在无线传感器网络中，数据融合技术可以减少网络节点之间的通信，显着提高网络发现性能，延长网络寿命并减少数据传输延迟。此，高效数据融合算法的设计是无线传感器。
络的关键技术之一。前，对数据融合技术应用的研究正在取得进展，本文的主要工作首先介绍了数据融合的基本概念，并分析了数据融合的功能模型。据，之后对无线传感器阵列的数据融合算法进行分类。线传感器网络;数据融合; DOI功能模型：10.16640 / j.cnki.37-1222 / t.2017.05.114引言无线传感器网络（WSN）是一种用于获取和处理信息的新技术。多研究人员的注意[1，2]。于其广泛的范围，低成本和灵活的部署，无线传感器网络越来越多地用于无人监督的应用，例如森林，战场和灾难站点。
WSN网络中，网络节点通常为电池本身供电并采用集成的处理器和存储器，因此计算资源和网络节点的能量通常非常有限。着物联网的应用和发展，无线传感器网络的范围也在不断扩大，同时呈现出网络结构变化频繁，对互联网可靠性要求更高的特点。据的通信。而，WSN仍然具有有限的节点大小，有限的功率和无线通信的基本特征，因此网络节点的带宽资源，功率和通信距离仍然有限，促使研究人员更加关注节能和有效沟通。题数据融合技术是解决无线传感器网络能量和资源限制问题的最有效方法之一。本文的其余章节中，第二部分介绍了数据融合的基本概念，第三部分讨论了功能模型，第四部分讨论了WSN中现有的数据融合方法。
据融合的基本概念多源信息在生物系统（如人类）中的融合反映了信息获取的多样性，同时允许信息融合以获得感知信息。感器检测外部信息，而数据融合系统模仿人类信息处理能力。此，传感器数据融合的概念在[3]中给出。系统中使用多个传感器（多种或多种类型）处理特定问题的信息的方法也称为多传感器信息融合。个传感器只能获得环境信息段或被测对象的一部分，不能有效利用多传感器资源，多传感器系统可以获得大量关于目标的信息检测到并在环境中。过数据融合处理的多传感器信息是复杂的形式，并且可以出现在不同级别的信息中，包括数据层，功能层和决策层。据融合技术在智能信息技术研究中发挥着不可替代的作用。据融合充分利用不同时空的多传感器信息资源，利用计算机技术自动分析，综合，支配和利用基于一定标准的时间序列获取的多传感器观测信息，获得对被测物体的一致解释和描述。执行所需的决策和估算任务，这使得系统的性能优于其组件。
据融合研究主要包括检测，关联，监测，估算和综合;多源信息处理在多个层面完成，每个层次代表不同级别的信息抽象;结果包括状态和较低级别的属性。计战场情况估计和威胁评估，并在更高层次上进行。据融合功能模型数据融合模型可分为功能模型，结构模型和数学模型。构模型描述了数据合并和数据流定义之间的系统拓扑关系。学模型定义了数据融合算法的数学表示和合成逻辑。据融合的功能模型是根据集成需求，数据融合过程中系统主要功能部分与软件组件之间的交互过程来定义数据融合系统的组成。
据融合系统的硬件。White提供了在军事应用环境中建立的通用处理模型，其基本思想如图1所示。测级数据融合是一种低级合并，这是一种直接的发展传统的信号处理适用于任何多传感器数据融合系统。置级合并和属性级合并是多传感器数据融合的两个最重要的级别。情况的评估和威胁评估是决策层面的一体化，是C4ISR的核心，适用于军队。测级别合并检测级别合并是信号级别数据合并，是分布式检测问题的一部分，是基于所选检测标准的最高阈值，用于说明最终检测输出。感器将处理后的检测统计和后台拥塞统计信息发送到合并中心，然后直接向合并中心执行分布式误报警（CFAR）检测。图1所示，预过滤将数据作为时间，空间和传感器类型的函数进行排序和合并，以控制第二级处理的信息量。集管理主要是控制数据采集的集成，恒温阀芯包括传感器选择，任务分配（具有目标位置），工作流程优化和监控。分布式检测的角度来看，检测级别融合有四种主要结构模型：并行结构，串行结构，分散结构和树结构。测级融合有两种处理形式：集中式和分布式。置级合并位置级合并包括校准，跟踪，预测，过滤和数据关联以及完整的传感器位置信息，以获得位置和速度目标（动态特征，属性信息）和建立对象轨迹的数据库。信息流的形式和完整的处理水平来看，其系统结构模型主要有集中式，分布式，混合型和多级结构。下是位置级集中式和分布式融合的简要介绍。位置为中心的集中式合并涉及将每个传感器收集的传感器数据传输到融合中心，以进行对齐，跟踪关联，数据互连，跟踪过滤，预测和跟踪。整。种结构的优点是信息损失最小，但数据的互连很困难，同时需要系统的容量。此计算负荷很重，系统的生存能力很低。布式架构的应用非常普遍，特别是在C4ISR系统中，它不仅具有本地独立的跟踪能力，而且具有全局监控和评估能力，并且成本可控。结构的特点是每个传感器的检测数据由其自己的数据处理器生成，在合并之前生成多目标本地跟踪，然后将处理后的信息发送到合并中心，中心为基于每个节点。道数据完成轨道的相关和合成。种结构也可以称为分层和自治合并。标识别级别合并目标识别级别（属性）数据合并，也称为属性分类或身份估计，主要组合来自多个传感器的属性信息以获得估计。合目标（身份）。标识别的基本过程如图2所示。于目标识别的技术主要包括模型方法，聚类分类，自适应神经网络或用于识别目标的基于知识的技术。别实体身份。标识别级别（属性）的数据合并结构主要分为三类：对应于决策级别，特征级别和数据级别属性合并。如，可以在这三个级别中的任何一个级别执行基于图像的目标识别合并。决策级属性合并结构中，每个传感器执行变换以获得独立的属性决策，然后顺序地合并每个传感器的属性决策。功能级属性合并结构中，每个传感器观察目标，并且为了从每个传感器生成特征向量，执行特征提取，然后组合特征向量并且属性决策基于联合特征向量。数据级合并方法中，直接合并相同类型传感器的数据，然后从合并数据中提取属性特征和决策。了实现这种融合，传感器必须相同或相似。位置级数据融合结构类似，通过合并源附近的信息可以实现高精度，即数据级合并大于实体层面的准确性，决策层面的合并是最糟糕的。标识别合并的一个重要方面，图像合并可以在像素级别，实体或决策级别的任何级别合并。还可以使用Dastrathy提出的5级结构构建灵活的图像融合识别结构，进一步提升图像质量。并表现。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侧重于应用层和网络层。网络层，路由技术和数据融合技术可以结合起来为应用设计数据融合接口。据融合技术也可以独立应用于协议层，在网络层和数据链路层之间建立信息融合层。应用程序层中的数据合并用于应用程序层的数据合并时，必须考虑以下两点。设计无线传感器网络的架构时，应用层涉及大量参数，必须屏蔽以为用户终端提供方便灵活的接口。学的美洲狮系统[5]。于应用层的数据融合技术适用于网络规模小，单节点计算和存储容量高的传感器阵列。络层的数据层主要涉及路由。目的是选择具有最合适带宽和通信路径的路由，以提高通信效率。线传感器网络融合技术可以减少冗余数据，减少数据流量，避免网络拥塞。者的联合使用可以延长网络系统的寿命。据WSN中的路由技术是否具有数据合并功能，可以将其分为两类[6-7]。图所示，当数据从源节点1和源节点2发送到接收节点时，中间节点A和B和C分别找到最短路径，并且不使用数据融合技术。上所述，在从源节点向Sink节点传输数据的过程中，未选择最短路径：源节点1，中间节点A，接收节点，但源节点1和源收集的数据将2合并到中间节点B.并将合并的结果传递给Sink节点。有数据合并的路由协议具有数据合并的路由协议主要概括如下：具有轮询功能的路由协议。有轮询能力的路由协议的代表是定向广播路由。据融合涉及路由建立和数据传输阶段。路由建立阶段期间，接收节点是相邻节点感兴趣的。
于每个节点，都有一个条目记录发送感兴趣的邻居节点，包括数据速率和时间戳。在同一检测区域中命名相邻节点之间的兴趣的方式相同时，具有相同属性的兴趣可以合并为一个。数据传输期间，当节点收集的数据与兴趣匹配时，传输数据被缓冲，并且不传输重复数据，有效地减少了在处理期间传输的数据量。络通讯。于层次结构的路由协议。LEACH是基于层次结构的路由协议的典型表示。
分为三个阶段：簇头的选择，簇的建立以及数据融合和传输阶段。熔化阶段和数据的传输，所述簇内节点发送所收集的信息到簇头，其从集群的所有成员接受输入并合并所收集到发送合并的结果数据接收节点。于字符串的路由。符串路由不使用分层结构，典型的代表是PEGASIS协议[8-9]。PEGASIS协议中，只有具有相似距离的节点彼此通信，并且每个通信都在链中完成。次只有一个邻居节点与Sink节点通信。
择Sink节点后，令牌将用于数据传输。息在两侧向中间移动。过多次数据传输和合并后，结果被发送到Sink节点。链的一个节点死亡时，必须重建该字符串。使用PEGASIS协议时，链的节点可以作用于“耗散节点”，恒温阀芯从而每个节点的能量消耗在每个通信塔处减少并且能量平衡整个网络更好。论经过数十年的发展，数据融合已经从单一的军事领域转变为更广泛，更多样化的应用。据融合技术旨在适应以数据为中心的WSN应用，是WSN的关键技术之一。可以减少网络节点之间的通信，显着提高网络感知效率，延长网络生命周期，节省通信带宽和能源资源，这对网络的设计和运行非常有利。线传感器网络的应用。
文考察了数据融合技术与WSN协议层和数据融合功能模型之间的密切关系，阐明了数据融合功能模型在合并细节和合并对象中的作用。索，以及数据。WSN中协议层之间应用融合技术的机制。WSN的不断创新和发展中，数据融合算法的设计和分析具有重要的研究价值，也是一个巨大的挑战。
本文转载自
恒温阀芯 https://www.wisdom-thermostats.com