第9章-数据融合技术

第9章数据融合技术9.1概述数据融合的目的是收集各类传感器采集的信息，这些信息是以信号、波形、图像、数据、文字、声音等形式提供的。一般将各种传感器直接给出的信息称作源信息，如果传感器给出的信息是已经数字化的信息，就称作源数据，如果给出的是图像就是源图像。源信息是信息系统处理的对象。信息系统的功能就是把各种各样的传感器提供的信息进行加工处理，以获得人们所期待的、可以直接使用的某些波形、数据或结论。源信息、传感器与环境之间的关系如图9-1所示。环境传感器输入输出源信息噪声干扰杂波目标源波形源图像源数据9.1概述（2）多传感器信息联合处理技术。实现对观测目标的连续跟踪和测量等一系列问题的处理方法，就是多传感器的数据融合技术，有时也被称作多传感器信息融合（InformationFusion，IF）技术或多传感器融合(SensorFusion，SF)技术。数据融合也被称作信息融合，是一种多源信息处理技术。它通过对来自同一目标的多源数据进行优化合成，获得比单一信息源更精确、完整的估计或判断。多传感器数据融合是一种多层次、多方面的处理过程，这个过程是对多源数据进行检测、互联、相关、估计和组合，并以更高的精度、较高的置信度得到目标的状态估计和身份识别，以及完整的势态估计和威胁评估，为用户提供有用的决策信息。这个定义实际上包含了3个含义。9.1概述（3）数据融合定义实际上包含了3个含义。（1）数据融合是多信源、多层次的处理过程，每个层次代表了信息的不同抽象程度。（2）数据融合过程包括数据的检测、关联、估计与合并。（3）数据融合的输出包括低层次上的状态身份估计和高层次上的总战术态势的评估。传感器数据融合技术在军事领域的应用，包括海上监视系统、地面防空系统、战略防御与监视系统等。其中最典型的就是军事系统，即军事指挥自动化系统。在非军事领域的应用则包括了机器人系统、生物医学工程系统和工业控制自动监视系统等。9.1概述（4）数据融合的方法被普遍应用在日常生活中，比如在辨别一个事物的时候通常会综合各种感官信息，包括视觉、触觉、嗅觉和听觉等。单独依赖一种感官获得的信息往往不足以对事物做出准确判断，而综合多种感官数据，对事物的描述会更准确。在多传感器系统中所用到的传感器可以分为有源传感器和无源传感器两种。有源传感器发射某种形式的信息，然后接收环境和目标对该信息的反射或散射信息，例如各种类型的有源雷达、激光测距系统和敌我识别系统等。无源传感器不发射任何形式的信息，完全靠接收环境和目标的辐射来形成源信息。如红外无源探测器、被动接收无线电定位系统和电视跟踪系统等，它们分别接收目标发出的热辐射无线电信号和可见光信号。9.1概述（5）数据融合的内容主要包括：多传感器的目标探测、数据关联、跟踪与识别、情况评估和预测。数据融合的基本目的是：通过融合，得到比各个单独的输入数据更多的信息。这是协同作用的结果，即由于多传感器的共同作用，系统的有效性得以增强。数据融合是一种多源信息的综合技术，通过对来自不同传感器的数据进行分析和综合，可以获得被测对象及其性质的最佳一致估计。将经过集成处理的多种传感器信息进行集成，可以形成对外部环境某一特征的一种表达方式。9.2数据融合的作用从广义上讲，数据融合的主要作用可归纳为以下几点；（1）提高信息的准确性和全面性。与单个传感器相比，多传感器的数据融合处理可以获得有关周围环境的更准确、全面的信息。（2）降低信息的不确定性。一组相似的传感器采集的信息存在着明显的互补性，这种互补性经过适当处理后，可以对单一传感器的不确定性及其测量范围的局限性进行补偿。（3）提高系统的可靠性。某个或某几个传感器失效时，系统仍能正常运行。（4）增加系统的实时性。9.2数据融合的作用（2）目前大多数传感网的应用都是由大量传感器节点来共同完成信息的采集过程，并将收集的信息返回传感器节点所在的监测区域。由于传感器节点的资源十分有限，主要体现在电池能量、处理能力、存储容量以及通信带宽等几个方面。在收集信息的过程中，各个节点单独地直接传送数据到汇聚节点是不合适的，主要原因如下：（1）浪费通信带宽和能量。在覆盖度较高的传感网中，邻近节点报告的信息通常存在冗余性，各个节点单独传送数据会浪费通信带宽。另外，传输大量数据会使整个网络消耗过多的能量，这样会缩短网络的生存时间。（2）降低信息收集的效率。多个节点同时传送数据会增加数据链路层的调度难度，造成频繁的冲突碰撞，降低了通信效率，因此会影响信息收集的及时性。9.2数据融合的作用（3）数据融合是将多份数据或信息进行处理，组合出更有效、更符合用户需求的数据的过程。传感网的数据融合技术主要用于处理同一类型传感器的数据，或者输出复合型异构传感器的综合处理结果。例如，在森林防火的应用中，需要对温度传感器探测到的环境温度进行融合。在目标自动识别的应用中，需要对图像监测传感器采集的图像数据进行融合处理。数据融合技术的具体实现与应用密切相关。例如，在森林防火应用中，只要处理传感器节点的位置和报告的温度数值，就实现了用户的要求和目标。但是，在目标识别的应用中，出于各个节点的地理位置不同，针对同一目标所报告的图像的拍摄角度也不同，需要从三维空间的角度综合考虑问题，所以融合的难度也相对较大。9.2数据融合的作用（4）以数据为中心的传感网采取数据融合技术会使其实现的数据采集功能相比传统方法具有如下优点。（1）增加了测量维数和置信度，提高了容错功能，并改进了系统的可靠性和可维护性。（2）提高了精度。（3）扩展了空间和时间的覆盖度，提高了空间分辨率，提高了适应环境的能力。（4）改进了探测性能，增加了响应的有效性，降低了对单个传感器的性能要求，提高了信息处理的速度。（5）降低了信息获取的成本。1．节省能量传感网是由大量的传感器节点覆盖在监测区域形成的。通常在部署网络时，需要使传感器节点达到一定的密度，以增强整个网络的鲁棒性和监测信息的准确性，有时甚至需要使多个节点的监测范围互相交叠。监测区域的相互重叠导致邻近节点报告的信息存在一定程度的冗余。在冗余程度很高的情况下，把这些节点报告的数据全部发送给汇聚节点与仅发送一份数据相比，除了使网络消耗更多的能量外，并未使汇聚节点获得更多的有意义的信息。数据融合就是要针对上述情况对冗余数据进行网内处理，即中间节点在转发传感器数据之前，首先要对数据进行综合，去掉冗余信息，在满足应用需求的前提下将需要传输的数据量最小化。1．节省能量（2）网内处理利用的是节点的计算资源和存储资源，其能量消耗与传送数据相比要少很多。美国加州大学伯克利分校计算机系研制开发了微型传感器网络节点Micadot，其研究试验表明，该节点发送1bit的数据所消耗的能量约为4000nJ，而处理器执行一条指令所消耗的能量仅为5nJ，即发送1bit数据的能耗可以用来执行800条指令。因此，在一定程度上应该尽量进行网内处理，这样可以减少数据传输量，有效地节省能量。在理想的融合情况下，中间节点可以把n长度相等的输入数据分组合并成1个等长的输出分组，只需要消耗不进行融合时所消耗能量的I/n即可完成数据传输。在最差的情况下，融合操作并未减少数据量，但通过减少分组个数，可以减少信道的协商或竞争过程造成的能量开销。2．获得更准确的信息传感网是由大量廉价的传感器节点组成，部署在各种各样的应用环境中。人们从传感器节点获得的信息存在着较高的不可靠性，这些不可靠因素主要来源于以下方面。（1）受到成本和体积的限制，节点装配的传感器元器件的精度一般较低。（2）无线通信的机制使得传送的数据更容易受到干扰而遭到破坏。（3）恶劣的工作环境除了影响数据传送以外，还会破坏节点的功能部件，令其工作异常，可能报告出错误的数据。2．获得更准确的信息（2）仅收集少数几个分散的传感器节点的数据，是难以保证所采集信息的正确性的。因此需要通过对监测同一对象的多个传感器所采集的数据进行综合，从而有效地提高所获得信息的精度和可信度。由于邻近的传感器节点也在监测同一区域，它们所获得信息之间的差异性很小。如果个别节点报告了错误的或误差较大的信息，很容易在本地处理中通过简单的比较算法进行排除。虽然可以在数据全部单独传送到汇聚节点后再进行集中融合，但这种方法得到的结果往往不如在网内预先进行融合处理的结果精确，有时甚至会产生融合错误。数据融合一般需要数据源所在地局部信息的参与，如数据产生的地点，产生数据的节点所在的组或簇等。3．提高数据的收集效率在传感网内部进行数据融合，可以在一定程度上提高网络收集数据的整体效率。数据融合减少了需要传输的数据量，可以减轻网络的传输拥塞，降低数据的传输延迟。即使有效数据量并末减少，但通过对多个分组进行合并，减少分组个数。数据融合能减少网络数据传输的冲突碰撞现象，也可以提高无线信道的利用率。9.3无线传感网的数据融合模型对于无线传感网的数据融合技术而言，通信的能耗带宽、传输的可靠性，数据收集的效率等是主要考虑的因素，依据多传感器数据融合模型定义方法，结合无线传感网以数据为中心的特点，数据融合模型可以分为数据包级融合结构模型和跟踪级融合结构模型。9.3.1数据包级融合模型根据数据进行融合操作前后的信息含量，可以将数据融合分为无损融合（losslessaggregation）和有损融合（lossyaggregation）两类。9.3.1数据包级融合模型(2)（1）无损失融合在无损失融合中，所有的细节信息均被保留，只去除冗余的部分信息。此类融合的常见做法是去除信息中的冗余部分。如果将多个数据分组打包成一个数据分组，而不改变各个分组所携带的数据内容，那么这种融合方式就属于无损失融合。它只是缩减了分组头部的数据和为传输多个分组而需要的传输控制开销，而保留了全部数据信息。时间融合是无损失融合的另一个例子。在远程监控应用中，传感器节点汇报的内容可能在时间属性上具有一定联系，可以使用一种更有效的表示手段来融合多次汇报的结果。例如一个节点以一个短时间间隔进行了多次汇报，每次汇报中除时间戳不同外，其他内容均相同。或者收到这些汇报的中间节点可以只传送时间戳最新的一次汇报，以表示在此时刻之前，被监测的事物都具有相同的属性，从而大大地节省网络数据的传输量。9.3.1数据包级融合模型(3)（2）有损失融合有损失融合通常会省略一些细节信息或降低数据的质量，从而减少需要存储或传输的数据量，以达到节省存储资源或能量资源的目的。在有损失融合中，信息损失的上限是融合后的数据要保留应用所必需的全部信息量。很多有损失融合都是针对数据收集的需求来进行网内处理的，例如．在温度监测应用中。需要查询某一区域范围内的平均温度或者最低、最高温度时，网内处理将对各个传感器节点所报告的数据进行运算，并只将结果数据报告给查询者。从信息含量的角度来看，这份结果数据相对于传感器节点所报告的原始数据来说，损失了绝大部分的信息，但是它完全能满足数据收集者的要求。9.3.2跟踪级融合模型无线传感网络中大量的感知数据从多个源节点向汇聚节点传送，从信息流通形式和网络节点处理的层次看，跟踪级融合模型可以分为集中式与分布式。9.3.2跟踪级融合模型(2)1.集中式结构集中式结构的特点是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，最后汇聚节点进行数据的处理，其结构如图9.2所示。这种结构优点是信息损失小。但由于无线传感器网络中传感器节点分布较为密集，多个源节点对同一事件的数据表征存在近似的冗余信息，因此对冗余信息的传输将会造成网络消耗更多的能量。汇集节点（数据融合）源节点1数据关联分析源节点n源节点2数据冗余处理数据合并目标状态/决策数据感知/预处理9.3.2跟踪级融合模型(3)2.分布式结构分布式结构也就是所说的网内数据融合，如图9.3所示，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，