本发明涉及物联网，具体是一种物联网信息融合方法。
背景技术：
1、本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
2、物联网运行原理是现实世界中各种各样的物品在传感器运行前提下与互联网连接起来，它可以通过识别，定位，实时监控追踪等方式智能化地实现人与物品，甚至是物品之间的信息交换。
3、信息融合对物联网来说是至关重要，必不可少的。由于物联网所采集的信息内容繁杂，且传感器采集信息有时间差，其能感知的物体也有所不同等众多原因，导致物联网信息融合技术须具备同时处理众多多源异构的信息的功能才能使得信息融合这一过程更加快速有效地完成，而当前针对物联网中传感器网络的信息融合技术的研究刚刚起步，无法满足物联网海量数据处理的需要，因此，本发明提出一种物联网信息融合方法及系统，以解决这一问题。
技术实现思路
1、本发明的目的在于提供一种物联网信息融合方法，以解决上述背景技术中提出的问题。
2、为实现上述目的，本发明提供如下技术方案：
3、本发明提供一种物联网信息融合方法，该方法包括：s1:传感器采集原始数据；
4、s2:分别对原始数据进行数据预处理，包括以下子步骤：
5、进行去噪处理，排除在实时数据采集中采取到的噪声点；将去噪之后的点云数据的坐标进行归一化，将点云数据变换到同一个坐标系下；
6、s3:构建深度学习特征提取模型，分别进行数据输入，包括以下子步骤：
7、首先通过nsct对数据进行4级分解，获得底层特征；然后将提取出的底层特征输入进卷积模块；
8、s4:进行深度特征表示，包括以下子步骤：
9、搭建三层卷积层，每两个卷积层之间依次设有批量归一化层和激活层；卷积层后搭建全局平均池化层，用于对整个网络在结构上做正则化防止过拟合；最后将损失层加入网络中，引入损失函数计算网络损失；
10、s5:构建数据融合模型，包括以下子步骤：
11、首先通过快速傅里叶变换将多个传感器采集的时域信号转换为对应的频域信号，并通过平行叠加的方式进行融合；然后将融合结果作为输入通过无监督学习的方式对dbn进行训练；最后使用 softmax分类器进行分类。
12、作为本发明进一步的方案：所述激活层使用sigmoid函数。
13、与现有技术相比，本发明的有益效果是：增加了各个传感器之间的信息互通，从多信息的视角进行处理及综合，得到各种信息的内在联系和规律，从而剔除无用的和错误的信息，保留正确的和有用的成分，最终实现信息的优化，提高整个系统的可靠性和稳健性，增强数据的可信度，提高融合精度，扩展系统的时间、空间覆盖率，进而满足物联网海量数据处理的需要。
1.一种物联网信息融合方法，其特征在于，包括：
2.根据权利要求1所述的一种物联网信息融合方法，其特征在于：所述激活层使用sigmoid函数。