。在多傳感器系統(tǒng)中，各信息源所提供的環(huán)境信息都具有一定程度的不確定性，對(duì)這些

49、不確定信息的融合過程實(shí)際上是一個(gè)不確定性推理過程。神經(jīng)網(wǎng)絡(luò)根據(jù)當(dāng)前系統(tǒng)所接受的樣本相似性確定分類標(biāo)準(zhǔn)，主要表現(xiàn)在網(wǎng)絡(luò)的權(quán)值分布上，同時(shí)，可以采用神經(jīng)網(wǎng)絡(luò)特定的學(xué)習(xí)算法來獲取知識(shí)，得到不確定性推理機(jī)制。利用神經(jīng)網(wǎng)絡(luò)的信號(hào)處理能力和自動(dòng)推理功能來實(shí)現(xiàn)多傳感器數(shù)據(jù)融合，缺點(diǎn)是計(jì)算量大。遺傳算法是一種基于自然選擇和自然遺傳的全局優(yōu)化算法。特點(diǎn)是采用群體方式對(duì)目標(biāo)函數(shù)空間進(jìn)行多線索的并行搜索，不會(huì)陷入局部極小點(diǎn)；只需可行解目標(biāo)函數(shù)的值，而不需其他信息，對(duì)目標(biāo)函數(shù)的連續(xù)性、可微性沒有要求，使用方便；解的選擇和產(chǎn)生用概率方式，因此，具有強(qiáng)的適應(yīng)能力和魯棒性。缺點(diǎn)在于收斂速度慢、易陷入局部最優(yōu)。模糊積分的實(shí)質(zhì)

50、就是求得在客觀證據(jù)對(duì)決策假設(shè)的實(shí)際估計(jì)與其期望值間的最大一致性。模糊積分是定義在模糊測(cè)度基礎(chǔ)上的一種非線性函數(shù)，它具有融合多元信息的能力，常用的模糊積分有Sugeno積分和Choquet積分，主要用于決策支持、自動(dòng)控制等。Sugeno的模糊積分是定義在模糊測(cè)度上的非線性函數(shù)，特點(diǎn)是直接排除了次要因素的影響，與加權(quán)平均相比，強(qiáng)化了主要因素的作用，但卻忽視次要因素的影響。Choquet模糊積分考慮了各種影響因素，以避免Sugeno模糊積分的缺陷，而廣義Choquet模糊積分及其在信息融合中的應(yīng)用近年來得到了較廣泛的關(guān)注。綜上所述，單一的數(shù)據(jù)融合算法具有一定的局限性，將多種算法進(jìn)行優(yōu)勢(shì)集成已逐漸成為

51、數(shù)據(jù)融合算法的研究熱點(diǎn)。2.4.5遺傳算法和模糊聚合相結(jié)合遺傳算法是一種并行化算法，可較好地解決多參數(shù)優(yōu)化問題，且其算子能更好的模擬模糊關(guān)系，從而達(dá)到較高精度。將其與模糊理論相結(jié)合可在信息源的可靠性、信息的冗余、互補(bǔ)性以及進(jìn)行融合的分級(jí)結(jié)構(gòu)不確定情況下，以近似最優(yōu)方式對(duì)傳感器數(shù)據(jù)進(jìn)行融合。2.4.6模糊系統(tǒng)與神經(jīng)網(wǎng)絡(luò)相結(jié)合神經(jīng)網(wǎng)絡(luò)對(duì)環(huán)境的變化具有較強(qiáng)的自適應(yīng)能力和自學(xué)習(xí)能力，但從系統(tǒng)建模的角度而言，它采用的是典型的黑箱學(xué)習(xí)模式。當(dāng)學(xué)習(xí)完成后，神經(jīng)網(wǎng)絡(luò)所獲得的輸入/輸出關(guān)系難以用通俗的方式表示。而模糊系統(tǒng)則采用簡(jiǎn)單的“如果則”規(guī)則，但自動(dòng)生成和調(diào)整隸屬度函數(shù)和模糊規(guī)則是個(gè)難題。若將兩者結(jié)合取長(zhǎng)補(bǔ)

52、短，則可提高整個(gè)系統(tǒng)的學(xué)習(xí)能力和表達(dá)能力。無線傳感器網(wǎng)絡(luò)感興趣的是具有特定屬性的感知數(shù)據(jù)，信息的傳送是以數(shù)據(jù)為中心的。由于傳感器節(jié)點(diǎn)數(shù)量大且隨機(jī)分布，相鄰的傳感器對(duì)同一事件進(jìn)行監(jiān)測(cè)所獲得的數(shù)據(jù)具有相似性，冗余數(shù)據(jù)的傳送在一定程度將消耗過多的能量，縮短整個(gè)網(wǎng)絡(luò)的生存期。數(shù)據(jù)融合能有效解決此問題。本章研究和闡述了無線傳感器網(wǎng)絡(luò)數(shù)據(jù)融合的定義、結(jié)構(gòu)、模型以及現(xiàn)有的數(shù)據(jù)融合方法并討論了無線傳感器網(wǎng)絡(luò)層中路由與數(shù)據(jù)融合的關(guān)系問題。通過綜合數(shù)據(jù)融合的現(xiàn)有研究成果，展示了一個(gè)簡(jiǎn)單清晰的數(shù)據(jù)融合一般構(gòu)架，這個(gè)架構(gòu)包括數(shù)據(jù)融合的概念、模型、形式化框架、以及方法；通過比較無線傳感器網(wǎng)絡(luò)層兩種路由AC和DC。得出D

53、C比AC方式在能耗上更占優(yōu)勢(shì)。第三章 無線傳感器網(wǎng)絡(luò)時(shí)鐘同步理論研究在無線傳感器網(wǎng)絡(luò)中，單個(gè)節(jié)點(diǎn)的能力非常有限，整個(gè)系統(tǒng)所要實(shí)現(xiàn)的功能需要網(wǎng)絡(luò)內(nèi)所有節(jié)點(diǎn)相互配合共同完成。時(shí)間同步在無線傳感器網(wǎng)絡(luò)系統(tǒng)中起著非常重要的作用。在分布式系統(tǒng)中，時(shí)間可以分為“邏輯時(shí)間”和“物理時(shí)間”。邏輯時(shí)間的概念是建立在Lamport提出的超前關(guān)系上，體現(xiàn)了系統(tǒng)內(nèi)事件發(fā)生的邏輯順序。物理時(shí)間是用來描述在分布式系統(tǒng)中所傳遞的一定意義上的人類時(shí)間。對(duì)于直接觀測(cè)物理世界現(xiàn)象的無線傳感器網(wǎng)絡(luò)系統(tǒng)來說，物理時(shí)間的地位更為重要，因?yàn)楝F(xiàn)象發(fā)生的時(shí)間本身就是一個(gè)非常重要的信息。此外，因?yàn)閿?shù)據(jù)的相關(guān)性，必須保證動(dòng)態(tài)檢測(cè)時(shí)相關(guān)節(jié)點(diǎn)以統(tǒng)一

54、的時(shí)鐘采集數(shù)據(jù)，保證原始數(shù)據(jù)的正確性。這里的時(shí)鐘同步是指一個(gè)節(jié)點(diǎn)保存它跟其他節(jié)點(diǎn)之間的相對(duì)時(shí)鐘漂移，以便需要時(shí)進(jìn)行轉(zhuǎn)換。3.1無線傳感器網(wǎng)絡(luò)時(shí)鐘同步基本原理傳感器網(wǎng)絡(luò)中節(jié)點(diǎn)的物理時(shí)鐘依靠對(duì)自身晶振中斷計(jì)數(shù)實(shí)現(xiàn)。晶振的頻率誤差和初始計(jì)時(shí)時(shí)刻不同，使得節(jié)點(diǎn)之間物理時(shí)鐘不同步。如果能估算出物理時(shí)鐘與物理時(shí)鐘的關(guān)系或物理時(shí)鐘之間的關(guān)系，就可以構(gòu)造對(duì)應(yīng)的邏輯時(shí)鐘以達(dá)成同步。目前的邏輯時(shí)鐘同步算法，如下文提到的FTSP算法同步精度已達(dá)到1us，可以滿足傳感器網(wǎng)絡(luò)中絕大部分應(yīng)用的需求。如果需要納秒級(jí)精度，則需要采用鎖相環(huán)等硬件實(shí)現(xiàn)物理時(shí)鐘同步，但此類應(yīng)用很少。3.1.1節(jié)點(diǎn)物理時(shí)鐘同步可以通過硬件實(shí)現(xiàn)，也可

55、以通過軟件來實(shí)現(xiàn)。一般時(shí)鐘同步都由三個(gè)主要部件組成:同步事件檢測(cè)部件、遠(yuǎn)程時(shí)鐘估計(jì)部件和時(shí)鐘校準(zhǔn)部件。同步事件檢測(cè)表示節(jié)點(diǎn)在某個(gè)時(shí)刻必須重新同步它們的時(shí)鐘，它由兩種方式實(shí)現(xiàn)。一種是采用初始化的同步時(shí)鐘數(shù)，它以一個(gè)固定的速率KR進(jìn)行同步，R表示單輪時(shí)鐘同步周期，K是大于1的實(shí)數(shù)，以避免兩輪同步過程出現(xiàn)重疊。第二種方式是當(dāng)過了KR時(shí)間之后，用一個(gè)特殊的節(jié)點(diǎn)發(fā)送一個(gè)初始化消息給系統(tǒng)中其它的每一個(gè)節(jié)點(diǎn)，一旦節(jié)點(diǎn)收到該消息，就啟動(dòng)自己的同步過程，同步的精度取決于消息的時(shí)延。遠(yuǎn)程時(shí)鐘估計(jì)部件用于決定網(wǎng)絡(luò)中另外一個(gè)節(jié)點(diǎn)的物理時(shí)鐘。它有兩種實(shí)現(xiàn)方法，一是遠(yuǎn)程節(jié)點(diǎn)的時(shí)鐘在一個(gè)消息中進(jìn)行“時(shí)間傳輸”，另一種是在未

56、知延遲上界時(shí)的“遠(yuǎn)程時(shí)鐘讀取”。時(shí)鐘校準(zhǔn)是指重新同步事件產(chǎn)生后估計(jì)出遠(yuǎn)程節(jié)點(diǎn)時(shí)鐘的信息并更新物理時(shí)鐘。任意節(jié)點(diǎn)i在物理時(shí)刻t的物理時(shí)鐘讀數(shù)可以表示為:其中為節(jié)點(diǎn)晶振的標(biāo)稱頻率，為晶振的實(shí)際頻率，代表開始計(jì)時(shí)的物理時(shí)刻；代表節(jié)點(diǎn)在時(shí)刻的時(shí)鐘讀數(shù)。因存在制造誤差，通常情況下和關(guān)不相等。晶振頻率在短時(shí)間內(nèi)相對(duì)穩(wěn)定，節(jié)點(diǎn)時(shí)鐘又可表示為:其中為計(jì)時(shí)初始時(shí)刻的時(shí)鐘讀數(shù)，簡(jiǎn)稱初相位； 為相對(duì)頻率，為絕對(duì)頻差上界，由晶振生產(chǎn)廠家標(biāo)定。一般多在1-100PPM左右，即一秒鐘內(nèi)會(huì)偏移1-100us3.1.2節(jié)點(diǎn)的邏輯時(shí)鐘。任意節(jié)點(diǎn)i在物理時(shí)刻t的邏輯時(shí)鐘讀數(shù)可以表示:，其中為當(dāng)前物理時(shí)鐘讀數(shù)，為頻率修正系數(shù)和初相

57、位修正系數(shù)。采用邏輯時(shí)鐘的目的是對(duì)物理時(shí)鐘進(jìn)行一定的換算以達(dá)成同步。為了同步任意兩個(gè)節(jié)點(diǎn)i和j，構(gòu)造邏輯時(shí)鐘有兩種途徑；(l)根據(jù)物理時(shí)鐘等全局時(shí)間基準(zhǔn)的關(guān)系進(jìn)行變換可得：將，設(shè)為對(duì)應(yīng)的系數(shù)，即可將邏輯時(shí)鐘調(diào)整到物理時(shí)間基準(zhǔn)上。(2)根據(jù)兩個(gè)節(jié)點(diǎn)物理時(shí)鐘的關(guān)系進(jìn)行對(duì)應(yīng)換算，任意兩個(gè)節(jié)點(diǎn)i和j的物理時(shí)鐘關(guān)系可表示如下:其中，。將，設(shè)為對(duì)應(yīng)的，構(gòu)造出一個(gè)邏輯時(shí)鐘，即可以與節(jié)點(diǎn)j的時(shí)鐘達(dá)成同步。以上的兩種方法都估計(jì)了頻率修正系數(shù)和初相位修正系數(shù)，精度較高。對(duì)于低精度類應(yīng)用，還可以簡(jiǎn)單地根據(jù)當(dāng)前的物理時(shí)鐘和物理時(shí)鐘的差值或物理時(shí)鐘兩兩之間的差值進(jìn)行修正。3.2時(shí)鐘同步原理下面以經(jīng)典的TPSN(Time-synchronization Protocol for Sensor Networks)時(shí)鐘同步方式為例進(jìn)行說明。如圖8所示，為節(jié)點(diǎn)A的本地時(shí)間，為節(jié)點(diǎn)B的本地時(shí)間。時(shí)刻，A發(fā)送一個(gè)包含不的數(shù)據(jù)包到B，B在時(shí)刻收到此數(shù)據(jù)包，則，其中D和d分別為數(shù)據(jù)包在A、B間的傳輸時(shí)間和A、B節(jié)點(diǎn)間的時(shí)鐘偏差。同樣，時(shí)刻，B發(fā)送一個(gè)確認(rèn)數(shù)據(jù)包到A，A在時(shí)刻收到此數(shù)據(jù)包，則有。假設(shè)在這段時(shí)間里時(shí)鐘偏移量和傳輸延遲不變，可以計(jì)算出:A可以根據(jù)d糾正其時(shí)間偏差，從而達(dá)到與B同步。圖8