涂斌

【摘要】 物聯(lián)網(wǎng)促進了社會生產(chǎn)效率的提高，使人們的生活更加便捷。隨著數(shù)據(jù)信息量的急劇膨脹，對傳感器和相應(yīng)的處理設(shè)備的結(jié)構(gòu)采用數(shù)據(jù)融合技術(shù)進行科學(xué)組織調(diào)配，對于數(shù)據(jù)的進一步處理是十分必要的。同時云技術(shù)的不斷推廣，促使物聯(lián)網(wǎng)融合技術(shù)成為研究的熱點。本文對物聯(lián)網(wǎng)的數(shù)據(jù)融合技術(shù)進行了介紹，對融合技術(shù)的模型和算法進行了分析，對物聯(lián)網(wǎng)數(shù)據(jù)融合具有一定的參考意義。

【關(guān)鍵詞】 物聯(lián)網(wǎng) 數(shù)據(jù)融合 模型

一、概述

物聯(lián)網(wǎng)使物與物之間的互聯(lián)成為了現(xiàn)實，使得實物與信息系統(tǒng)的距離縮小了。傳感器網(wǎng)、個域網(wǎng)以及RFID可以接入物聯(lián)網(wǎng)的異構(gòu)融合網(wǎng)絡(luò)，最終形成統(tǒng)一互聯(lián)的多功能網(wǎng)絡(luò)。異構(gòu)網(wǎng)絡(luò)在物聯(lián)網(wǎng)中產(chǎn)生數(shù)量龐大的冗余信息，占用了大量的網(wǎng)絡(luò)資源，異構(gòu)數(shù)據(jù)的整合成為亟需解決的問題，而數(shù)據(jù)融合是解決這一問題的有效手段。融合處理物聯(lián)網(wǎng)中的感知信息，篩選有價值的信息進行傳輸，節(jié)約了系統(tǒng)資源，物聯(lián)網(wǎng)的整體性能得到改善。本文對數(shù)據(jù)融合的模型進行了分析，對數(shù)據(jù)融合的算法進行了簡單介紹。

二、物聯(lián)網(wǎng)數(shù)據(jù)融合的模型和算法

數(shù)據(jù)融合的研究已經(jīng)持續(xù)了較長的時間，其主要通過自動化技術(shù)采集對象信息，并通過相應(yīng)的處理手段，最終獲得決策所需的特征信息。數(shù)據(jù)融合軍事角度的定義為，數(shù)據(jù)融合是多方面、多層次的處理過程，其主要功能在于對來源不同的數(shù)據(jù)進行檢測分析，從而獲得更準(zhǔn)確的身份和狀態(tài)估計，從而對戰(zhàn)場態(tài)勢做出科學(xué)準(zhǔn)確的評價。[1]在工業(yè)應(yīng)用中，數(shù)據(jù)融合提高了傳感器的抗干擾能力，信息的準(zhǔn)確度得到提高。數(shù)據(jù)融合在多個領(lǐng)域發(fā)揮著重要作用。

2.1數(shù)據(jù)融合的類別

按照級別劃分，數(shù)據(jù)融合可分為數(shù)據(jù)級、特征級以及決策級三級融合。

2.1.1數(shù)據(jù)級的融合分析

數(shù)據(jù)級融合是最基礎(chǔ)的融合，其在原始數(shù)據(jù)基礎(chǔ)上直接進行融合，對傳感器未經(jīng)處理的數(shù)據(jù)進行分析處理。數(shù)據(jù)層融合處理通常采用集中式融合體系。由于對傳感器數(shù)據(jù)只是進行了數(shù)值處理，因此具有精度高，數(shù)據(jù)損失小的特點。但由于面對的數(shù)據(jù)量龐大，其計算量較大，實時性不好。而且傳感器的測量干擾也會被帶入融合計算中，因此，系統(tǒng)必須配置濾波功能，且對傳感器抗干擾能力要求較高。[2]

2.1.2特征級的融合分析

特征級融合的層次相對較高，首先提取傳感器信息的特征，然后處理分析提取的特征信息。特征級融合使信息壓縮得以實現(xiàn)，數(shù)據(jù)處理的實時性提高，提取的特征值提供了決策分析所需的數(shù)據(jù)信息。但可能會忽略一些可能有用的信息，從而對融合性能造成一定影響。集中式和分布式是特征級融合的常用融合體系。特征融合包括目標(biāo)狀態(tài)和目標(biāo)特性兩類融合。其中目標(biāo)狀態(tài)融合在追蹤多傳感器追蹤中應(yīng)用較多，目標(biāo)特性融合在模式識別中應(yīng)用較多。

2.1.3決策級融合分析

決策級融合屬于較高級別的融合，其對同一目標(biāo)采用多種傳感器進行監(jiān)測，在本地完成傳感器數(shù)據(jù)的特征信息提取、識別以及判斷等初步分析。利用關(guān)聯(lián)處理實現(xiàn)決策層的數(shù)據(jù)融合，得到最終的判斷結(jié)果。決策級融合損失了大量的數(shù)據(jù)，但是節(jié)省了大量的系統(tǒng)資源，只需很小的通信量，具有較強的實時性。

2.2 物聯(lián)網(wǎng)數(shù)據(jù)融合的架構(gòu)

數(shù)據(jù)的異構(gòu)性決定了物聯(lián)網(wǎng)數(shù)據(jù)處理過程中需要建立相應(yīng)的組織模型，其重要有中心型、分布式、點對點以及混合型集中。其中中心型組織具有較高的數(shù)據(jù)分析效率，但其存儲能力較差，適用于數(shù)據(jù)量小、時效性要求高的場合。分布式組織系統(tǒng)可以通過增加節(jié)點數(shù)量提高系統(tǒng)存儲能力，但分散的數(shù)據(jù)存儲導(dǎo)致處理時間加長，因此該類型適于時效性低數(shù)據(jù)量大的系統(tǒng)。點對點組織結(jié)構(gòu)簡單，而混合型兼具分布式型和中間型的優(yōu)點，但網(wǎng)絡(luò)構(gòu)建較為復(fù)雜。[3]

2.3 物聯(lián)網(wǎng)數(shù)據(jù)融合的基本模型

2.3.1情報環(huán)融合模型

情報環(huán)融合模型把數(shù)據(jù)融合等同于情報分析處理，其分為信息的處理和融合兩部分。UK情報環(huán)是一種典型的情報環(huán)模型，把融合視為環(huán)狀結(jié)構(gòu)，分成采集、整理、評估以及分發(fā)四個階段。采集階段利用傳感器和分析系統(tǒng)采集相應(yīng)信息，整理階段對采集的信息進行合并、簡化以及壓縮處理，為進一步的融合做好鋪墊，評估階段是融合模型的關(guān)鍵，該階段負責(zé)對上階段的信息進行分析并將結(jié)果傳遞到下一階段，并對采集階段機型指導(dǎo)，分發(fā)階段把融合的數(shù)據(jù)結(jié)果發(fā)送給用戶，用于決策或者修正融合過程。

情報式的數(shù)據(jù)處理中，采用了中心控制、系統(tǒng)開發(fā)、時效性以及信息的客觀性等多種情報原則，在客戶需求出現(xiàn)變動時，模型可以及時進行調(diào)整，確保信息源正常工作，并不斷對信息的采集和分析進行評價和分析，從而不斷修正模型。這些特點確保了系統(tǒng)的保密性，但其應(yīng)用場合比較有限。

2.3.2 JDL融合模型

加強系統(tǒng)管理方、理論研究方、系統(tǒng)設(shè)計方以及系統(tǒng)評估方的交流和溝通是該模型的重要目標(biāo)，從而確保融合系統(tǒng)的整體設(shè)計、系統(tǒng)開發(fā)以及系統(tǒng)運行的順暢和高效。

該模型主要由數(shù)據(jù)來源、數(shù)據(jù)初始處理、目標(biāo)估計、態(tài)勢估計、威脅估計、過程估計以及數(shù)據(jù)庫和人機交互界面構(gòu)成。系統(tǒng)傳感器信息是數(shù)據(jù)的主要來源，數(shù)據(jù)初始處理模塊對采集的數(shù)據(jù)進行偏差校正、坐標(biāo)統(tǒng)一以及標(biāo)準(zhǔn)化等操作，目標(biāo)評價首先對處理對象執(zhí)行初步分析，然后進一步匹配關(guān)聯(lián)傳感器監(jiān)測數(shù)據(jù)，從而確定對象的物理特征和身份信息，為進一步的融合提供信息支撐，態(tài)勢估計對處理對象的關(guān)系以及變化情況進行評價，威脅估計，根據(jù)上級態(tài)勢估計綜合目標(biāo)和環(huán)境情況，獲取對象環(huán)境的潛在威脅。過程估計通過歐化配置傳感器和資源以及信息收集和處理，改善系統(tǒng)數(shù)據(jù)融合性能。數(shù)據(jù)庫為系統(tǒng)提供存儲、調(diào)用、檢索等數(shù)據(jù)處理支持。人機交互界面提供了系統(tǒng)的操作接口。

2.3.3 Boyd控制融合模型

如圖2.3所示，Boyd環(huán)包括觀測階段、調(diào)整階段、決策階段以及執(zhí)行階段四個階段。觀測階段負責(zé)監(jiān)測目標(biāo)對象，采集信息；調(diào)整階段主要識別目標(biāo)對象，處理采集信息；決策階段根據(jù)調(diào)整階段的分析結(jié)果，制定應(yīng)對策略；執(zhí)行階段實施策略相觀測階段提供融合策略。

Boyd控制融合模型以數(shù)據(jù)流向為基礎(chǔ)，各階段形成一個閉合循環(huán)，在模型運作過程中，數(shù)據(jù)逐步簡化。該模型的整體結(jié)構(gòu)比較簡單，具有較強的時效性，但各階段數(shù)據(jù)融合的相關(guān)問題也比較多，而且數(shù)據(jù)融合過程中忽略了各階段之間的聯(lián)系。

2.4 數(shù)據(jù)融合的常用算法

數(shù)據(jù)融合可以處理較多的問題，比如數(shù)據(jù)偏差、錯誤數(shù)據(jù)、異構(gòu)數(shù)據(jù)、數(shù)據(jù)內(nèi)部聯(lián)系、數(shù)據(jù)整定、處理策略、處理時間、動靜態(tài)表現(xiàn)以及數(shù)據(jù)注冊等。數(shù)據(jù)融合算法種類表多，通常，可以利用算法的基本原理進行類別劃分，如利用信號處理和估計原理的算法、統(tǒng)計估算算法、信息論算法、決策論算法、人工智能算法以及幾何算法等。

三、結(jié)論

通過多種異構(gòu)網(wǎng)絡(luò)的接入，物聯(lián)網(wǎng)將實際物體接入信息系統(tǒng)網(wǎng)絡(luò)之中，使得現(xiàn)實世界和虛擬世界的距離拉近。本文結(jié)合物聯(lián)網(wǎng)數(shù)據(jù)的空間和時間特性，從空間和時間屬性上融合了物聯(lián)網(wǎng)的異構(gòu)數(shù)據(jù)，使物聯(lián)網(wǎng)的時效性加強，物聯(lián)網(wǎng)數(shù)據(jù)的冗余程度得到簡化，運行消耗的帶寬減小。本文主要對物聯(lián)網(wǎng)數(shù)據(jù)融合的分類、分析模型以及計算算法進行了介紹，并對各種模型的特點進行了分析。有助于對物聯(lián)網(wǎng)數(shù)據(jù)融合的初步認識。

參 考 文 獻

[1] 孫其博，劉杰，黎鼻.物聯(lián)網(wǎng)：概念架構(gòu)與關(guān)鍵技術(shù)研究綜述[J].北京郵電大學(xué)學(xué)報，2010，33（3）：1-9.

[2] 潘泉，王增福，梁彥.信息融合理論的基本方法與進展[J].控制理論與應(yīng)用，2012（10）：599-615.

[3] 胡永利，孫艷豐，尹寶才.物聯(lián)網(wǎng)信息感知與交互技術(shù)[J].計算機學(xué)報，2012（06）：1147-1163.endprint