一种改进的无线传感器网络信息融合技术

王桂禄

摘 要：无线传感技术在多个领域中都有着广泛的应用，在应用无线传感技术的过程中，因为受到多方面因素的影响，传感器在运行过程中，网络能耗较大，并且会与网络信息发生一定的冲突，为了降低能耗以及冲突所带来的不良影响，应给改进无线传感器网路信息融合技术。

关键词：无线传感器；信息融合；网络

无线传感器网络因为受运算能力低、存储量小、电池能力低等多方面因素的限制，因此在对其进行应用，对数据进行传送时，信息融合技术显得十分重要。合理的信息融合技术，在信息传递过程中可以减少能量的使用量，并且避免网络拥塞情况的发生。

1 无线传感网络

无线传感网络主要有大量移动的（静止）的传感器、自组织、多跳方式而构成的一种无线网络，通过协作的方式进对象信息进行感知、采集、处理，最终将处理过的信息发送给网络所有者。

无线传感网络中包括的传感器的种类有很多，在具体应用过程中，可以适用于地震、湿度、温度、压力、物体移动等各种现象中，因此可以将其应用在航空、医疗、商业等多个领域中。

2 卡尔曼滤波信息融合的改进

2.1 卡尔曼滤波原理

2.2 卡尔曼滤波过程

在对卡尔莫滤波过程进行分析过程前，需要引入一个离散控制系统，可以利用一个线性的随机方程实现对该系统的描述：

在公式（6）与公式（7）中，X（k）表示系统处于k时刻的状态，U（k）则表示对系统k时刻的控制量。A和B都为系统中的参数，如果系统为多模系统，那么A和B两者都表示矩阵。Z（k）表示测量值（k时刻），H则为测量参数，与A和B一样，如果系统为多测量形式，那么H则表示矩阵。V（k）和W（k）表示的分别为噪音和过程，在分析工程中，假设它们都为高斯白噪声，假设系统在发生变化时，它们并不会发生相应的变化。如果满足了以上条件，卡尔曼滤波器则是最优信息处理器。

2.3 卡尔曼滤波信息融合算法

在计算过程中，对第i个传感器源节点卡尔曼滤波方程如下：

在公式（8）中，Pi，k和Pi，k-1分别表示传感器中的滤波的值和预报误差阵，Ki，k表示的则为滤波增益阵。

无线传感网络中的源节点的采集和发展都是高速完成的，此时，在具体操作中，完全可以通过合理的变化，使源节点到汇聚节点的信息传输量降低。如果在分析过程中，不方便对方差进行观测，在源节点观测方差结束后，并不需要每次都对更新的内容进行传输，这在一定程度上节省了源节点的数据传输量。如果在信息传输过程中，信息并不是固定不变的，此时源节点的误差方差将与更新后的数据自动传输到汇聚节点，从而完成最终的融合操作。

3 基于SVM的信息融合

3.1 SVM原理简介

SVM就是通过非线性映射P，将样本空间映射到一个比当前更高维的空间中，也就是通过线性化和升维的方式解决问题。升维通常会使计算变得更加复杂，甚至在一些特殊的情况下，可能会引发“维数灾难”的发生，因此对其的研究比较少。但是在回归、分类等问题的研究上，在低维空间上可能无法对样本级进行处理，而在高维空间中，在问题分析上则可以通过线性超平面实现回顾或线性划分。通常来说，升维都会使计算变得更加复杂，而通过对SVM方法的利用，则很好地解决了计算这一问题。在计算过程中，对核函数展开定理进行合理应用，不需要掌握非线性表达式；在高维特征的空间中，为了使计算变得简单化，可以建立线性学习机，通过这种方式，在高维空间的计算不仅没有复杂化，而且也很好地避免了“维数灾难”情况的发生，而这一切的功劳都要归功于对核函数计算理论的分析与探讨。

3.2 基于SVM信息融合在汇聚节点的引用

在对SVM的应用中，在问题的具体分析过程中，需要依据风险最小化原则开展，应当在模型的复杂程度与经验风险两者中间进行折中选择，方式在具体应用过程中，有着不错的泛化能力，并且还具有不受纬度影响、全局最优等多项优点。因此，将SVM信息融合计算应用在汇聚节点上，融合的最终结构如图1所示。

在具体分析过程中，应当从以下内容入手：（1）确定传感器中汇聚节点的个数，从而确保输出与输出相等。（2）准确采集传感器中节点中的数据，数据采集过程中，要确保采集的完成型，完成采集后生成最终的训样本。（3）选择核实的核函数，并通过学习和训练的方式确定相关的函数。（4）通过学习训练后，对测量值进行测试，在测试过程中需要确保测量的经准确性，如果测量的精确性满足要求，则获得传感器信息融合系统模型。如果测试结果无法满足精准度要求，需要从重复环节（3），直到最终的精准度满足要求为止。

4 仿真分析

基于上述模型采用的计算方法，对某系统进行实例仿真，在具体操作过程中，将通过传感器收集到的数据依据源节点的卡尔曼滤波信息融合算法进行融合，将其中的2个节点作为源节点，则可以获取状态方差和观测方程，具体内容如公式（9）和公式（10）所示。

在具体分析过程中，X（0）=[0 1]，采用周期为T，本次分析中采用周期的大小为0.4s。建设源阶段的误差与标准方阵相比存在较大差异，但是方阵本身相同，对源节点进行处理和滤波，具体仿真操作通过Matlab完成。通过以上操作方法，在具体操作中可以获得其他环境下的参数以及最终的融合结果，处理中的节点在经过卡尔滤波之后的信号，通过仿真操作后，可以看出通过无线传感器网络的卡尔曼信息融合方法，可以使源节点在传感器内部完成相应的数据处理操作，卡尔曼滤波后信号同原始噪信号相比，平稳性更好，降低了源节点能力，数据传输量的同时也使网络生命周期得到了合理的延长。endprint

源节点在经过融合后获得的环境数据值可以视作SVM信息融合的信息源完成相应的融合，通过融合之后，获取到获取到相应的安全信息，通过SVM信息融合的结果如表1所示。

通过融合结果不难看出，通过训练后的SVM的精准度能够依据系统应用的现场环境，估算出指定区域环境状况，通过这种方式，有效地减小了网络信息冲突和无线传感器网络能耗，从而使无线传感器网络信号融合精度得到提高。

5 结语

在无线传感器网络中应用信息融合技术，很好地解决了无线传感器网络在具体应用中受环境因素限制的问题。但是，在具体应用中还存在一些问题有待解决，因此本文通过对卡尔曼滤波和SVM信息融合方法进行了重点介绍，最终通过仿真证明了方法的有效性。

[参考文献]

[1]魏琴芳，张双杰，胡向东，等.基于同态MAC的无线传感器网络安全数据融合[J].传感技术学报，2011（12）：1750-1755.

[2]谢丽，杨勇.无线传感器网络节能分析[J].农业网络信息，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