物聯(lián)網(wǎng)信息融合技術(shù)及存在的問題研究

張 昆

沈陽職業(yè)技術(shù)學(xué)院，遼寧沈陽 110045

1 物聯(lián)網(wǎng)的概述

隨著網(wǎng)絡(luò)的飛速發(fā)展傳感器網(wǎng)絡(luò)的不斷進(jìn)步，物聯(lián)網(wǎng)成為互聯(lián)網(wǎng)絡(luò)發(fā)展的主要方向。物聯(lián)網(wǎng)的產(chǎn)生是建立在互聯(lián)網(wǎng)和傳感網(wǎng)的基礎(chǔ)之上的，將二者加以融合連接，形成用戶到物體連接通信和交換信息的網(wǎng)絡(luò)架構(gòu)?；ヂ?lián)網(wǎng)和不同類型的物品以傳感設(shè)備為連接媒介實(shí)現(xiàn)通信連接，形成智能化通信和管理的網(wǎng)絡(luò)架構(gòu)體系，使物和物間信息交換及人和物間信息交換得以實(shí)現(xiàn)。物聯(lián)網(wǎng)的基本功能是對信息的感知，人們通過互聯(lián)網(wǎng)對社會上的信息進(jìn)行了解，通過物聯(lián)網(wǎng)對社會的信息加以感知。物聯(lián)網(wǎng)以傳感器作為網(wǎng)絡(luò)設(shè)備信息收集的通道，可以將物聯(lián)網(wǎng)中的設(shè)備和物品信息中的有價(jià)值的數(shù)據(jù)進(jìn)行收集，提供給用戶對信息進(jìn)行處理。

用戶通過物聯(lián)網(wǎng)的終端設(shè)備接入到互聯(lián)網(wǎng)網(wǎng)絡(luò)，在連接到傳感器網(wǎng)絡(luò)的各個(gè)終端節(jié)點(diǎn)，用戶就可以通過傳感器和互聯(lián)網(wǎng)獲感知節(jié)點(diǎn)設(shè)備的信息數(shù)據(jù)，當(dāng)然，終端節(jié)點(diǎn)的實(shí)時(shí)動態(tài)情況也可以通過傳感器和互聯(lián)網(wǎng)想用戶端反饋。但是物聯(lián)網(wǎng)對信息處理和分析的能力和資源是有限的，要實(shí)現(xiàn)高效率的信息感知，需要依靠信息融合技術(shù)協(xié)助物聯(lián)網(wǎng)進(jìn)行必要的信息處理。

2 信息融合技術(shù)

信息融合技術(shù)是指按照一定的規(guī)則條件，將傳感器獲得的大量信息數(shù)據(jù)按照一定的時(shí)序利用計(jì)算機(jī)信息技術(shù)對其進(jìn)行收集、分析、提煉和處理的過程。通過信息融合技術(shù)，獲得所需要的精準(zhǔn)信息數(shù)據(jù)?？梢哉f，信息融合就是對大量的不同的信息加以提煉和整合的過程，通過信息融合得到更加精煉更加準(zhǔn)確的數(shù)據(jù)，為某種決策需要或者數(shù)據(jù)要求提供信息數(shù)據(jù)的支持。信息融合的主要功能在于將信息加以提煉，提高信息的可用性。隨著信息融合技術(shù)不斷的向前發(fā)展，信息融合也從軍事領(lǐng)域的應(yīng)用逐步擴(kuò)大到民用領(lǐng)域的應(yīng)用，在物聯(lián)網(wǎng)技術(shù)飛速發(fā)展的今天，信息融合技術(shù)更是具有重要的作用。

根據(jù)信息提取融合的水平，可將信息融合技術(shù)分為以下三種層次類型：

1）數(shù)據(jù)級信息融合技術(shù)

數(shù)據(jù)級融合的主要特點(diǎn)在于對采集后的原始數(shù)據(jù)中的同質(zhì)信息在本階段進(jìn)行融合。融合通常采用下面幾種方法：

（1）加權(quán)平均法

此種融合方法是多種算法中最簡單的一種，對傳感器獲得的數(shù)據(jù)信息直接進(jìn)行線性的加權(quán)平均計(jì)算。此種計(jì)算方法的優(yōu)點(diǎn)在于計(jì)算簡單、高效，對于噪聲具有抑制作用；其缺點(diǎn)在于融合的結(jié)果有較低的對比度，對某些有重要作用的信息不能突出的反映出來。

（2）特征匹配法

此種方法特點(diǎn)在于以特征的匹配關(guān)系為依據(jù)，將圖像與圖像之間的配準(zhǔn)映射變換建立起來，常采用ICP 算法。IPC 算法經(jīng)過一系列的發(fā)展和完善，從基于特征的對應(yīng)方法逐步發(fā)展到基于切線角度直方圖的ICP 算法，其精確度、計(jì)算量、計(jì)算速度等方面得到不斷的提高。

（3）金字塔算法

此種方法將原始圖像不斷進(jìn)行濾波，最終成為多級的金子塔狀的結(jié)構(gòu)對圖像數(shù)據(jù)進(jìn)行分析和融合處理。

2）特征級信息融合技術(shù)

特征級信息融合技術(shù)是對從收集的原始數(shù)據(jù)中提取出的特征值進(jìn)行比較的信息融合方法。此種方法的優(yōu)點(diǎn)在于對不同質(zhì)信息在此階段加以融合，其缺點(diǎn)在于不能對信任融合的結(jié)果進(jìn)行有效的判斷。通常采用以下幾種算法：

（1）K-近鄰算法

此種算法是分類算法中的一種簡單方法，通過對待分類樣本到全體樣本間的距離計(jì)算度量找出最鄰近于待分類樣本的K個(gè)樣本，并通過這些近鄰樣本的類別屬性對待分類樣本的類別屬性加以確定。

（2)卡爾曼濾波

此種方法屬于濾波技術(shù)的一種，是隨機(jī)濾波中最優(yōu)化方法，對噪音帶來的信號干擾可以有效的消除。但無論是傳統(tǒng)的卡爾曼濾波還是擴(kuò)展后的卡爾曼濾波都只能在線性高斯系統(tǒng)中運(yùn)用，其局限性較大。

3）決策級信息融合技術(shù)

決策級信息融合技術(shù)根據(jù)對數(shù)據(jù)的一系列的識別、提取、提煉等處理得到的結(jié)果做出最優(yōu)的決策建議，是信息融合層次中最高級的層次。其優(yōu)點(diǎn)在于具有良好容錯(cuò)性，適合在多個(gè)領(lǐng)域中應(yīng)用。常用的決策方法有以下幾種：

（1）專家系統(tǒng)

專家系統(tǒng)結(jié)構(gòu)組成包括：知識庫、推理機(jī)、數(shù)據(jù)庫、解釋器、出入接口五個(gè)主要部分組成。專家系統(tǒng)的類型有多種，被應(yīng)用于多個(gè)領(lǐng)域內(nèi)的智能決策系統(tǒng)中。

（2）Bayes 推理法

此種方法是根據(jù)概率和圖論進(jìn)行分析，經(jīng)過一系列的推理得出一種不確定性結(jié)論的方法。該方法將數(shù)學(xué)學(xué)科與圖論的知識和技巧加以引入，通過推理的方法達(dá)到使計(jì)算復(fù)雜度降低的目的。

3 物聯(lián)網(wǎng)信息融合技術(shù)中存在的問題

3.1 多源異構(gòu)信息以及大數(shù)據(jù)的融合問題

通過信息融合技術(shù)處理的數(shù)據(jù)信息呈現(xiàn)出多源異構(gòu)的典型特點(diǎn)，而且在物聯(lián)網(wǎng)中的各個(gè)節(jié)點(diǎn)對信息的分析和處理的數(shù)據(jù)量也具有很大的不同，因此，對于多源異構(gòu)信息的融合，還面臨以下幾個(gè)問題：一是在數(shù)據(jù)信息融合時(shí)需要將不同維數(shù)的信息進(jìn)行降維優(yōu)化的處理；二是網(wǎng)絡(luò)中各個(gè)節(jié)點(diǎn)不同的采樣時(shí)間和采樣率使得信息融合時(shí)有不確定的融合問題存在；三是進(jìn)行信息融合的時(shí)候需要進(jìn)行大量的運(yùn)算，這就要求個(gè)節(jié)點(diǎn)間數(shù)據(jù)的訪問、調(diào)動和管理必須實(shí)現(xiàn)高效的進(jìn)行。

另外物聯(lián)網(wǎng)中多個(gè)傳感設(shè)備采集的信息是海量的，要從海量的信息中提取出用戶需要的有用信息，就必須先對海量信息進(jìn)行識別、提煉的處理。而從我國的信息融合技術(shù)的發(fā)展來看，對于大規(guī)模信息融合的節(jié)點(diǎn)信息承載還有待提高，無論在運(yùn)算方法方面還是在信息傳輸?shù)目煽啃苑矫娑夹枰M(jìn)一步的研究和發(fā)展。

3.2 安全問題

信息感知是物聯(lián)網(wǎng)信息融合技術(shù)的主要功能，在節(jié)點(diǎn)網(wǎng)絡(luò)中，如果有一個(gè)節(jié)點(diǎn)的信息被病毒所篡改，就會對信息融合帶來麻煩和阻礙。如果融合信息遭到破壞，直接會影響信息融合的有序進(jìn)行，從而影響正確的結(jié)論的產(chǎn)生。用戶在錯(cuò)誤的指導(dǎo)下進(jìn)行決策，必須帶來不利的影響。因此，必須對信息的安全的問題加以重視。

[1]劉海濤.物聯(lián)網(wǎng)技術(shù)應(yīng)用[M].北京：機(jī)械工業(yè)出版社，2011：6-9.

[2]趙杰，等.信息融合的實(shí)質(zhì)及核心技術(shù)[J].情報(bào)指揮控制系統(tǒng)與仿真技術(shù)，2012，8.

[3]金弟.基于k最近鄰網(wǎng)絡(luò)的數(shù)據(jù)聚類算法[J].模式識別與人工智能，2012，23(4).