基于CPS的建筑環(huán)境數(shù)據(jù)級(jí)檢測(cè)融合方法

陳浩男　馬斌　王長濤　劉釗　溥博文

摘 要： 針對(duì)建筑環(huán)境CPS數(shù)據(jù)級(jí)融合可靠性的問題，采用線性最小方差估計(jì)的方法對(duì)傳統(tǒng)自適應(yīng)加權(quán)融合算法進(jìn)行改進(jìn)，不僅減小了均方誤差，而且使得融合結(jié)果可靠性更高。在數(shù)據(jù)融合前進(jìn)行限幅處理，判斷數(shù)據(jù)是否異常，對(duì)異常數(shù)據(jù)的加權(quán)因子進(jìn)行配置處理，既提高了數(shù)據(jù)的篩選性，又保證了系統(tǒng)數(shù)據(jù)融合結(jié)果的可靠性。仿真實(shí)驗(yàn)表明了該方法的有效性。

關(guān)鍵詞： 建筑環(huán)境； 信息物理融合系統(tǒng)； 數(shù)據(jù)級(jí)融合； 自適應(yīng)加權(quán)融合算法； 線性最小方差； 限幅濾波

中圖分類號(hào)： TN911.23?34； TP274+.2 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2015）01?0096?04

Abstract： For problem of CPS data level fusion reliability in built environment， the way of linear minimum variance estimation is used to improve the tradition adaptive weighted fusion algorithm， which not only reduces the mean square error， but also makes the fusion result more reliable. The amplitude limiting process should be carried out before data fusion， so as to determine whether data is abnormal and allocate weighting factor of the abnormal data， which can improve the filtration ability of the data and ensure the reliability of the data fusion result. The simulation experiment indicated the effectiveness of the way.

Keywords： built environment； cyber?physical systems； data level fusion； adaptive weighted fusion algorithm； linear minimum variance； amplitude limiting filtering

0 引 言

建筑環(huán)境CPS數(shù)據(jù)級(jí)融合的可靠性是對(duì)建筑環(huán)境能否做出正確評(píng)價(jià)以及決策的一個(gè)重要保證，很多時(shí)候衡量這一標(biāo)準(zhǔn)的重要指標(biāo)是均方誤差，均方誤差越小，說明融合估計(jì)結(jié)果越好。傳統(tǒng)建筑環(huán)境數(shù)據(jù)級(jí)融合采用了一些估計(jì)方法來減少均方誤差，只注重對(duì)已經(jīng)接收到的數(shù)據(jù)進(jìn)行處理來提高融合的可靠程度，卻往往忽略接收到的數(shù)據(jù)是否有處理的價(jià)值。信息物理融合系統(tǒng)（Cyber?Physical Systems）[1?3]是在環(huán)境感知的基礎(chǔ)上，將通信、計(jì)算和控制進(jìn)行深度融合的可控可信可擴(kuò)展的網(wǎng)絡(luò)化系統(tǒng)，檢測(cè)數(shù)據(jù)的可靠性將直接影響CPS的運(yùn)行效果。如何判斷傳感器是否異常，進(jìn)一步減小均方誤差，以及解決傳感器工作異常的問題，對(duì)于提高建筑環(huán)境CPS數(shù)據(jù)級(jí)融合的可靠性是十分必要的。

目前國內(nèi)外的學(xué)者研究建筑環(huán)境系統(tǒng)數(shù)據(jù)級(jí)融合的算法主要有加權(quán)融合算法、加權(quán)平均法[4]、自適應(yīng)加權(quán)融合算法[5]、貝葉斯推理算法[6]等。其中加權(quán)融合算法實(shí)現(xiàn)容易，但加權(quán)因子不好確定，一般都根據(jù)經(jīng)驗(yàn)來賦值[7]。加權(quán)平均法操作同樣簡單，但誤差較大不適合高精度的數(shù)據(jù)融合[8]。自適應(yīng)加權(quán)融合算法可以不需要任何先驗(yàn)知識(shí)的前提下進(jìn)行融合，該輸出值均方誤差較小[9]，在一定的程度上，提高了數(shù)據(jù)級(jí)融合的可靠性，但對(duì)融合數(shù)據(jù)的篩選性較差。貝葉斯推理算法適用于在具有可加高斯噪聲等不確定性信息時(shí)的處理，但是該算法定義先驗(yàn)似然函數(shù)比較困難、缺乏不確定性能力[10]。

以上算法均不能滿足建筑環(huán)境CPS數(shù)據(jù)級(jí)要求，針對(duì)這種情況，本文利用線性最小方差估計(jì)的方法，結(jié)合自適應(yīng)加權(quán)融合算法的特點(diǎn)，將二者進(jìn)行融合。融合后的算法相對(duì)于原自適應(yīng)加權(quán)融合算法均方誤差減小，融合精度更高。并將改進(jìn)后的融合算法與限幅處理思想相結(jié)合，來判斷傳感器檢測(cè)到的數(shù)據(jù)是否異常，據(jù)此改變?nèi)诤纤惴ㄖ邢鄬?duì)應(yīng)的加權(quán)因子。這樣，在一定程度上保證了建筑環(huán)境CPS數(shù)據(jù)級(jí)融合輸出的可靠性。

1 傳統(tǒng)自適應(yīng)加權(quán)融合算法簡介

自適應(yīng)加權(quán)融合算法的優(yōu)點(diǎn)是對(duì)即時(shí)采集的數(shù)據(jù)進(jìn)行處理，在無偏估計(jì)準(zhǔn)則下，該算法可以在不知道傳感器測(cè)量數(shù)據(jù)的任何先驗(yàn)知識(shí)的條件下，單靠傳感器提供的即時(shí)數(shù)據(jù)，就能使融合出的數(shù)據(jù)融合值均方誤差較小[11]。

3 限幅處理法

限幅濾波法是判斷被測(cè)信號(hào)的變化，據(jù)此消除緩變信號(hào)中的尖脈沖干擾。其基本思想為，根據(jù)已有的時(shí)域采樣結(jié)果，將本次采樣值與上次采樣值進(jìn)行比較，差值超出允許范圍的，就認(rèn)定該值異常[12]。

本文利用這一思想對(duì)采集數(shù)據(jù)進(jìn)行處理。在假設(shè)傳感器失靈的總數(shù)不會(huì)超過整個(gè)傳感器數(shù)目的一半的基礎(chǔ)上，將不同傳感器測(cè)量的即時(shí)數(shù)據(jù)進(jìn)行相互比較，如果它們的差值小于規(guī)定的允許范圍，則認(rèn)為各傳感器均正常工作，可以將它們采集到的數(shù)據(jù)進(jìn)行正常的處理；一旦發(fā)現(xiàn)有差值大于規(guī)定的允許范圍的情況，則表示有傳感器出現(xiàn)異常情況。

4 限幅處理與改進(jìn)后的自適應(yīng)加權(quán)算法的

融合算法

數(shù)據(jù)融合過程中很多時(shí)候會(huì)發(fā)生傳感器異常導(dǎo)致采集數(shù)據(jù)偏差很大，針對(duì)這一問題，本文采用了限幅處理法補(bǔ)充改進(jìn)后的自適應(yīng)加權(quán)融合算法，使其可以在融合前發(fā)現(xiàn)異常數(shù)據(jù)，并且改變對(duì)應(yīng)的加權(quán)因子，從而保證了數(shù)據(jù)級(jí)融合數(shù)據(jù)的可靠性。

4.1 結(jié)構(gòu)與流程

限幅處理與改進(jìn)后的自適應(yīng)加權(quán)算法融合后形成了新的算法，新算法可以解決如何提前發(fā)現(xiàn)并且處理因傳感器異常導(dǎo)致的采集的數(shù)據(jù)偏差較大的問題。算法的整體結(jié)構(gòu)如圖3所示。

由圖3可以看出，在改進(jìn)自適應(yīng)加權(quán)融合算法的前面添加了限幅處理模塊，該模塊對(duì)傳感器檢測(cè)的數(shù)據(jù)進(jìn)行比較檢測(cè)后，在一定的條件下可以通過各個(gè)檢測(cè)數(shù)據(jù)來判斷相對(duì)應(yīng)的傳感器是否發(fā)生失靈異常。異常則修改相應(yīng)的加權(quán)因子來保證融合輸出更加可靠的數(shù)據(jù)[Z（k）。]算法步驟如下：

（1） 用限幅處理法來檢測(cè)是否有傳感器失靈異常。有則找出相對(duì)應(yīng)的傳感器，并在公式（4）中將對(duì)應(yīng)的加權(quán)因子直接設(shè)定為零。

（2） 由公式（7）求出各個(gè)傳感器的均方方差[σ2i（k）。]

（3） 由公式（4）求出各個(gè)傳感器的最優(yōu)加權(quán)因子[Wi，i=1，2，…，n。]

（4） 由公式（1）求出最終多傳感器的融合結(jié)果[Z（k）]。

算法的流程圖如圖4所示。

4.2 仿真實(shí)驗(yàn)

本文的限幅處理模塊算法滿足仿真2.2實(shí)驗(yàn)環(huán)境條件，通過觀察加權(quán)因子和融合輸出值的輸出來驗(yàn)證本文算法是否合理。

本文仍然選用3組數(shù)據(jù)來模擬濕度觸感器測(cè)量數(shù)據(jù)，并假設(shè)用來模擬濕度的估計(jì)真值為31，正常的誤差范圍[α≤2。]正常傳感器的誤差分別為0.6，0.36，失靈異常為3，選200個(gè)時(shí)刻作為采樣時(shí)刻。圖5，圖6分別為傳統(tǒng)無限幅處理自適應(yīng)加權(quán)融合算法的加權(quán)因子和有限幅處理的自適應(yīng)加權(quán)融合因子。

通過圖5，圖6比較可以看出，有限幅處理的自適應(yīng)加權(quán)融合算法的傳感器3加權(quán)因子為零，這是因?yàn)橥ㄟ^限幅處理模塊的檢測(cè)，判斷出傳感器3工作異常，檢測(cè)的數(shù)據(jù)不可靠，系統(tǒng)自動(dòng)將其加權(quán)因子設(shè)為零，阻止其繼續(xù)參與數(shù)據(jù)融合工作。無限幅處理的自適應(yīng)加權(quán)融合算法不具備該功能，誤差數(shù)據(jù)仍參與輸出。

圖7～圖9分別為有異常的傳統(tǒng)自適應(yīng)加權(quán)融合算法、有異常時(shí)無限幅處理模塊改進(jìn)自適應(yīng)加權(quán)融合算法和有異常時(shí)有限幅處理模塊的改進(jìn)自適應(yīng)加權(quán)融合算法的融合輸出圖。

通過圖7～圖9可以看出當(dāng)傳感器異常時(shí)，原自適應(yīng)加權(quán)融合算法輸出偏離估計(jì)真值較遠(yuǎn)，是因?yàn)樗惴]對(duì)異常數(shù)據(jù)處理，異常數(shù)據(jù)的加入使得均方誤差偏大，導(dǎo)致輸出可靠性不高。改進(jìn)后的自適應(yīng)加權(quán)融合算法相對(duì)于原自適應(yīng)加權(quán)融合算法的輸出接近估計(jì)真值，可靠性有所提高，均方誤差也減小，因?yàn)楫惓?shù)據(jù)的參與，仍然偏離估計(jì)真值，可靠性不最高。加入限幅處理模塊后的改進(jìn)自適應(yīng)加權(quán)融合算法即減小了均方誤差，且利用限幅處理模塊去掉了異常數(shù)據(jù)，提高了可靠性，使輸出更加貼近估計(jì)真值，可以應(yīng)用在建筑環(huán)境中。

5 結(jié) 語

本文利用了線性最小方差估計(jì)方法的特點(diǎn)，并與自適應(yīng)加權(quán)融合算法相結(jié)合，改變了原均方誤差的計(jì)算方法，使得改進(jìn)后的均方誤差小于改進(jìn)前，提高了融合精度、輸出穩(wěn)定性。并在此基礎(chǔ)上，添加了限幅處理模塊，可以對(duì)傳感器采集的數(shù)據(jù)做出處理，消除了誤差較大數(shù)據(jù)的影響，進(jìn)一步提高了輸出數(shù)據(jù)的可信度，從而保證了在建筑環(huán)境下CPS數(shù)據(jù)級(jí)處理檢測(cè)數(shù)據(jù)的可靠性。

參考文獻(xiàn)

[1] 溫景容，武穆清，宿景芳.信息物理融合系統(tǒng)[J].自動(dòng)化學(xué)報(bào)，2012，38（4）：507?517.

[2] 馬斌，李楠楠.基于人工神經(jīng)元方式構(gòu)建的信息物理融合系統(tǒng)[J].沈陽建筑大學(xué)學(xué)報(bào)：自然科學(xué)版，2012（3）：375?379.

[3] LEE E A. Cyber physical systems： design challenges [C]// 2008 11th IEEE International Symposium on Object Oriented Real?time Distributed Computing （ISORC）. Orlando， Fl： IEEE， 2008： 363?369.

[4] 劉海斌，宮峰勛.一種改進(jìn)的多傳感器加權(quán)融合算法[J].電子產(chǎn)品世界，2009（12）：19?21.

[5] 崔翌立，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（1）：70?74.

[6] DURANT?WHYTE H F. Consistent integration and propagation of disparate sensor observations [J]. International Journal of Robotics Res，1987， 6（3）： 2?24.

[7] 鄧蘊(yùn)昊，張納溫.一種改進(jìn)的加權(quán)融合算法[J].彈箭與制導(dǎo)學(xué)報(bào)，2008（12）：311?313.

[8] 張雨，溫熙森.設(shè)備故障信息融合問題的思考[J].長沙交通學(xué)院學(xué)報(bào)，1999（4）：22?29.

[9] 金建華，闕沛文.多傳感器測(cè)量數(shù)據(jù)的切尾加權(quán)融合算法[J].儀器儀表學(xué)報(bào)，2002（6）：301?304.

[10] 張廷龍，王俊勇.多傳感器數(shù)據(jù)融合技術(shù)概述[J].艦船電子工程，2013（2）：41?44.

[11] 張曉亮，羅文廣.多傳感器數(shù)據(jù)融合技術(shù)在室內(nèi)環(huán)境品質(zhì)監(jiān)控系統(tǒng)中的應(yīng)用[J].儀表技術(shù)與傳感器，2012（2）：103?105.

[12] 郭鐵梁，趙旦峰，錢晉希.OFDM水聲通信降低限幅噪聲的改進(jìn)算法[J].計(jì)算機(jī)工程與應(yīng)用，2013，49（14）：15?18.