无线传感器网络简明教程_第四章.ppt

第第4 4章章传感器网络的支撑技术传感器网络的支撑技术 虽然传感器网络用户的使用目的千变万化，但是作为网络终端节虽然传感器网络用户的使用目的千变万化，但是作为网络终端节点的功能归根结底就是点的功能归根结底就是传感传感、探测探测、感知感知，用来收集应用相关的数据，用来收集应用相关的数据信号。为了实现用户的功能，除了要设计第信号。为了实现用户的功能，除了要设计第3 3章介绍的通信与组网技术章介绍的通信与组网技术以外，还要实现保证网络用户功能的正常运行所需的其它基础性技术。以外，还要实现保证网络用户功能的正常运行所需的其它基础性技术。这些应用层的基础性技术是支撑传感器网络完成任务的关键，包这些应用层的基础性技术是支撑传感器网络完成任务的关键，包括括时间同步机制时间同步机制、定位技术定位技术、数据融合数据融合、能量管理和安全机制能量管理和安全机制等。等。4.1 4.1 时间同步机制时间同步机制4.1.1 4.1.1 传感器网络的时间同步机制传感器网络的时间同步机制1 1、传感器网络时间同步的意义、传感器网络时间同步的意义 无线传感器网络的同步管理主要是指时间上的同步管理。无线传感器网络的同步管理主要是指时间上的同步管理。在分布式的无线传感器网络应用中，每个传感器节点都有自己在分布式的无线传感器网络应用中，每个传感器节点都有自己的本地时钟。不同节点的晶体振荡器频率存在偏差，以及湿度和电的本地时钟。不同节点的晶体振荡器频率存在偏差，以及湿度和电磁波的干扰等都会造成网络节点之间的运行时间偏差。磁波的干扰等都会造成网络节点之间的运行时间偏差。有时传感器网络的单个节点的能力有限，或者某些应用的需要，有时传感器网络的单个节点的能力有限，或者某些应用的需要，使得整个系统所要实现的功能要求网络内所有节点相互配合来共同使得整个系统所要实现的功能要求网络内所有节点相互配合来共同完成，分布式系统的协同工作需要节点间的时间同步，因此，时间完成，分布式系统的协同工作需要节点间的时间同步，因此，时间同步机制是分布式系统基础框架的一个关键机制。同步机制是分布式系统基础框架的一个关键机制。在分布式系统中，时间同步涉及在分布式系统中，时间同步涉及“物理时间物理时间”和和“逻辑时间逻辑时间”两个不同的概念。两个不同的概念。“物理时间物理时间”用来表示人类社会使用的绝对时间；用来表示人类社会使用的绝对时间；“逻辑时间逻辑时间”体现了事件发生的顺序关系，是一个相对概体现了事件发生的顺序关系，是一个相对概念。念。分布式系统通常需要一个表示整个系统时间的全局分布式系统通常需要一个表示整个系统时间的全局时间。全局时间根据需要可以是物理时间或逻辑时间。时间。全局时间根据需要可以是物理时间或逻辑时间。无线传感器网络时间同步机制的意义和作用主要体现无线传感器网络时间同步机制的意义和作用主要体现在如下两方面：在如下两方面：首先，传感器节点通常需要彼此协作，去完成复杂的首先，传感器节点通常需要彼此协作，去完成复杂的监测和感知任务。数据融合是协作操作的典型例子，不同监测和感知任务。数据融合是协作操作的典型例子，不同的节点采集的数据最终融合形成了一个有意义的结果。的节点采集的数据最终融合形成了一个有意义的结果。其次，传感器网络的一些节能方案是利用时间同步来其次，传感器网络的一些节能方案是利用时间同步来实现的。实现的。目前已有几种成熟的传感器网络时间同步协议，其中目前已有几种成熟的传感器网络时间同步协议，其中RBSRBS、TINY/MINI-SYNCTINY/MINI-SYNC和和TPSNTPSN被认为是三种最基本的传感器网络时间同步机被认为是三种最基本的传感器网络时间同步机制。制。RBS RBS同步协议的基本思想是多个节点接收同一个同步信号，然后多同步协议的基本思想是多个节点接收同一个同步信号，然后多个收到同步信号的节点之间进行同步。这种同步算法消除了同步信号个收到同步信号的节点之间进行同步。这种同步算法消除了同步信号发送一方的时间不确定性。这种同步协议的缺点是协议开销大。发送一方的时间不确定性。这种同步协议的缺点是协议开销大。Tiny/Mini-SyncTiny/Mini-Sync是两种简单的轻量级时间同步机制。是两种简单的轻量级时间同步机制。TPSN TPSN时间同步协议采用层次结构，实现整个网络节点的时间同步。时间同步协议采用层次结构，实现整个网络节点的时间同步。4.1.2 TPSN4.1.2 TPSN时间同步协议时间同步协议 传感器网络传感器网络TPSNTPSN时间同步协议类似于传统网络的时间同步协议类似于传统网络的NTPNTP协议，目协议，目的是提供传感器网络全网范围内节点间的时间同步。在网络中有一的是提供传感器网络全网范围内节点间的时间同步。在网络中有一个与外界可以通信，从而获取外部时间，这种节点称为根节点。根个与外界可以通信，从而获取外部时间，这种节点称为根节点。根节点可装配诸如节点可装配诸如GPSGPS接收机这样的复杂硬件部件，并作为整个网络接收机这样的复杂硬件部件，并作为整个网络系统的时钟源。系统的时钟源。TPSN TPSN协议采用层次型网络结构，首先将所有节点按照层次结构协议采用层次型网络结构，首先将所有节点按照层次结构进行分级，然后每个节点与上一级的一个节点进行时间同步，最终进行分级，然后每个节点与上一级的一个节点进行时间同步，最终所有节点都与根节点时间同步。节点对之间的时间同步是基于发送所有节点都与根节点时间同步。节点对之间的时间同步是基于发送者者-接收者的同步机制。接收者的同步机制。1 1、TPSNTPSN协议的操作过程协议的操作过程 TPSN TPSN协议包括两个阶段：协议包括两个阶段：第一个阶段生成层次结构，每个节点赋予一个级别，第一个阶段生成层次结构，每个节点赋予一个级别，根节点赋予最高级别第根节点赋予最高级别第0 0级，第级，第i i级的节点至少能够与一个级的节点至少能够与一个第（第（i i1 1）级的节点通信；）级的节点通信；第二个阶段实现所有树节点的时间同步，第第二个阶段实现所有树节点的时间同步，第1 1级节点同级节点同步到根节点，第步到根节点，第i i级的节点同步到第（级的节点同步到第（i i1 1）级的一个节）级的一个节点，最终所有节点都同步到根节点，实现整个网络的时间点，最终所有节点都同步到根节点，实现整个网络的时间同步。同步。2 2、相邻级别节点间的同步机制、相邻级别节点间的同步机制 邻近级别的两个节点对间通过交换两个消息实现时邻近级别的两个节点对间通过交换两个消息实现时间同步。间同步。边节点边节点S S在在T T1 1时间发送同步请求时间发送同步请求分组给节点分组给节点R R，分组中包含，分组中包含S S的级别的级别和和T T1 1时间。节点时间。节点R R在在T T2 2时间收到分组，时间收到分组，然后在，然后在T T3 3时间发送应答分组给节点时间发送应答分组给节点S S，分组中包含节点，分组中包含节点R R的级别和的级别和T T1 1、T T2 2和和T T3 3信息。信息。节点节点S S在在T T4 4时间收到应答，时间收到应答，因此可以推导出右面算式：因此可以推导出右面算式：节点节点S S在计算时间偏差之后，将在计算时间偏差之后，将它的时间同步到节点它的时间同步到节点R R。4.1.3 4.1.3 时间同步的应用示例时间同步的应用示例 这里介绍一个例子，说明磁阻这里介绍一个例子，说明磁阻传感器网络对机动车辆进行测速，传感器网络对机动车辆进行测速，为了实现这个用途，网络必须先完为了实现这个用途，网络必须先完成时间同步。由于对机动车辆的测成时间同步。由于对机动车辆的测速需要两个探测传感器节点的协同速需要两个探测传感器节点的协同合作，测速算法提取车辆经过每个合作，测速算法提取车辆经过每个节点的磁感应信号的脉冲峰值，并节点的磁感应信号的脉冲峰值，并记录时间。记录时间。如果将两个节点之间的距离如果将两个节点之间的距离d d除除以两个峰值之间的时差以两个峰值之间的时差tt，就可以，就可以得出机动目标通过这一路段的速度得出机动目标通过这一路段的速度(VelVel):):4.2 4.2 定位技术定位技术4.2.1 4.2.1 传感器网络节点定位问题传感器网络节点定位问题1 1、定位的含义、定位的含义 在传感器网络的很多应用问题中，没有节点位置信息的监测在传感器网络的很多应用问题中，没有节点位置信息的监测数据往往是没有意义的。无线传感器网络定位问题的含义是指自组数据往往是没有意义的。无线传感器网络定位问题的含义是指自组织的网络通过特定方法提供节点的位置信息。织的网络通过特定方法提供节点的位置信息。这种自组织网络定位分为节点自身定位和目标定位。节点自身这种自组织网络定位分为节点自身定位和目标定位。节点自身定位是确定网络节点的坐标位置的过程。目标定位是确定网络覆盖定位是确定网络节点的坐标位置的过程。目标定位是确定网络覆盖区域内一个事件或者一个目标的坐标位置。区域内一个事件或者一个目标的坐标位置。节点自身定位是网络自身属性的确定过程，可以通过人工标定节点自身定位是网络自身属性的确定过程，可以通过人工标定或者各种节点自定位算法完成。目标定位是以位置已知的网络节点或者各种节点自定位算法完成。目标定位是以位置已知的网络节点作为参考，确定事件或者目标在网络覆盖范围内所在的位置。作为参考，确定事件或者目标在网络覆盖范围内所在的位置。位置信息有多种分类方法。位置信息有位置信息有多种分类方法。位置信息有物理位置物理位置和和符号位置符号位置两大类。两大类。物理位置物理位置指目标在特定坐标系下的位置数值，表指目标在特定坐标系下的位置数值，表示目标的相对或者绝对位置。示目标的相对或者绝对位置。符号位置符号位置指在目标与一个基站或者多个基站接近指在目标与一个基站或者多个基站接近程度的信息，表示目标与基站之间的连通关系，提供程度的信息，表示目标与基站之间的连通关系，提供目标大致的所在范围。目标大致的所在范围。根据不同的依据，无线传感器网络的定位方法根据不同的依据，无线传感器网络的定位方法可以进行如下分类：可以进行如下分类：(1)(1)根据根据是否依靠测量距离是否依靠测量距离，分为基于测距的定，分为基于测距的定位和不需要测距的定位；位和不需要测距的定位；(2)(2)根据根据部署的场合不同部署的场合不同，分为室内定位和室外，分为室内定位和室外定位；定位；(3)(3)根据根据信息收集的方式信息收集的方式，网络收集传感器数据，网络收集传感器数据称为被动定位，节点主动发出信息，用于定位称为称为被动定位，节点主动发出信息，用于定位称为主动定位。主动定位。2 2、基本术语、基本术语 (1)(1)锚点锚点：指通过其它方式预先获得位置坐标的节点，有时也：指通过其它方式预先获得位置坐标的节点，有时也称作信标节点。网络中相应的其余节点称为非锚点。称作信标节点。网络中相应的其余节点称为非锚点。(2)(2)测距测距：指两个相互通信的节点通过测量方式来估计出彼此：指两个相互通信的节点通过测量方式来估计出彼此之间的距离或角度。之间的距离或角度。(3)(3)连接度连接度：包括节点连接度和网络连接度两种含义。：包括节点连接度和网络连接度两种含义。节点连接度是指节点可探测发现的邻居节点个数。网络连接度节点连接度是指节点可探测发现的邻居节点个数。网络连接度是所有节点的邻居数目的平均值，它反映了传感器配置的密集程度。是所有节点的邻居数目的平均值，它反映了传感器配置的密集程度。(4)(4)邻居节点邻居节点：传感器节点通信半径范围以内的所有其它节点，：传感器节点通信半径范围以内的所有其它节点，称为该节点的邻居节点。称为该节点的邻居节点。(5)(5)跳数跳数：两个节点之间间隔的跳段总数，称为这两个节点间：两个节点之间间隔的跳段总数，称为这两个节点间的跳数。的跳数。(6)(6)基础设施基础设施：协助传感器节点定位的已知自身位置的固定设：协助传感器节点定位的已知自身位置的固定设备，如卫星、基站等。备，如卫星、基站等。(7)(7)到达时间到达时间：信号从一个节点传播到另一个节点所需要的时：信号从一个节点传播到另一个节点所需要的时间，称为信号的到达时间。间，称为信号的到达时间。(8)(8)到达时间差到达时间差(TDoATDoA)：两种不同传播速度的信号从一个节点：两种不同传播速度的信号从一个节点传播到另一个节点所需要的时间之差，称为信号的到达时间差。传播到另一个节点所需要的时间之差，称为信号的到达时间差。(9)(9)接收信号强度指示接收信号强度指示(RSSI)(RSSI)：节点接收到无线信号的强度大：节点接收到无线信号的强度大小，称为接收信号的强度指示。小，称为接收信号的强度指示。(10)(10)到达角度到达角度(Angle of Arrival,(Angle of Arrival,AoAAoA)：节点接收：节点接收到的信号相对于自身轴线的角度，称为信号相对接收节到的信号相对于自身轴线的角度，称为信号相对接收节点的到达角度。点的到达角度。(11)(11)视线关系视线关系(Line of Sight,(Line of Sight,LoSLoS)：如果传感器：如果传感器网络的两个节点之间没有障碍物，能够实现直接通信，网络的两个节点之间没有障碍物，能够实现直接通信，则这两个节点间存在视线关系。则这两个节点间存在视线关系。(12)(12)非视线关系非视线关系：传感器网络的两个节点之间存在：传感器网络的两个节点之间存在障碍物，影响了它们直接的无线通信。障碍物，影响了它们直接的无线通信。3 3、定位性能的评价指标、定位性能的评价指标 衡量定位性能有多个指标，除了一般性的衡量定位性能有多个指标，除了一般性的位置精度位置精度指标以外，指标以外，对于资源受到限制的传感器网络，还有对于资源受到限制的传感器网络，还有覆盖范围覆盖范围、刷新速度刷新速度和和功功耗耗等其它指标。等其它指标。位置精度是定位系统最重要的指标，精度越高，则技术要求越位置精度是定位系统最重要的指标，精度越高，则技术要求越严，成本也越高。定位精度指提供的位置信息的精确程度，它分严，成本也越高。定位精度指提供的位置信息的精确程度，它分为相对精度和绝对精度。为相对精度和绝对精度。绝对精度指以长度为单位度量的精度。绝对精度指以长度为单位度量的精度。相对精度通常以节点之间距离的百分比来定义。相对精度通常以节点之间距离的百分比来定义。设节点设节点i i的估计坐标与真实坐标在二维情况下的距离差值的估计坐标与真实坐标在二维情况下的距离差值为为d di i，则，则N N个未知位置节点的网络平均定位误差为：个未知位置节点的网络平均定位误差为：覆盖范围和位置精度是一对矛盾性的指标。覆盖范围和位置精度是一对矛盾性的指标。刷新速度是指提供位置信息的频率。刷新速度是指提供位置信息的频率。功耗作为传感器网络设计的一项重要指标，对于定位这项服功耗作为传感器网络设计的一项重要指标，对于定位这项服务功能，人们需要计算为此所消耗的能量。务功能，人们需要计算为此所消耗的能量。定位实时性更多的是体现在对动态目标的位置跟踪。定位实时性更多的是体现在对动态目标的位置跟踪。4 4、定位系统的设计要点、定位系统的设计要点 在设计定位系统的时候，要根据预定的性能指标，在设计定位系统的时候，要根据预定的性能指标，在众多方案之中选择能够满足要求的最优算法，采取在众多方案之中选择能够满足要求的最优算法，采取最适宜的技术手段来完成定位系统的实现。通常设计最适宜的技术手段来完成定位系统的实现。通常设计一个定位系统需要考虑两个主要因素，即定位机制的一个定位系统需要考虑两个主要因素，即定位机制的物理特性和定位算法。物理特性和定位算法。4.2.2 4.2.2 基于测距的定位技术基于测距的定位技术 基于测距的定位技术是通过测量节点之间的距离，基于测距的定位技术是通过测量节点之间的距离，根据几何关系计算出网络节点的位置。解析几何里有根据几何关系计算出网络节点的位置。解析几何里有多种方法可以确定一个点的位置。比较常用的方法是多种方法可以确定一个点的位置。比较常用的方法是多边定位和角度定位。多边定位和角度定位。1 1、测距方法、测距方法(1)(1)接收信号强度指示接收信号强度指示(RSSI)(RSSI)RSSI RSSI测距的原理如下：接收机测距的原理如下：接收机通过测量射频信号的能量来确定与通过测量射频信号的能量来确定与发送机的距离。将无线信号的发射发送机的距离。将无线信号的发射功率和接收功率之间的关系表述为功率和接收功率之间的关系表述为下式所示，其中下式所示，其中P PR R是无线信号的接收是无线信号的接收功率，功率，P PT T是无线信号的发射功率，是无线信号的发射功率，r r是收发单元之间的距离，是收发单元之间的距离，n n传播因子，传播因子，传播因子的数值大小取决于无线信传播因子的数值大小取决于无线信号传播的环境。号传播的环境。无线信号接收强度指示与信号传播距离之间的关系无线信号接收强度指示与信号传播距离之间的关系(2)(2)到达时间到达时间/到达时间差到达时间差(ToA/TDoAToA/TDoA)这类方法通过测量传输时间来估算两节点之间距离，精度较好。这类方法通过测量传输时间来估算两节点之间距离，精度较好。ToAToA机制是已知信号的传播速度，根据信号的传播时间来计算节点机制是已知信号的传播速度，根据信号的传播时间来计算节点间的距离。间的距离。ToAToA测距原理的过程示例测距原理的过程示例 在基于在基于TDoATDoA的定位机制中，发射的定位机制中，发射节点同时发射两种不同传播速度的无节点同时发射两种不同传播速度的无线信号，接收节点根据两种信号到达线信号，接收节点根据两种信号到达的时间差以及这两种信号的传播速度，的时间差以及这两种信号的传播速度，计算两个节点之间的距离。计算两个节点之间的距离。发射节点同时发射发射节点同时发射无线射频信号无线射频信号和和超声波信号超声波信号，接收节点记录下这两，接收节点记录下这两种信号的到达时间种信号的到达时间T T1 1、T T2 2，已知无线已知无线射频信号和超声波的传播速度为射频信号和超声波的传播速度为c c1 1、c c2 2,那么两点之间的距离为那么两点之间的距离为(T T2 2-T-T1 1)*S)*S，其中其中S=cS=c1 1*c*c2 2/(c/(c1 1-c-c2 2)。(3)(3)到达角到达角(AoAAoA)该方法通过配备特殊天线来估测其它节点发射的无线信号的该方法通过配备特殊天线来估测其它节点发射的无线信号的到达角度。到达角度。AoAAoA测距技术易受外界环境影响，且需要额外硬件，它的硬测距技术易受外界环境影响，且需要额外硬件，它的硬件尺寸和功耗指标不适用于大规模的传感器网络，在某些应用件尺寸和功耗指标不适用于大规模的传感器网络，在某些应用领域可以发挥作用。领域可以发挥作用。2 2、多边定位、多边定位 多边定位法基于距离测量多边定位法基于距离测量(如如RSSIRSSI、ToA/TDoAToA/TDoA)的结果。确定二维坐标至少的结果。确定二维坐标至少具有三个节点至锚点的距离值；确定三维坐标，则需四个此类测距值。具有三个节点至锚点的距离值；确定三维坐标，则需四个此类测距值。假设已知信标锚点假设已知信标锚点A A1 1，A A2 2，A A3 3，A A4 4，的坐标依次分别为（的坐标依次分别为（x x1 1，y y1 1），（），（x x2 2，y y2 2），（），（x x3 3，y y3 3），（），（x x4 4，y y4 4），），即各锚点位置为，即各锚点位置为 。如果待定位节点。如果待定位节点的坐标为（的坐标为（x,yx,y），并且已知它至各锚点的测距数值为），并且已知它至各锚点的测距数值为 ，可得如下图，其中，可得如下图，其中(x(x，y)y)为待求的未知坐标为待求的未知坐标。将第前将第前n-1n-1个等式减去最后等式：个等式减去最后等式：用矩阵和向量表达为形式用矩阵和向量表达为形式Ax=bAx=b，其中：，其中：根据最小均方估计（根据最小均方估计（Minimum Mean Square Error,Minimum Mean Square Error,MMSEMMSE）的方法原理，可以求得解为：）的方法原理，可以求得解为：，当矩阵求逆不能计算时，这种方法不适用，否则可成功当矩阵求逆不能计算时，这种方法不适用，否则可成功得到位置估计得到位置估计 。从上述过程可以看出，这种定位方。从上述过程可以看出，这种定位方法本质上就是最小二乘估计。法本质上就是最小二乘估计。3 3、Min-maxMin-max定位方法定位方法 多边定位法的浮点运算量大，计算代价高。多边定位法的浮点运算量大，计算代价高。Min-maxMin-max定位是根据若干锚点位置和至待求节点的测距值，创建定位是根据若干锚点位置和至待求节点的测距值，创建多个边界框，所有边界框的交集为一矩形，取此矩形的多个边界框，所有边界框的交集为一矩形，取此矩形的质心作为待定位节点的坐标。质心作为待定位节点的坐标。采用三个锚点进行定位的采用三个锚点进行定位的MinMinmaxmax方法示例，即以方法示例，即以某锚点某锚点i i(i=1,2,3)(i=1,2,3)坐标坐标()()为基础，加上或减为基础，加上或减去测距值去测距值 ，得到锚点，得到锚点i i的边界框：的边界框：在所有位置点在所有位置点 中取最小值、所有中取最小值、所有 中取最大值，则交集矩形取作：中取最大值，则交集矩形取作：三个锚点共同形成交叉矩形，矩形质心即为所求节点的估计位置。三个锚点共同形成交叉矩形，矩形质心即为所求节点的估计位置。4.2.3 4.2.3 无需测距的定位技术无需测距的定位技术 无需测距的定位技术不需要直接测量距离和角度信息。无需测距的定位技术不需要直接测量距离和角度信息。1 1、质心算法、质心算法 在计算几何学里多边形的几何中心称为质心，多边形顶点坐标在计算几何学里多边形的几何中心称为质心，多边形顶点坐标的平均值就是质心节点的坐标。的平均值就是质心节点的坐标。假设多边形定点位置的坐标向量表示为假设多边形定点位置的坐标向量表示为p pi i=(x=(xi i，y yi i)T T，则这个多，则这个多边形的质心坐标边形的质心坐标 为：为：例如例如，如果四边形，如果四边形 ABCD ABCD 的顶点坐标分别为的顶点坐标分别为 ，则它的质心坐标计算如下：则它的质心坐标计算如下：这种方法的计算与实现都非常简单，根据网络的连这种方法的计算与实现都非常简单，根据网络的连通性确定出目标节点周围的信标参考节点，直接求解信通性确定出目标节点周围的信标参考节点，直接求解信标参考节点构成的多边形的质心。标参考节点构成的多边形的质心。2 2、DV-HopDV-Hop算法算法 DV-Hop DV-Hop算法解决了低锚点密度引发算法解决了低锚点密度引发的问题，它根据距离矢量路由协议的的问题，它根据距离矢量路由协议的原理在全网范围内广播跳数和位置。原理在全网范围内广播跳数和位置。已知锚点已知锚点L1L1与与L2L2、L3L3之间的距离和之间的距离和跳数。跳数。L2L2计算得到校正值（即平均每计算得到校正值（即平均每跳距离）为跳距离）为（40+7540+75）/（2+52+5）=16.42m=16.42m。假设传。假设传感器网络中的待定位节点感器网络中的待定位节点A A从从L2L2获得校获得校正值，则它与正值，则它与3 3个锚点之间的距离分别个锚点之间的距离分别是是L1=3L1=316.4216.42，L2=2L2=216.4216.42，L3=3L3=316.4216.42，然后使用多边测量法确，然后使用多边测量法确定节点定节点 的位置。的位置。4.2.4 4.2.4 定位系统的典型应用定位系统的典型应用 位置信息有很多用途，在某些应用中可以起到关键性的位置信息有很多用途，在某些应用中可以起到关键性的作用。定位技术的用途大体可分为导航、跟踪、虚拟现实、作用。定位技术的用途大体可分为导航、跟踪、虚拟现实、网络路由等。网络路由等。导航是定位最基本的应用，在军事上具有重要用途。导航是定位最基本的应用，在军事上具有重要用途。除了导航以外，定位技术还有很多应用。例如，办公场除了导航以外，定位技术还有很多应用。例如，办公场所的物品、人员跟踪需要室内的精度定位。所的物品、人员跟踪需要室内的精度定位。虚拟现实仿真系统中需要实时定位物体的位置和方向。虚拟现实仿真系统中需要实时定位物体的位置和方向。4.3 4.3 数据融合数据融合4.3.1 4.3.1 多传感器数据融合概述多传感器数据融合概述 我们将各种传感器直接给出的信息称作源信息，如我们将各种传感器直接给出的信息称作源信息，如果传感器给出的信息是已经数字化的信息，就称作源数果传感器给出的信息是已经数字化的信息，就称作源数据，如果给出的是图像就是源图像。源信息是信息系统据，如果给出的是图像就是源图像。源信息是信息系统处理的对象。处理的对象。源信息、传感器与环境之间的关系：源信息、传感器与环境之间的关系：消除噪声与干扰，实现对观测目标的连续跟踪和测消除噪声与干扰，实现对观测目标的连续跟踪和测量等一系列问题的处理方法，就是多传感器数据融合技量等一系列问题的处理方法，就是多传感器数据融合技术，有时也称作术，有时也称作多传感器信息融合多传感器信息融合(Information(Information Fusion,IF)Fusion,IF)技术技术或或多传感器融合多传感器融合(Sensor Fusion,SF)(Sensor Fusion,SF)技术技术，它是对多传感器信息进行处理的最关键技术，在，它是对多传感器信息进行处理的最关键技术，在军事和非军事领域的应用都非常广泛。军事和非军事领域的应用都非常广泛。数据融合也被人们称作数据融合也被人们称作信息融合信息融合，是一种多源信息，是一种多源信息处理技术，它通过对来自同一目标的多源数据进行优化处理技术，它通过对来自同一目标的多源数据进行优化合成，获得比单一信息源更精确、完整的估计或判决。合成，获得比单一信息源更精确、完整的估计或判决。从军事应用的角度来看，从军事应用的角度来看，WaltzWaltz等人对数据融合的定义较为确切，等人对数据融合的定义较为确切，即：即：“多传感器数据融合是一种多层次、多方面的处理过程，这个过程多传感器数据融合是一种多层次、多方面的处理过程，这个过程是对多源数据进行检测（是对多源数据进行检测（detectiondetection）、互联（）、互联（associationassociation）、相关）、相关（correlationcorrelation）、估计（）、估计（estimationestimation）和组合（）和组合（combinationcombination），以），以更高的精度、较高的置信度得到目标的状态估计和身份识别，以及完更高的精度、较高的置信度得到目标的状态估计和身份识别，以及完整的态势估计和威胁评估，为指挥员提供有用的决策信息整的态势估计和威胁评估，为指挥员提供有用的决策信息”。这个定义包含这个定义包含三个要点三个要点：（1 1）数据融合是多信源、多层次的处理过程，每个层次代表信息的不）数据融合是多信源、多层次的处理过程，每个层次代表信息的不同抽象程度；同抽象程度；（2 2）数据融合过程包括数据的检测、关联、估计与合并；）数据融合过程包括数据的检测、关联、估计与合并；（3 3）数据融合的输出包括低层次上的状态身份估计和高层次上的总战）数据融合的输出包括低层次上的状态身份估计和高层次上的总战术态势的评估。术态势的评估。数据融合的内容主要包括：数据融合的内容主要包括：多传感器的目标探测多传感器的目标探测、数据关联数据关联、跟踪与识别跟踪与识别、情况评估和预测情况评估和预测。数据融合的基本目的是通过融合得到比单独的各个数据融合的基本目的是通过融合得到比单独的各个输入数据更多的信息。这一点是协同作用的结果，即由输入数据更多的信息。这一点是协同作用的结果，即由于多传感器的共同作用，使系统的有效性得以增强。于多传感器的共同作用，使系统的有效性得以增强。4.3.2 4.3.2 传感器网络中数据融合的作用传感器网络中数据融合的作用 数据融合的主要作用可归纳为以下几点：数据融合的主要作用可归纳为以下几点：(1)(1)提高信息的准确性和全面性。提高信息的准确性和全面性。(2)(2)降低信息的不确定性。降低信息的不确定性。(3)(3)提高系统的可靠性。提高系统的可靠性。(4)(4)增加系统的实时性。增加系统的实时性。由于传感器网络节点的资源十分有限，在收集信息的过由于传感器网络节点的资源十分有限，在收集信息的过程中，如果各个节点单独地直接传送数据到汇聚节点，则程中，如果各个节点单独地直接传送数据到汇聚节点，则是不合适的，主要原因如下：是不合适的，主要原因如下：(1)(1)浪费通信带宽和能量。浪费通信带宽和能量。(2)(2)降低信息收集的效率。降低信息收集的效率。在传感器网络中数据融合起着十分重要的作在传感器网络中数据融合起着十分重要的作用，它的主要作用在于：用，它的主要作用在于：(1)(1)节省整个网络的能量；节省整个网络的能量；(2)(2)增强所收集数据的准确性；增强所收集数据的准确性；(3)(3)提高收集数据的效率。提高收集数据的效率。4.3.3 4.3.3 数据融合技术的分类数据融合技术的分类 传感器网络的数据融合技术可以从不同的角度进行传感器网络的数据融合技术可以从不同的角度进行分类，这里介绍三种分类方法：分类，这里介绍三种分类方法：(1)(1)依据融合前后数据的信息含量进行分类；依据融合前后数据的信息含量进行分类；(2)(2)依据数据融合与应用层数据语义的关系进行分类；依据数据融合与应用层数据语义的关系进行分类；(3)(3)依据融合操作的级别进行分类。依据融合操作的级别进行分类。1 1、根据融合前后数据的信息含量分类、根据融合前后数据的信息含量分类 根据数据进行融合操作前后的信息含量，可以将数据融合分为根据数据进行融合操作前后的信息含量，可以将数据融合分为无无损失融合损失融合和和有损失融合有损失融合两类。两类。（1 1）无损失融合）无损失融合 在无损失融合中，所有的细节信息均被保留，只去除冗余的部分在无损失融合中，所有的细节信息均被保留，只去除冗余的部分信息。此类融合的常见做法是去除信息中的冗余部分。信息。此类融合的常见做法是去除信息中的冗余部分。（2 2）有损失融合）有损失融合 有损失融合通常会省略一些细节信息或降低数据的质量，从而减有损失融合通常会省略一些细节信息或降低数据的质量，从而减少需要存储或传输的数据量，以达到节省存储资源或能量资源的目的。少需要存储或传输的数据量，以达到节省存储资源或能量资源的目的。在有损失融合中，信息损失的上限是要保留应用所必需的全部信息量。在有损失融合中，信息损失的上限是要保留应用所必需的全部信息量。2 2、根据数据融合与应用层数据语义之问的关系分类、根据数据融合与应用层数据语义之问的关系分类 数据融合技术可以在传感器网络协议栈的多个层次中数据融合技术可以在传感器网络协议栈的多个层次中实现，既能在实现，既能在MACMAC协议中实现，也能在路由协议或应用层协议中实现，也能在路由协议或应用层协议中实现。协议中实现。根据数据融合是否基于应用数据的语义，将数据融合根据数据融合是否基于应用数据的语义，将数据融合技术分为三类：技术分为三类：(1)(1)依赖于应用的数据融合；依赖于应用的数据融合；(2)(2)独立于应用的数据融合；独立于应用的数据融合；(3)(3)结合以上两种技术的数据融合。结合以上两种技术的数据融合。3 3、根据融合操作的级别分类、根据融合操作的级别分类 根据对传感器数据的操作级别，可将数据融合技术分为以下三类：根据对传感器数据的操作级别，可将数据融合技术分为以下三类：（1 1）数据级融合数据级融合 数据级融合是最底层的融合，操作对象是传感器采集得到的数据，数据级融合是最底层的融合，操作对象是传感器采集得到的数据，因而是面向数据的融合。因而是面向数据的融合。（2 2）特征级融合特征级融合 特征级融合通过一些特征提取手段将数据表示为一系列的特征向特征级融合通过一些特征提取手段将数据表示为一系列的特征向量，来反映事物的属性。量，来反映事物的属性。（3 3）决策级融合决策级融合 决策级融合根据应用需求进行较高级的决策，是最高级的融合。决策级融合根据应用需求进行较高级的决策，是最高级的融合。4.3.4 4.3.4 数据融合的主要方法数据融合的主要方法(1)(1)综合平均法综合平均法 该方法是把来自多个传感器的众多数据进行综合平均。该方法是把来自多个传感器的众多数据进行综合平均。它适用于同类传感器检测同一个检测目标。这是最简单、它适用于同类传感器检测同一个检测目标。这是最简单、最直观的数据融合方法。该方法将一组传感器提供的冗余最直观的数据融合方法。该方法将一组传感器提供的冗余信息进行加权平均，结果作为融合值。信息进行加权平均，结果作为融合值。如果对一个检测目标进行了如果对一个检测目标进行了k k次检测，则综合平均的次检测，则综合平均的结果为：结果为：其中，其中，W Wi i为分配给第为分配给第i i次检测的权重。次检测的权重。(2)(2)卡尔曼滤波法卡尔曼滤波法 卡尔曼滤波法用于融合低层的实时动态多传感器冗余数据。该卡尔曼滤波法用于融合低层的实时动态多传感器冗余数据。该方法利用测量模型的统计特性，递推地确定融合数据的估计，且该方法利用测量模型的统计特性，递推地确定融合数据的估计，且该估计在统计意义下是最优的。如果系统可以用一个线性模型描述，估计在统计意义下是最优的。如果系统可以用一个线性模型描述，且系统与传感器的误差均符合高斯白噪声模型，则卡尔曼滤波将为且系统与传感器的误差均符合高斯白噪声模型，则卡尔曼滤波将为融合数据提供唯一的统计意义下的最优估计。融合数据提供唯一的统计意义下的最优估计。例如，应用卡尔曼滤波器对例如，应用卡尔曼滤波器对n n个传感器的测量数据进行融合后，个传感器的测量数据进行融合后，既可以获得系统的当前状态估计，又可以预报系统的未来状态。所既可以获得系统的当前状态估计，又可以预报系统的未来状态。所估计的系统状态可能表示移动机器人的当前位置、目标的位置和速估计的系统状态可能表示移动机器人的当前位置、目标的位置和速度、从传感器数据中抽取的特征或实际测量值本身。度、从传感器数据中抽取的特征或实际测量值本身。(3)(3)贝叶斯估计法贝叶斯估计法 贝叶斯估计是融合静态环境中多传感器低层信息的常用方法。它贝叶斯估计是融合静态环境中多传感器低层信息的常用方法。它使传感器信息依据概率原则进行组合，测量不确定性以条件概率表示。使传感器信息依据概率原则进行组合，测量不确定性以条件概率表示。当传感器组的观测坐标一致时，可以用直接法对传感器测量数据进行当传感器组的观测坐标一致时，可以用直接法对传感器测量数据进行融合。在大多数情况下，传感器是从不同的坐标系对同一环境物体进融合。在大多数情况下，传感器是从不同的坐标系对同一环境物体进行描述，这时传感器测量数据要以间接方式采用贝叶斯估计进行数据行描述，这时传感器测量数据要以间接方式采用贝叶斯估计进行数据融合。融合。多贝叶斯估计把每个传感器作为一个贝叶斯估计，将各单独物体多贝叶斯估计把每个传感器作为一个贝叶斯估计，将各单独物体的关联概率分布组合成一个联合后验概率分布函数，通过使联合分布的关联概率分布组合成一个联合后验概率分布函数，通过使联合分布函数的似然函数最小，可以得到多传感器信息的最终融合值。函数的似然函数最小，可以得到多传感器信息的最终融合值。(4)D-S(4)D-S证据推理法证据推理法 D-S D-S（DempsterDempster-Shafter-Shafter）证据推理法是目前数据）证据推理法是目前数据融合技术中比较常用的一种方法。这种方法是贝叶斯融合技术中比较常用的一种方法。这种方法是贝叶斯方法的