基于无线传感器网络的数据融合系统设计毕业论文1.doc

编号 淮安信息职业技术学院毕业论文题 目基于无线传感器网络的数据融合系统的设计学生姓名学 号院 系 计算机与通信工程学院专 业通信技术班 级指导教师 顾问教师摘 要无线传感器网络（Wireless Sensor Networks，WSN）是当前在国际上备受关注的、涉及多学科高度交叉、知识高度集成的前沿热点研究领域。传感器技术、微机电系统、现代网络和无线通信等技术的进步，推动了现代无线传感器网络的产生和发展。无线传感器网络扩展了人们信息获取能力，将客观世界的物理信息同传输网络连接在一起，在下一代网络中将为人们提供最直接、最有效、最真实的信息。无线传感器网络能够获取客观物理信息，具有十分广阔的应用前景，能应用于军事国防、工农业控制、城市管理、生物医疗、环境检测、抢险救灾、危险区域远程控制等领域。已经引起了许多国家学术界和工业界的高度重视，被认为是对21世纪产生巨大影响力的技术之一。数据融合技术是无线传感器网络的一个关键技术, 能减少传感器节点间的传输量,从而明显提高网络感知效能,延长网络生命周期, 减小时间延迟。无线传感网数据融合，是对源数据或信息的获取、表示及其内在联系进行综合处理和优化的技术。传感器只能获得环境或被测对象的部分信息段，而传感网信息经过融合后能够完善地、准确地反映环境的特征。传感网目标的融合识别是试图将各传感器关于目标的不精确，不完全的数据进行融合，产生较单一传感器更精确，更完全的属性估计和判决。数据融合技术已经广泛应用于信息电子学、计算机科学、自动化等领域。关键词: 传感器网络 传感器的应用 数据融合 无线传感器分类AbstractWireless Sensor network (Wireless Sensor Networks, WSN) is the current focus on international knowledge, involving multidisciplinary highly cross, highly integrated the leading edge of the hot research field. Sensor technology, mems, the progress of modern network and wireless communication technology, to promote the emergence and development of modern wireless sensor network. Wireless sensor network (WSN) expanded the people access to information, with the objective world of physical information transmission network connection together, in the heart of the next generation network for people to provide the most direct, the most effective and most real information. Wireless sensor network (WSN) can obtain the objective physical information, has the very broad application prospects, and can be applied to military defense, industrial and agricultural control, urban management, biological, medical, environmental detection, remote control in areas such as disaster relief, the dangerous area. Has attracted the attention of the academia and industry in many countries, is considered to be one of produce great influence to the 21st century technology.Data fusion technology is a key technology of wireless sensor network (WSN) can reduce the magnitude of the transmission between the sensor nodes, thus significantly increase the efficiency of the network awareness and prolong the network life cycle, reducing the time delay. Wireless sensor network data fusion, is the source of data or information access, said and inner link of integrated processing and optimization technology. Sensors can only obtain the environment or the part of the object information, and sensing network information after fusion can perfectly and accurately reflects the characteristics of the environment. Sensing of mesh mark about target fusion recognition is trying to each sensor imprecise, incomplete data fusion, produces more accurate than the single sensor, more complete property estimation and decision. Data information fusion technology has been widely used in electronics, computer science, automation, etc.Keywords: Sensor Networks Sensor applications Wireless sensor classification sens Sensor networks, Internet of things目 录摘 要IABSTRACTII第一章 绪论11.1传感器的研究背景11.2传感器网络的研究现状11.3无线传感器发展趋势3第二章 无线传感器的概述及结构52.1无线传感器的概述52.2无线传感器的特点52.2.1振动传感器52.2.2应变传感器52.2.3扭矩传感器62.3传感器的分类62.3.1声音传感器62.3.2加速度传感器6第三章 无线传感器的应用及分类73.1无线传感器技术融合73.2无线传感器网络结构73.3无线传感器的应用83.3.1医疗护理83.3.2军事领域83.3.3目标跟踪93.3.4其他用途93.4无线传感器的网络结构10第四章 无线传感器数据融合的系统设计114.1数据融合技术的概述114.2数据融合技术的用途114.3数据融合技术的重要作用124.3.1节省能量124.3.2获取更准确的信息124.3.3提高数据收集效率124.4数据融合的基本原理124.5数据融合的几种方法134.5.1基于卡尔曼滤波(KF)的数据融合134.5.2基于预测的时域数据融合13第五章 无线传感器网络安全性分析155.1攻击种类155.2无线传感器网络安全防范对策、安全协议概述165.2.1路由安全协议165.2.2密钥管理协议195.2.3安全定位协议205.2.4传感器网络节点定位系统安全措施的分析与比较22第六章 总结与展望236.1总结236.2无线传感网数据融合技术的展望23致 谢25参考文献26第一章 绪论1.1传感器的研究背景随着无线技术的快速发展和日趋成熟，无线通信也发展到一定的阶段，其发展的技术越来越成熟，方向也越来越多，越来越重要，大量的应用方案开始采用无线技术进行数据采集和通信。 微机电系统和低功耗高集成数字设备的发展，使得低成本、低功耗、小体积的传感器节点得以实现。这样的节点配合各类型的传感器，可组成无线传感器网络（WSN）。无线传感网络是一种开创了新的应用领域的新兴概念和技术。广泛应用于战场监视、大规模环境监测和大区域内的目标追踪等领域。传感技术、传感网络已经被认定为最重要的研究之一。因为无线传感器网络节点一般采用电池供电，工作环境通常比较恶劣，而且数量大、更换非常困难，所以低功耗是无线传感器网络最重要的设计准则之一，因此，它迫切需要对传统的嵌入式应用开发进行更新和改进，需要精心设计的软硬件系统，以使其可靠而耐用。2003年,美国技术评论杂志论述未来新兴十大技术时,WSN被列为第一；美国今日防务杂志更认为WSN的应用和发展将引起一场划时代的军事技术革命和未来战争的变革。可以预测,WSN是信息感知和采集的一场革命，是21世纪最重要的技术之一。低功耗无线传感模块，便是组成无线传感网络的节点。此方面的研究由来已久，是计算机应用的扩展，采用了大规模集成电路和嵌入式技术，使用智能微处理器对采集到的信息进行处理和加工。现已广泛应用于社会建设的各个层面和人们的日常生活当中。但过去的研究有的只考虑低功耗而性能不高， 有的性能高但是功耗太大。因此，在无线传感技术应用如此广泛的今天，在保证无线传感模块性能的同时又能实现其低功耗具有一定的理论和现实意义。1.2传感器网络的研究现状无线传感器网络的最初研究来源于美国军方，美国国防先进研究计划局（DARPA）于2001年资助加州伯克力大学开发无线传感器系统。美国自然科学基金委员会2003年制定了传感器网络研究计划，投资3400万美元用于支持该方面的基础研究。英国、日本、意大利等国家的一些大学和研究机构也纷纷开展了该领域的研究工作。研究取得了一些初步的研究成果。目前国内无线传感器网络尚处于研究阶段，清华大学、中科院沈阳自动化研究所、中科院合肥智能所等单位已开始进行这方面的研究。无线传感器网络应用领域非常广泛。比如当需要对诸如温度、光通量、位移以及噪声等环境参数进行不间断地传感、测试和无线信号传输时，可以考虑在相关领域中配置智能化的无线传感器网络，通过对环境待测参数的传感数据分析来达到检测目的，这一技术已经应用到国防军事、动物的习性观测、材料结构健康监测、交通管理、医疗卫生、灾害监测等领域中。无线传感模块是新兴的下一代无线传感网络节点，它是组成无线传感网络的基本部分。最早的代表性论述出现在二十世纪九十年代末，题为“传感器走向无线时代”。传感技术的发展经历了一般传感器、智能传感器、无线传感器等几个阶段。一般传感器，是最早产生的传感器，只能实现数据采集；智能传感器则是在一般传感器的基础上将处理计算能力与传感器相结合，使得传感模块不但能够实现数据等信息采集，还能对所采集到的信息进行一定程度的计算和处理；无线传感器则是在智能传感器的基础上再集成无线功能模块，使得传感器不再是单独的感知模块，而是一个能够实现数据采集、处理，信息交换和控制的有机整体。为了实现随时随地与任何人或任何设备的互联互通，无线通信技术获得了蓬勃发展。在正交频分复用(OFDM)和多入多出(MIMO)等基础技术支持下，多种无线技术如蓝牙、Wi-Fi、WIMAX、超宽带和无线局域网获得了长足发展。作为蓬勃发展的无线技术，近几年正是其大变革时期。随着几种重要基础技术的推广和实际应用，无线通信的速度也将得到大大提高。无线传感模块属于无线技术中较为底层的一个分支，由于越来越多的应用方案开始采用无线节点进行数据采集和通信。综合了传感器技术、嵌入式计算技术、现代网络及无线通信技术、分布式信息处理技术等的无线传感网络,是当前的热点研究领域。而无线传感网络节点的稳定运行是整个网络可靠性的重要保障，因此无线传感模块的设计，传感技术、传感网络已经被认定为最重要的研究之一。当前国内外出现了多种无线传感器网络节点的硬件平台。典型的节点包括Mica 系列、Telos 、IRIS 和Imote2 等。各平台的主要区别是采用了不同的处理器和无线通信模块。有些节点具有高性能但功耗较大，如Imote2 节点，不适用于能量受限的应用环境。其他一些节点，如Telos 、Mica 等， 由于设计时间较早，其性能已经落后于当今的集成电路工业设计水平。因为无线传感器网络节点一般采用电池供电，工作环境通常比较恶劣，而且数量大，更换非常困难，所以低功耗是无线传感器网络最重要的设计准则之一。IT P（美国再生能源办公室工业技术计划） 在2002年发布的报告“21世纪工业无线技术”第一页中引用了总统科技顾问的断言：无线传感器可将能源利用率提高10%，将能源损耗减少25%。后来的研究，如Intel、Mote 的研究项目则注重了三个方面的要求，包括低功耗操作、系统级集成和硬件的重新配置，希望做到平衡功耗与性能的矛盾，但目标的实现还需要一定的努力。MIT发展的模块化平台对于具体的传感器有不同的硬件设计，他们的传感器的主要功能是数据收集，采用垂直连接器来使不同的处理层整合到一起，其目的是为了设计一个通用的系统来取代单一的硬件系统。随着电子技术、计算机技术以及集成技术的不断发展，传感技术也会得到不断的发展和完善。并且会有更多的结构新、功能强、耗能低的传感器用运于各种实际的无线网络当中，以高的精确度和良好的稳定性服务于更加广泛的领域。当今世界信息技术飞速发展，给人们的工作和生活带来了巨大影响。信息技术产业链和应用环节的第一步是信息的获取，它直接关系到信息的传输、处理和应用。传感器技术是信息获取的最重要、最基本的技术。随着获取信息要求的提高，传感器获取技术从单一化到集成化、微型化，进而智能化、网络化，形成智能传感器网络。并且随着无线网络的发展，融合了传感器技术、信息处理技术和网络通信技术的无线传感器网络技术也应运而生。无线传感器网络是一种独立出现的网络，它的基本组成单位是无线传感器节点，这些节点集成了传感器、微处理器、无线接口和电源管理四个主要模块。传感器、微机电系统(MEMS)、集成电路、以及低功耗无线通信等技术的飞速发展，使得低成本、低功耗、多功能的微型无线传感器网络的大规模应用成为可能，这些微型无线传感器是集成的光机电一体化系统，具有无线通信、数据收集和处理、协同工作等功能。它们共同组成了无线传感器网络，产生了一种全新的信息获取和处理模式。微型传感器节点可以随机或者特定地布置在工作环境中，通过无线通信实现自组织，获取周围环境的信息，形成分布自治系统，相互协同完成特定的任务。美国商业周刊和MTI技术评论在预测未来技术发展的报告中，分别将无线传感器网络列为21世纪最有影响的21项技术和改变世界的10大技术之一。1.3无线传感器发展趋势正是由于低功耗无线传感节点在如此广范围内的应用，使得它受到了来自军事、工业和商业以及学术专家的极大关注。其发展方向必然是无线通信的网络化，即通过自组网的方式形成动态、自适应的无线传感网络。而无线传感网络( WSN) 是当前在国际上备受关注的、涉及多学科高度交叉、知识高度集成的前沿热点研究领域。它综合了传感器技术、嵌入式计算技术、现代网络及无线通信技术、分布式信息处理技术等。我国迫切需要提升对此的认识程度，并尽快推动其发展。因此，以无线传感模块为基础，实现传感网络的无线互联将是一个必然的趋势。另外由于无线传感器网络节点的稳定运行是整个网络可靠性的重要保障。在不同的应用中，传感器网络节点的组成不尽相同。已有的节点， 有的只考虑低功耗而性能不高，有的性能高但是功耗太大。因此，无线传感模块的发展必然是趋向与低功耗的。即在保证所需要实现功能的基础上，尽量的实现整个模块的低功耗，甚至在不影响整体性能的情况下适当减少部分功能来实现降低功耗的目的。除开以上所讲两种发展趋势之外，无线传感模块的应用和发展还具有极大的发展空间和良好的发展方向。当前对无线传感模块的应用都是静止性的，就目前存在的无线传感网络（WSN），构成网络的各个节点都是被固定的安放在一个地方，要实现对整个环境的检测，就需要向环境中投放大量的无线传感节点。这样一来成本就会非常的高。若实现无线传感模块对信息的移动式采集，则在同一个环境内投放更少的节点，就能实现对环境的全面检测。正是由于当前能耗对无线传感模块的影响，低功耗研究才上升为一个热点领域，不论是使用电源或者电池供电，在实现低功耗后，无线传感模块的发展趋势必然是自生能源式的。利用太阳能、振动能量、地热、风能等实现无线传感模块的电能供应对于全面提高无线传感模块的能力将会起到巨大的作用。最后，基于能力存储技术的发展，电池的容量越来越大，再加上低功耗的实现，无线传感模块的适用寿命不断增加将会成为一个绝对趋势。未来的无线传感模块必将是集稳定性与安全性、扩展性与灵活性、微型化与低成本等特点为一体的。第二章 无线传感器的概述及结构2.1无线传感器的概述无线传感器的组成模块封装在一个外壳内，在工作时它将由电池或振动发电机提供电源，构成无线传感器网络节点，由随机分布的集成有传感器、数据处理单元和通信模块的微型节点，通过自组织的方式构成网络。它可以采集设备的数字信号通过无线传感器网络传输到监控中心的无线网关，直接送入计算机，进行分析处理。如果需要，无线传感器也可以实时传输采集的整个时间历程信号。监控中心也可以通过网关把控制、参数设置等信息无线传输给节点。数据调理采集处理模块把传感器输出的微弱信号经过放大，滤波等调理电路后，送到模数转换器，转变为数字信号，送到主处理器进行数字信号处理，计算出传感器的有效值，位移值等。图 2-1：无线传感器的结构原理图2.2无线传感器的特点2.2.1振动传感器每个节点的最高采样率可设置为4KHz，每个通道均设有抗混叠低通滤波器。采集的数据既可以实时无线传输至计算机，也可以存储在节点内置的2M数据存储器内，保证了采集数据的准确性。有效室外通讯距离可达300m，节点功耗仅30mA，使用内置的可充电电池，可连续测量18小时。如果选择带有USB接口的节点，您既可以通过USB接口对节点充电，也可以快速地把存储器内的数据下载到计算机里面。2.2.2应变传感器节点结构紧凑，体积小巧，由电源模块、采集处理模块、无线收发模块组成，封装在PPS塑料外壳内。节点每个通道内置有独立的高精度120-1000桥路电阻和放大调理电路，可以方便地由软件自动切换选择1/4桥，半桥，全桥测量方式，兼容各种类型的桥路传感器，比如应变，载荷，扭距，位移，加速度，压力，温度等。节点同时支持2线和3线输入方式，桥路自动配平，也可以存储在节点内置的2M数据存储器有效室外通讯距离可达300 m。可连续测量十几个小时。2.2.3扭矩传感器节点结构紧凑，体积小巧，封装在树脂外壳内。节点每个通道内置有高精度120-1000桥路电阻和放大调理电路。桥路自动配平。节点的空中传输速率可以达到250K BPS，有效实时数据传输率达到4K SPS，有效室内通讯距离可达100米。节点设计有专门的电源管理软硬件，在实时不间断传输情况下，节点功耗仅25mA，使用普通9V电池，可连续测量几十个小时。对于长期监测应用，以5分钟间隔发送一次扭矩值，数年不需要更换电池，大大提高了系统的免维护性。2.3传感器的分类2.3.1声音传感器声音的监测采用Panasonic的全方位电容麦克风WM-62A，它除了被用于普通的声音记录以外，还同蜂鸣器、麦克风、音频信号的接收放大和解码电路，一起被用于声音定位。声音传感器模块的接口电路如图3所示。蜂鸣器采用简单的固定频率的共鸣器，用于产生固定频率（如4KHz）的测距声波。麦克风接收到的声音信号两次经过运算放大器MAX4466实现两级放大，输出信号送到单片机的模数转换端口，同时该输出经过有源滤波器MAX4164连接到音调侦测器LMC567，可以实现声调解码，当蜂鸣器所发出的固定频率的音调出现，音调侦测器LMC567就会输出一个数字高低电平给单片机的中断端口。通过这一电路，能够实现传感器节点间的测距，采用基于声波和电磁波的到达时间差测距的方法实现节点间测距，通过测量节点所广播的声波和电磁波到达同一节点的时间差，进而基于信号传播速度来确定节点间的距离。某一节点激励蜂鸣器发声，且同时广播电磁信号，当周围的某个节点接收到电磁波信号后，定时器开始工作，当该节点接收到测距声波时定时器停止工作。由于电磁波的传播速度很快，定时器测量的时间可以近似认为是声波在两节点间传播的时间，进而可计算出两节点间的距离。然后通过一定的定位算法，可以实现传感器节点的自身定位。2.3.2加速度传感器ADXL202AE是廉价、低功耗的两轴加速度传感器，量程范围为-2g到+2g。它可用来测量动态加速度，也可用来测量静态加速度。它具有较高的灵敏度(12.5%/g)，即使用低速计数器来对它输出的PWM信号进行解码，也可以得到较高的分辨率。第三章 无线传感器的应用及分类3.1无线传感器技术融合数据融合是WSN 中非常重要的一项技术,也是目前的一个研究热点。该技术可以通过一定的算法将传感器节点采集到的大量原始数据进行各种网内处理,去除其中的冗余信息,只将少量的有意义的处理结果传输给汇聚节点。采用数据融合技术能够大大减少WSN 中需要传输的数据量,降低数据冲突,减轻网络拥塞,从而有效地节省能源开销,起到延长网络寿命的作用。WSN 中数据融合的作用主要体现在节省能量、延长网络生命周期、提高数据收集效率、增强数据准确性以及获取综合性信息等方面。随着无线传感器网络技术的出现和发展，得到了广泛的应用，在一个大规模传感器网络系统中，系统常常需要使用和管理数量巨大，种类繁多的传感器，这带来了需要专门的线路铺设，已经无法满足实际需要，因此无线传感网络技术的出现，极大地促进了传感器网络的发展。传感器应用包括网络的拓扑管理规则，无线路由协议，数据压缩算法以及无线传感器，在系统解决方案中，传感器的能量供应完全依靠自身所携带的电源因此，系统设计的规模和计划尤其显得重要。它已经在家用电器方面得到利用,相信未来将会更加成熟。智能化传感器是传感器技术未来发展的主要方向。在今后的发展中,智能化传感器无疑将会进一步扩展到化学、电磁、光学和核物理等研究领域。3.2无线传感器网络结构对于每一类无线传感器网路应用系统而言,在设计和实现时需要开发的不仅是在应用服务器上的业务逻辑部分的软件,除此之外,还必须要设计处理分布系统所特有功能的软件,而目前的系统软件(操作系统) 都不支持。无线传感器网络中间件将使无线传感器网络应用业务的开发者集中于设计与应用有关的部分,从而简化设计和维护工作。采用中间件实现技术,利用软件构件化、产品化能够扩展和简化无线传感器网络的应用。无线传感器网络中间件的开发将会使无线传感器网络在应用中达到柔性、高效的数据传输路径和局部化的目标,同时使整个网络在整个应用中达到最优化。无线传感器网络中间件和平台软件构成无线传感器网络业务应用的公共基础,提供了高度的灵活性、模块性和可移植性。在一般无线传感器网络应用系统中,管理和信息安全纵向贯穿各个层次的技术架构,最底层是无线传感器网络基础设施层,逐渐向上展开的是应用支撑层、应用业务层、具体的应用领域军事、环境、健康和商业等。定位系统定位系统处理器处理模块传感器ADC收发机存储器能量单元能量产生器：数模变换器传感模块 图 3-2： 传感器网络节点功能结构3.3无线传感器的应用随着人们对于环境问题的关注程度越来越高，需要采集的环境数据也越来越多，无线传感器网络的出现为随机性的研究数据获取提供了便利，并且还可以避免传统数据收集方式给环境带来的侵入式破坏。比如，英特尔研究实验室研究人员曾经将32个小型传感器连进互联网，以读出缅因州"大鸭岛"上的气候，用来评价一种海燕巢的条件。无线传感器网络还可以跟踪候鸟和昆虫的迁移，研究环境变化对农作物的影响，监测海洋、大气和土壤的成分等。此外，它也可以应用在细农业中，来监测农作物中的害虫、土壤的酸碱度和施肥状况等。3.3.1医疗护理无线传感器网络在医疗研究、护理领域也可以大展身手。罗彻斯特大学的科学家使用无线传感器创建了一个智能医疗房间，使用微尘来测量居住者的重要征兆（血压、脉搏和呼吸）、睡觉姿势以及每天24小时的活动状况。英特尔公司也推出了无线传感器网络的家庭护理技术。该技术是做为探讨应对老龄化社会的技术项目Center for Aging Services Technologies（CAST）的一个环节开发的。该系统通过在鞋、家具以家用电器等家中道具和设备中嵌入半导体传感器，帮助老龄人士、阿尔茨海默氏病患者以及残障人士的家庭生活。利用无线通信将各传感器联网可高效传递必要的信息从而方便接受护理。而且还可以减轻护理人员的负担。英特尔主管预防性健康保险研究的董事Eric Dishman称，"在开发家庭用护理技术方面，无线传感器网络是非常有前途的领域"。3.3.2军事领域由于无线传感器网络具有密集型、随机分布的特点，使其非常适合应用于恶劣的战场环境中，使其非常适合应用于恶劣的战场环境中，包括侦察敌情、监控兵力、装备和物资，判断生物化学攻击等多方面用途。美国国防部远景计划研究局已投资几千万美元，帮助大学进行"智能尘埃"传感器技术的研发。哈伯研究公司总裁阿尔门丁格预测：智能尘埃式传感器及有关的技术销售将从2004年的1000万美元增加到2010年的几十亿美元。3.3.3目标跟踪DARPA支持的Scnsor IT项目探索如何将WSN技术应用于军事领域，实现所谓“超视距”战场监测。UCB的教授主持的Sensor Web是Sensor IT的一个子项目原理性地验证了应用WSN进行战场目标跟踪的技术可行性，翼下携带WSN节点的无人机(UAV)飞到目标区域后抛下节点，最终随机布撤落在被监测区域，利用安装在节点上的地震波传感器可以探测到外部日标，如坦克、装甲车等，并根据信号的强弱估算距离，综合多个节点的观测数据，最终定位目标，并绘制出其移动的轨迹。虽然该演示系统在精度等方面还远达不到装备部队用于实战的要求，这种战场侦察模式目前还没有真正应用于实战，但随着美国国防部将其武器系统研制的主要技术目标从精确制导转向目标感知与定位，相信WSN提供的这种新颖的战场侦察模式会受到军方的关注。3.3.4其他用途无线传感器网络还被应用于其他一些领域。比如一些危险的工业环境如井矿、核电厂等，工作人员可以通过它来实施安全监测。也可以用在交通领域作为车辆监控的有力工具。此外和还可以在工业自动化生产线等诸多领域，英特尔正在对工厂中的一个无线网络进行测试，该网络由40台机器上的210个传感器组成，这样组成的监控系统将可以大大改善工厂的运作条件。它可以大幅降低检查设备的成本，同时由于可以提前发现问题，因此将能够缩短停机时间，提高效率，并延长设备的使用时间。尽管无线传感器技术目前仍处于初步应用阶段，但已经展示出了非凡的应用价值，相信随着相关技术的发展和推进，一定会得到更大的应用。 图 3-3：典型的工作用无线传感器网络3.4无线传感器的网络结构大量传感器节点随机部署在监测区域内部或附近，能够通过自组织方式构成网络。传感器节点监测的数据沿着其他传感器节点逐跳地进行传输，在传输过程中监测数据可能被多个节点处理，经过多跳后路由到汇聚节点，最后通过互联网或卫星到达管理节点。用户通过管理节点对传感器网络进行配置和管理，发布监测任务以及收集监测数据。第四章 无线传感器数据融合的系统设计4.1数据融合技术的概述所谓数据融合，是将来自多个传感器和信息源的数据信息加以联合、相关和组合，剔除冗余信息，获得互补信息，以便能够较精确地估计出节点的位置和在网络中的地位，以及对现场情况及其传送数据的重要程度进行适时的完整的评价。对于无线传感器网络系统来说，信息具有多样性和复杂性，因此对数据融合方法的基本要求是具有鲁棒性和并行处理能力。由于来自各种不同传感器的数据信息可能具有不同的特征，于是相应地出现了多种不同的数据融合方法。图 4-1：数据融合算法4.2数据融合技术的用途数据融合技术为先进的作战管理和CI系统提供了重要的数据处理技术基础。数据融合在多信息源、多平台和多用户系统内起着重要的处理和协调作用，保证了数据处理系统各单元与汇集中心间的连通性与及时通信，而且使原来由军事操作人员和情报分析人员完成的许多功能均由数据处理系统快速、准确、有效地自动完成。数据融合技术对未来作战技术和武器系统的影响极为深远。大量新的作战技术的发展迫切需要数据融合技术的应用和支持。如现代作战原则强调纵深攻击和遮断能力，要求能描术目标位置、运动及其企图的信息，这已超过了使用的常规传感器的性能水平。未来的战斗车辆、舰艇和飞机将对射频和红外传感器呈很低的信号特征。为维持其低可观测性，它们将依靠无源传感器和从远距离信息源接受的信息。那么，对这些信息数据的融合处理就是至关重要的了。数据融合技术还是作战期间对付敌人使用隐身技术（如消声技术、低雷达截面、低红外信号特征）及帮助进行大面积目标监视的重要手段。数据融合技术将帮助战区指挥员和较低层次的指挥员从空间和水下进行大范围监视、预报环境条件、管理电子对抗和电子反对抗设备等分散资源。同样还能协助先进的战术战斗机、直升飞机的驾驶员进行超低空导航。高速、低成本及高可靠性的数据融合技术不仅在军事领域得到越来越广泛的应用，而且在自动化制造领域、商业部门，乃至家庭都有极其广阔的应用前景。如自动化制造过程中的实时过程控制、传感器控制元件、工作站以及机器人和操作装置控制等均离不开数据融合技术的应用。数据融合技术为需要可靠地控制本部门敏感信息和贸易秘密的部门提供了实现新的保密系统的控制擅自进入的可能性。对于来自无源电子支援测量、红外、声学、运动控测器、火与水探测器等各种信息源的数据融合，可以用于商店和家庭的防盗防火。军事应用领域开发的一些复杂的数据融合应用同样可以应用于民用部门的城市规划、资源管理、污染监测和分析以及气候、作物和地质分析，以保证在不同机关和部门之间实现有效的信息共享。4.3数据融合技术的重要作用4.3.1节省能量由于部署无线传感器网络时，考虑了整个网络的可靠性和监测信息的准确性（即保证一定的精度），需要进行节点的冗余配置。在这种冗余配置的情况下，监测区域周围的节点采集和报告的数据会非常接近或相似，即数据的冗余程度较高。如果把这些数据都发给汇聚节点，在已经满足数据精度的前提下，除了使网络消耗更多的能量外，汇聚节点并不能获得更多的信息。而采用数据融合技术，就能够保证在向汇聚节点发送数据之前，处理掉大量冗余的数据信息，从而节省了网内节点的能量资源。4.3.2获取更准确的信息由于环境的影响，来自传感器节点的数据存在着较高的不可靠性。通过对监测同一区域的传感器节点采集的数据进行综合，有效地提高获取信息的精度和可信度。4.3.3提高数据收集效率网内进行数据融合，减少网络数据传输量，降低传输拥塞，降低数据传输延迟，减少传输数据冲突碰撞现象，可在一定程度上提高网络收集数据的效率。数据融合技术可以从不同角度进行分类，主要的依据是三种：融合前后数据信息含量、数据融合与应用层数据语义的关系以及融合操作的级别。4.4数据融合的基本原理数据融合中心对来自多个传感器的数据进行融合，也可以将来自多个传感器的信息和人机界面的观测事实进行数据融合(这种融合通常是决策级融合)提取征兆信息，在推理机作用下将征兆与知识库中的知识匹配，做出故障诊断决策，提供给用户。多传感器信息融合的基本原理就像人脑综合处理信息的过程一样，它充分地利用多个传感器资源，通过对各种传感器及其观测信息的合理支配与使用，将各种传感器在空间和时间上的互补与冗余信息依据某种优化准则组合起来， 产生对观测环境的一致性解释和描述。 信息融合的目标是基于各传感器分离观测信息， 通过对信息的优化组合导出 更多的有效信息。它的最终目的是利用多个传感器共同或联合操作的优势，来提高整个传感器系统的有效性。4.5数据融合的几种方法4.5.1基于卡尔曼滤波(KF)的数据融合该方法用测量模型的统计特性，递推决定统计意义下最优融合数据合计。如 果系统具有线性动力学模型，且系统噪声和传感器噪声可用高斯分布的白噪声模 型来表示，则 KF 为融合数据提供惟一的统计意义下的最优估计，它的递推特性 使系统数据处理不需大量的存储和计算。 KF 分为分散卡尔曼滤波(DKF)和扩展卡尔曼滤波(EKF)。 DKF 可实现多传感器数据融合完全分散化，其优点是，单个传感器节点失效不会导致整个系统失效。 而 EKF 的优点是，可有效克服数据处理不稳定性或系统模型线性程度的误差对 融合过程产生的影响。4.5.2基于预测的时域数据融合在基于预测的时域数据融合中, 通过对传感器节点采集的时间序列数据进行分析,建立了能够反映时间序列中所包含的动态依存关系的数学模型, 并对观察值进行预测。只有当预测值与实际值之间的误差超过给定阈值时, 才传输数据。通过预测,减少不必要的数据传输, 从而降低网络能耗, 实现延长网络的生命周期。现有文献中一般采用的预测融合方法主要有概率模型、自回归滑动平均模型(autoregressive moving average, ARMA)及自适应的双重预测策略等。其中,自适应的双重预测策略在自适应预测模型选取时,由于考虑了时间序列、先验知识、预测精度以及可用的计算资源等因素, 能实现在线的自适应的实时预测融合,并具有较好的可扩展性。在此类融合方法中,如何根据采集的数据类型进行数据样本及预测融合算法的选择是问题的关键所在。再者, 目前进行的主要是同步融合,关于异步融合的研究报道很少,值得关注。在WSN中, 同一地点布置了许多传感器, 这些传感器之间的相对距离较近,其观察值在时间和空间上存在相关性, 导致数据冗余现象。因此, 如何消除多传感器间的时空相关性,以降低网络传输数据及节省网络能量和开销, 值得研究。而时间和空间上的这种相关性也是设计数据融合方法的主要依据。现有文献对多传感器间时空融合的研究可分为两类: 一类是时间或者空间融合模型;另一类是时空融合模型。典型的时间融合模型是TiNA( temporal coherency-