2016年8月29日
物联网技术
第6章物联网数据融合及管理
6.3.1 传感网数据传输及融合技术
汇聚 节点
N1 N4 N5 源节点 源节点 汇聚 节点 N3 N2
源节点 源节点 源节点 源节点
源节点
源节点
源节点
源节点
1．直接传输模型
2．多跳传输模型
2016年8月29日
物联网技术
第6章物联网数据融合及管理
2016年8月29日
物联网技术
第6章物联网数据融合及管理
2.数据融合研究的主要内容 数据融合是针对一个网络感知系统中使用多个和(或)多类 感知节点（如多传感器）展开的一种数据处理方法，研究的 内容包含以下几个主要问题。 1）数据对准。 2）数据相关。 3）数据识别，即估计目标的类别和类型。 3)感知数据的不确定性。 4）不完整、不一致和虚假数据. 5) 数据库。 6)性能评估。
2016年8月29日
物联网技术
第6章物联网数据融合及管理
3.数据融合的体系结构
传感器 间接 信息 信息 收集 初 级 滤 波 一级处理 数据配准 数据关联 目标跟踪 身份识别 二级处理 态势评估 态势数据库
采集管理
三级处理 威胁评估
数据 管理 系统 支持 数据库
四级处理 优化控制
图6-1 数据融合的一般模型
2016年8月29日
物联网技术
第6章物联网数据融合及管理
6.3 数据融合技术与算法
数据融合技术涉及到复杂的融合算法、实时图像数 据库技术和高速、大吞吐量数据处理等支撑技术。数据 融合算法是融合处理的基本内容，它是将多维输入数据 在不同融合层次上运用不同的数学方法,对数据进行聚 类处理的方法。就多传感器数据融合而言，虽然还未形 成完整的理论体系和有效的融合算法，但有不少应用领 域根据各自的具体应用背景，已经提出了许多成熟并且 有效的融合算法。针对传感网的具体应用，也有许多具 有实用价值的数据融合技术与算法。
2016年8月29日
物联网技术
第6章物联网数据融合及管理
6.3.3 传感网数据融合路由算法
目前，针对传感网中的数据融合问题，国内外在以数据为中心的 路由协议以及融合函数、融合模型等方面已经取得了许多研究成果， 主要集中在数据融合路由协议方面。按照通信网络拓扑结构的不同, 比较典型的数据融合路由协议有：基于数据融合树的路由协议、基于 分簇的路由协议，以及基于节点链的路由协议。
2016年8月29日
物联网技术
第6章物联网数据融合及管理
6.2 数据融合的基本原理及层次结构
通过对多感知节点信息的协调优化，数据融合技术可以有效 地减少整个网络中不必要的通信开销，提高数据的准确度和收 集效率。因此，传送已融合的数据要比未经处理的数据节省能 量，延长网络的生存周期。但对物联网而言，数据融合技术将 面临更多挑战，例如，感知节点能源有限、多数据流的同步、 数据的时间敏感特性、网络带宽的限制、无线通信的不可靠性 和网络的动态特性等。因此，物联网中的数据融合需要有其独 特的层次性结构体系。
2016年8月29日
物联网技术
第6章物联网数据融合及管理
6.1.2 物联网中的数据融合
1.物联网数据融合的意义和作用 物联网(IoT) 是利用射频识别(RFID)装置、各种传感器、全球 定位系统（GPS）、激光扫描器等各种不同装置、嵌入式软硬件 系统，以及现代网络及无线通信、分布式数据处理等诸多技术， 能够协作地实时监测、感知、采集网络分布区域内的各种环境或 监测对象的信息，实现包括物与物、人与物之间的互相连接，并 且与互联网结合起来而形成的一个巨大信息网络系统。
2016年8月29日
物联网技术
第6章物联网数据融合及管理
2.数据融合的层次划分 数据融合大部分是根据具体问题及其特定对象来建 立自己的融合层次。例如，有些应用，将数据融合划分 为检测层、位置层、属性层、态势评估和威胁评估；有 的根据输入输出数据的特征提出了基于输入/ 输出特征 的融合层次化描述。数据融合层次的划分目前还没有统 一标准。 根据多传感器数据融合模型定义和传感网的自身特 点，通常按照节点处理层次、融合前后的数据量变化、 信息抽象的层次，来划分传感网数据融合的层次结构。
6.3.2 多传感器数据融合算法
目前已有大量的多传感器数据融合算法，基本上可概 括为两大类：一是随机类方法，包括加权平均法、卡尔曼 滤波法、贝叶斯估计法、D-S证据推理等。二是人工智能 类方法，包括模糊逻辑、神经网络等。不同的方法适用于 不同的应用背景。神经网络和人工智能等新概念、新技术 在数据融合中将发挥越来越重要的作用。
2016年8月29日
物联网技术
第6章物联网数据融合及管理
1.数据融合的定义
数据融合定义简洁的表述为：数据融合是利用计算机技术对 时序获得的若干感知数据，在一定准则下加以分析、综合， 以完成所需决策和评估任务而进行的数据处理过程。
2016年8月29日
物联网技术
第6章物联网数据融合及管理
数据融合这一技术有3 层含义: ①数据的全空间，即数据 包括确定的和模糊的、全空间的和子空间的、同步的和异 步的、数字的和非数字的，它是复杂的多维多源的，覆盖 全频段；②数据的融合不同于组合，组合指的是外部特性， 融合指的是内部特性，它是系统动态过程中的一种数据综 合加工处理；③数据的互补过程，数据表达方式的互补、 结构上的互补、功能上的互补、不同层次的互补，是数据 融合的核心，只有互补数据的融合才可以使系统发生质的 飞跃。 数据融合的实质是针对多维数据进行关联或综合分析，进 而选取适当的融合模式和处理算法，用以提高数据的质量， 为知识提取奠定基础。
2016年8月29日
物联网技术
第6章物联网数据融合及管理
6.2.3 基于信息抽象层次的数据融合模型
1.像素级融合
传感器1 像 素 级 融 合 一致 性解 释与 描述
物 体
传感器2
特征提取
识别
传感器n
图6-3 像素级融合
2016年8月29日
物联网技术
第6章物联网数据融合及管理
2.特征级融合
传感器1
2016年8月29日
物联网技术
第6章物联网数据融合及管理
源节点2 源节点1 2
源节点2 源节点1 2
1 2 1 汇聚节点 1 2
2 汇聚节点
1+2
图6-2 数据融合示意图
2016年8月29日
物联网技术
第6章物联网数据融合及管理
2.物联网数据融合所要解决的关键问题和要求
（1）物联网数据融合需要研究解决的关键问题 1）数据融合节点的选择。融合节点的选择与网络层 路由协议有密切关系，需要依靠路由协议建立的路由回 路数据；并且使用路由结构中的某些节点作为数据融合 的节点。 2）数据融合时机。 3）数据融合算法。 （2）物联网数据融合技术要求 物联网与以往的多传感器数据融合有所不同，具有它自己独特 的融合技术要求。 1)稳定性。 2)数据关联。 3)能量约束。 4)协议的可扩展性。
2016年8月29日
物联网技术
第6章物联网数据融合及管理
6.2.1 数据融合的基本原理
1）多个不同类型的传感器（有源或无源的）采集观测目标的 数据； 2）对传感器的输出数据（离散的或连续的时间函数数据、输 出矢量、成像数据或一个直接的属性说明）进行特征提取，提 取代表观测数据的特征矢量； 3）对特征矢量进行模式识别处理（例如：汇聚算法、自适应 神经网络或其它能将特征矢量变换成目标属性判决的统计模式 识别法等）完成各传感器关于目标的说明； 4）将各传感器关于目标的说明数据按同一目标进行分组，即 关联； 5）利用融合算法将每一目标各传感器数据进行合成， 得到 该目标的一致性解释与描述。
2016年8月29日
物联网技术
第6章物联网数据融合及管理
6.4 物联网数据管理技术
在物联网实现中，分布式动态实时数据管理是其以数据中 心为特征的重要技术之一。该技术通过部署或者指定一些节 点作为代理节点，代理节点根据感知任务收集兴趣数据。感 知任务通过分布式数据库的查询语言下达给目标区域的感知 节点。在整个物联网体系中，传感网可作为分布式数据库独 立存在，实现对客观物理世界的实时、动态的感知与管理。 这样做的目的是，将物联网数据处理方法与网络的具体实现 方法分离开来，使得用户和应用程序只需要查询数据的逻辑 结构，而无须关心物联网具体如何获取信息的细节。
物联网技术
第6章物联网数据融合及管理
《物联网技术》课件
第6章 物联网 数据融合及管理
电子工业出版社 刘化君 刘传清编著《物联网技术》教材配套课件6
2016年8月29日
物联网技术
第6章物联网数据融合及管理
第6章 物联网数据融合及管理
6.1 何谓数据融合 6.1.1 数据融合的概念 6.1.2 物联网中的数据融合与处理 6.2 数据融合的基本原理及层次结构 6.2.1 数据融合的基本原理 6.2.2 物联网中数据融合的层次结构 6.2.3 基于信息抽象层次的数据融合 模型 6.3 数据融合技术与算法 6.3.1 传感网数据传输及融合技术 6.3.2 多传感器数据融合算法 6.3.3 传感网数据融合路由算法 6.4 物联网数据管理技术 6.4.1 传感网数据管理系统 6.4.2 数据模型及存储查询 6.4.3 数据融合及管理技术研究与 发展
特征提取 特 征 级 融 合 一致 性解 释与 描述
物 体
传感器2
特征提取
识别
传感器n
特征提取
图6-4 特征级融合
2016年8月29日
物联网技术
第6章物联网数据融合及管理
3.决策级融合
传感器1 特征提取 识别 决 策 级 融 合 一致 性解 释与 描述
物 体
传感器2
特征提取
识别
传感器n
特征提取