多源數據融合的壓縮感知算法在智能交通中的應用研究

王小紅

摘 要 本文闡述多源數據融合在智能交通網中的研究現狀，利用壓縮感知的基本理論，進行智能交通中數據融合與重構算法。最后，總結壓縮感知應用于智能交通網，以實現智能交通網絡中的數據采集。智能交通網的數據采集的數據多、數據雜，本文提出壓縮感知理論用于智能交通網的數據采集，降低數據量，提高有效數據的采集，采用的重構算法實現數據的重構，保證信號重構的精確性和穩定性，保證網絡傳輸信息的準確性。最后給出了仿真分析論證。

關鍵詞 數據融合;壓縮感知;重構算法;智能交通

引言

智能交通系統網絡中，采用了大量不同類型的傳感器，比如溫度、聲音、振動、壓力等等，由于網絡的智能處理系統中傳感器種類是多樣的，而且是多種傳感器相互組合作用。在智能交通系統設計當中，外界道路交通環境感知信息是由各種各樣的傳感器的采集后，由處理器進行分析處理后發出相關指令，最后指令通過無線傳輸到外部道路基礎設施中。傳統的多源數據融合算法，在多傳感器節點的智能交通系統中能量與通信帶寬上的均不能達到要求。因此，本文采用多源數據融合的壓縮感知算法，通過仿真驗證能夠較好的減少節點間數據通信量。

多源傳感器數據融合（ Multi-Sensor data fusion）最早興起于國外軍事方面。這些軍事系統采用的傳感器包括雷達、紅外、激光、可見光傳感器和聲音傳感器等，通過各種算法解決態勢評估和威脅評估技術問題。與其他發達國家相比，我國的數據融合技術發展較晚。我國已開始研究數據融合理論方法和技術的實現，將傳感器數據融合技術用于檢測、控制、模式識別、故障診斷和導航等領域。

無線傳感器網絡（Wireless Sensor Networks， WSN）數據融合技術的研究重點包括以下三個方面：路由協議、數據融合算法和數據表示。WSN采用融合技術的目的是對感知數據做采集與處理，并將處理后的數據傳送到基站。

1 數據級融合

數據級融合數據，來自于智能交通多種傳感器采集的相關數據，經過放大電路將信號方法后，處理器將直接融合同級別傳感器的數據。分析提取特征后，判決傳感器采集數據的屬性。其數據融合的模型如圖1所示。

數據級融合屬于最基本的數據融合形式，其能夠融合的數據只能是相同的傳感器，最多是相近的傳感器。如：氣體、液體等傳感器。因此，通過處理原始數據，才能保證融合的數據來自于相同或者同類的傳感器。

這種數據級融合模型的主要優勢是：計算數據詳細，計算精確，具有較高的計算精度。同時由于計算數據龐大，存在以下局限性：

（1）實時性：分析和處理傳感器采集的原始數據，冗雜數據多，導致計算量較大，造成處理時間較長，實時性差。

（2）抗干擾性：整個數據分析過程中，數據未清洗，數據質量直接影響到模型效果和最終結論數據，且能耗較高。

（3）單一性：融合的數據只能是相同或者同類傳感器采集的信息，融合的能力不足，該融合模型只能提供對于被測目標單一屬性的融合處理[1]。

2 多源數據信息融合系統模型

根據輸入數據的融合以及輸出結果方式的不同，提出數據融合功能模型，并將數融合的種類劃分為不同級別。數據融合級別的劃分規則綜合了五級分類模型與四級分類模型的優點，給出了六級分類模型。其中，數據融合功能級別主要分為第零級（ 信息源預處理）、第一級（檢測級融合）、第二級（位置級融合）、第三級（目標識別級融合）、第四級（態勢估計）、第五級（威脅估計）及第六級（精細處理）[2]。

現有的智能交通在數據信息融合系統模型大體上可以分為功能型模型和數據型模型：前者主要是根據數據處理順序進行構建，例如UK情報環、OODA環等;UK情報環將信息處理過程抽象成了一個環形結構。而后者則是根據各個不同的數據提取環節加以構建。本文采用UK情報環模型。

UK情報環模型能夠很好地滿足數據處理中的多項原則。

3 壓縮感知算法實現

壓縮感知算法應用在UK環的整理階段。對采集到的數據，進行數據融合和壓縮處理，壓縮感知理論主要包括3個部分：

步驟4重構壓縮算法

while

h = A* r;

[h_new，h_index]=sort（abs（h），descend）;

L = union（a_index2，h_index（1：alpha*k））;

a（L） = A（：，L）＼y;

[a_new，a_index] = sort（abs（a），descend）;

a（a_index（k+1：end））=0;

a_index2 = a_index（1：k）;

r= y - A*a;

r=y-A（：，a_index2）*pinv（A（：，a_index2））*y;

iter = iter + 1;

end

while

該算法通過稀疏投影矩陣選擇參與投影的源節點。因此，提高數據的融合質量，就可以通過設計一個較為特殊的投影矩陣，由參與投影的節點數進行計算，進一步提高效率[5]。

4 仿真分析

為了驗證算法的有效性，本文在MATLAB仿真環境下對算法的融合結果，進行了仿真實驗的驗證。實驗環境：電腦配置為：CPU為i7;內存為8G，操作系統為Win10 Ulti-mate。實驗指標為數據融合后網絡節點生存期和融合過程中的網絡能耗。

在實驗過程中，模擬的智能交通傳感器節點，分別采用合成的高壓縮率的測試信號，對于m為算法分別運行100次。圖4給出了具體實驗參數。

由上圖5可知，基于多源數據融合壓縮算法隨著待融合數據量的增加能量消耗略有上升趨勢，但最終逐漸趨于平穩，平均網絡能耗為30nJ/bit，網絡能耗整體較低[6]。

5 結束語

針對當前數據融合算法存在的實時性低、干擾性差、能耗高的問題，提出了基于多源數據融合壓縮算法。該方法能夠降低數據量，提高有效數據的采集，采用的重構算法實現數據的重構，保證信號重構的精確性和穩定性，保證網絡傳輸信息的準確性，且能耗低。

參考文獻

[1] 李棟，胡芳，李斌，等.無線傳感器網絡的數據傳輸優化方法[J].電子設計工程，2019，27（24）：99-102，107.

[2] 黃博文，王斌，丁杰，等.基于K中心的無線傳感器網絡路由協議[J].計算機科學與應用，2019，9（3）：495-500.

[3] 宋婷婷，張達敏，陳忠云，等.基于剩余能量的認知無線傳感器網絡頻譜分配[J].傳感技術學報，2019，32（12）：1875-1880.

[4] 徐晚霞，王博，張賀.基于模糊數學和主成分分析的數據融合算法研究[J].應用數學進展，2019，8（5）：953-957.

[5] 包小源，張凱，金夢，等.基于數據空間的電子病歷數據融合與應用平臺[J].大數據，2019，（6）：47-61.

[6] 姚國章，李詩雅.大數據與應急管理融合發展研究[J].中國集體經濟，2020，（1）：33-35.