多源數(shù)據(jù)融合的壓縮感知算法在智能交通中的應(yīng)用研究

王小紅

摘 要 本文闡述多源數(shù)據(jù)融合在智能交通網(wǎng)中的研究現(xiàn)狀，利用壓縮感知的基本理論，進(jìn)行智能交通中數(shù)據(jù)融合與重構(gòu)算法。最后，總結(jié)壓縮感知應(yīng)用于智能交通網(wǎng)，以實(shí)現(xiàn)智能交通網(wǎng)絡(luò)中的數(shù)據(jù)采集。智能交通網(wǎng)的數(shù)據(jù)采集的數(shù)據(jù)多、數(shù)據(jù)雜，本文提出壓縮感知理論用于智能交通網(wǎng)的數(shù)據(jù)采集，降低數(shù)據(jù)量，提高有效數(shù)據(jù)的采集，采用的重構(gòu)算法實(shí)現(xiàn)數(shù)據(jù)的重構(gòu)，保證信號(hào)重構(gòu)的精確性和穩(wěn)定性，保證網(wǎng)絡(luò)傳輸信息的準(zhǔn)確性。最后給出了仿真分析論證。

關(guān)鍵詞 數(shù)據(jù)融合;壓縮感知;重構(gòu)算法;智能交通

引言

智能交通系統(tǒng)網(wǎng)絡(luò)中，采用了大量不同類型的傳感器，比如溫度、聲音、振動(dòng)、壓力等等，由于網(wǎng)絡(luò)的智能處理系統(tǒng)中傳感器種類是多樣的，而且是多種傳感器相互組合作用。在智能交通系統(tǒng)設(shè)計(jì)當(dāng)中，外界道路交通環(huán)境感知信息是由各種各樣的傳感器的采集后，由處理器進(jìn)行分析處理后發(fā)出相關(guān)指令，最后指令通過(guò)無(wú)線傳輸?shù)酵獠康缆坊A(chǔ)設(shè)施中。傳統(tǒng)的多源數(shù)據(jù)融合算法，在多傳感器節(jié)點(diǎn)的智能交通系統(tǒng)中能量與通信帶寬上的均不能達(dá)到要求。因此，本文采用多源數(shù)據(jù)融合的壓縮感知算法，通過(guò)仿真驗(yàn)證能夠較好的減少節(jié)點(diǎn)間數(shù)據(jù)通信量。

多源傳感器數(shù)據(jù)融合（ Multi-Sensor data fusion）最早興起于國(guó)外軍事方面。這些軍事系統(tǒng)采用的傳感器包括雷達(dá)、紅外、激光、可見(jiàn)光傳感器和聲音傳感器等，通過(guò)各種算法解決態(tài)勢(shì)評(píng)估和威脅評(píng)估技術(shù)問(wèn)題。與其他發(fā)達(dá)國(guó)家相比，我國(guó)的數(shù)據(jù)融合技術(shù)發(fā)展較晚。我國(guó)已開(kāi)始研究數(shù)據(jù)融合理論方法和技術(shù)的實(shí)現(xiàn)，將傳感器數(shù)據(jù)融合技術(shù)用于檢測(cè)、控制、模式識(shí)別、故障診斷和導(dǎo)航等領(lǐng)域。

無(wú)線傳感器網(wǎng)絡(luò)（Wireless Sensor Networks， WSN）數(shù)據(jù)融合技術(shù)的研究重點(diǎn)包括以下三個(gè)方面：路由協(xié)議、數(shù)據(jù)融合算法和數(shù)據(jù)表示。WSN采用融合技術(shù)的目的是對(duì)感知數(shù)據(jù)做采集與處理，并將處理后的數(shù)據(jù)傳送到基站。

1 數(shù)據(jù)級(jí)融合

數(shù)據(jù)級(jí)融合數(shù)據(jù)，來(lái)自于智能交通多種傳感器采集的相關(guān)數(shù)據(jù)，經(jīng)過(guò)放大電路將信號(hào)方法后，處理器將直接融合同級(jí)別傳感器的數(shù)據(jù)。分析提取特征后，判決傳感器采集數(shù)據(jù)的屬性。其數(shù)據(jù)融合的模型如圖1所示。

數(shù)據(jù)級(jí)融合屬于最基本的數(shù)據(jù)融合形式，其能夠融合的數(shù)據(jù)只能是相同的傳感器，最多是相近的傳感器。如：氣體、液體等傳感器。因此，通過(guò)處理原始數(shù)據(jù)，才能保證融合的數(shù)據(jù)來(lái)自于相同或者同類的傳感器。

這種數(shù)據(jù)級(jí)融合模型的主要優(yōu)勢(shì)是：計(jì)算數(shù)據(jù)詳細(xì)，計(jì)算精確，具有較高的計(jì)算精度。同時(shí)由于計(jì)算數(shù)據(jù)龐大，存在以下局限性：

（1）實(shí)時(shí)性：分析和處理傳感器采集的原始數(shù)據(jù)，冗雜數(shù)據(jù)多，導(dǎo)致計(jì)算量較大，造成處理時(shí)間較長(zhǎng)，實(shí)時(shí)性差。

（2）抗干擾性：整個(gè)數(shù)據(jù)分析過(guò)程中，數(shù)據(jù)未清洗，數(shù)據(jù)質(zhì)量直接影響到模型效果和最終結(jié)論數(shù)據(jù)，且能耗較高。

（3）單一性：融合的數(shù)據(jù)只能是相同或者同類傳感器采集的信息，融合的能力不足，該融合模型只能提供對(duì)于被測(cè)目標(biāo)單一屬性的融合處理[1]。

2 多源數(shù)據(jù)信息融合系統(tǒng)模型

根據(jù)輸入數(shù)據(jù)的融合以及輸出結(jié)果方式的不同，提出數(shù)據(jù)融合功能模型，并將數(shù)融合的種類劃分為不同級(jí)別。數(shù)據(jù)融合級(jí)別的劃分規(guī)則綜合了五級(jí)分類模型與四級(jí)分類模型的優(yōu)點(diǎn)，給出了六級(jí)分類模型。其中，數(shù)據(jù)融合功能級(jí)別主要分為第零級(jí)（ 信息源預(yù)處理）、第一級(jí)（檢測(cè)級(jí)融合）、第二級(jí)（位置級(jí)融合）、第三級(jí)（目標(biāo)識(shí)別級(jí)融合）、第四級(jí)（態(tài)勢(shì)估計(jì)）、第五級(jí)（威脅估計(jì)）及第六級(jí)（精細(xì)處理）[2]。

現(xiàn)有的智能交通在數(shù)據(jù)信息融合系統(tǒng)模型大體上可以分為功能型模型和數(shù)據(jù)型模型：前者主要是根據(jù)數(shù)據(jù)處理順序進(jìn)行構(gòu)建，例如UK情報(bào)環(huán)、OODA環(huán)等;UK情報(bào)環(huán)將信息處理過(guò)程抽象成了一個(gè)環(huán)形結(jié)構(gòu)。而后者則是根據(jù)各個(gè)不同的數(shù)據(jù)提取環(huán)節(jié)加以構(gòu)建。本文采用UK情報(bào)環(huán)模型。

UK情報(bào)環(huán)模型能夠很好地滿足數(shù)據(jù)處理中的多項(xiàng)原則。

3 壓縮感知算法實(shí)現(xiàn)

壓縮感知算法應(yīng)用在UK環(huán)的整理階段。對(duì)采集到的數(shù)據(jù)，進(jìn)行數(shù)據(jù)融合和壓縮處理，壓縮感知理論主要包括3個(gè)部分：

步驟4重構(gòu)壓縮算法

while

h = A* r;

[h_new，h_index]=sort（abs（h），descend）;

L = union（a_index2，h_index（1：alpha*k））;

a（L） = A（：，L）＼y;

[a_new，a_index] = sort（abs（a），descend）;

a（a_index（k+1：end））=0;

a_index2 = a_index（1：k）;

r= y - A*a;

r=y-A（：，a_index2）*pinv（A（：，a_index2））*y;

iter = iter + 1;

end

while

該算法通過(guò)稀疏投影矩陣選擇參與投影的源節(jié)點(diǎn)。因此，提高數(shù)據(jù)的融合質(zhì)量，就可以通過(guò)設(shè)計(jì)一個(gè)較為特殊的投影矩陣，由參與投影的節(jié)點(diǎn)數(shù)進(jìn)行計(jì)算，進(jìn)一步提高效率[5]。

4 仿真分析

為了驗(yàn)證算法的有效性，本文在MATLAB仿真環(huán)境下對(duì)算法的融合結(jié)果，進(jìn)行了仿真實(shí)驗(yàn)的驗(yàn)證。實(shí)驗(yàn)環(huán)境：電腦配置為：CPU為i7;內(nèi)存為8G，操作系統(tǒng)為Win10 Ulti-mate。實(shí)驗(yàn)指標(biāo)為數(shù)據(jù)融合后網(wǎng)絡(luò)節(jié)點(diǎn)生存期和融合過(guò)程中的網(wǎng)絡(luò)能耗。

在實(shí)驗(yàn)過(guò)程中，模擬的智能交通傳感器節(jié)點(diǎn)，分別采用合成的高壓縮率的測(cè)試信號(hào)，對(duì)于m為算法分別運(yùn)行100次。圖4給出了具體實(shí)驗(yàn)參數(shù)。

由上圖5可知，基于多源數(shù)據(jù)融合壓縮算法隨著待融合數(shù)據(jù)量的增加能量消耗略有上升趨勢(shì)，但最終逐漸趨于平穩(wěn)，平均網(wǎng)絡(luò)能耗為30nJ/bit，網(wǎng)絡(luò)能耗整體較低[6]。

5 結(jié)束語(yǔ)

針對(duì)當(dāng)前數(shù)據(jù)融合算法存在的實(shí)時(shí)性低、干擾性差、能耗高的問(wèn)題，提出了基于多源數(shù)據(jù)融合壓縮算法。該方法能夠降低數(shù)據(jù)量，提高有效數(shù)據(jù)的采集，采用的重構(gòu)算法實(shí)現(xiàn)數(shù)據(jù)的重構(gòu)，保證信號(hào)重構(gòu)的精確性和穩(wěn)定性，保證網(wǎng)絡(luò)傳輸信息的準(zhǔn)確性，且能耗低。

參考文獻(xiàn)

[1] 李棟，胡芳，李斌，等.無(wú)線傳感器網(wǎng)絡(luò)的數(shù)據(jù)傳輸優(yōu)化方法[J].電子設(shè)計(jì)工程，2019，27（24）：99-102，107.

[2] 黃博文，王斌，丁杰，等.基于K中心的無(wú)線傳感器網(wǎng)絡(luò)路由協(xié)議[J].計(jì)算機(jī)科學(xué)與應(yīng)用，2019，9（3）：495-500.

[3] 宋婷婷，張達(dá)敏，陳忠云，等.基于剩余能量的認(rèn)知無(wú)線傳感器網(wǎng)絡(luò)頻譜分配[J].傳感技術(shù)學(xué)報(bào)，2019，32（12）：1875-1880.

[4] 徐晚霞，王博，張賀.基于模糊數(shù)學(xué)和主成分分析的數(shù)據(jù)融合算法研究[J].應(yīng)用數(shù)學(xué)進(jìn)展，2019，8（5）：953-957.

[5] 包小源，張凱，金夢(mèng)，等.基于數(shù)據(jù)空間的電子病歷數(shù)據(jù)融合與應(yīng)用平臺(tái)[J].大數(shù)據(jù)，2019，（6）：47-61.

[6] 姚國(guó)章，李詩(shī)雅.大數(shù)據(jù)與應(yīng)急管理融合發(fā)展研究[J].中國(guó)集體經(jīng)濟(jì)，2020，（1）：33-35.