一種改進的無線傳感器網絡信息融合技術

王桂祿

摘 要：無線傳感技術在多個領域中都有著廣泛的應用，在應用無線傳感技術的過程中，因為受到多方面因素的影響，傳感器在運行過程中，網絡能耗較大，并且會與網絡信息發生一定的沖突，為了降低能耗以及沖突所帶來的不良影響，應給改進無線傳感器網路信息融合技術。

關鍵詞：無線傳感器；信息融合；網絡

無線傳感器網絡因為受運算能力低、存儲量小、電池能力低等多方面因素的限制，因此在對其進行應用，對數據進行傳送時，信息融合技術顯得十分重要。合理的信息融合技術，在信息傳遞過程中可以減少能量的使用量，并且避免網絡擁塞情況的發生。

1 無線傳感網絡

無線傳感網絡主要有大量移動的（靜止）的傳感器、自組織、多跳方式而構成的一種無線網絡，通過協作的方式進對象信息進行感知、采集、處理，最終將處理過的信息發送給網絡所有者。

無線傳感網絡中包括的傳感器的種類有很多，在具體應用過程中，可以適用于地震、濕度、溫度、壓力、物體移動等各種現象中，因此可以將其應用在航空、醫療、商業等多個領域中。

2 卡爾曼濾波信息融合的改進

2.1 卡爾曼濾波原理

2.2 卡爾曼濾波過程

在對卡爾莫濾波過程進行分析過程前，需要引入一個離散控制系統，可以利用一個線性的隨機方程實現對該系統的描述：

在公式（6）與公式（7）中，X（k）表示系統處于k時刻的狀態，U（k）則表示對系統k時刻的控制量。A和B都為系統中的參數，如果系統為多模系統，那么A和B兩者都表示矩陣。Z（k）表示測量值（k時刻），H則為測量參數，與A和B一樣，如果系統為多測量形式，那么H則表示矩陣。V（k）和W（k）表示的分別為噪音和過程，在分析工程中，假設它們都為高斯白噪聲，假設系統在發生變化時，它們并不會發生相應的變化。如果滿足了以上條件，卡爾曼濾波器則是最優信息處理器。

2.3 卡爾曼濾波信息融合算法

在計算過程中，對第i個傳感器源節點卡爾曼濾波方程如下：

在公式（8）中，Pi，k和Pi，k-1分別表示傳感器中的濾波的值和預報誤差陣，Ki，k表示的則為濾波增益陣。

無線傳感網絡中的源節點的采集和發展都是高速完成的，此時，在具體操作中，完全可以通過合理的變化，使源節點到匯聚節點的信息傳輸量降低。如果在分析過程中，不方便對方差進行觀測，在源節點觀測方差結束后，并不需要每次都對更新的內容進行傳輸，這在一定程度上節省了源節點的數據傳輸量。如果在信息傳輸過程中，信息并不是固定不變的，此時源節點的誤差方差將與更新后的數據自動傳輸到匯聚節點，從而完成最終的融合操作。

3 基于SVM的信息融合

3.1 SVM原理簡介

SVM就是通過非線性映射P，將樣本空間映射到一個比當前更高維的空間中，也就是通過線性化和升維的方式解決問題。升維通常會使計算變得更加復雜，甚至在一些特殊的情況下，可能會引發“維數災難”的發生，因此對其的研究比較少。但是在回歸、分類等問題的研究上，在低維空間上可能無法對樣本級進行處理，而在高維空間中，在問題分析上則可以通過線性超平面實現回顧或線性劃分。通常來說，升維都會使計算變得更加復雜，而通過對SVM方法的利用，則很好地解決了計算這一問題。在計算過程中，對核函數展開定理進行合理應用，不需要掌握非線性表達式；在高維特征的空間中，為了使計算變得簡單化，可以建立線性學習機，通過這種方式，在高維空間的計算不僅沒有復雜化，而且也很好地避免了“維數災難”情況的發生，而這一切的功勞都要歸功于對核函數計算理論的分析與探討。

3.2 基于SVM信息融合在匯聚節點的引用

在對SVM的應用中，在問題的具體分析過程中，需要依據風險最小化原則開展，應當在模型的復雜程度與經驗風險兩者中間進行折中選擇，方式在具體應用過程中，有著不錯的泛化能力，并且還具有不受緯度影響、全局最優等多項優點。因此，將SVM信息融合計算應用在匯聚節點上，融合的最終結構如圖1所示。

在具體分析過程中，應當從以下內容入手：（1）確定傳感器中匯聚節點的個數，從而確保輸出與輸出相等。（2）準確采集傳感器中節點中的數據，數據采集過程中，要確保采集的完成型，完成采集后生成最終的訓樣本。（3）選擇核實的核函數，并通過學習和訓練的方式確定相關的函數。（4）通過學習訓練后，對測量值進行測試，在測試過程中需要確保測量的經準確性，如果測量的精確性滿足要求，則獲得傳感器信息融合系統模型。如果測試結果無法滿足精準度要求，需要從重復環節（3），直到最終的精準度滿足要求為止。

4 仿真分析

基于上述模型采用的計算方法，對某系統進行實例仿真，在具體操作過程中，將通過傳感器收集到的數據依據源節點的卡爾曼濾波信息融合算法進行融合，將其中的2個節點作為源節點，則可以獲取狀態方差和觀測方程，具體內容如公式（9）和公式（10）所示。

在具體分析過程中，X（0）=[0 1]，采用周期為T，本次分析中采用周期的大小為0.4s。建設源階段的誤差與標準方陣相比存在較大差異，但是方陣本身相同，對源節點進行處理和濾波，具體仿真操作通過Matlab完成。通過以上操作方法，在具體操作中可以獲得其他環境下的參數以及最終的融合結果，處理中的節點在經過卡爾濾波之后的信號，通過仿真操作后，可以看出通過無線傳感器網絡的卡爾曼信息融合方法，可以使源節點在傳感器內部完成相應的數據處理操作，卡爾曼濾波后信號同原始噪信號相比，平穩性更好，降低了源節點能力，數據傳輸量的同時也使網絡生命周期得到了合理的延長。endprint

源節點在經過融合后獲得的環境數據值可以視作SVM信息融合的信息源完成相應的融合，通過融合之后，獲取到獲取到相應的安全信息，通過SVM信息融合的結果如表1所示。

通過融合結果不難看出，通過訓練后的SVM的精準度能夠依據系統應用的現場環境，估算出指定區域環境狀況，通過這種方式，有效地減小了網絡信息沖突和無線傳感器網絡能耗，從而使無線傳感器網絡信號融合精度得到提高。

5 結語

在無線傳感器網絡中應用信息融合技術，很好地解決了無線傳感器網絡在具體應用中受環境因素限制的問題。但是，在具體應用中還存在一些問題有待解決，因此本文通過對卡爾曼濾波和SVM信息融合方法進行了重點介紹，最終通過仿真證明了方法的有效性。

[參考文獻]

[1]魏琴芳，張雙杰，胡向東，等.基于同態MAC的無線傳感器網絡安全數據融合[J].傳感技術學報，2011（12）：1750-1755.

[2]謝麗，楊勇.無線傳感器網絡節能分析[J].農業網絡信息，2013（3）：65-68.

An Improved Wireless Sensor Network Information Fusion Technology

Wang Guilu

（State Press and Publication Administration of Radio 501 Station， Kunming 650302， China）

Abstract： Wireless sensor technology in many fields have a wide range of applications in wireless sensor technology for the application process， because of the impact of various factors of the sensor during operation， greater energy consumption， and will conflict with the occurrence of certain network information， in order to reduce energy consumption as well as the adverse effects brought about by the conflict， should be given to the wireless sensor network information fusion technology improvements.

Key words： wireless sensor； information fusion； networkendprint