物聯(lián)網(wǎng)數(shù)據(jù)采集誤差優(yōu)化算法

院系：計(jì)算機(jī)學(xué)院專業(yè)：軟件工程班級(jí)：2009級(jí)B班姓名：王琴學(xué)號(hào)：20092111227指導(dǎo)老師：郭占龍論文題目：基于物聯(lián)網(wǎng)數(shù)據(jù)采集誤差優(yōu)化算法本論文主要介紹的一共分四章節(jié)：1.緒論1.1研究背景與意義1.2EPC物聯(lián)網(wǎng)1.3物聯(lián)網(wǎng)數(shù)據(jù)處理的現(xiàn)狀2.數(shù)據(jù)融合2.1物聯(lián)網(wǎng)數(shù)據(jù)融合的意義和作用2.2數(shù)據(jù)融合研究的主要內(nèi)容2.3數(shù)據(jù)融合的體系結(jié)構(gòu)2.4多傳感器信息融合的三種層次2.5基于多傳感器數(shù)據(jù)融合3.數(shù)據(jù)融合算法理論研究3.1傳感網(wǎng)數(shù)據(jù)傳輸及融合技術(shù)3.2融合算法分類4.基于加權(quán)融合和檢測(cè)概率的算法研究4.1基于加權(quán)融合算法提出的一種改進(jìn)的加權(quán)融合算法4.2歸一化加權(quán)平均算法4.3多傳感器數(shù)據(jù)自適應(yīng)加權(quán)融合估計(jì)算法4.4基于檢測(cè)概率的物聯(lián)網(wǎng)信息融合算法1.1研究背景與意義

物聯(lián)網(wǎng)的定義：

物聯(lián)網(wǎng)（InternetofThings）是利用無(wú)線射頻識(shí)別(RFID)裝置、各種傳感器、全球定位系統(tǒng)（GPS）等能夠存儲(chǔ)物體信息的標(biāo)識(shí)，以及現(xiàn)代網(wǎng)絡(luò)及無(wú)線通信、分布式數(shù)據(jù)處理等諸多技術(shù)，能夠協(xié)作地實(shí)時(shí)監(jiān)測(cè)、感知、采集網(wǎng)絡(luò)分布區(qū)域內(nèi)的各種環(huán)境或監(jiān)測(cè)對(duì)象的信息，并通過無(wú)線網(wǎng)絡(luò)的方式將其即時(shí)信息發(fā)送到后臺(tái)信息處理系統(tǒng)，而各大信息系統(tǒng)可以互聯(lián)形成一個(gè)龐大的網(wǎng)絡(luò)。從而可以達(dá)到對(duì)物品進(jìn)行實(shí)施跟蹤、監(jiān)控等智能化管理的目的，實(shí)現(xiàn)包括物與物、人與物之間的互相連接和信息溝通。物聯(lián)網(wǎng)的特征：

目前國(guó)際上對(duì)物聯(lián)網(wǎng)的研究逐漸明朗起來(lái)，最典型的解決方案有歐美的EPC系統(tǒng)和日本的UID系統(tǒng)，這里著重介紹EPC物聯(lián)網(wǎng)。最具有代表性的物聯(lián)網(wǎng)就是EPC物聯(lián)網(wǎng)，EPC系統(tǒng)是一個(gè)先進(jìn)的、綜合性的和復(fù)雜的系統(tǒng)，EPC物聯(lián)網(wǎng)系統(tǒng)由EPC編碼體系、RFID系統(tǒng)和信息網(wǎng)絡(luò)系統(tǒng)三個(gè)部分組成。1.2EPC物聯(lián)網(wǎng)EPC物聯(lián)網(wǎng)系統(tǒng)工作結(jié)構(gòu)圖:EPC標(biāo)簽讀寫器EPC中間件因特網(wǎng)ONSEPCISEPC編碼PMLEPCIP地址1.3物聯(lián)網(wǎng)數(shù)據(jù)處理的現(xiàn)狀

計(jì)算機(jī)科學(xué)發(fā)展的最終方向是數(shù)據(jù)的科學(xué)，因此物聯(lián)網(wǎng)處理的重點(diǎn)也是數(shù)據(jù)處理。目前，關(guān)于物聯(lián)網(wǎng)數(shù)據(jù)處理的研究基本上是基于以下兩個(gè)方面：(1)基于無(wú)線傳感器網(wǎng)絡(luò)數(shù)據(jù)處理(2)

基于云計(jì)算的物聯(lián)網(wǎng)數(shù)據(jù)處理2.數(shù)據(jù)融合1.數(shù)據(jù)融合的意義

在物聯(lián)網(wǎng)的前段組成中，傳感網(wǎng)為了獲得精確的數(shù)據(jù)，往往需要在監(jiān)測(cè)區(qū)內(nèi)部署大量的傳感器節(jié)點(diǎn)，使傳感器節(jié)點(diǎn)的監(jiān)測(cè)范圍相互交疊，增強(qiáng)整個(gè)網(wǎng)絡(luò)所采集信息的魯棒性和準(zhǔn)確性。在這種高覆蓋密度的區(qū)域中，距離相近的節(jié)點(diǎn)所傳輸?shù)臄?shù)據(jù)具有一定的冗余度。所有節(jié)點(diǎn)都將監(jiān)測(cè)到的數(shù)據(jù)發(fā)送到匯聚節(jié)點(diǎn)，會(huì)造成有限網(wǎng)絡(luò)帶寬資源的極大浪費(fèi)。大量數(shù)據(jù)同時(shí)傳輸也會(huì)造成頻繁的沖突，降低通信效率。因此在大規(guī)模傳感網(wǎng)中，各個(gè)節(jié)點(diǎn)多跳轉(zhuǎn)傳輸感知數(shù)據(jù)到匯聚節(jié)點(diǎn)前，即所有感知節(jié)點(diǎn)的數(shù)據(jù)包傳送到某個(gè)節(jié)點(diǎn)線，需要對(duì)數(shù)據(jù)進(jìn)行融合處理。

節(jié)點(diǎn)匯聚方式：2.2數(shù)據(jù)融合研究的主要內(nèi)容1）數(shù)據(jù)對(duì)準(zhǔn)2）數(shù)據(jù)相關(guān)3）數(shù)據(jù)識(shí)別，即估計(jì)目標(biāo)的類別和類型4）感知數(shù)據(jù)的不確定性5）不完整、不一致和虛假數(shù)據(jù)6）數(shù)據(jù)庫(kù)7)性能評(píng)估2.3數(shù)據(jù)融合的體系結(jié)構(gòu)數(shù)據(jù)融合應(yīng)用領(lǐng)域的不同，則融合系統(tǒng)結(jié)構(gòu)也會(huì)有所不同。

一級(jí)處理：包括數(shù)據(jù)和圖像的配準(zhǔn)、關(guān)聯(lián)、跟蹤和識(shí)別。二級(jí)處理：包括勢(shì)態(tài)提取、勢(shì)態(tài)分析和勢(shì)態(tài)預(yù)測(cè)，統(tǒng)稱為勢(shì)態(tài)評(píng)估。三級(jí)處理：鑒于數(shù)據(jù)融合起源于軍事應(yīng)用領(lǐng)域，威脅評(píng)估是針對(duì)敵方兵力對(duì)我方殺傷能力及威脅程度進(jìn)行的評(píng)估，具體包括綜合環(huán)境的判斷、威脅等級(jí)的判斷等等多種形式的評(píng)估。四級(jí)處理：也成為優(yōu)化融合的處理過程，它包括優(yōu)化資源、優(yōu)化傳感器管理和優(yōu)化武器控制等，通過反饋?zhàn)赃m應(yīng)，從而提高系統(tǒng)的融合效果。

以上幾個(gè)級(jí)別并沒有時(shí)序關(guān)系，可以并行處理。多傳感器信息融合的三種層次結(jié)構(gòu)（1）數(shù)據(jù)層融合圖傳感器1傳感器2傳感器3融合識(shí)別特征提取一致性解釋和描述物體

首先將全部傳感器的觀測(cè)數(shù)據(jù)融合，然后從融合的數(shù)據(jù)中提取特征向量，并進(jìn)行判斷識(shí)別。這便要求傳感器是同質(zhì)的(傳感器觀測(cè)的是同一物理現(xiàn)象)，如果多個(gè)傳感器是異質(zhì)的(觀測(cè)的不是同一個(gè)物理量)，那么數(shù)據(jù)只能在特征層或決策層進(jìn)行融合。數(shù)據(jù)層融合不存在數(shù)據(jù)丟失的問題，得到的結(jié)果也是最準(zhǔn)確的，但是數(shù)據(jù)量、計(jì)算量大，對(duì)系統(tǒng)通信帶寬的要求很高。

（2）特征級(jí)融合物體傳感器1傳感器2傳感器3識(shí)別特征級(jí)融合一致性解釋和描述特征提取特征提取特征提取

特征層融合是指每種傳感器提供從觀測(cè)數(shù)據(jù)中提取的有代表性的特征，這些特征融合成單一的特征向量，然后運(yùn)用模式識(shí)別的方法進(jìn)行處理。這種方法對(duì)通信帶寬的要求較低，但由于數(shù)據(jù)的丟失導(dǎo)致其準(zhǔn)確性也有所下降，其數(shù)據(jù)量、計(jì)算量都處于中等。(3)決策級(jí)融合

決策層融合是指在每個(gè)傳感器對(duì)目標(biāo)做出識(shí)別后，將多個(gè)傳感器的識(shí)別結(jié)果進(jìn)行融合，由于對(duì)傳感器的數(shù)據(jù)進(jìn)行了濃縮，這種方法產(chǎn)生的結(jié)果相對(duì)而言最不準(zhǔn)確，但它對(duì)通信帶寬的要求最低。該層的計(jì)算量最小，而且容錯(cuò)性好，但系統(tǒng)的性能相對(duì)要低于其它層次的融合。傳感器1傳感器1傳感器1特征提取特征提取特征提取識(shí)別識(shí)別識(shí)別決策級(jí)融合一致性解釋與描述物體3數(shù)據(jù)融合算法理論研究數(shù)據(jù)融合技術(shù)運(yùn)用了很多的融合算法以及高速、大吞吐量數(shù)據(jù)處理等支撐技術(shù)。數(shù)據(jù)融合算法是融合處理的基本內(nèi)容，它是將多維輸入數(shù)據(jù)在不同融合層次上運(yùn)用不同的數(shù)學(xué)方法,對(duì)數(shù)據(jù)進(jìn)行聚類處理的方法。1.基于多傳感器的融合算法分類：加權(quán)融合算法；（重點(diǎn)介紹）參數(shù)估計(jì)理論；基于神經(jīng)網(wǎng)絡(luò)融合方法；模糊理論:2.傳感網(wǎng)數(shù)據(jù)融合路由算法4.基于加權(quán)融合和檢測(cè)概率的算法研究由于各種算法的情況復(fù)雜多變，針對(duì)不同的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，不同的應(yīng)用環(huán)境，將采取不同的優(yōu)化算法。在數(shù)據(jù)融合中，加權(quán)融合算法是較為成熟的一種融合算法，因此本文主要介紹和討論的是關(guān)于加權(quán)融合的一些基礎(chǔ)性的算法和部分基礎(chǔ)的檢測(cè)概率算法。主要包括以下幾種算法：1

基于加權(quán)融合算法提出的一種改進(jìn)的加權(quán)融合算法；2歸一化加權(quán)平均算法；3多傳感器數(shù)據(jù)自適應(yīng)加權(quán)融合估計(jì)算法；4基于檢測(cè)概率的物聯(lián)網(wǎng)信息融合算法；4.1基于加權(quán)融合算法提出的一種改進(jìn)的

加權(quán)融合算法4.1.1多傳感器數(shù)據(jù)加權(quán)融合加權(quán)數(shù)據(jù)融合是多個(gè)傳感器對(duì)某一個(gè)環(huán)境中的同一特征參數(shù)的數(shù)據(jù)進(jìn)行量測(cè)，兼顧每個(gè)傳感器的局部估計(jì)，按某一原則給每個(gè)傳感器制定權(quán)重，最后通過加權(quán)綜合所有的局部估計(jì)得到一個(gè)全局的最佳估計(jì)值。4.1.2加權(quán)平均融合算法文章首先介紹了一般情況下的加權(quán)融合算法；4.1.3改進(jìn)的加權(quán)融合算法

再提出改進(jìn)的加權(quán)融合算法采用二次加權(quán)的方法，并引入了最優(yōu)比例權(quán)重的概念，先對(duì)單個(gè)傳感器進(jìn)行加權(quán)，再對(duì)整體進(jìn)行加權(quán)，目的是使算法性能達(dá)到最優(yōu)，同時(shí)并提出單傳感器加權(quán)思想。4.2歸一化加權(quán)平均算法

如果某一系統(tǒng)使用有限的測(cè)量次數(shù)時(shí)，我們常規(guī)的測(cè)量平均值法對(duì)數(shù)據(jù)的處理只是將數(shù)據(jù)進(jìn)行平均，對(duì)誤差的處理也只是將誤差平均化，因此得到的測(cè)量數(shù)據(jù)精度不高。歸一化的加權(quán)平均值算法是利用計(jì)算數(shù)據(jù)的加權(quán)值進(jìn)行數(shù)據(jù)處理，與經(jīng)典的數(shù)據(jù)融合方法相比，該算法具有計(jì)算量低、精度高的特點(diǎn)。由于該方法具有計(jì)算量小、電腦編程簡(jiǎn)單等優(yōu)點(diǎn)、非常適合于緩慢變化的變量檢測(cè)，比如溫室中的溫度采集系統(tǒng)。4.3多傳感器數(shù)據(jù)自適應(yīng)加權(quán)融合估計(jì)算法

傳感器數(shù)據(jù)自適應(yīng)加權(quán)融合估計(jì)算法不要求知道傳感器測(cè)量數(shù)據(jù)的任何先驗(yàn)知識(shí),只是靠傳感器所提供的測(cè)量數(shù)據(jù),就可融合出均方誤差最小的數(shù)據(jù)融合值。估計(jì)后的均方誤差不僅小于依靠單個(gè)傳感器估計(jì)的均方誤差,而且還小于采用多傳感器均值平均做估計(jì)的均方誤差。設(shè)有n個(gè)傳感器對(duì)某一對(duì)象進(jìn)行測(cè)量,對(duì)于不同的傳感器都有各自不同的加權(quán)因子,我們的思想是在總均方誤差最小這一最優(yōu)條件下,根據(jù)各個(gè)傳感器所得到的測(cè)量值以自適應(yīng)的方式尋找各個(gè)傳感器所對(duì)應(yīng)的最優(yōu)加權(quán)因子,是融合后的值達(dá)到最小。第一步：計(jì)算最優(yōu)加權(quán)因子及所對(duì)應(yīng)的均方誤差；第二步：驗(yàn)證自適應(yīng)加權(quán)融合估計(jì)算法的線性無(wú)偏最小方差性。4.4基于檢測(cè)概率的物聯(lián)網(wǎng)信息融合算法

在其他的一些信息融合算法中，我們只考慮了單個(gè)傳感器的方差和傳感網(wǎng)的均方差，卻沒有考慮物聯(lián)網(wǎng)是由大量的無(wú)線傳感器組成，它們的位置不確定的，對(duì)目標(biāo)點(diǎn)的檢測(cè)權(quán)值也會(huì)因位置的變化而發(fā)生一些變化。若在監(jiān)測(cè)區(qū)域中存在障礙物，假設(shè)我們現(xiàn)在事先己經(jīng)知道障礙物的具體位置和其形狀，基于視線可視的原則的上把可視信息建立到障礙物模型中去。有些類型的傳感器無(wú)法穿越障礙物，所以，我們應(yīng)該考慮監(jiān)測(cè)區(qū)域中有障礙物的情況時(shí)的檢測(cè)概率。為了增強(qiáng)有障礙物情況下的監(jiān)測(cè)效率，使檢測(cè)數(shù)據(jù)更加精確，于是提出了此算法?？偨Y(jié)

物聯(lián)網(wǎng)的發(fā)展將會(huì)給我們的社會(huì)帶來(lái)翻天覆地的變化，在學(xué)習(xí)物聯(lián)網(wǎng)數(shù)據(jù)采集誤差優(yōu)化和數(shù)據(jù)融合知識(shí)的過程中，讓我對(duì)物聯(lián)網(wǎng)數(shù)據(jù)的處理的重要性有了很深刻的認(rèn)識(shí)。本文通過對(duì)物聯(lián)網(wǎng)數(shù)據(jù)處理的現(xiàn)狀入手，對(duì)比當(dāng)今數(shù)據(jù)處理的必要性，結(jié)合數(shù)據(jù)處理的多種融合算法，最終歸納總結(jié)出四種基于多傳感器上的加權(quán)融合算法，并對(duì)四種算法的不同的針對(duì)性應(yīng)用環(huán)境，進(jìn)行了介紹?？偟膩?lái)說(shuō)，雖然四種算法同是基于加權(quán)融合算法基礎(chǔ)上，但彼此之間又有不同的應(yīng)