无线传感器网络中的信息融合：方法

《无线传感器网络中的信息融合：方法》由会员分享，可在线阅读，更多相关《无线传感器网络中的信息融合：方法（32页珍藏版）》请在金锄头文库上搜索。

1、无线传感器网络中的信息融合：方法、模型和分类无线传感器网络中的信息融合：方法、模型和分类爱德华多 F.中村 安东尼奥 A.F.洛雷罗 亚历杭德罗 C. 费锐巴西 米纳斯联邦大学ACM Computing Surveys, Vol. 39, No. 3, Article 9, Publication date: August 2007摘要：摘要：根据不同的应用需求，需要对无线传感器网络提供的大量数据进行处理、传输、评 估。通过传感器节点控制这些数据的方式是一个重要问题。出于需要对各个传感器节点采 集的数据进行处理并获取有用信息的需要引入了信息融合。通过利用这些可用数据协同， 信息融合技术可以减少

2、数据通信量、滤除噪声、对有关监视实体做出预测和推断。在本文 中，通过介绍已有的信息融合模型、方法、算法和结构，我们回顾了当前信息融合的最新 进展，并结合无线传感器网络的探讨了各种信息融合技术的适用性。1 介绍 无线传感器网络（WSN）是一种由大量的配置不同类型传感器的节点组成的特殊的自 组织网络。该网络是由技术先进的低功率无线通讯单元（诸如感觉、通信和处理功能单元） 进行支持。WSN 作为一种基于新的计算平台和网络结构的计算机门类在不同领域呈现出新 的应用，诸如环境监测、工业和制造业自动化、保健和军事应用等。通常，无线传感器网 络对电力资源和计算能力有很强的限制。 一个 WSN 可以设计来满足

3、不同的目的。为了对被监控实体的行为有更好的理解，它 既可以设计来采集和处理来自于环境中的数据。它也可以被设计来监控一个环境中发生的 一系列可能事件，以便需要时采取合适的行动。在 WSN 中的一个关键问题是如何对采集 到的数据进行处理。关于这个问题，信息融合作为一种方法引入，其关注的是如何处理传 感器采集到的大量数据，以增加这些数据的实用性。总而言之，信息融合可以定义为通过 合并多源信息来获取改进的信息（便宜、更高质量、更相关） 。 信息融合在诸如机器人和军事等不同的应用领域中常用于完成检测和分类任务。近来， 信息融合也被用于诸如入侵检测、拒接服务（DoS）检测等新的应用领域。在 WSN 领域中

4、， 为节能考虑，简单的族聚技术（如：最大、最小、平均）已经被用于减少全局数据通信量。 此外，信息融合技术已经被用于 WSN 中对传感器节点位置估计进行改进、检测路由失败、 为路由协议收集链接统计。 考虑到信息融合对于 WSN 的重要性，本文工作介绍了信息融合最新进展和信息融合 如何应用到 WSN 和通常基于传感器的系统。背景将在下面节中介绍。第二部分介绍了用 于描述信息融合的通用术语；第三部分介绍大致分类；第四部分介绍主要方法；第五部分 介绍信息融合的体系结构并讨论各自应用于 WSN 时的限制条件和适用性。第七部分介绍 我们给出的如何把当前的信息融合资源应用到 WSN 相关环节的最终建议。2

5、原理 几种不同的术语（例如：数据融合、传感器融合和信息融合）分别用于描述融合主题 (包括理论、过程、系统、框架、工具和方法)的某些方面。因此，存在一些术语混乱。在 本部分将讨论在 WSN 中激励和鼓励实际应用信息融合的常见条款和因素。 2.1 关键与融合多源数据的系统、系统结构、应用、方法和理论相关的术语并没有统一。不同 的术语都在使用，并且各自体现了与融合特征相关的某些方面。例如，传感器/多传感器融合Sensor/Multisensor Fusion通常用于明确传感器提供用于融合的数据。尽管信息和数据在 哲学观念上存在不同，总体而言，数据融合和信息融合都是可接受的术语。 这些年来给出了很多关

6、于数据融合data fusion的定义，其中大多来自于军事和遥感领 域。1991 年，美国三军组织实验室理事联合会 JDL 数据融合工作组定义了数据融合为“多 层次、多方面的处理过程，包括对多源数据和信息进行检测、相关、估计和组合” 。 Klein1993 年归纳这一定义，指出数据可以由单一来源或多源提供。两个定义均是笼统的可 适用于包括遥感在内的不同领域。虽然他们建议既不要强调组合数据的重要性和目的，但 是美国国防部 1991 年提供的 JDL 数据融合模型涉及质量提高，在第五部分将更进一步的 讨论。 Hall 和 Llinas1997 年定义数据融合data fusion为“由关联数据库提

7、供相关信息，组合 来自多传感器的数据，实现比使用单一传感器更高的精度和更详细的推理” 。这里的数据融 合定义表现出目的：精度改良。但是该定义受限于由多个传感器提供数据，其未预见到使 用的数据源自单一来源。 前述的定义着眼于方法、手段和传感器。Wald1999 年改变着眼点在用于融合数据的体 系结构。其定义为：“数据融合是一种正式的体系结构，该结构表示为用于融合源自不同 来源的数据的手段和工具。其目的是获取更高质量的信息，高质量的具体定义取决于取决 于具体的应用。 ”另外，Wald 认为来自同源不同时刻的数据可视为不同源。故意采用不严 谨的“质量”一词是暗指融合后的数据在某种程度上比原始数据更适

8、合于具体的应用。尤 其对于 WSN，数据融合至少有两个目的：精度改进和能量节约。 尽管 Wald 的定义被地球科学与遥感学会所接受，并官方作为数据融合的定义，但是 多传感器融合一词依然被诸如 Hall、Waltz 和 Llinas 等学者用于表达同样的意思。 多传感器混合Multisensor Integration也作为一个术语用在机器人/计算机视觉和工业自 动化领域。2002 年 Luo 等人定义多传感器混合是“协同使用多感知设备提供的信息，帮助 系统实现任务；在混合处理的某一阶段，多传感器融合负责把不同源的感知信息合成为一 种有代表性的格式。 ”多传感器混合比多传感器融合更加宽泛。它明确

9、了这个系统中融合后 的数据如何用于与环境进行交互。然而，该定义描述中融合和混合过程中仅仅使用了感知 数据。 这种术语的混淆在 1997 年由 Dasarathy 明确指出，他定义信息融合Information Fusion【2001】为“在不同领域中依据其用法，信息融合包括已创建和应用的理论、技术 和工具用于对从多源（传感器、数据库、人提供收集的信息等）获取的信息进行协同。在 这种协同下作用下得到的最终的决策或行动在某种意义上（质量上或数量上、精确度方面、 鲁棒性等）好于这些信息源获取的信息不经过协同而单独使用的情况” 。也许，该定义是最 宽泛的定义，其包括了各种类型的信号、知识、和用于融合不

10、同信息块的资源。该定义 2004 年被国际信息融合协会采纳。Kokar 等人也使用该术语在形式逻辑与类别的理论框架 中，实际被融合的信息（理论和模型）的意义表示结构，同时数据通过这种结构进行处理 和滤波。 数据聚集Data Aggregation一词作为信息融合的同义词在无线传感器网络领域逐渐流行。 Cohen 等人 2001 年定义：“数据聚集包括从无所不在的数据源收集原始数据，灵活的可编 程的合成这些原始数据成为数据量小的提炼数据，实时把提炼数据送达数据用户。 ” ，通过 使用“提炼数据 refined data”一词，就包括了“精度改良accuracy improvement”的意思。

11、但是，van Renesse2003 年定义：“聚集时一种总结的能力” ，其意味着数据量的减少。例 如，通过汇总函数，诸如最大值和平均值，则被操作的数据总量减少。但是对于很多应用 其需要的是原始的精确的测量数据，通过汇总函数可能会造成精确度损失。实际上，尽管 许多应用仅仅只对汇总函数感兴趣，但是我们并不能确定汇总函数就一定比原始数据集更加精确。基于这一原因，把数据聚集等同信息融合进行使用应该避免，其仅仅是信息融合 的一个特例：汇总。 图 1 中图示了多传感器/传感器融合，多传感器混合、数据聚集、数据融合、信息融合 等概念之间的相互关联。这里，我们应该明确数据融合和信息融合可以用于表示同一个含

12、义。多传感器/传感器融合是感知源的一个子集。数据聚集是信息融合的一个子集，其目的 在于减少数据量（典型如汇总） ，其可以操作包括感知数据的任意类型的数据或信息。另一 方面，多传感器混合就其含义而言有些不同，它是使用信息融合技术应用感知设备和关联 信息（例如从数据库系统）来进行推理实现与环境的交互。因此，多传感器/传感器融合完 全包含在多传感器混合和信息/数据融合的交集中。 这里，我们使用信息融合作为专业术语，这样传感器和多传感器融合就可作为信息融 合（待处理的数据源自感知设备）的一个子集。另外，数据融合也是一个可以接受的术语， 我们采纳 Elmenreich 的建议，其表述中融合原始的或低层次

13、的数据应明确为原始数据融合 或低层次数据融合避免与地球科学和遥感协会采用的数据融合一词相混淆。图 1 不同融合术语之间的关系 多传感器/传感器融合 Multisensor/sensor fusion、多传感器混合 multisensor integration、 数据聚集 data aggregation、数据融合 data fusion、信息融合 information fusion2.2 为什么要进行信息融合？ 在 WSN 的部署过程中，有些传感器可能存在暴露情形，在该这样的情形下不能进行 测量。这样的情形包括很强的温度和压力变化、电磁噪声和辐射。因此，在这些情形下， 传感器测量很可能不准

14、确甚至失效。即使环境条件很理想，传感器也很可能提供不好的测 量数据。一般来说，一个传感器就是一个测量设备，并且其观测值通常是一个不准确值。 这种不准确意味着我们用于测量物理现象或属性的技术和方法存在瑕疵。 在 WSN 中故障是存在的。例如，为了检测如起火、存在某种动物等异常事件，设置 一个 WSN 监控森林。传感器节点有可能被山火、动物甚至人类破坏，存在机械故障，因 缺电而不工作。损坏的节点可能危害到我们对于整体的感知和/或网络的通讯能力。这里的 感知能力等同于风险概念。 时空覆盖范围也是对 WSN 产生制约的因素。一个节点的感知能力是一个有限的区域。 例如，房间中的一个温度计只能指示出其附近

15、的温度而不能表示整个房间内部的温度。在 不同的场景中，WSN 的空间覆盖范围也需要进行探索，例如目标跟踪、节点规划、传感器 布置等。时间覆盖范围可被理解为在这个生命周期内实现网络任务的能力。例如，在一个 事件检测的 WSN 中，时间覆盖范围以确认没有相关的事件丢失为目标，因为在具体的事 件发生时间没有传感器进行感知。因此，时间的覆盖范围取决于传感器的采样率，通信延迟和节点的工作周期（唤醒或休眠的时间） 为了克服传感器故障、技术上的制约、时空覆盖范围问题，必须确保：协作性、冗余 性、互补性。通常，同一个感兴趣区域最好使用几个传感器节点全部覆盖，每个节点负责 协作部分视场。通过信息融合来把各个节点

16、提供的部分视场组合成为完整的整个视场。冗 余性降低了 WSN 对于单个节点的故障敏感性，同时交叠观测数据通过融合后可以获取更 加准确的数据；Rao 展示了通过信息融合实现了不低于最优传感器的融合结果。互补性可 以实现通过使用不同的传感器感知环境的不同特性；信息融合用来合并互补的数据，这些 合成的数据使得通过单一测量不可能进行的推理成为可能。 （例如通过融合某个临近威胁目 标的角度和距离来获取它的位置） 。 由于冗余性和协作性，WSN 经常由大量的传感器节点组成，大量的传感器节点带来了 潜在的冲突和冗余数据传输引起的可扩展性挑战。关于能量约束，通信应该尽可能的减少 以便延长传感器节点的生命周期。因此，信息融合通过避免传输冗余信息对于减少整个网 络的通信负荷也有重要作用。另外吗，在网络中的诸如信号处理或推理等任务进行时，潜 在的也需要进行信息融合。 2.3 一些限制 信息融合是设计无线传感器网络中的一个关键环节，其原因是：信息融合不仅可延长 整个网络的生命周期，而且还可以通过信息融合实现诸如目标跟踪、事件检测、做出决策 等应用任务。错误的信息融合将导致资源浪费和错误的评估，因