无线传感器网络中收集的数据具有更大的冗余度和错误率，这会影响数据的可靠性。在温室环境监测中，数据准确性较高。此，为了提高多传感器数据采集的准确性，在研究了几种现有的数据融合算法之后，提出了一种基于多传感器的完整数据融合算法。出了一种使用Grobbs准则消除严重错误并引入霍夫曼树合并数据的思想的方法。果表明，该算法可以有效提高测量数据的准确性。传感器数据融合（也称为数据融合和信息融合）是一种新兴技术，在军事，工业和高科技领域具有广阔的应用前景。据融合技术的研究有助于解决歧义，数据丢失和丢失，全面评估等诸多问题。传感器采样数据中的数据，有利于多传感器观测数据的分析，合成，控制和使用，从而获得面向对象的环境监测数据融合方法连贯的解释和更准确，完整的描述。据融合的研究内容主要包括融合模型，融合算法以及融合系统的实现与应用。
前，提高温室中环境参数的测量精度在节约能源，改善温室管理水平以及最终改善温室效应方面起着非常重要的作用。社会和经济利益。而，由于温室的自然特性，其温度，湿度和光分布是不均匀的，并且受许多因素的影响，因此有必要在多个位置收集样品。去大多数方法使用算术平均值，这意味着当某些原因导致某些传感器的数据不正确或受到干扰时，测量结果将无法正确反映实际状态。文提出的数据采集方法是基于多传感器采集的，数据融合方法被用来提高数据采集的准确性，从而解决了传统方法无法解决的问题。
有效获取真实准确的信息。据融合是当今信息时代的主要问题。传感器网络中，数据融合技术是一种常用的方法。主要将由不同传感器测量的一个或多个数据包组合为一个数据包。
前，用于网络内数据融合技术的分类方法很多。据合并前后数据的信息内容，可将其分为无损合并和有损合并。据合并级别，可以将它们分为像素级别的合并，功能级别的合并和决策级别的合并。内外许多研究人员已经研究了多传感器数据融合。考文献[1]基于贝叶斯估计理论获得了最优的多传感器融合数据，适用于具有高斯噪声的不确定性信息。
方法必须首先删除可能出错的传感器数据信息，然后合并相干传感器提供的信息，并将信息不确定性描述为概率分布，恒温阀芯有必要给出概率每个传感器到目标类别。考文献[2]使用加权平均法合并多传感器数据。管该方法简单直观，但调整和调整权重系数的工作量非常大，呈现出一定程度的主观性。
外，一些文献使用融合方法，例如批估计，q分类和D-s证明理论[3-5]。
并数据的关键是判断每个传感器测量的数据的真实性，发现来自传感器的不同数据之间的相关性，然后决定如何合并来自传感器的数据。数据结构中，给定n个权重作为n个叶节点，构造一个二叉树。果加权路径的长度达到最小值，则此二叉树称为最佳二叉树，也称为霍夫曼树。设存在n个权重，则构造的霍夫曼树具有n个叶节点。骤，直到森林中只剩下一棵树为止，那棵树就是霍夫曼树。
上结果表明，这次应用融合算法得到的结果小于应用算术平均值法得到的误差。表明基于霍夫曼树思想的术语融合方法比算术平均法更接近28.60℃的真实值，从而提高了融合的准确性。要原因是基于霍夫曼树思想的物品合并方法以最小距离为最小权重来进行物品的融合，然后确定物品之间的融合顺序。感器，然后合并。前的方法没有考虑传感器之间的相互支持关系，也没有考虑合并顺序的方向，因此降低了数据融合的准确性。
际上，使用相同的方法，还可以找到其他几个主要参数（例如照明）之间的合并数据。室环境是一个复杂的多参数系统，将多传感器融合技术引入温室环境是对温室环境进行测量和控制的必然要求。文介绍了一种完整的数据融合方法。
方法首先应用Grobus准则来抑制总误差数据。于某些传感器故障，系统可以根据系统中其他无故障传感器提供的信息来提高测量数据的准确性。后在数据融合算法中引入数据结构中的霍夫曼树的思想，然后根据最小权重方法按顺序合并传感器测量的数据元素的值叶节点的该算法使用欧几里得距离来定义距离参考矩阵，在最小距离上确定相互支持的传感器组，然后组织合并顺序以避免主观因素。方法特别适合合并来自几个传感器的数据的问题，这些传感器在几个特征指标上测量实验。验表明，采用多传感器数据融合技术融合温室中的温度，湿度，光照强度等环境参数可以提高数据融合结果的客观性，避免丢失有效数据并具有更高的数据融合精度。
本文转载自
恒温阀芯 https://www.wisdom-thermostats.com