1.一种基于预测的及时加权传感器网络数据融合方法,其特征在于:包括以下步骤:
步骤S1:初始化处理:初始化融合决策值R0,采用全部节点的平均值作为初始融合决策值R0,具体采用下式:
其中,R0为初始化融合决策值,r0i为传感节点i在初始化阶段的检测汇报值,n为场景中传感节点总数;
步骤S2:初始化每个传感加权值ω0i:
采用下式计算每个传感节点的加权值ω0i:
ω0i=ωiP+Δω0i;
其中,ωiP为比例加权因子,它在初始化后几乎不变,是整个权值的重要参与因素;Δω0i为初始化时的积分加权因子,也即时刻0时的积分加权因子,其在系统运行的过程中被动态调节,从而提高系统的自适应特性;所述初始化积分加权因子Δω0i的值为0;
步骤S3:进入实时检测:通过Kalman滤波器预测:在获得了t-1时刻的融合值Rt-1后,系统通过Kalman滤波器预测t时刻的数据融合值Et,从而为后续的及时时间控制做出准备;
步骤S4:计算数据融合结果:在t时刻,每收到一个传感节点i的汇报rti时都按下式计算粗略融合结果R’t:
其中,k为当前获得的报告的传感节点的总数,k<n,n为场景中所有传感节点的个数,ωti为t时刻传感节点i的加权值,rti为t时刻传感节点i的报告数据;
步骤S5:设置一个阈值λ,当粗略结果R’t与Kalman滤波器预测的结果Et之间的差小于阈值λ时,即:
||Et-R′t||<λ;
将粗略结果R’t作为t时刻的数据融合最终结果值Rt,并结束t时刻的数据融合计算,停止接收其他传感节点的后续报告;
S6:根据新获得的数据融合结果Rt,按下式修正加权值:
ωti=ωiP+Δωti;
其中,ωiP为比例加权因子,它在初始化后几乎不变,是整个权值的重要参与因素;Δωti为t时刻的积分加权因子,其在系统运行的过程中被动态调节,从而提高系统的自适应特性;令t=t+1,并返回步骤S3,进入下一时刻的计算。
2.根据权利要求1所述的一种基于预测的及时加权传感器网络数据融合方法,其特征在于:步骤S2中,所述比例加权因子ωiP的计算在系统初始化确定了R0后进行,依据各节点采集值与R0之间的差确定,计算式如下:
di=||r0i-R0||;
di-norm=δ·(1-di/dmax);
其中,di表示传感节点i的汇报值与初始化融合值R0之间的差,di-norm为将di进行标准化操作得到的值,dmax为测试场景中最大的di值,δ为用户指定的数值调整系数,μ、σ为正态分布函数的参数,由用户指定。
3.根据权利要求1所述的一种基于预测的及时加权传感器网络数据融合方法,其特征在于:步骤S5中,t时刻的积分加权因子Δωti依赖于t时刻传感节点i的汇报值rti与融合值Rt之间的差值:
dti=||rti-Rt||;
其中,rti为时刻t传感节点i的汇报值,Rt为时刻t计算出的融合值,计算出的dti为两者之间的差值;将所有的dti从小到大进行排序,并设定调整参数ε,当与传感节点i对应的dti位于队列的前ε位时,对应的Δωti可获得增量γ的奖励,即:
Δωti=Δω(t-1)i+γ;
当与传感节点i对应的dti位于队列的后ε位时,对应的Δωti可获得减量γ的惩罚,即:
Δωti=Δω(t-1)i-γ。
4.根据权利要求1所述的一种基于预测的及时加权传感器网络数据融合方法,其特征在于:所述传感节点由任意一种微控制器作为中央处理器构成,包括模拟或数字转换器及相应的传感器器件,并通过有线或无线的方式组成传感器网络。
5.根据权利要求4所述的一种基于预测的及时加权传感器网络数据融合方法,其特征在于:有线组网方式采用:RS-485总线、CAN总线、工业以太网或常规以太网方式;无线组网方式采用:ZigBee蜂窝式网络协议、2.4G RF射频网络方式、无线以太网WiFi方式或移动通信3G/4G网络方式。