0 引言

    為了提高傳感網(wǎng)絡(luò)觀測(cè)數(shù)據(jù)的可靠性和準(zhǔn)確度，需要復(fù)置傳感器，使得多個(gè)節(jié)點(diǎn)有相互交叉的觀測(cè)范圍，這將導(dǎo)致采集的數(shù)據(jù)存在大量冗余，極大地增加了數(shù)據(jù)存儲(chǔ)、處理和傳輸?shù)馁Y源消耗。如何在傳感網(wǎng)絡(luò)數(shù)據(jù)聚集過(guò)程中安全、準(zhǔn)確和高效地消除冗余數(shù)據(jù)，是資源受限的傳感網(wǎng)絡(luò)應(yīng)用研究中的核心問(wèn)題之一，而數(shù)據(jù)融合是目前解決這一問(wèn)題較為有效的一種方法。所謂數(shù)據(jù)融合是指將同一目標(biāo)的多個(gè)觀測(cè)結(jié)果整合成一個(gè)統(tǒng)一的結(jié)果^[1]。數(shù)據(jù)融合技術(shù)主要是通過(guò)壓縮數(shù)據(jù)、提取特征和數(shù)據(jù)關(guān)聯(lián)等手段降低數(shù)據(jù)中的信息冗余，從而降低傳感網(wǎng)絡(luò)的資源消耗，增加置信度^[2]。

    數(shù)據(jù)融合的質(zhì)量和效率主要體現(xiàn)在融合算法上。目前常用的數(shù)據(jù)融合算法有：基于時(shí)間序列的加權(quán)平均法，其方法簡(jiǎn)單，處理速度快，但融合質(zhì)量較差^[3－4]；利用概率分布求融合值的貝葉斯估計(jì)法，提高了融合結(jié)果的精度，但誤差較難控制^[5－6]；充分利用概率分布函數(shù)、似然函數(shù)和信任函數(shù)的D-S推理方法^[7-8]，將多個(gè)信息融合的不確定性推理過(guò)程融合于模糊邏輯推理過(guò)程中，但信息描述依賴于主觀因素，不利于特征提取^[9-10]；神經(jīng)網(wǎng)絡(luò)算法，針對(duì)數(shù)據(jù)融合不確定性推理過(guò)程，通過(guò)訓(xùn)練，能擁有相應(yīng)傳感網(wǎng)絡(luò)的規(guī)律，再利用規(guī)律進(jìn)行數(shù)據(jù)融合^[11-13]。

本文詳細(xì)內(nèi)容請(qǐng)下載：http://m.jysgc.com/resource/share/2000003820。

作者信息：

陳  燕1，顧大剛1，陳亞林2

(1.貴陽(yáng)學(xué)院 數(shù)學(xué)與信息科學(xué)學(xué)院，貴州 貴陽(yáng)550002；2.南京財(cái)經(jīng)大學(xué) 管理科學(xué)與工程學(xué)院，江蘇 南京210046)