基于WSN的數(shù)據(jù)融合在水質(zhì)監(jiān)測(cè)中的研究

張明陽(yáng)，沈明玉

合肥工業(yè)大學(xué) 計(jì)算機(jī)與信息學(xué)院，合肥 230009

基于WSN的數(shù)據(jù)融合在水質(zhì)監(jiān)測(cè)中的研究

張明陽(yáng)，沈明玉

合肥工業(yè)大學(xué) 計(jì)算機(jī)與信息學(xué)院，合肥 230009

1 引言

無(wú)線傳感器網(wǎng)絡(luò)（Wireless Sensor Network，WSN）是近幾年來(lái)興起的一個(gè)熱點(diǎn)研究領(lǐng)域。如果把WSN應(yīng)用到水質(zhì)監(jiān)測(cè)領(lǐng)域，再結(jié)合其他相關(guān)學(xué)科知識(shí)建立水質(zhì)監(jiān)測(cè)體系，可以實(shí)現(xiàn)水質(zhì)監(jiān)測(cè)的自動(dòng)化、智能化[1]。傳統(tǒng)的水質(zhì)監(jiān)測(cè)體系中，通常都是用大量的傳感器來(lái)監(jiān)測(cè)每個(gè)相關(guān)參數(shù)，通過(guò)無(wú)線網(wǎng)絡(luò)通信將監(jiān)測(cè)數(shù)據(jù)傳送到監(jiān)測(cè)系統(tǒng)的數(shù)據(jù)中心服務(wù)器，數(shù)據(jù)中心服務(wù)器再對(duì)接收到的各類(lèi)傳感器所采集的數(shù)據(jù)分別進(jìn)行處理，這樣不僅導(dǎo)致網(wǎng)絡(luò)數(shù)據(jù)傳輸量非常龐大，而且切斷了各類(lèi)傳感器間的信息關(guān)聯(lián)，丟失了信息之間有機(jī)組合所包含的一些特征。數(shù)據(jù)融合技術(shù)的研究，為解決這一問(wèn)題提供了方法。

2 研究背景

數(shù)據(jù)融合技術(shù)因其在多傳感器信息處理領(lǐng)域的突出優(yōu)點(diǎn)，現(xiàn)在已經(jīng)成為國(guó)內(nèi)外研究的熱點(diǎn)。其基本思想是將具有一定冗余度的多源數(shù)據(jù)進(jìn)行融合，減少數(shù)據(jù)的傳輸量，節(jié)約傳感器節(jié)點(diǎn)的能量，并將多源信息在一定準(zhǔn)則下加以自動(dòng)分析、綜合，按需完成評(píng)價(jià)及決策任務(wù)。許多學(xué)者已經(jīng)在這方面研究出了大量的研究成果[2-8]，例如文獻(xiàn)[4]的作者證明了多傳感器數(shù)據(jù)融合的估計(jì)效果要比任何一個(gè)單一傳感器的估計(jì)效果好。

目前，研究多傳感器數(shù)據(jù)融合的算法已經(jīng)很多，大致可以歸納為兩大類(lèi)。一類(lèi)是基于隨機(jī)理論的一些算法，主要有加權(quán)平均法[5]、貝葉斯估計(jì)法、D-S證據(jù)法等；一類(lèi)是基于人工智能理論的一些算法，主要有人工神經(jīng)網(wǎng)絡(luò)法、模糊推理法[6]、粗糙集理論法等。在許多應(yīng)用領(lǐng)域中依據(jù)領(lǐng)域內(nèi)的具體背景，許多成熟有效的數(shù)據(jù)融合方法已經(jīng)被研究者們應(yīng)用，解決了許多實(shí)際問(wèn)題[7-8]。本文在自適應(yīng)加權(quán)理論和模糊綜合評(píng)價(jià)理論的基礎(chǔ)上，通過(guò)在水質(zhì)監(jiān)測(cè)的應(yīng)用背景下，研究基于WSN的多傳感數(shù)據(jù)融合。

3 水質(zhì)監(jiān)測(cè)體系的數(shù)據(jù)融合模型

數(shù)據(jù)融合技術(shù)研究通常是與具體研究背景相關(guān)的。在WSN的技術(shù)平臺(tái)下進(jìn)行水質(zhì)監(jiān)測(cè)數(shù)據(jù)的融合，其顯著特點(diǎn)是具體研究背景有高度的復(fù)雜性和綜合性。圖1是某一局部監(jiān)測(cè)區(qū)域網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)示意圖，A1、A2、…、An為水下傳感器節(jié)點(diǎn)，A為水面?zhèn)鞲衅鞴?jié)點(diǎn)，即水下節(jié)點(diǎn) A1、A2、…、An的簇頭節(jié)點(diǎn)，部署在水下的節(jié)點(diǎn)采集數(shù)據(jù)，通過(guò)水聲通信[9]方式傳輸數(shù)據(jù)到水面節(jié)點(diǎn)；部署在水面的節(jié)點(diǎn)，一方面與水下節(jié)點(diǎn)之間通過(guò)水聲通信方式通信，另一方面直接以GPRS通信或其他無(wú)線通信方式將監(jiān)測(cè)數(shù)據(jù)傳輸?shù)交荆ㄟh(yuǎn)程數(shù)據(jù)中心）。

圖1 水質(zhì)監(jiān)測(cè)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)圖

結(jié)合水質(zhì)監(jiān)測(cè)的研究背景，以及相應(yīng)種類(lèi)傳感器的感知能力，選擇5類(lèi)既有相互聯(lián)系又比較有代表性的化學(xué)指標(biāo)進(jìn)行監(jiān)測(cè)[10]，即選擇溶解氧（DO）、化學(xué)需氧量（COD）、氨氮（NH3-N）、總氮（TN）和總磷（TP）共5項(xiàng)水質(zhì)因素，并將相應(yīng)種類(lèi)傳感器作為監(jiān)測(cè)網(wǎng)絡(luò)的水下傳感器節(jié)點(diǎn)。

由圖1可以看出，整個(gè)監(jiān)測(cè)體系屬于層次型網(wǎng)絡(luò)。針對(duì)監(jiān)測(cè)網(wǎng)絡(luò)的層次型結(jié)構(gòu)，結(jié)合水質(zhì)監(jiān)測(cè)的特殊性，可以相應(yīng)地設(shè)計(jì)出兩級(jí)數(shù)據(jù)融合模型：在水面節(jié)點(diǎn)，通過(guò)自適應(yīng)加權(quán)理論進(jìn)行第一級(jí)數(shù)據(jù)融合；在遠(yuǎn)程數(shù)據(jù)中心服務(wù)器，通過(guò)模糊綜合評(píng)價(jià)理論進(jìn)行第二級(jí)數(shù)據(jù)融合，其結(jié)構(gòu)層次如圖2所示。

圖2 數(shù)據(jù)融合層次示意圖

在第一級(jí)融合過(guò)程中，將簇內(nèi)同類(lèi)型傳感器獲得的數(shù)據(jù)加以融合處理，得到被監(jiān)測(cè)對(duì)象更加精確的監(jiān)測(cè)值；在第二級(jí)融合過(guò)程中，遠(yuǎn)程數(shù)據(jù)中心將從監(jiān)測(cè)區(qū)域接收到的各類(lèi)監(jiān)測(cè)數(shù)據(jù)進(jìn)行綜合分析，多源信息融合后轉(zhuǎn)化成關(guān)于被測(cè)區(qū)域水質(zhì)的更可靠、更準(zhǔn)確的狀態(tài)描述。

4 自適應(yīng)加權(quán)理論

同一簇內(nèi)各個(gè)傳感器由于彼此之間的測(cè)量精度不同，以及所在環(huán)境中噪聲等因素影響，各個(gè)傳感器所得數(shù)據(jù)往往與真值之間存在較大偏差，需對(duì)同一簇內(nèi)同類(lèi)型傳感器監(jiān)測(cè)數(shù)據(jù)加以融合處理，以防止個(gè)別傳感器節(jié)點(diǎn)數(shù)據(jù)誤差過(guò)大而造成最后監(jiān)測(cè)結(jié)果失真嚴(yán)重。應(yīng)用在水質(zhì)監(jiān)測(cè)中的傳感器，也同樣存在需要進(jìn)行數(shù)據(jù)融合的問(wèn)題。鑒于水質(zhì)監(jiān)測(cè)的研究背景，選用自適應(yīng)加權(quán)理論在監(jiān)測(cè)區(qū)域在簇頭節(jié)點(diǎn)內(nèi)將簇內(nèi)節(jié)點(diǎn)的監(jiān)測(cè)數(shù)據(jù)進(jìn)行融合，即在總均方誤差最小這一判決條件下，對(duì)各傳感器節(jié)點(diǎn)的監(jiān)測(cè)數(shù)據(jù)自適應(yīng)地配以不同的權(quán)值（最優(yōu)加權(quán)因子），使得融合結(jié)果達(dá)到最優(yōu)。圖3是采用自適應(yīng)加權(quán)理論進(jìn)行數(shù)據(jù)融合的示意圖。

圖3 自適應(yīng)加權(quán)數(shù)據(jù)融合示意圖

式中，Wi為第i個(gè)傳感器的加權(quán)因子。而且：則融合結(jié)果的總均方誤差為：

由式（7）、（8）、（9）可知，根據(jù)一組傳感器的監(jiān)測(cè)數(shù)據(jù)，可以遞推計(jì)算法出各傳感器監(jiān)測(cè)數(shù)據(jù)的方差。

于是，可以根據(jù)概率論相關(guān)理論繼續(xù)進(jìn)行遞歸推導(dǎo)。將測(cè)量值的均值計(jì)算公式：

代入到均方差值計(jì)算公式：

式（12）即為傳感器(k+1)時(shí)刻的方差遞推計(jì)算式，其作用可以用于實(shí)時(shí)計(jì)算測(cè)量數(shù)據(jù)的方差。將計(jì)算所得的方差值代入式（4）即可得到各傳感器自適應(yīng)加權(quán)值，從而由式（1）得到融合結(jié)果。

5 模糊綜合評(píng)價(jià)理論

對(duì)來(lái)自多種異類(lèi)傳感器所感知的數(shù)據(jù)，在一定數(shù)學(xué)理論和準(zhǔn)則下進(jìn)行多方面、多級(jí)別的綜合分析處理，獲得單傳感器所無(wú)法獲得的具有綜合意義的信息，這種把多種信息進(jìn)行交融的過(guò)程即是異類(lèi)多傳感器數(shù)據(jù)融合，亦稱多源信息融合[12]。研究在水質(zhì)監(jiān)測(cè)中基于WSN的數(shù)據(jù)融合，其主要目的是通過(guò)融合多種評(píng)價(jià)因子以獲得所監(jiān)測(cè)水體的水質(zhì)綜合狀況，目前在此研究領(lǐng)域常用的理論主要是模糊數(shù)學(xué)學(xué)科相關(guān)理論。鑒于應(yīng)用于水質(zhì)監(jiān)測(cè)的遠(yuǎn)程數(shù)據(jù)中心服務(wù)器的數(shù)據(jù)處理能力較強(qiáng)，所以本文在模糊綜合評(píng)價(jià)理論的基礎(chǔ)上，改進(jìn)部分計(jì)算過(guò)程，形成更加能夠準(zhǔn)確反映水質(zhì)的方法，即采用模糊綜合評(píng)價(jià)指數(shù)作為數(shù)據(jù)融合結(jié)果。

參照《地表水環(huán)境質(zhì)量標(biāo)準(zhǔn)（GB3838-2002）》[13]，假設(shè)監(jiān)測(cè)水體質(zhì)量的因素所組成的集合為：U={u1，u2，…，un}，其中 u1，u2，…，un為參與評(píng)價(jià)的 n 個(gè)水質(zhì)因素的數(shù)值；水體質(zhì)量的評(píng)價(jià)集合為：V={v1，v2，…，vm}，其中 v1，v2，…，vm為m個(gè)水質(zhì)評(píng)價(jià)標(biāo)準(zhǔn)。

被考慮的n個(gè)因素構(gòu)成了一個(gè)論域V，需要在論域V上模糊地刻劃各因素在評(píng)價(jià)中所起的作用，這樣考慮各因素在模糊綜合評(píng)價(jià)中影響輕重程度的過(guò)程是一種加權(quán)處理過(guò)程。決定各類(lèi)評(píng)價(jià)因子對(duì)綜合評(píng)價(jià)的權(quán)重，本文采用在各自超標(biāo)倍數(shù)的基礎(chǔ)上加以處理的方法[14]，計(jì)算表達(dá)式如下：

式中，Sij為第i類(lèi)水質(zhì)因素在 j級(jí)水質(zhì)的標(biāo)準(zhǔn)值；Si為第i類(lèi)水質(zhì)因素的濃度標(biāo)準(zhǔn)值的算術(shù)平均值；Wi為第i類(lèi)水質(zhì)因素的權(quán)重值。Ci為第i類(lèi)水質(zhì)因素的濃度值。由《GB3838-2002》可知，一般情況下各因素的監(jiān)測(cè)值相對(duì)于水質(zhì)標(biāo)準(zhǔn)的超標(biāo)倍數(shù)越大對(duì)水體綜合評(píng)價(jià)的貢獻(xiàn)率就越大，權(quán)重也就越大；但對(duì)于某些因素卻相反，那么在確定其權(quán)重值時(shí)取其倒數(shù)。將各單項(xiàng)權(quán)重值進(jìn)行歸一化處理，可以得到權(quán)重矩陣W={W1，W2，…，Wn}。

建立一個(gè)從U到V的模糊映射 f:U→V，?ui∈U，由 f誘導(dǎo)出模糊關(guān)系，得到模糊關(guān)系矩陣R，以確定因素 Ui(i=1，2，…，n)對(duì)評(píng)價(jià)標(biāo)準(zhǔn)集元素 Vj(j=1，2，…，m)的隸屬度。本文采用升、降半梯形函數(shù)法來(lái)確定隸屬函數(shù)。如公式（15）：

根據(jù)隸屬函數(shù)公式（15）計(jì)算出各單因素的隸屬度，將n個(gè)單因素的模糊隸屬度進(jìn)行歸一化處理，構(gòu)成了模糊關(guān)系矩陣，即Rn×m={rij}。如下：

該模糊關(guān)系矩陣R中，rij表示第i個(gè)因素對(duì)第 j級(jí)質(zhì)量標(biāo)準(zhǔn)的隸屬度。

在模糊綜合評(píng)價(jià)理論中，模糊綜合評(píng)價(jià)模型的選擇很重要，不同的綜合評(píng)價(jià)模型能夠產(chǎn)生不同的評(píng)價(jià)效果。將權(quán)重矩陣W和模糊關(guān)系矩陣R進(jìn)行模糊矩陣的合成運(yùn)算Y=W·R，得到矩陣Y，一種常用方法是單因素決定模型，其中的計(jì)算過(guò)程即為：這是模糊數(shù)學(xué)中“取小取大計(jì)算”方法，容易丟失信息，甚至引起綜合評(píng)價(jià)的失效[15]。本文根據(jù)模糊綜合指數(shù)模型[16]，用經(jīng)典線性代數(shù)中矩陣乘法來(lái)改進(jìn)式（17）的計(jì)算過(guò)程，即

通過(guò)計(jì)算Y=W·R得到綜合評(píng)價(jià)矩陣Y后，單因素決定模型按照“最大隸屬度”原則取Y向量中的最大量，即

本文根據(jù)《GB3838-2002》中將水質(zhì)分為5類(lèi)的原則，建立水質(zhì)標(biāo)準(zhǔn)類(lèi)別向量，即

將水質(zhì)標(biāo)準(zhǔn)類(lèi)別矩陣ST與綜合評(píng)價(jià)矩陣Y進(jìn)行矩陣乘法的合成運(yùn)算，得出模糊綜合指數(shù)FCI（Fuzzy Colligation Index），即

該結(jié)果即為根據(jù)模糊綜合評(píng)價(jià)理論，進(jìn)行多傳感器數(shù)據(jù)融合后的結(jié)果。模糊綜合指數(shù)FCI反映出傳感器采集到的各類(lèi)數(shù)據(jù)的綜合效應(yīng)，能夠比較客觀地反映水質(zhì)狀況。

綜上，模糊綜合評(píng)價(jià)理論的算法流程可概括描述如下：

6 實(shí)驗(yàn)結(jié)果及分析

實(shí)驗(yàn)選用巢湖流域的4條水源河流入湖口處的水樣作為監(jiān)測(cè)對(duì)象，分別標(biāo)記為A、B、C、D，用實(shí)驗(yàn)選用的5類(lèi)傳感器進(jìn)行水質(zhì)監(jiān)測(cè)實(shí)驗(yàn)，搭建實(shí)驗(yàn)平臺(tái)。

在A處水樣的實(shí)驗(yàn)過(guò)程中，布局簇內(nèi)水下節(jié)點(diǎn) A1、A2、A3以及簇頭水面節(jié)點(diǎn) A0，水下節(jié)點(diǎn) A1、A2、A3監(jiān)測(cè)水體內(nèi)溶解氧（DO），并在水上節(jié)點(diǎn) A0內(nèi)進(jìn)行數(shù)據(jù)融合。例如，實(shí)驗(yàn)中一次監(jiān)測(cè)實(shí)驗(yàn)中測(cè)得DO：XA1=5.511，XA2=5.057，XA3=5.712，節(jié)點(diǎn)方差分別為：σ21=0.05，σ22=0.1，σ23=0.2，所 對(duì) 應(yīng) 的 權(quán) 值 為 W1=0.571 5，W2= 0.285 7，W3=0.142 8，融合結(jié)果 XA=5.410。如此實(shí)驗(yàn)50次，所得結(jié)果如圖4所示，以此所得數(shù)據(jù)來(lái)分析實(shí)驗(yàn)中第一級(jí)數(shù)據(jù)融合的作用。

圖4 對(duì)A處水樣DO的50次監(jiān)測(cè)數(shù)據(jù)

圖4結(jié)果顯示，個(gè)別節(jié)點(diǎn)（如 A3）監(jiān)測(cè)數(shù)據(jù)波動(dòng)較大，通過(guò)自適應(yīng)加權(quán)理論進(jìn)行數(shù)據(jù)融合后，監(jiān)測(cè)數(shù)據(jù)波動(dòng)較大的節(jié)點(diǎn)并未對(duì)實(shí)驗(yàn)結(jié)果產(chǎn)生較大影響。

將樣本數(shù)據(jù)的算術(shù)平均值作為測(cè)量結(jié)果，是一種常用的降低測(cè)量誤差的方法，其可以看作是樣本數(shù)據(jù)在相等權(quán)值的條件下加權(quán)融合的過(guò)程。圖5所示為算術(shù)平均值計(jì)算法與自適應(yīng)加權(quán)計(jì)算法的融合結(jié)果，很清楚地看出，自適應(yīng)加權(quán)計(jì)算法的融合結(jié)果明顯優(yōu)于算術(shù)平均值計(jì)算法。

圖5 算術(shù)平均值計(jì)算法與自適應(yīng)加權(quán)計(jì)算法的性能比較

通過(guò)自適應(yīng)加權(quán)理論進(jìn)行第一級(jí)數(shù)據(jù)融合，所得到的是水樣各項(xiàng)評(píng)價(jià)因子的同類(lèi)型數(shù)據(jù)融合結(jié)果。表1所示，即為一次實(shí)驗(yàn)中4條河流入湖口處水樣通過(guò)第一級(jí)數(shù)據(jù)融合所得到的結(jié)果。

表1 第一級(jí)數(shù)據(jù)融合結(jié)果

將第一級(jí)數(shù)據(jù)融合結(jié)果通過(guò)模糊綜合評(píng)價(jià)理論，進(jìn)行第二級(jí)數(shù)據(jù)融合。表1所示的數(shù)據(jù)，經(jīng)第二級(jí)數(shù)據(jù)融合后，所得到的數(shù)據(jù)融合結(jié)果如表2所示。

表2 第二級(jí)數(shù)據(jù)融合結(jié)果

通過(guò)模糊綜合評(píng)價(jià)理論將不同類(lèi)型數(shù)據(jù)進(jìn)行融合，其結(jié)果是關(guān)于水質(zhì)的模糊綜合指數(shù)，是對(duì)水樣各項(xiàng)評(píng)價(jià)因子進(jìn)行綜合分析的融合結(jié)果，結(jié)合水質(zhì)標(biāo)準(zhǔn)等級(jí)[13]，F(xiàn)CI指示出水體水質(zhì)的全局狀態(tài)評(píng)價(jià)值。

模糊綜合指數(shù)模型，是一種比較理想的異類(lèi)數(shù)據(jù)融合模型，與常見(jiàn)的單因素決定理論模型相比，其優(yōu)勢(shì)在于能夠充分考慮到各項(xiàng)評(píng)價(jià)因子的作用，表3所示是本次實(shí)驗(yàn)表1所示數(shù)據(jù)采用單因素決定模型進(jìn)行數(shù)據(jù)融合的結(jié)果。

表3 單因素決定模型的數(shù)據(jù)融合結(jié)果

對(duì)比表3和表2的數(shù)據(jù)可以看出，單因素決定模型，往往會(huì)過(guò)度突出某一項(xiàng)偏高的評(píng)價(jià)因子的作用，如A處水樣中化學(xué)需氧量（COD）偏高，導(dǎo)致對(duì)水體水質(zhì)的判斷結(jié)果為IV級(jí)；同時(shí)也會(huì)過(guò)度消弱某一項(xiàng)偏低的評(píng)價(jià)因子的作用，如D處水樣中氨氮（NH4+-N）很低，采用單因素決模型所得到的結(jié)果卻是IV級(jí)。模糊綜合指數(shù)模型能夠充分體現(xiàn)各個(gè)參評(píng)因子對(duì)整體綜合評(píng)價(jià)的作用，其評(píng)價(jià)結(jié)果是各個(gè)參評(píng)因子綜合作用的結(jié)果，所以，在第二級(jí)數(shù)據(jù)融合過(guò)程中，采用模糊綜合指數(shù)模型進(jìn)行數(shù)據(jù)融合，能夠大大減小由于單一評(píng)價(jià)因子信息量的局限性引起的誤判和錯(cuò)判，增加水質(zhì)監(jiān)測(cè)的可信度，提高并改善了監(jiān)測(cè)系統(tǒng)的性能。

7 結(jié)束語(yǔ)

本文根據(jù)水質(zhì)監(jiān)測(cè)的特殊性，在解決水質(zhì)監(jiān)測(cè)應(yīng)用平臺(tái)內(nèi)水下節(jié)點(diǎn)不能直接通過(guò)水聲通信與遠(yuǎn)程數(shù)據(jù)中心（基站）進(jìn)行通信的問(wèn)題時(shí)，巧妙使用自適應(yīng)加權(quán)理論和模糊綜合評(píng)價(jià)理論相結(jié)合的方法，設(shè)計(jì)出一種針對(duì)水質(zhì)監(jiān)測(cè)的兩級(jí)數(shù)據(jù)融合模型。構(gòu)建無(wú)線傳感器網(wǎng)絡(luò)實(shí)驗(yàn)平臺(tái)進(jìn)行實(shí)驗(yàn)驗(yàn)證，對(duì)于同類(lèi)型傳感器使用自適應(yīng)加權(quán)理論進(jìn)行數(shù)據(jù)融合，以提高監(jiān)測(cè)數(shù)據(jù)的準(zhǔn)確性；對(duì)不同類(lèi)型的監(jiān)測(cè)數(shù)據(jù)，使用模糊綜合評(píng)價(jià)理論，將多傳感器在監(jiān)測(cè)區(qū)域獲得的一組評(píng)價(jià)因子進(jìn)行模糊數(shù)據(jù)融合，所得結(jié)果具有更高的可信度，提高并改善了監(jiān)測(cè)系統(tǒng)性能。

[1]王驥，徐國(guó)保，沈玉利.基于無(wú)線傳感器網(wǎng)絡(luò)的海水檢測(cè)系統(tǒng)設(shè)計(jì)[J].通信技術(shù)，2008，41（12）：385-387.

[2]Wen Chenglin，Pan Quan，Zhang Hongcai，et al.Multi-sensor single modelmulti-scale fusion[J].ControlTheory and Applications，2000，17（6）：841-864.

[3]文成林.多傳感器單模型動(dòng)態(tài)系統(tǒng)多尺度數(shù)據(jù)融合[J].電子學(xué)報(bào)，2001，29（3）：341-345.

[4]周福娜，周梅，文成林.多傳感器數(shù)據(jù)融合效果分析[J].河南大學(xué)學(xué)報(bào)，2003，33（2）：33-36.

[5]翟翌立，戴逸松.多傳感器數(shù)據(jù)自適應(yīng)加權(quán)融合估計(jì)算法的研究[J].計(jì)量學(xué)報(bào)，1998，19（1）：69-75.

[6]黨宏社，韓崇昭，王立琦，等.基于模糊推理原理的多傳感器數(shù)據(jù)融合方法[J].儀器儀表學(xué)報(bào)，2004，25（4）：527-530.

[7]付華，沈中和，孫紅鴿.礦井瓦斯監(jiān)測(cè)多傳感器信息融合模型[J].遼寧工程技術(shù)大學(xué)學(xué)報(bào)，2005，24（2）：239-241.

[8]孫紅鴿，臧義，曹毅，等.模糊數(shù)據(jù)融合在多傳感器環(huán)境監(jiān)測(cè)中的應(yīng)用[J].工礦自動(dòng)化，2009，35（8）：22-24.

[9]許克平，許天增，許茹，等.基于水聲的水下無(wú)線通信研究[J].廈門(mén)大學(xué)學(xué)報(bào)：自然科學(xué)版，2001，40（2）：311-319.

[10]吳邦燦，費(fèi)龍.現(xiàn)代環(huán)境監(jiān)測(cè)技術(shù)[M].北京：中國(guó)環(huán)境科學(xué)出版社，2005.

[11]李莉，高冰.自適應(yīng)加權(quán)數(shù)據(jù)融合加權(quán)因子的動(dòng)態(tài)調(diào)整[J].戰(zhàn)術(shù)導(dǎo)彈技術(shù)，2011，5（3）：109-111.

[12]楊露菁，余華.多源信息融合理論與應(yīng)用[M].2版.北京：北京郵電大學(xué)出版社，2011.

[13]中華人民共和國(guó)環(huán)境保護(hù)總局.GB3838-2002地表水環(huán)境質(zhì)量標(biāo)準(zhǔn)[S].北京：中國(guó)環(huán)境科學(xué)出版社，2002.

[14]王羅春.環(huán)境影響評(píng)價(jià)[M].北京：冶金工業(yè)出版社，2012.

[15]王道勇.模糊綜合評(píng)判的失效與處理[J].工科數(shù)學(xué)，1994，10（1）：45-49.

[16]鄧峰.水質(zhì)評(píng)價(jià)的一種新方法——模糊綜合指數(shù)法[J].中國(guó)環(huán)境科學(xué)，1991，11（1）：63-66.

ZHANG Mingyang,SHEN Mingyu

College of Computer and Information,Hefei University of Technology,Hefei 230009,China

Multi-sensor data fusion is a kind of data processing method.It refers to fusing data from a large number of sensors for various and multi-level treatment,creating a sort of information more meaningfully,while this sort of information is almost impossible to get for any single sensor.Researching of WSN-based data fusion in water quality,it puts forward a multi-sensor data fusion model of two levels,suitable for water quality monitoring,which combines self-adaptive weighted theory and fuzzy comprehensive evaluation theory together.Processing the same type of data collected from monitored area,it uses the self-adaptive weighted theory,while it uses the fuzzy comprehensive evaluation theory for different types of data.The experimental result,made by lake water sample to Chaohu Basin,shows that using the model can effectively reduce the amount of data traffic,reduce the rate of deviation,improve the credibility of monitoring result.

Wireless Sensor Network（WSN）;water quality monitoring;data fusion;self-adaptive weighted theory;fuzzy comprehensive evaluation theory

多傳感器數(shù)據(jù)融合是一種數(shù)據(jù)處理方法，可以對(duì)來(lái)自多個(gè)傳感器的數(shù)據(jù)進(jìn)行多方面、多層次的處理，從而產(chǎn)生更有意義的信息，而這種信息是單一傳感器難以獲得的。通過(guò)在水質(zhì)監(jiān)測(cè)應(yīng)用背景下研究基于WSN的數(shù)據(jù)融合，提出了一種針對(duì)水質(zhì)監(jiān)測(cè)的兩級(jí)數(shù)據(jù)融合模型：處理傳感器所采集到的監(jiān)測(cè)數(shù)據(jù)時(shí)，對(duì)于同類(lèi)型的數(shù)據(jù)采用自適應(yīng)加權(quán)理論進(jìn)行第一級(jí)數(shù)據(jù)融合；對(duì)于不同類(lèi)型的數(shù)據(jù)采用模糊綜合評(píng)價(jià)理論進(jìn)行第二級(jí)數(shù)據(jù)融合。對(duì)巢湖流域水樣監(jiān)測(cè)的實(shí)驗(yàn)結(jié)果表明，這種采用自適應(yīng)加權(quán)理論和模糊綜合評(píng)價(jià)理論相結(jié)合的數(shù)據(jù)融合模型，能夠有效降低監(jiān)測(cè)網(wǎng)絡(luò)的數(shù)據(jù)傳輸量，降低監(jiān)測(cè)數(shù)據(jù)的誤差，提高水質(zhì)狀態(tài)監(jiān)測(cè)的可信度。

無(wú)線傳感器網(wǎng)絡(luò)（WSN）；水質(zhì)監(jiān)測(cè)；數(shù)據(jù)融合；自適應(yīng)加權(quán)理論；模糊綜合評(píng)價(jià)理論

A

TP393

10.3778/j.issn.1002-8331.1301-0123

ZHANG Mingyang,SHEN Mingyu.Research of WSN-based data fusion in water quality monitoring.Computer Engineering and Applications,2014,50（23）：234-238.

合肥工業(yè)大學(xué)博士專(zhuān)項(xiàng)基金（No.GDBJ2009-005）。

張明陽(yáng)（1988—），男，碩士研究生，研究領(lǐng)域：無(wú)線傳感器網(wǎng)絡(luò)；沈明玉（1962—），男，博士，副教授，碩士生導(dǎo)師，CCF高級(jí)會(huì)員，研究領(lǐng)域：無(wú)線網(wǎng)絡(luò)、網(wǎng)絡(luò)信息安全。E-mail：anhuizhmy@163.com

2013-01-14

2013-02-28

1002-8331（2014）23-0234-05

CNKI網(wǎng)絡(luò)優(yōu)先出版：2013-04-08,http://www.cnki.net/kcms/detail/11.2127.TP.20130408.1648.011.html