曹守啟,劉影

?

基于水產(chǎn)品?；钸\輸?shù)亩鄠鞲衅鲾?shù)據(jù)融合算法

曹守啟,劉影*

上海海洋大學工程學院, 上海 201306

為了解決水產(chǎn)品?；钸\輸中的多傳感器監(jiān)測數(shù)據(jù)誤差大的問題，提高數(shù)據(jù)融合的精度，提出了一種多傳感器數(shù)據(jù)融合算法。先剔除某時刻溫度傳感器采集差異較大的數(shù)據(jù)，在分批估計的基礎上，加入修正因子，構造修正樣本方差，實現(xiàn)某時刻各個批次溫度融合值權重自適應調(diào)節(jié)，得到車廂內(nèi)精確的溫度融合值。以烏鱧運輸為例進行驗證，結果表明：相比于分批估計算法，該算法可更精確地獲得水產(chǎn)品的環(huán)境溫度，以便于更好地對保活溫度進行控制，其融合精度更高，穩(wěn)定性更好。

水產(chǎn)品?；? 多傳感器; 數(shù)據(jù)融合; 分批估計; 修正因子

隨著人們對水產(chǎn)品的需求日益趨向鮮活，水產(chǎn)品保活運輸越來越受到人們的重視。但水產(chǎn)品進行?；钸\輸時會遇到缺氧、二氧化碳增加、酸堿度變化、水溫變化等，從而造成產(chǎn)品品質(zhì)惡化和食用安全性等問題[1,2]?？梢娫谶\輸過程中，實時有效的掌握水產(chǎn)品在車廂中的多因子環(huán)境（氧氣、二氧化碳、酸堿度等），對于水產(chǎn)品的質(zhì)量保障顯得尤為重要。現(xiàn)今，通常采用無線傳感器網(wǎng)絡采集水產(chǎn)品中的多因子環(huán)境的數(shù)據(jù)信息。但是在運輸過程中，車廂內(nèi)傳感器受各種因素的干擾和自身精度的影響，存在一定的偏差，造成多傳感器協(xié)同監(jiān)測精確度降低，極大的影響了水產(chǎn)品保活。因此，在選擇了合適的多傳感器采集數(shù)據(jù)的前提下，合理的選擇多傳感器數(shù)據(jù)融合方法，提高車廂內(nèi)多因子環(huán)境的監(jiān)測數(shù)據(jù)精度已顯得極其重要。

多傳感器數(shù)據(jù)融合技術通過對數(shù)據(jù)資源加以綜合利用、分析，以此消除了數(shù)據(jù)之間的矛盾和冗余，從而最終提高了傳感器的測量精度、降低了系統(tǒng)的不確定性，使得其近年成為這一領域研究的熱點[3-5]。司印利、王新宇等提出一種基于全局狀態(tài)估計的多傳感器加權數(shù)據(jù)融合算法，采用卡爾曼濾波的狀態(tài)估計與其推算的歷史信息對數(shù)據(jù)進行融合[6]；蔡世清、周杰提出基于支持向量機的多傳感器數(shù)據(jù)融合算法，結合擴展卡爾曼濾波器（EKF）與軟計算原理，使得傳感器獲得高精度的信任度預測[7]；寧宣杰、趙海等提出WSN中的一種多傳感器數(shù)據(jù)融合算法，將采集的數(shù)據(jù)在傳感層和網(wǎng)絡層之間，增加數(shù)據(jù)融合的層次，提高采集信息的傳輸速率[8]。

本文在以上算法研究的基礎上，考慮到水產(chǎn)品多因子環(huán)境的復雜性，以溫度傳感器為例，對多傳感數(shù)據(jù)融合算法進行說明。首先剔除差異較大的數(shù)據(jù)，然后該算法在充分借鑒分批估計算法基礎上，加入修正因子，構造修正樣本方差，自適應的調(diào)節(jié)某時刻各個批次融合值的權重，從而得到某時刻車廂內(nèi)準確的融合值，達到了預期的保活理想狀態(tài)。

1 車廂內(nèi)多傳感器數(shù)據(jù)預處理模型

運輸車廂中匯集了一些溫度傳感器節(jié)點，融合的數(shù)據(jù)量較多，所以需采集大量的數(shù)據(jù)。但受溫度傳感器本身精度的影響和無線節(jié)點的不穩(wěn)定性，采集的數(shù)據(jù)存在一定的誤差。若對差異較大的數(shù)據(jù)不進行及時處理，數(shù)據(jù)融合的結果將造成系統(tǒng)誤差。本文采用模糊集理論，根據(jù)隸屬函數(shù)的隸屬度剔除差異較大的數(shù)據(jù)。

定義：假設{1,2,...,x}?是采集的溫度數(shù)據(jù)集，是該溫度數(shù)據(jù)集中的個數(shù)，x是采集的數(shù)據(jù)，是溫度的基準值，d=|x-|是數(shù)據(jù)x到溫度基準值的相對距離，d的值越大，說明測量值偏離基準值越大，d越小，說明測量值越接近基準值。但是，數(shù)據(jù)與基準值的相對距離界限比較模糊，并不能表明兩者之間的具體差異。所以，本文將隸屬函數(shù)的隸屬度定義為：

其中，(x,)?(0,1)。

2 多傳感器數(shù)據(jù)融合算法

水產(chǎn)品?；钸\輸過程中，為了提高車廂中監(jiān)測值的精確度，對多個溫度傳感器在某時刻采集的數(shù)據(jù)先進行分批估計，然后再進行自適應加權數(shù)據(jù)融合。

2.1 多傳感器分批估計

由文獻[9]可知，同類型多個傳感器分批估計得到的融合結果與單個傳感器融合的結果是一致的，都具有高效的實時性。故在單個傳感器數(shù)據(jù)分批估計的基礎上，多個傳感器的數(shù)據(jù)同樣適用。

由分批估計理論可得出，某時刻的監(jiān)測數(shù)據(jù)經(jīng)過分批估計后的融合方差為：

由分批估計得出的融合值可知：分批估計的融合結果是各批監(jiān)測數(shù)據(jù)平均值的加權和。

2.2 多傳感器自適應加權數(shù)據(jù)融合

圖1 算法結構框圖

其中，為修正因子。

其中，=1,2,…,。

由于每批溫度傳感器的精度存在差異，為了使融合的結果更優(yōu)，可根據(jù)自適應加權融合算法，將每批溫度傳感器所得到的融合值自適應地尋找對應的權數(shù)，使其達到最優(yōu)的融合結果。

2.3 多傳感器數(shù)據(jù)融合算法流程

基于以上算法的設計，多傳感器數(shù)據(jù)融合方法的具體流程如圖2所示。

圖2 多傳感器數(shù)據(jù)融合方法流程圖

3 算法的實例驗證

本文研究的重點在于:在水產(chǎn)品的保活運輸過程中，為了提高多傳感器監(jiān)測數(shù)據(jù)的融合精度，故提出了多傳感器數(shù)據(jù)融合算法，對采集的數(shù)據(jù)進行處理，便于調(diào)控其鮮活狀態(tài)，對于水產(chǎn)品運輸過程中的環(huán)境狀態(tài)如何控制不做研究。為了驗證算法的實用性，用貨車將水產(chǎn)品從上海海洋大學水產(chǎn)學院運輸?shù)浇鹕嚼认碌霓r(nóng)業(yè)示范基地。

3.1 數(shù)據(jù)來源

數(shù)據(jù)的采集是由無線傳感器監(jiān)測系統(tǒng)完成的。車廂空間作為數(shù)據(jù)采集的區(qū)域，將車廂內(nèi)布置的傳感器節(jié)點采集的溫度信息，通過無線網(wǎng)絡GPRS傳輸?shù)交荆緦?shù)據(jù)進行處理后，通過路由器、服務器發(fā)送到上位機（計算機）。整個的無線傳感器監(jiān)測系統(tǒng)主要是基于無線傳感器網(wǎng)絡，完成數(shù)據(jù)的正常通信。監(jiān)測系統(tǒng)如圖3所示。

圖3 溫度監(jiān)測的簡易架構

圖4 運輸車

圖5 車廂內(nèi)部分傳感器布局

按照實際的水產(chǎn)品運輸過程，運輸車如圖4所示，模擬出車廂內(nèi)部的部分傳感器節(jié)點布局如圖5所示。車廂內(nèi)使用的是SHT11型溫濕度傳感器監(jiān)測環(huán)境參數(shù)，按照空間不相鄰原則，可隨意分組。例如第一組1、2、6號傳感器；第二組5、8、7號傳感器等。

3.2 數(shù)據(jù)分析

本次實驗選取的水產(chǎn)品是上海海洋大學水產(chǎn)學院暫養(yǎng)的烏鱧，烏鱧在運輸過程中采取的是低溫保活，最佳的?；顪囟仁? ℃,所以將車廂選作監(jiān)測區(qū)域，2 ℃作為基準值（真實值）。隨機選取車廂內(nèi)的9個溫度傳感器節(jié)點，將其分成3批，每批三個。這三批傳感器采集在不同時刻（6個時刻）的溫度值如表1所示，不同時刻分別表述為t1時刻、t2時刻、t3時刻、t4時刻、t5時刻和t6時刻。

表1 監(jiān)測溫度值/℃

根據(jù)分批估計和多傳感器數(shù)據(jù)融合算法，6個時刻的數(shù)據(jù)融合值對比及相應的相對誤差如表2所示。

表2 監(jiān)測數(shù)據(jù)溫度融合值對比

Table 1 Comparison of temperature fusion value for monitoring data

采集的數(shù)據(jù)雖經(jīng)預處理模型，但處理過程中存在局限，數(shù)據(jù)處理不完整，表1中存在差異較大的監(jiān)測值：t4時刻的5.21 ℃和7.98 ℃、t6時刻的5.18 ℃。從表2中可以得出：（a）多傳感器數(shù)據(jù)融合算法處理差異大的數(shù)據(jù)優(yōu)于分批估計，融合值更接近于烏鱧的最佳?；顪囟? ℃；（b）數(shù)據(jù)融合算法中，因修正因子自適應的調(diào)節(jié)權重，分批估計的融合精度明顯低于數(shù)據(jù)融合算法，誤差較大。

用上述方法，在100個時刻的數(shù)據(jù)融合與分批估計的融合值仿真對比如圖6所示。

圖6 數(shù)據(jù)融合和分批估計融合值對比

從仿真圖中可進一步得出：多傳感器數(shù)據(jù)融合算法增強了系統(tǒng)的魯棒性，提高穩(wěn)定性，具有一定的實用性。

4 結論

水產(chǎn)品在保活運輸過程中，因其在車廂內(nèi)的多因子環(huán)境變化復雜，提高多傳感器的監(jiān)測精度的問題亟須解決。本文提出的多傳感器數(shù)據(jù)融合算法在分批估計的基礎上，通過加入修正因子，構造修正樣本方差，自適應的調(diào)節(jié)融合值的權重，層層降低誤差。

由實驗結果可知，多傳感器數(shù)據(jù)融合算法具有以下優(yōu)勢：（1）與其它的算法相比，融合監(jiān)測值的精度得到了有效的提高；（2）修正因子的自適應調(diào)節(jié)增強了監(jiān)測系統(tǒng)的魯棒性。本文提出的算法在水產(chǎn)品保活運輸中，未考慮到車廂的封閉性（外部的環(huán)境、氣流），導致傳感器監(jiān)測方面有一定的欠缺，后續(xù)將進一步考慮這些問題，優(yōu)化算法的應用研究。

[1] 吳佳靜,楊悅,許啟軍,等.水產(chǎn)品保活運輸技術研究進展[J].農(nóng)產(chǎn)品加工,2016(16):55-56,60

[2] 楊悅,吳佳靜,許啟軍,等.水產(chǎn)品保鮮技術研究進展[J].農(nóng)產(chǎn)品加工,2016(20):54-57,60

[3] 孫克雷,秦汝祥.基于自適應分批估計的瓦斯監(jiān)測多傳感器數(shù)據(jù)融合研究[J].傳感器與微系統(tǒng),2011(10):47-49

[4] 廖惜春,丘敏,麥漢榮.基于參數(shù)估計的多傳感器數(shù)據(jù)融合算法研究[J].傳感技術學報,2007(1):193-197

[5] 張品,董為浩,高大冬.一種優(yōu)化的貝葉斯估計多傳感器數(shù)據(jù)融合方法[J].傳感技術學報,2014(5):643-648

[6] 司迎利,楊新宇,陳勇,等.基于全局狀態(tài)估計的多傳感器加權數(shù)據(jù)融合算法[J].紅外技術,2014,36(5):360-364

[7] 蔡世清,周杰.基于支持向量機的多傳感器數(shù)據(jù)融合算法[J].計算機工程與設計,2016,37(5):1352-1356

[8] 寧宣杰,趙海,尹震宇,等.WSN中的一種多傳感器數(shù)據(jù)融合算法[J].小型微型計算機系統(tǒng),2009,30(9):1734-1737

[9] 邱爽.無線傳感器網(wǎng)絡數(shù)據(jù)融合算法研究[D].武漢:武漢理工大學,2008

[10] Yu Y, Feng X, Hu J. Multi-sensor Data Fusion Algorithm of Triangle Module Operator in WSN[C]//International Conference on Mobile Ad-Hoc and Sensor Networks. IEEE, 2015:105-111

[11] 韓玉冰,齊林,傅澤田,等.水產(chǎn)品冷藏車無線傳感器網(wǎng)絡節(jié)點設計——基于CC2530[J].農(nóng)機化研究,2013(4):174-178

[12] 張聚偉,王宇,楊挺.基于數(shù)據(jù)融合的有向傳感器網(wǎng)絡全覆蓋部署[J].傳感技術學報,2017(1):139-145

[13] 高霞,袁明波,饒頔,等.農(nóng)用無線傳感器網(wǎng)絡低功耗休眠算法應用研究[J].山東農(nóng)業(yè)大學學報:自然科學版,2015,46(1):101-105

Multi-Sensor Data Fusion Algorithm Based on Aquatic Product Live Transportation

CAO Shou-qi, LIU Ying*

201306,

In order to solve the problem of large error of multi-sensor monitoring data in live transportation of aquatic products and improve the accuracy of data fusion, a multi-sensor data fusion algorithm is proposed. Firstly, the data with larger differences collected by the temperature sensor at a certain time is eliminated, on the basis of batch estimation, the correction factor is added to construct the modified sample variance, the weight of each batch temperature fusion value can be adjusted adaptively and the accurate temperature fusion value in the carriage can be obtained. Take the snakehead transport as an example, the results show: compared with the batch estimation algorithm, the proposed algorithm can obtain the more accurate environmental temperature of aquatic products, so as to control the living temperature better, and the fusion accuracy is higher and the stability is better.

Keeping alive of aquatic product; multi-sensor; data fusion; batch estimation; correction factor

TP274

A

1000-2324(2018)06-0941-05

10.3969/j.issn.1000-2324.2018.06.008

217-07-30

2017-10-08

上海市2015年度“科技創(chuàng)新行動計劃”專題(15DZ1202202)

曹守啟(1973-),男,博士,教授,主要從事海洋工程裝備設計、物聯(lián)網(wǎng)技術等. E-mail:caoshou_qi@163.com

Author for correspondence. E-mail:2521815816@qq.com