物联网数据采集误差优化算法课件.ppt

1、院系：院系：计算机学院计算机学院专业：专业：软件工程软件工程班级：班级：2009级级B班班姓名：姓名：王琴王琴学号：学号：20092111227指导老师：郭占龙指导老师：郭占龙论文题目：论文题目：基于物联网数据采集误差优化算法基于物联网数据采集误差优化算法本论文主要介绍的一共分四章节：本论文主要介绍的一共分四章节：1.绪论 1.1 研究背景与意义 1.2 EPC物联网 1.3 物联网数据处理的现状2.数据融合 2.1 物联网数据融合的意义和作用 2.2 数据融合研究的主要内容 2.3 数据融合的体系结构 2.4 多传感器信息融合的三种层次 2.5 基于多传感器数据融合3.数据融合算法理论研究

2、3.1 传感网数据传输及融合技术 3.2 融合算法分类4.基于加权融合和检测概率的算法研究基于加权融合和检测概率的算法研究 4.1 基于加权融合算法提出的一种改进的加权融合算法 4.2 归一化加权平均算法 4.3 多传感器数据自适应加权融合估计算法 4.4 基于检测概率的物联网信息融合算法1.1 1.1 研究背景与意义研究背景与意义 早在早在1995年，比尔年，比尔盖茨在盖茨在未来之路未来之路一书中就已经提及物联网概念。但是，一书中就已经提及物联网概念。但是，“物联网物联网”概念的真正提出是概念的真正提出是在在1999年，由年，由EPCglobal的的Auto-ID中心提出，被定义为：把所有物

3、品通过射频识别等信息传感设备与互联网中心提出，被定义为：把所有物品通过射频识别等信息传感设备与互联网连接起来，实现智能化识别和管理。连接起来，实现智能化识别和管理。2005年，国际电信联盟（年，国际电信联盟（ITU）正式称）正式称“物联网物联网”为为“The Internet of things”，并发表了年终报告，并发表了年终报告ITU互联互联网网 报告报告2005：物联网：物联网。报告指出，无所不在的。报告指出，无所不在的“物联网物联网”通信时代即将来临，世界上所有的物体从轮胎到通信时代即将来临，世界上所有的物体从轮胎到牙刷、从房屋到纸巾都可以通过因特网主动进行交换；并描绘出牙刷、从房屋到

4、纸巾都可以通过因特网主动进行交换；并描绘出“物联网物联网”时代的图景：当司机出现操作失误时代的图景：当司机出现操作失误时汽车会自动报警；公文包会提醒主人忘带了什么东西；衣服会时汽车会自动报警；公文包会提醒主人忘带了什么东西；衣服会“告诉告诉”洗衣机对颜色和水温的要求等等。洗衣机对颜色和水温的要求等等。现在较为普遍的理解是，物联网是将各种信息传感设备，如射频识别（现在较为普遍的理解是，物联网是将各种信息传感设备，如射频识别（RFID）装置、红外感应器、全球定位）装置、红外感应器、全球定位系统、激光扫描器等种种装置与互联网结合起来而形成的一个巨大网络。通过装置在各类物体上的电子标签系统、激光扫描器

5、等种种装置与互联网结合起来而形成的一个巨大网络。通过装置在各类物体上的电子标签（RFID）、传感器、二维码等经过接口与无线网络相连，从而给物体赋予智能，可以实现人与物体的沟通和）、传感器、二维码等经过接口与无线网络相连，从而给物体赋予智能，可以实现人与物体的沟通和对话，也可以实现物体与物体互相间的沟通和对话。对话，也可以实现物体与物体互相间的沟通和对话。物联网的定义：物联网（Internet of Things）是利用无线射频识别(RFID)装置、各种传感器、全球定位系统（GPS）等能够存储物体信息的标识，以及现代网络及无线通信、分布式数据处理等诸多技术，能够协作地实时监测、感知、采集网络分布

6、区域内的各种环境或监测对象的信息，并通过无线网络的方式将其即时信息发送到后台信息处理系统，而各大信息系统可以互联形成一个庞大的网络。从而可以达到对物品进行实施跟踪、监控等智能化管理的目的，实现包括物与物、人与物之间的互相连接和信息沟通。物联网的特征：物联网的特征：目前国际上对物联网的研究逐渐明朗起来，最典型的解决方案有欧美的EPC系统和日本的UID系统，这里着重介绍EPC物联网。最具有代表性的物联网就是EPC物联网，EPC系统是一个先进的、综合性的和复杂的系统，EPC物联网系统由EPC编码体系、RFID系统和信息网络系统三个部分组成。1.2 EPC物联网物联网EPC物联网系统工作结构图物联网系

7、统工作结构图:E PC标签读写器E PC中间件因 特网ONSEPCISE PC编码PMLEPCI P 地址1.3 物联网数据处理的现状物联网数据处理的现状 计算机科学发展的最终方向是数据的科学，因此物联网处理的重点也是数据处因此物联网处理的重点也是数据处理。理。目前，关于物联网数据处理的研究基本上是基于以下两个方面：(1)基于无线传感器网络数据处理基于无线传感器网络数据处理 (2)基于云计算的物联网数据处理基于云计算的物联网数据处理2.数据融合数据融合 1.数据融合的意义 在物联网的前段组成中，传感网为了获得精确的数据，往往需要在监测区内部署大量的传感器节点，使传感器节点的监测范围相互交叠，增

8、强整个网络所采集信息的鲁棒性和准确性。在这种高覆盖密度的区域中，距离相近的节点所传输的数据具有一定的冗余度。所有节点都将监测到的数据发送到汇聚节点，会造成有限网络带宽资源的极大浪费。大量数据同时传输也会造成频繁的冲突，降低通信效率。因此在大规模传感网中，各个节点多跳转传输感知数据到汇聚节点前，即所有感知节点的数据包传送到某个节点线，需要对数据进行融合处理。节点汇聚节点汇聚方式：方式：2.2 数据融合研究的主要内容 1）数据对准 2）数据相关 3）数据识别，即估计目标的类别和类型 4）感知数据的不确定性 5）不完整、不一致和虚假数据 6）数据库 7)性能评估2.3 数据融合的体系结构数据融合的体

9、系结构 数据融合应用领域的不同，则融合系统结构也会有所不同。一级处理：一级处理：包括数据和图像的配准、关联、跟踪和识别。二级处理：二级处理：包括势态提取、势态分析和势态预测，统称为势态评估。三级处理：三级处理：鉴于数据融合起源于军事应用领域，威胁评估是针对敌方兵力对我方杀伤能力及威胁程度进行的评估，具体包括综合环境的判断、威胁等级的判断等等多种形式的评估。四级处理：四级处理：也成为优化融合的处理过程，它包括优化资源、优化传感器管理和优化武器控制等，通过反馈自适应，从而提高系统的融合效果。以上几个级别并没有时序关系，可以并行处理。以上几个级别并没有时序关系，可以并行处理。多传感器信息融合的三种层

10、次结构多传感器信息融合的三种层次结构（1）数据层融合图传感器1传感器2传感器3融合识别特征提取一 致性 解释 和描述物物体体 首先将全部传感器的观测数据融合，然后从融合的数据中提取特征向量，首先将全部传感器的观测数据融合，然后从融合的数据中提取特征向量，并进行判断识别。这便要求传感器是同质的并进行判断识别。这便要求传感器是同质的(传感器观测的是同一物理现象传感器观测的是同一物理现象)，如果多个传感器是异质的如果多个传感器是异质的(观测的不是同一个物理量观测的不是同一个物理量)，那么数据只能在特征，那么数据只能在特征层或决策层进行融合。数据层融合不存在数据丢失的问题，层或决策层进行融合。数据层融

11、合不存在数据丢失的问题，得到的结果也是得到的结果也是最准确的，但是数据量、计算量大，对系统通信带宽的要求很高。最准确的，但是数据量、计算量大，对系统通信带宽的要求很高。（2）特征级融合物物体体传感器1传感器2传感器3识别特征级融合一 致性 解释 和描述特征提取特征提取特征提取 特征层融合是指每种传感器提供从观测数据中提取特征层融合是指每种传感器提供从观测数据中提取的有代表性的特征，这些特征融合成单一的特征向量，的有代表性的特征，这些特征融合成单一的特征向量，然后运用模式识别的方法进行处理。然后运用模式识别的方法进行处理。这种方法对通信这种方法对通信带宽的要求较低，但由于数据的丢失导致其准确性也

12、带宽的要求较低，但由于数据的丢失导致其准确性也有所下降，其数据量、计算量都处于中等有所下降，其数据量、计算量都处于中等。(3)决策级融合 决策层融合是指在每个传感器对目标做出识别后，将多决策层融合是指在每个传感器对目标做出识别后，将多个传感器的识别结果进行融合，由于对传感器的数据进行个传感器的识别结果进行融合，由于对传感器的数据进行了浓缩，这种方法产生的结果相对而言最不准确，了浓缩，这种方法产生的结果相对而言最不准确，但它对但它对通信带宽的要求最低。该层的计算量最小，而且容错性好，通信带宽的要求最低。该层的计算量最小，而且容错性好，但系统的性能相对要低于其它层次的融合。但系统的性能相对要低于其

13、它层次的融合。传感器1传感器1传感器1特征提取特征提取特征提取识别识别识别决策级融合一致性解释与描述物物体体3 数据融合算法理论研究数据融合算法理论研究数据融合技术运用了很多的融合算法以及高速、大吞吐量数据处理等支撑技术。数据融合算法是融合处理的基本内容，它是将多维输入数据在不同融合层次上运用不同的数学方法,对数据进行聚类处理的方法。1.1.基于多传感器的融合算法分类：基于多传感器的融合算法分类：(1)加权融合算法；（重点介绍）(2)参数估计理论；(3)基于神经网络融合方法；(4)模糊理论:2.2.传感网数据融合路由算法传感网数据融合路由算法4.基于加权融合和检测概率的算法研究基于加权融合和检

14、测概率的算法研究 由于各种算法的情况复杂多变，针对不同的网络拓扑结构，不同的应用环境，将采取不同的优化算法。在数据融合中，加权融合算法是较为成熟的一种融合算法，因此本文主要介绍和讨论的是关于加权融合的一些基础性的算法和部分基础的检测概率算法。主要包括以下几种算法：1 1 基于加权融合算法提出的一种改进的加权融合算法；2 2 归一化加权平均算法；3 3 多传感器数据自适应加权融合估计算法；4 4 基于检测概率的物联网信息融合算法；4.1 基于加权融合算法提出的一种改进的 加权融合算法加权融合算法4.1.14.1.1多传感器数据加权融合多传感器数据加权融合 加权数据融合是多个传感器对某一个环境中的

15、同一特征参加权数据融合是多个传感器对某一个环境中的同一特征参数的数据进行量测，兼顾每个传感器的局部估计，按某一原则数的数据进行量测，兼顾每个传感器的局部估计，按某一原则给每个传感器制定权重，最后通过加权综合所有的局部估计得给每个传感器制定权重，最后通过加权综合所有的局部估计得到一个全局的最佳估计值。到一个全局的最佳估计值。4.1.24.1.2加权平均融合算法加权平均融合算法文章首先介绍了一般情况下的加权融合算法；文章首先介绍了一般情况下的加权融合算法；4.1.34.1.3改进的加权融合算法改进的加权融合算法 再提出改进的加权融合算法采用二次加权的方法，并引入再提出改进的加权融合算法采用二次加权

16、的方法，并引入了最优比例权重的概念，先对单个传感器进行加权，再对整体了最优比例权重的概念，先对单个传感器进行加权，再对整体进行加权，目的是使算法性能达到最优，同时并提出单传感器进行加权，目的是使算法性能达到最优，同时并提出单传感器加权思想。加权思想。4.2 4.2 归一化加权平均算法归一化加权平均算法 如果某一系统使用有限的测量次数时，如果某一系统使用有限的测量次数时，我们常规的测量平均值法对数据的处理只是我们常规的测量平均值法对数据的处理只是将数据进行平均，对误差的处理也只是将误将数据进行平均，对误差的处理也只是将误差平均化，因此得到的测量数据精度不高。差平均化，因此得到的测量数据精度不高。

17、归一化的加权平均值算法归一化的加权平均值算法是利用计算数据的是利用计算数据的加权值进行数据处理，与经典的数据融合方加权值进行数据处理，与经典的数据融合方法相比，该算法具有计算量低、精度高的特法相比，该算法具有计算量低、精度高的特点。由于该方法具有计算量小、电脑编程简点。由于该方法具有计算量小、电脑编程简单等优点、非常适合于缓慢变化的变量检测，单等优点、非常适合于缓慢变化的变量检测，比如温室中的温度采集系统。比如温室中的温度采集系统。4.3 4.3 多传感器数据自适应加权融合估计算法多传感器数据自适应加权融合估计算法 传感器数据自适应加权融合估计算法不要求知道传感器数据自适应加权融合估计算法不要

18、求知道传感器测量数据的任何先验知识传感器测量数据的任何先验知识,只是靠传感器所提只是靠传感器所提供的测量数据供的测量数据,就可融合出均方误差最小的数据融合就可融合出均方误差最小的数据融合值。估计后的均方误差不仅小于依靠单个传感器估计值。估计后的均方误差不仅小于依靠单个传感器估计的均方误差的均方误差,而且还小于采用多传感器均值平均做估而且还小于采用多传感器均值平均做估计的均方误差。计的均方误差。设有设有 n n 个传感器对某一对象进行测量个传感器对某一对象进行测量,对于不对于不同的传感器都有各自不同的加权因子同的传感器都有各自不同的加权因子,我们的思想是我们的思想是在总均方误差最小这一最优条件下

19、在总均方误差最小这一最优条件下,根据各个传感器根据各个传感器所得到的测量值以自适应的方式寻找各个传感器所对所得到的测量值以自适应的方式寻找各个传感器所对应的最优加权因子应的最优加权因子,是融合后的值达到最小是融合后的值达到最小。第一步：计算最优加权因子及所对应的均方误差第一步：计算最优加权因子及所对应的均方误差 ；第二步：验证自适应加权融合估计算法的线性无偏第二步：验证自适应加权融合估计算法的线性无偏 最小方差性最小方差性 。4.4 4.4 基于检测概率的物联网信息融合算法基于检测概率的物联网信息融合算法 在其他的一些信息融合算法中，我们只考在其他的一些信息融合算法中，我们只考虑了单个传感器的

20、方差和传感网的均方差，却虑了单个传感器的方差和传感网的均方差，却没有考虑物联网是由大量的无线传感器组成，没有考虑物联网是由大量的无线传感器组成，它们的位置不确定的，对目标点的检测权值也它们的位置不确定的，对目标点的检测权值也会因位置的变化而发生一些变化。会因位置的变化而发生一些变化。若在监测区域中存在障碍物，假设我们现若在监测区域中存在障碍物，假设我们现在事先己经知道障碍物的具体位置和其形状，在事先己经知道障碍物的具体位置和其形状，基于视线可视的原则的上把可视信息建立到障基于视线可视的原则的上把可视信息建立到障碍物模型中去。有些类型的传感器无法穿越障碍物模型中去。有些类型的传感器无法穿越障碍物

21、，所以，我们应该考虑监测区域中有障碍碍物，所以，我们应该考虑监测区域中有障碍物的情况时的检测概率。物的情况时的检测概率。为了增强有障碍物情况下的监测效率，使为了增强有障碍物情况下的监测效率，使检测数据更加精确，于是提出了此算法。检测数据更加精确，于是提出了此算法。总总 结结 物联网的发展将会给我们的社会带来翻天覆地物联网的发展将会给我们的社会带来翻天覆地的变化，在学习物联网数据采集误差优化和数据融的变化，在学习物联网数据采集误差优化和数据融合知识的过程中，让我对物联网数据的处理的重要合知识的过程中，让我对物联网数据的处理的重要性有了很深刻的认识。性有了很深刻的认识。本文通过对物联网数据处理的现

22、状入手，对比本文通过对物联网数据处理的现状入手，对比当今数据处理的必要性，结合数据处理的多种融合当今数据处理的必要性，结合数据处理的多种融合算法，最终归纳总结出四种基于多传感器上的加权算法，最终归纳总结出四种基于多传感器上的加权融合算法，并对四种算法的不同的针对性应用环境，融合算法，并对四种算法的不同的针对性应用环境，进行了介绍。总的来说，虽然四种算法同是基于加进行了介绍。总的来说，虽然四种算法同是基于加权融合算法基础上，但彼此之间又有不同的应用环权融合算法基础上，但彼此之间又有不同的应用环境和基础，让我们能够在社会实践运用中，能够更境和基础，让我们能够在社会实践运用中，能够更加合理运用更为简

23、单的方法、简单的算法构造出更加合理运用更为简单的方法、简单的算法构造出更优越的数据采集算法优化模型。优越的数据采集算法优化模型。致致 谢谢 在我撰写毕业论文的过程中，从整个论文在我撰写毕业论文的过程中，从整个论文的选题、资料的收集、结构的布局，以及在的选题、资料的收集、结构的布局，以及在论文写作、修改到最终定稿，每一个阶段中，论文写作、修改到最终定稿，每一个阶段中，郭老师都给予了我非常大的帮助，也让我受郭老师都给予了我非常大的帮助，也让我受益匪浅，我要衷心的感谢郭老师对我的帮助益匪浅，我要衷心的感谢郭老师对我的帮助和关心。谢谢您和关心。谢谢您!最后也感谢各位评审老师，最后也感谢各位评审老师，您们辛苦了！您们辛苦了！论文有不足之处，忘各位老师予以指正，论文有不足之处，忘各位老师予以指正，谢谢！谢谢！