物聯(lián)網(wǎng)中智能傳感器融合方法研究

張永芳

（鄭州工業(yè)應(yīng)用技術(shù)學院，河南 鄭州 451100）

0 引 言

隨著物聯(lián)網(wǎng)技術(shù)的迅速發(fā)展，智能傳感器作為物聯(lián)網(wǎng)系統(tǒng)的核心組成部分，發(fā)揮著重要作用。智能傳感器能夠?qū)崟r采集和傳輸環(huán)境數(shù)據(jù)，并通過數(shù)據(jù)處理和分析實現(xiàn)對環(huán)境的智能感知和響應(yīng)，為物聯(lián)網(wǎng)應(yīng)用提供強大的支持。然而在實際應(yīng)用中，由于環(huán)境復(fù)雜性和數(shù)據(jù)異構(gòu)性等挑戰(zhàn)，如何有效地利用智能傳感器的數(shù)據(jù)，提升物聯(lián)網(wǎng)系統(tǒng)的性能和可靠性，成為當前研究的熱點問題[1-2]。

國內(nèi)外學者針對智能傳感器在物聯(lián)網(wǎng)中的應(yīng)用進行了大量的研究，包括物聯(lián)網(wǎng)系統(tǒng)的架構(gòu)設(shè)計、傳感器數(shù)據(jù)融合與處理技術(shù)等方面。目前對于基于智能傳感器的物聯(lián)網(wǎng)系統(tǒng)架構(gòu)設(shè)計和傳感器數(shù)據(jù)融合方法的研究還相對較少，尤其是針對多傳感器協(xié)同工作的深入探討尚不充分。因此，研究智能傳感器融合方法具有重要的理論和實踐意義。

文章旨在針對上述問題展開深入研究，首先研究基于智能傳感器的物聯(lián)網(wǎng)架構(gòu)設(shè)計方案。其次，結(jié)合多傳感器數(shù)據(jù)融合的需求，提出一種基于智能傳感器融合的多傳感器協(xié)同方法，以提高系統(tǒng)對環(huán)境信息的感知能力和數(shù)據(jù)處理效率。最后，采用MATLAB對所提方法進行仿真實驗，驗證方法的有效性和可行性。通過文章的研究，為智能傳感器在物聯(lián)網(wǎng)中的應(yīng)用提供新的思路和方法，促進物聯(lián)網(wǎng)技術(shù)的進一步發(fā)展與應(yīng)用。同時，為相關(guān)領(lǐng)域的研究提供一定的參考和借鑒。

1 基于智能傳感器的物聯(lián)網(wǎng)架構(gòu)研究

基于智能傳感器的物聯(lián)網(wǎng)架構(gòu)如圖1 所示，包括云平臺、互聯(lián)網(wǎng)、終端設(shè)備、網(wǎng)關(guān)以及智能傳感器（智能光照傳感器、智能濕度傳感器、智能溫度傳感器、智能繼電器組）等[3-4]。

圖1 基于智能傳感器的物聯(lián)網(wǎng)架構(gòu)

智能傳感器作為物聯(lián)網(wǎng)系統(tǒng)的重要組成部分，負責實時采集和傳輸環(huán)境數(shù)據(jù)。智能傳感器通過感知環(huán)境中的各種參數(shù)，如溫度、濕度、光照等，將采集的數(shù)據(jù)發(fā)送至網(wǎng)關(guān)或云平臺，為物聯(lián)網(wǎng)系統(tǒng)提供實時的環(huán)境信息。

網(wǎng)關(guān)作為智能傳感器與互聯(lián)網(wǎng)之間的橋梁，起著數(shù)據(jù)傳輸和協(xié)議轉(zhuǎn)換的作用。網(wǎng)關(guān)可以接收來自智能傳感器的數(shù)據(jù)，并將其轉(zhuǎn)發(fā)至云平臺進行進一步的處理和分析。同時，網(wǎng)關(guān)能夠向智能傳感器發(fā)送控制指令，實現(xiàn)遠程管理和控制傳感器。

云平臺作為物聯(lián)網(wǎng)系統(tǒng)的核心，承擔著數(shù)據(jù)存儲、處理和應(yīng)用服務(wù)的功能。云平臺接收來自智能傳感器和網(wǎng)關(guān)的數(shù)據(jù)，通過數(shù)據(jù)處理算法進行分析和挖掘，生成環(huán)境狀態(tài)信息或預(yù)測結(jié)果，并向終端設(shè)備提供相應(yīng)的服務(wù)和應(yīng)用。同時，云平臺能夠?qū)?shù)據(jù)反饋給智能傳感器和網(wǎng)關(guān)，動態(tài)調(diào)控和優(yōu)化物聯(lián)網(wǎng)系統(tǒng)。

終端設(shè)備是用戶與物聯(lián)網(wǎng)系統(tǒng)進行交互的基礎(chǔ)，可以是智能手機、平板電腦或個人電腦等。用戶通過終端設(shè)備可以實時監(jiān)測環(huán)境信息、控制智能傳感器的工作狀態(tài)，并獲取相關(guān)的服務(wù)和應(yīng)用。終端設(shè)備與云平臺之間通過互聯(lián)網(wǎng)進行數(shù)據(jù)交換和通信。

物聯(lián)網(wǎng)架構(gòu)通過智能傳感器、網(wǎng)關(guān)、云平臺和終端設(shè)備之間的協(xié)同工作，實現(xiàn)環(huán)境數(shù)據(jù)的實時采集、傳輸、處理和應(yīng)用，為用戶提供智能化的環(huán)境監(jiān)測和控制服務(wù)。

在常見的物聯(lián)網(wǎng)架構(gòu)中，智能傳感器的單一感知能力有限，無法完全覆蓋復(fù)雜環(huán)境中的各種參數(shù)。例如，單一的智能溫度傳感器只能感知溫度信息，而無法獲取其他重要參數(shù)，如濕度、光照等。因此，需要通過多種類型的傳感器協(xié)同工作，全面感知環(huán)境信息，增強物聯(lián)網(wǎng)系統(tǒng)對環(huán)境的智能化感知能力。此外，智能傳感器在實際應(yīng)用中可能會受到環(huán)境干擾、噪聲等因素的影響，導致數(shù)據(jù)不準確或不穩(wěn)定。通過多傳感器協(xié)同，可以對比不同傳感器的數(shù)據(jù)，實現(xiàn)數(shù)據(jù)的校正和冗余處理，提升數(shù)據(jù)的可靠性和準確性，從而增強物聯(lián)網(wǎng)系統(tǒng)感知和分析環(huán)境信息的能力。基于智能傳感器融合的多傳感器協(xié)同在物聯(lián)網(wǎng)系統(tǒng)中具有重要作用，能夠增強系統(tǒng)的智能化感知能力，提升數(shù)據(jù)可靠性，為物聯(lián)網(wǎng)應(yīng)用的發(fā)展和推廣提供支撐。

2 基于智能傳感器融合的多傳感器協(xié)同

在文章研究的多傳感器協(xié)同方法中，當某個傳感器采集的數(shù)據(jù)與其他傳感器采集的數(shù)據(jù)在某些參數(shù)上存在顯著差異時，可能表明該傳感器采集的數(shù)據(jù)異常[5-6]。通過多傳感器協(xié)同可以進行異常檢測和診斷。

假設(shè)有N個傳感器，每個傳感器采集的數(shù)據(jù)表示為Xi(t)，其中i=1,2,…,N，t表示時間。傳感器數(shù)據(jù)的協(xié)方差矩陣定義為

式中：X為一個維度為N×T的數(shù)據(jù)矩陣；T為時間窗口的長度；μ為數(shù)據(jù)的均值向量；E為數(shù)學期望。協(xié)方差矩陣C可以提供傳感器數(shù)據(jù)之間的相關(guān)性信息[7-8]。

為了檢測異常，引入殘差向量ei(t)表示傳感器i的數(shù)據(jù)與其他傳感器數(shù)據(jù)的差異。殘差向量ei(t)的計算公式為

式中：αij為系數(shù)矩陣，用于衡量傳感器之間的權(quán)重；Xi為第i個傳感器采集的數(shù)據(jù)；Xj為第j個傳感器采集的數(shù)據(jù)。通常情況下，αij的值由傳感器之間的相關(guān)性確定。

其次，計算殘差向量的協(xié)方差矩陣Ce，具體公式為

式中：e為一個維度為N×T的殘差矩陣；μe為殘差的均值向量。

再次，計算殘差的異常度量指標。一種常用的指標是Mahalanobis 距離，具體計算公式為

Mahalanobis 距離用于衡量殘差向量ei(t)與正態(tài)分布之間的偏差程度[9-10]。如果Di(t)的值超過預(yù)先設(shè)定的閾值，則認為傳感器i的數(shù)據(jù)存在異常。

最后，通過監(jiān)控各傳感器的異常度量指標，可以實時診斷出數(shù)據(jù)異常的傳感器，并采取相應(yīng)的措施進行修復(fù)或校準，以提高物聯(lián)網(wǎng)系統(tǒng)的數(shù)據(jù)可靠性和穩(wěn)定性。

3 系統(tǒng)仿真與分析

實驗部分使用MATLAB 生成模擬數(shù)據(jù)，模擬智能傳感器的溫度、濕度和光照情況，具體實驗步驟分為5 步。步驟一，安裝MATLAB 軟件和數(shù)字信號處理工具箱。步驟二，利用MATLAB 的隨機數(shù)生成函數(shù)randn 生成符合正態(tài)分布或均勻分布的隨機數(shù)作為溫度數(shù)據(jù)。步驟三，利用MATLAB 的隨機數(shù)生成函數(shù)，生成符合正態(tài)分布或均勻分布的隨機數(shù)作為濕度數(shù)據(jù)。步驟四，通過MATLAB 的隨機數(shù)生成函數(shù)，生成符合實際光照強度分布的隨機數(shù)作為光照數(shù)據(jù)。步驟五，利用MATLAB 的繪圖函數(shù)，如plot 或scatter，可視化展示生成的溫度、濕度和光照數(shù)據(jù)。部分環(huán)境變化數(shù)據(jù)如圖2 所示。

圖2 環(huán)境變化

在模擬出數(shù)據(jù)集之后，本實驗根據(jù)數(shù)據(jù)添加隨機的異常值來模擬環(huán)境狀態(tài)異常，并對數(shù)據(jù)進行加權(quán)融合，得到融合后的數(shù)據(jù)集。在實驗中，將數(shù)據(jù)分為4 組分別進行實驗，驗證設(shè)計方法在異常檢測方面的準確性。在實驗中，樣本組1 包括溫度異常和濕度異常，樣本組2 包括溫度異常和光照異常，樣本組3 只包括溫度異常，樣本組4 只包括濕度異常。本實驗采用Mahalanobis 距離來進行異常檢測，并計算異常檢測結(jié)果的準確率、召回率等指標評估異常檢測方法的性能，實驗結(jié)果如表1 所示。

表1 實驗結(jié)果

表1 中，準確率和召回率是評價異常檢測方法性能的重要指標。準確率指被判定為異常的樣本中有多少是真正的異常樣本，召回率指所有異常樣本中有多少被正確地判定為異常。首先，在4 組異常檢測實驗中，設(shè)計方法的準確率在0.82 ～0.92，普遍較高，而召回率也保持在0.84 ～0.95。這說明該方法能夠在一定程度上準確地識別出異常樣本，并且成功地檢測到大部分異常情況，具有較高的檢測準確性和可靠性。

總而言之，該異常檢測方法在溫度、濕度和光照等多種環(huán)境參數(shù)下均表現(xiàn)出較好的性能，能夠有效識別異常情況，為物聯(lián)網(wǎng)環(huán)境監(jiān)測與控制提供了可靠的支持。

4 結(jié) 論

文章主要研究了物聯(lián)網(wǎng)中智能傳感器融合方法在異常檢測方面的應(yīng)用，結(jié)合MATLAB 仿真實驗，驗證了設(shè)計方法在溫度、濕度和光照等環(huán)境參數(shù)監(jiān)測中的有效性和可靠性。實驗結(jié)果顯示，該方法能夠準確地識別出異常情況，具有較高的檢測準確率和召回率。本研究為物聯(lián)網(wǎng)環(huán)境監(jiān)測與控制提供了有效的解決方案，對于推動物聯(lián)網(wǎng)技術(shù)的發(fā)展和應(yīng)用具有積極意義。