物聯網數據融合分析

涂斌

【摘要】 物聯網促進了社會生產效率的提高，使人們的生活更加便捷。隨著數據信息量的急劇膨脹，對傳感器和相應的處理設備的結構采用數據融合技術進行科學組織調配，對于數據的進一步處理是十分必要的。同時云技術的不斷推廣，促使物聯網融合技術成為研究的熱點。本文對物聯網的數據融合技術進行了介紹，對融合技術的模型和算法進行了分析，對物聯網數據融合具有一定的參考意義。

【關鍵詞】 物聯網 數據融合 模型

一、概述

物聯網使物與物之間的互聯成為了現實，使得實物與信息系統的距離縮小了。傳感器網、個域網以及RFID可以接入物聯網的異構融合網絡，最終形成統一互聯的多功能網絡。異構網絡在物聯網中產生數量龐大的冗余信息，占用了大量的網絡資源，異構數據的整合成為亟需解決的問題，而數據融合是解決這一問題的有效手段。融合處理物聯網中的感知信息，篩選有價值的信息進行傳輸，節約了系統資源，物聯網的整體性能得到改善。本文對數據融合的模型進行了分析，對數據融合的算法進行了簡單介紹。

二、物聯網數據融合的模型和算法

數據融合的研究已經持續了較長的時間，其主要通過自動化技術采集對象信息，并通過相應的處理手段，最終獲得決策所需的特征信息。數據融合軍事角度的定義為，數據融合是多方面、多層次的處理過程，其主要功能在于對來源不同的數據進行檢測分析，從而獲得更準確的身份和狀態估計，從而對戰場態勢做出科學準確的評價。[1]在工業應用中，數據融合提高了傳感器的抗干擾能力，信息的準確度得到提高。數據融合在多個領域發揮著重要作用。

2.1數據融合的類別

按照級別劃分，數據融合可分為數據級、特征級以及決策級三級融合。

2.1.1數據級的融合分析

數據級融合是最基礎的融合，其在原始數據基礎上直接進行融合，對傳感器未經處理的數據進行分析處理。數據層融合處理通常采用集中式融合體系。由于對傳感器數據只是進行了數值處理，因此具有精度高，數據損失小的特點。但由于面對的數據量龐大，其計算量較大，實時性不好。而且傳感器的測量干擾也會被帶入融合計算中，因此，系統必須配置濾波功能，且對傳感器抗干擾能力要求較高。[2]

2.1.2特征級的融合分析

特征級融合的層次相對較高，首先提取傳感器信息的特征，然后處理分析提取的特征信息。特征級融合使信息壓縮得以實現，數據處理的實時性提高，提取的特征值提供了決策分析所需的數據信息。但可能會忽略一些可能有用的信息，從而對融合性能造成一定影響。集中式和分布式是特征級融合的常用融合體系。特征融合包括目標狀態和目標特性兩類融合。其中目標狀態融合在追蹤多傳感器追蹤中應用較多，目標特性融合在模式識別中應用較多。

2.1.3決策級融合分析

決策級融合屬于較高級別的融合，其對同一目標采用多種傳感器進行監測，在本地完成傳感器數據的特征信息提取、識別以及判斷等初步分析。利用關聯處理實現決策層的數據融合，得到最終的判斷結果。決策級融合損失了大量的數據，但是節省了大量的系統資源，只需很小的通信量，具有較強的實時性。

2.2 物聯網數據融合的架構

數據的異構性決定了物聯網數據處理過程中需要建立相應的組織模型，其重要有中心型、分布式、點對點以及混合型集中。其中中心型組織具有較高的數據分析效率，但其存儲能力較差，適用于數據量小、時效性要求高的場合。分布式組織系統可以通過增加節點數量提高系統存儲能力，但分散的數據存儲導致處理時間加長，因此該類型適于時效性低數據量大的系統。點對點組織結構簡單，而混合型兼具分布式型和中間型的優點，但網絡構建較為復雜。[3]

2.3 物聯網數據融合的基本模型

2.3.1情報環融合模型

情報環融合模型把數據融合等同于情報分析處理，其分為信息的處理和融合兩部分。UK情報環是一種典型的情報環模型，把融合視為環狀結構，分成采集、整理、評估以及分發四個階段。采集階段利用傳感器和分析系統采集相應信息，整理階段對采集的信息進行合并、簡化以及壓縮處理，為進一步的融合做好鋪墊，評估階段是融合模型的關鍵，該階段負責對上階段的信息進行分析并將結果傳遞到下一階段，并對采集階段機型指導，分發階段把融合的數據結果發送給用戶，用于決策或者修正融合過程。

情報式的數據處理中，采用了中心控制、系統開發、時效性以及信息的客觀性等多種情報原則，在客戶需求出現變動時，模型可以及時進行調整，確保信息源正常工作，并不斷對信息的采集和分析進行評價和分析，從而不斷修正模型。這些特點確保了系統的保密性，但其應用場合比較有限。

2.3.2 JDL融合模型

加強系統管理方、理論研究方、系統設計方以及系統評估方的交流和溝通是該模型的重要目標，從而確保融合系統的整體設計、系統開發以及系統運行的順暢和高效。

該模型主要由數據來源、數據初始處理、目標估計、態勢估計、威脅估計、過程估計以及數據庫和人機交互界面構成。系統傳感器信息是數據的主要來源，數據初始處理模塊對采集的數據進行偏差校正、坐標統一以及標準化等操作，目標評價首先對處理對象執行初步分析，然后進一步匹配關聯傳感器監測數據，從而確定對象的物理特征和身份信息，為進一步的融合提供信息支撐，態勢估計對處理對象的關系以及變化情況進行評價，威脅估計，根據上級態勢估計綜合目標和環境情況，獲取對象環境的潛在威脅。過程估計通過歐化配置傳感器和資源以及信息收集和處理，改善系統數據融合性能。數據庫為系統提供存儲、調用、檢索等數據處理支持。人機交互界面提供了系統的操作接口。

2.3.3 Boyd控制融合模型

如圖2.3所示，Boyd環包括觀測階段、調整階段、決策階段以及執行階段四個階段。觀測階段負責監測目標對象，采集信息；調整階段主要識別目標對象，處理采集信息；決策階段根據調整階段的分析結果，制定應對策略；執行階段實施策略相觀測階段提供融合策略。

Boyd控制融合模型以數據流向為基礎，各階段形成一個閉合循環，在模型運作過程中，數據逐步簡化。該模型的整體結構比較簡單，具有較強的時效性，但各階段數據融合的相關問題也比較多，而且數據融合過程中忽略了各階段之間的聯系。

2.4 數據融合的常用算法

數據融合可以處理較多的問題，比如數據偏差、錯誤數據、異構數據、數據內部聯系、數據整定、處理策略、處理時間、動靜態表現以及數據注冊等。數據融合算法種類表多，通常，可以利用算法的基本原理進行類別劃分，如利用信號處理和估計原理的算法、統計估算算法、信息論算法、決策論算法、人工智能算法以及幾何算法等。

三、結論

通過多種異構網絡的接入，物聯網將實際物體接入信息系統網絡之中，使得現實世界和虛擬世界的距離拉近。本文結合物聯網數據的空間和時間特性，從空間和時間屬性上融合了物聯網的異構數據，使物聯網的時效性加強，物聯網數據的冗余程度得到簡化，運行消耗的帶寬減小。本文主要對物聯網數據融合的分類、分析模型以及計算算法進行了介紹，并對各種模型的特點進行了分析。有助于對物聯網數據融合的初步認識。

參 考 文 獻

[1] 孫其博，劉杰，黎鼻.物聯網：概念架構與關鍵技術研究綜述[J].北京郵電大學學報，2010，33（3）：1-9.

[2] 潘泉，王增福，梁彥.信息融合理論的基本方法與進展[J].控制理論與應用，2012（10）：599-615.

[3] 胡永利，孫艷豐，尹寶才.物聯網信息感知與交互技術[J].計算機學報，2012（06）：1147-1163.endprint