《第十四讲 信息融合与目标跟踪课件 数据融合的应用》由会员分享，可在线阅读，更多相关《第十四讲 信息融合与目标跟踪课件 数据融合的应用（48页珍藏版）》请在金锄头文库上搜索。
1、第十四讲 数据融合的典型应用 -WSN中的数据融合,2,无线传感器网络(WSN)特点,由部署在监测域内大量的微型传感器节点组成，通过无线通信方式而形成的一个多跳的自组织网络系统； 协作地感知、采集和处理网络覆盖区域中被感知对象的信息，并发送给观察者； 在军事、工农业、生物医疗、环境监测等许多重要领域具有十分广泛的应用前景。,3,WSN主要结构,4,传感器节点数量多且随机分布，相邻的传感器对同一事件进行监测所获得的数据具有相似性； 传感器节点的能量、存储空间与计算能力有限，冗余数据的传送在一定程度将消耗过多的能量，缩短整个网络的生存期； 无线传感器网络在收集数据过程中使用数据融合技术，将多传感器
2、节点的数据进行综合处理，得出更为准确完整的信息。,5,一、与传统多传感器数据融合的比较,传统的多传感器数据融合是将不同的知识源与传感器采集的数据进行融合，实现对观测现象更好的理解； WSN中，数据融合能节省整个网络的能量，提高所收集数据的准确性和收集数据的效率。,6,主要表现,（1）稳定性： 传统多传感器融合系统通过扩展空间覆盖范围和提高抗干扰能力来增强运行的鲁棒性。 WSN则从提高数据收集效率出发，数据融合多基于网内进行，考虑到部分节点会由于恶劣环境因素或自身能量耗尽而造成失效情形，因此稳健性和自适应性是WSN数据融合实现的前提。,7,（2）数据关联： 传统多传感器的数据融合着重解决多目标的
3、数据关联问题。 WSN由于大量节点之间的通信可能引起干扰，且传感器测量存在不精确性，因此它更注重解决数据的相关二义性问题。,8,（3）能量约束： WSN中节点能量有限，且节点发送与接收数据的能耗要远大于计算及存储能耗。 网络数据的融合应考虑节点的能耗与网络能量的均衡，选择合适的融合处理节点。,9,二、 WSN数据融合原理,WSN中传感器提供的信息具有不同的特征，如模糊或确定、时变或非时变、实时或非实时、可靠或非可靠、相互支持或相互矛盾； WSN数据融合充分利用多个传感器节点资源，将采集的多份数据或信息进行处理，从而组合出更有效、更符合用户需求的数据； 提高数据收集效率，减少网络通信量，提高能源
4、有效性，最终增加网络生命期。,10,三、WSN数据融合特点,WSN中主要有从用户到网络的查询及从传感器节点到用户的感知数据两种通信量； 传感器节点都有可能对环境进行感知或成为对其他节点产生的数据进行转发的中继节点，这些节点产生的数据有可能使网络发生拥塞； WSN大规模密集部署的特点导致这些数据中大部分是无效的，应在传送过程中运用数据融合技术进行处理，减少无效数据。,11,WSN中数据融合技术已成为非常有用的方法，看作是一种自动整理数据的方法，把来自许多传感器节点的数据整合成一组有意义的信息。 将不同传感器的数据进行综合，删除冗余、无效和可信度较差的数据，同时将来自不同节点的信息结合起来进行融合
5、处理； 在满足应用需求的前提下将需要传输的数据量最小化，并提供被监控环境丰富、有用的信息。,12,四、 WSN数据包级融合模型,数据包级融合有无损融合和有损融合两种： 1、无损融合： 所有的细节信息均被保留，在各个结果之间相 关性很大的情况下，会存在许多冗余数据； 数据缩减的基本原则就是减少这些冗余信息。,13,2、有损融合： 采用减少一些信息的详细内容或降低数据质量的方法来减少需要存储或传输的数据量，从而达到节省能源的目的； 在有损融合中，信息损失的上限是要保留应用所需的全部信息量。,14,五、跟踪级融合模型,无线传感器网络中大量的感知数据从多源节点向汇聚节点传送，从信息流通形式和网络节点处
6、理的层次看，跟踪级融合模型可分为两种： 1、集中式结构 2、分布式结构,15,1、集中式结构,汇聚节点发送有关数据的兴趣或查询，具有相关数据的多个源节点直接将数据发送给汇聚节点，最后由汇聚节点进行数据的融合； 信息损失较小，由于WSN节点分布较为密集，多源对同一事件的数据表征存在近似冗余信息，对冗余信息的传输将使网络消耗更多的能量。,16,2、分布式结构,源节点发送的数据经中间节点转发时，中间节点查看数据包的内容，进行相应的数据融合后再传送到汇聚节点，由汇聚节点实现数据综合。 在一定程度上提高了网络数据收集的整体效率，减少了传输的数据量，从而降低能耗，提高了信道利用率。,17,六、属性级融合模
7、型,属性信息融合是基于目标类型的识别融合。传感器网络中各传感器节点对环境事件监测所获得的数据流，经分析处理提取特征，然后用模式识别方法完成属性信息融合。根据对传感器数据的识别层次，属性数据融合结构可分为三类： 1、数据层属性融合结构 2、特征层属性融合结构 3、决策层属性融合结构,18,1、数据层属性融合结构,基于原始的多个传感器采集的数据，直接融合来自同类传感器数据，然后实现特征提取和对来自融合数据的属性判决； 多数情况下仅依赖于传感器类型，不依赖于用户需求； 数据量大，冗余度高，融合计算量庞大，属于最底层的融合。,19,2、特征层属性融合结构,对各传感器数据处理并抽取特征后再进行融合； 特
8、征抽取是将传感器的数据表示为能反映事物属性的特征向量； 该层关键是抽取一致的、有用的信息，排除无用甚至矛盾的信息，进行融合的数据量、计算量均属中等。,20,3、决策层属性融合结构,在特征层属性融合基础上，对监测对象进行分类判别，从而得出判决信息； 通常各传感器单独做出决策后，再将决策信息传送到决策中心做出最终决策。 进行融合的数据量、计算量均较小。,21,七、基于多Agent的数据融合模型,Agent是指在一定环境下具有自主性、持续性、社会性和代理性等特征的计算实体；有自己的知识库和推理机制，能主动对环境的作用做出反应； 多Agent系统则是由一组Agent通过彼此的协商与协作组成一个整体，单
9、个Agent的能力是有限的，但通过合作可以完成很多复杂的任务； 把多Agent用于提高传感器网络数据融合度和实现数据同步及任务协同处理非常有利。,22,结构特点,汇聚节点作为融合中心，数据的融合通过传感器Agent与融合中心Agent，由传感器节点与汇聚节点间的协商实现； 融合中心将系统任务发送给能独立完成该任务的传感器，或能联合完成该任务的传感器组； 各传感器根据其自身的需要与相关的传感器进行协商，这一过程持续到融合中心发出下一组任务时为止。,23,典型结构,24,Agent具有有关融合中心以及与其在监测范围上 有重叠的多个传感器的知识。主要功能如下： 获取目标和传感器数据； 对经协商后分配
10、的传感器任务进行管理； 对与其他传感器节点的数据通信进行控制。,25,融合中心Agent包含与应用相关的全部传感器的 知识，主要功能包括： 对传感器发送来的所有相关信息进行融合； 确定各传感器Agent需完成的系统任务及其全局性能指标； 对系统任务的性能指标进行监控，以便确认所要求的性能指标是否达到。,26,多Agent之间的通信消息来自于Agent内部的决策过程，包含融合数据相关的标识、类型、内容及发送、接收者； 系统融合任务优先级及其性能指标由融合中心Agent确定，而传感器融合任务的优先级则由传感器Agent确定； 传感器融合任务的性能指标经传感器Agent间的协商确定。,27,多Age
11、nt的融合模型将决策过程移至各传感节点； 节点能动地根据目标导向来调整策略，提高了数据融合过程的自适应性； 各传感节点的感知数据通过Agent自主管理，并能及时获得性能态势，动态调整任务的决策，有利于在传感网络性能优化上的数据融合； Agent之间的协商与知识学习机制，利于数据相关性的发现，进而提高数据融合度和鲁棒性。,28,八、典型WSN数据融合算法,1、基于分布式数据库的聚集操作 无线传感器网络被视为一个分布式数据库，用 户使用描述性的语言向网络发送查询请求； 查询请求在网络中以分布式的方式进行处理， 查询结果通过多跳路由返回给用户； 处理查询请求以及返回查询结果的过程实质上 就是进行数据
12、融合的过程；,29,典型算法：TAG,TAG是一个基于TinyOS的通用聚集操作服务模块，它采用类似SQL的查询语法； TAG中的查询过程分为查询请求分发和查询结果收集两个阶段。,30,第一个阶段：基站广播查询请求消息 当某个节点第一次收到查询请求时，将消息的发送者作为自己的父节点，然后转发查询请求消息，否则丢弃查询请求消息； 查询请求消息以这种洪泛的方式遍及整个网络，所有节点形成一棵以基站为根的数据融合树。,31,第二个阶段，每个节点周期性地采集数据，融合本地采集的数据以及子节点发来的查询结果，然后将融合结果发送到父节点。,32,主要特点,TAG实质上是一种空间域上的数据融合； 利用相邻传感
13、器节点采集数据的空间一致性去除冗余信息，减少网络中的数据传输量； 对简单的聚集操作十分有效，对于一般的查询请求，作用不是非常明显； 当查询请求为收集所有传感器节点采集的温度值时，转发节点收到子节点发来的查询结果后无法进行聚集操作，只能将每个子节点的查询结果依次发送到父节点。,33,典型算法：TiNA,TiNA是一种利用传感器节点采集数据的时间一致性进行网内融合的机制； 在满足用户对于数据准确性需求的前提下，通过网内融合尽可能地节省能量。,34,基本思想,当前采集的数据与上一次采集的数据的差值大于某指定的容忍限度时，节点才进行数据发送； 采用定向扩散的方式建立路由树，为每个节点分配梯度值并指定其
14、父节点，节点为了利用数据的时间一致性，必须保存额外的信息； 叶节点需要保存上一次发送到父节点的数据，转发节点不但需要保存自己上一次发送到父节点的数据，且需要保存每个子节点发来的最新数据。,35,主要特点,TiNA实质上是一种时间域上的数据融合，对TAG进行了扩展，引入了数据时间一致性的概念； 对于监测数据波动较小的应用十分有效，能够显著地减少网络中的数据传输量，当监测数据波动较大时作用不明显； 对于节点存储空间的要求比较高，尤其当网络规模较大时，转发节点需要保存大量的额外信息。,36,2、数据包合并,当某个节点收到多个子节点发来的数据包时，将它们合并成一个大的数据包，然后将合并后的数据包发送到
15、父节点； 在无线传感器网络中，数据字段相对较短，而控制字段相对较长，数据包合并能够有效地降低包头的开销。,37,典型算法：数据漏斗,数据漏斗将网络中的节点分为少量的控制节点和大量的传感节点两类。,38,主要思想,控制节点将被监测空间划分为不同的区域，并向每个区域发送查询消息； 收到查询消息后，区域中的传感器节点开始周期性地向控制节点发送传感数据； 由于同一区域内的大部分节点几乎在同一时间向控制节点发送数据，将这些数据合并为一个数据包发送到控制节点是十分有效的。,39,主要特点,数据漏斗实质上是基于簇的数据融合，边界节点相当于簇头节点，传感器节点属于簇内节点； 簇头节点负责合并簇内节点的数据包，
16、基于数据次序的编码算法能进一步压缩数据包的大小； 数据漏斗要求节点具有自身的位置信息，在无线传感器网络中，节点的位置信息通常难以得到。,40,典型算法：AIDA,AIDA是一种与应用无关的数据融合算法。能无缝地安装到现有的无线传感器网络协议栈中。 AIDA由两个部分组成： 功能单元：融合以及分解网络中的数据包 控制单元：自适应地调整定时器设置及融合度,41,工作方式,将来自网络层的数据包放到融合池中，根据融合度以及这些数据包下一跳的目的地址，AIDA功能单元将多个数据包合并成一个数据包；然后将其传递到MAC层进行发送； 每次融合多少个数据包以及什么时候调用融合算法等决策由AIDA控制单元负责；,42,工作方式,AIDA控制单元是一个基于反馈的自适应组件，根据本地当前的网络状况作出在线决策； 流入的数据在MAC层被接收，然后传递到AIDA。在AIDA中，流入的数据被分解成原始数据包，然后向上传递到网络层或者应用层。,43,基本特点,AIDA实质上是在MAC层与网络层之间加入一个数据融合层进行
