学文网摘 要 本文对数据融合技术的作用、分类、衡量标准和技术难点做了介绍，说明了数据融合技术在无线传感器网络中的重要性以及数据融合技术在改进本系统中起到的作用。
关键词 数据融合 无线传感器 网络
中***分类号：TP274 文献标识码：A
因为无线传感器网络通常需要大面积部署节点来采集尽可能多的信息，但许多节点可能采集到类似数据，而且节点在收发数据的时候消耗的能量在节点总能量消耗中占有极大的比例，所以，降低采集数据的不确定性和噪声干扰，并且减少无线传感器网络节点间的传输数据量就成为了降低网络能耗和提升网络工作效率的重要方式。
1数据融合的作用
无线传感器网络是以数据为中心的网络，相对于网络本身来说，用户更关注网络中采集和处理的数据。在无线传感器网络中，数据融合技术主要作用在于降低网络能耗、提升数据准确性和提高网络工作效率。
1.1降低网络能耗
由于单一传感器节点的监测范围有限，所以无线传感器网络通常会采用大规模布设节点的方式来保证信息采集的完整性和准确性，有时多个节点的监测数据可能完全相同或者极为相似，这使得多个节点上传的监测数据中会存在大量冗余信息。如果将这些信息全部上报的话，并不会使用户得到更多信息，反而会对网络的能量造成极大消耗。
数据融合技术的意义就是要对上述情况下的数据进行处理，根据信息的相关性和事先预定的规则去除冗余信息，在保证数据完整性的同时尽可能减小数据量。
1.2提升数据准确性
由于各种干扰和节点本身存在的缺陷等问题，单一节点采集到的数据可靠性并不是很高，有可能出现误报、错报等情况。
因此靠少数几个分散的节点采集到的数据是无法保证准确性的，所以要对监测同一目标的多个传感器采集到的数据进行融合来提升数据的准确性。
由于邻近节点采集到的数据差异较小，所以即使有个别节点出现误报和错报等情况也可以通过数据融合技术来去除异常数据。也就是说当个别节点出现故障时，也可利用其邻居节点采集到的信息进行更正，不会影响到整个无线传感器网络的正常工作。
1.3提高网络工作效率
数据融合技术减少了网络中需要传输的数据量，减轻了网络传输的拥塞程度，从而减小了网络的传输时延，提高了系统的实时性。即使在极端状况下，网络传输的数据量没有变化也可对多个分组进行合并，减少分组个数，降低传输过程中的冲突碰撞现象，提高信道利用率。
2数据融合的分类
无线传感器网络的数据融合技术可以从不同的角度进行分类，本文根据数据的抽象程度将操作级别的数据融合技术分为以下三类：
2.1数据级融合
数据级融合是最底层的融合，融合对象是多个传感器采集得到的原始数据，是面向数据的融合。数据级融合是直接对接收到的传感器数据进行融合，然后在进行特征提取和属性判决的数据融合技术。数据级融合对原始信息的保留最好，能够提供其他层次融合所不具有的细微信息。这类融合在大多数情况下仅与传感器的类型密切相关，与用户需求无关。它的局限性主要在于：由于所要处理的传感器数据量较大，数据之间的相似度高，因此融合操作的计算量是巨大的，处理代价较高。另外，数据级融合是在信息的最底层进行的，考虑到无线传感器的原始数据的不确定性、不完全性和不稳定性，要求在数据融合时有较高的纠错能力。
2.2特征级融合
特征级融合是指首先对各个传感器节点的数据进行处理，然后提取关键特征，再执行融合操作。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。作为一种面向监测对象特征的融合，它是利用从各个传感器原始数据中提取的特征信息，来进行综合分析和处理的中间层次的融合过程。特征级融合操作的数据量、计算量都不大。关键特征的提取就是将传感器采集到的数据转化为能体现目标根本属性的特征向量。特征级属性融合的关键就是提取有效的关键特征，去除无效甚至对立的特征数据。通常，所提取的特征信息应该是数据信息的充分表示量或统计量，据此对多传感器信息进行分类、汇集和综合。
2.3决策级融合
决策级融合是在信息表示的最高层次上进行的融合处理。多个传感器监测同一个目标，每个传感器在本地完成预处理、特征抽取、识别或判断，得出对监测目标的初步决策，然后每个传感器将决策信息传输到融合中心，通过决策级融合进行判决，做出最终决策。决策级融合根据用户的应用需求做出较高级的决策，是最高层次的数据融合。相比前两个层次的数据融合，决策级融合操作的数据量、计算量最小。
决策级融合直接针对具体决策目标，充分利用了特征级融合所得出的目标的各类特征信息，并给了简明而直观的结果。决策级融合的优点在于实时性好，另外，在出现一个或几个传感器失效时，仍能给出最终决策，因而具有良好的容错性。
3数据融合算法的衡量标准
我们一般用以下几个衡量标准来判断数据融合算法的优劣：
（1）准确度。准确度是指通过数据融合算法后得到的值和数据真值的差，是衡量数据融合算法优劣最重要的标准。
（2）完整性。完整性是指汇聚节点在计算融合后数据时所使用的读数占所有x数的百分比。
（3）延迟时间。因为汇聚节点需要等待多个传感器节点上传的数据，所以数据融合会使系统产生一定的时延。
（4）信息开销。数据融合最主要的优点就是能减小信息开销，从而提高能量效率和延长网络的生存期。
数据融合技术能够有效的降低系统能耗，提高数据准确率，但也会给系统带来一些负面影响。比如，增加了系统时延，降低了系统的鲁棒性，所以一个好的数据融合算法应该权衡各种因素，以保证系统的良好运行。
参考文献
[1] 刘卫萍.面向环境监测领域的数据融合技术的研究与应用[D].沈阳：中国科学院研究生院（沈阳计算技术研究所），2016.
[2] 吴志春，郭福生，林子瑜，侯曼青，罗建群.三维地质建模中的多源数据融合技术与方法[J].吉林大学学报（地球科学版），2016，46（6）：1895-1913.