王華東,王大羽
(周口師范學(xué)院計算機(jī)科學(xué)與技術(shù)學(xué)院,河南周口466001)
一種改進(jìn)的多無線傳感器數(shù)據(jù)分批估計自適應(yīng)加權(quán)融合算法*
王華東*,王大羽
(周口師范學(xué)院計算機(jī)科學(xué)與技術(shù)學(xué)院,河南周口466001)
為解決溫室大棚中多無線傳感器監(jiān)測數(shù)據(jù)融合精度低的問題,提出了一種改進(jìn)型的分批估計自適應(yīng)加權(quán)融合算法。算法首先對單個無線溫度傳感節(jié)點一段時間內(nèi)所采集的數(shù)據(jù)根據(jù)容許函數(shù)閾值剔除誤差較大的數(shù)據(jù),然后對該溫度傳感器的數(shù)據(jù)進(jìn)行分批估計得出該節(jié)點某一段時間內(nèi)的最優(yōu)估計值,以此得到該區(qū)域所有無線溫度傳感節(jié)點最優(yōu)估計值后,依據(jù)權(quán)值最優(yōu)分配原則對每組傳感器數(shù)據(jù)進(jìn)行組內(nèi)自適應(yīng)加權(quán)融合,從而計算得到該段時間內(nèi)溫室大棚的溫度精確值。通過實驗驗證得出:相對于平均值法與傳統(tǒng)的分批估計算法,本算法數(shù)據(jù)融合易于實現(xiàn),融合值相對誤差值更低,穩(wěn)健性更好。
多無線傳感器;數(shù)據(jù)融合;分批估計;自適應(yīng)加權(quán);容許函數(shù)
大型溫室技術(shù)是利用微電子技術(shù)和現(xiàn)代控制技術(shù),人為調(diào)節(jié)外圍環(huán)境以適宜農(nóng)作物的生長,從而達(dá)到調(diào)節(jié)農(nóng)作物繁育周期、增加農(nóng)作物產(chǎn)量、改善農(nóng)作物品質(zhì)、提高經(jīng)濟(jì)效益的目的。其發(fā)展帶動了現(xiàn)代農(nóng)業(yè)技術(shù)的革新,使農(nóng)作物的生長繁育不再受季節(jié)、時節(jié)、地域的限制。通過溫室環(huán)境調(diào)節(jié)進(jìn)行反季節(jié)栽培、集約化生產(chǎn)農(nóng)產(chǎn)品,極大滿足了人們的物質(zhì)需求。溫室大棚環(huán)境監(jiān)測系統(tǒng)通常采用Zigbee無線通信,無線通信最大的優(yōu)勢就是無需布線,并且監(jiān)測點設(shè)置靈活、架構(gòu)分明、單點維護(hù)方便[1]。在溫室大棚生產(chǎn)中,需要實時掌握和調(diào)節(jié)大棚的環(huán)境參數(shù),如溫度、濕度、光照度、CO2濃度和土壤濕度等數(shù)據(jù)信息[2]。由于傳感器會受到各種因素的干擾和本身精度的影響,其監(jiān)測結(jié)果會存在一定的偏差。若要準(zhǔn)確的掌握溫室大棚環(huán)境參數(shù),必須采用多傳感器協(xié)作完成監(jiān)測任務(wù)。合理的選擇多傳感器數(shù)據(jù)融合的算法,提高監(jiān)測數(shù)據(jù)精度已成為溫室大棚環(huán)境監(jiān)測的關(guān)鍵任務(wù)之一[3]。
多傳感器數(shù)據(jù)融合技術(shù)對于解決數(shù)據(jù)冗余,提高數(shù)據(jù)的精確性提供了技術(shù)支持,因此無線傳感器的數(shù)據(jù)融合成為近年來的研究熱點[4-5]。文獻(xiàn)[6]提出了一種優(yōu)化的貝葉斯估計多傳感器數(shù)據(jù)融合方法,結(jié)合卡爾曼濾波器的貝葉斯融合算法有效解決了數(shù)據(jù)的不確定性和不一致性。采用均值的分批估計算法對多傳感器數(shù)據(jù)進(jìn)行融合計算。文獻(xiàn)[7]基于深度學(xué)習(xí)模型,提出了一種將層疊自動編碼器(SAE)和分簇協(xié)議相結(jié)合的數(shù)據(jù)融合算法SAEMDA,提高了無線傳感器網(wǎng)絡(luò)中數(shù)據(jù)融合的性能。文獻(xiàn)[8]提出了一種新的基于支持向量機(jī)回歸估計(SVR)的多傳感器數(shù)據(jù)融合處理方法,實驗驗證明顯該方法明顯優(yōu)于多維回歸分析和人工神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)融合處理方法。文獻(xiàn)[9]提出一種冪均方算子進(jìn)行數(shù)據(jù)融合,僅需要計算當(dāng)前時刻各傳感器數(shù)據(jù)的支持度函數(shù)就能獲得加權(quán)融合的最優(yōu)權(quán)重,無需其他概率統(tǒng)計知識,適合于實時數(shù)據(jù)融合,但Yager給出的支持度函數(shù)僅在溫室系統(tǒng)使用時存在優(yōu)化空間[10]。文獻(xiàn)[11]實現(xiàn)了一種誤差實時可控的數(shù)據(jù)融合算法,算法能夠保證不同節(jié)點數(shù)據(jù)傳輸?shù)墓叫?,在?shù)據(jù)傳輸率相同的情況下,其求和查詢及均值查詢的平均絕對誤差均遠(yuǎn)低于當(dāng)前優(yōu)秀的基于伯努利采樣的數(shù)據(jù)融合方法。本文在借鑒分批估計算法的基礎(chǔ)上,利用模糊集理論根據(jù)容許函數(shù)的閾值剔除誤差較大的傳感器數(shù)據(jù),確保融合數(shù)據(jù)的一致性,然后對該溫度傳感器的數(shù)據(jù)進(jìn)行分批估計得出該節(jié)點某一段時間內(nèi)的最優(yōu)估計值,以此得到該區(qū)域所有溫度傳感節(jié)點最優(yōu)估計值后,依據(jù)權(quán)值最優(yōu)分配原則對每組傳感器數(shù)據(jù)進(jìn)行組內(nèi)自適應(yīng)加權(quán)融合,從而計算得到該段時間內(nèi)溫室大棚的溫度精確值。
溫室大棚中的檢測數(shù)據(jù)集取決于無線采集節(jié)點的數(shù)量,節(jié)點越多需要融合的數(shù)據(jù)量就越多,但是無線節(jié)點由于受各種因素的干擾和本身精度的影響,節(jié)點采集的數(shù)據(jù)可能有一定的誤差,為了剔除誤差較大的節(jié)點數(shù)據(jù),對節(jié)點采集的所有數(shù)據(jù)進(jìn)行前期預(yù)處理。文章采用模糊集理論根據(jù)容許函數(shù)的閾值剔除誤差較大的傳感器數(shù)據(jù)。
定義 2個傳感器信息間的容許函數(shù)為二元模糊關(guān)系:R:X×X→[0,1],滿足以下條件:
①R(x,x)=1;②R(x,y)=R(y,x);③當(dāng)D(x,y)≤D(x,y′)時,R(x,y)≥R(x,y′)
其中,X是節(jié)點傳感器測量數(shù)據(jù)的論域;D(x,y)表示x與y之間的距離。根據(jù)容許函數(shù)的定義,數(shù)據(jù)容許度類似于數(shù)據(jù)的可信度,當(dāng)某一個傳感器所采集的數(shù)據(jù)與均值的差越小表示數(shù)據(jù)的可信度越高。
設(shè)某一傳感器在某一時刻得到的測量數(shù)據(jù)為x1,x2,…,xn,其 中,xi=(xix,xiy),xj=(xjx,xjy)。 設(shè),dij表示節(jié)點采集值 xi和 xj間的距離。本文將容許函數(shù)定義為:
式中:ε為xi,yi允許的最大距離,ε與節(jié)點的測量精度有關(guān),通過前期無線傳感節(jié)點的多次校準(zhǔn)實驗,可以得出節(jié)點的誤差容許值。A(xi,xj)為1時表示兩個節(jié)點傳感器所采集的數(shù)據(jù)在容許的范圍內(nèi),若為0表示兩個數(shù)據(jù)之間沒有容許的意義,應(yīng)剔除。
溫室大棚中某一時刻溫度的確定是多個傳感器共同測量的結(jié)果,為了提高大棚溫度監(jiān)測值的精確性,文中首先對單個傳感器這一段時間內(nèi)的溫度采集值進(jìn)行分批數(shù)據(jù)估計,然后在融合多組溫度傳感器的數(shù)據(jù)。
2.1 單個溫度傳感器數(shù)據(jù)分批估計
溫室大棚中需要布置較多類型的無線傳感器,這里以溫度傳感器為例進(jìn)行算法的改進(jìn)和說明,假設(shè)在溫室大棚的一個區(qū)域內(nèi)隨機(jī)布置n個溫度傳感節(jié)點,現(xiàn)將某一時刻單個溫度傳感器采集的n個數(shù)據(jù)均分為4組,其中第j組為Tj1,Tj2,Tj3,......Tjnj,nj≥2, j=1,2,3,4并且,則4組平均值為:
對應(yīng)的方差為:
根據(jù)文獻(xiàn)[12]的研究可知,利用統(tǒng)計學(xué)中分批估計理論可以求解單傳感器4組數(shù)據(jù)融合的最優(yōu)估計值T:
單溫度傳感器4組數(shù)據(jù)融合之后的可得該溫度傳感器采集數(shù)據(jù)的最優(yōu)方差σ2:
2.2 多傳感器自適應(yīng)加權(quán)數(shù)據(jù)融合
每個傳感器的監(jiān)測數(shù)據(jù)在經(jīng)過分批估計后,已經(jīng)得到了單個傳感器溫度測量的最優(yōu)值Ti。而溫室大棚中的溫度值是融合n個傳感器組的監(jiān)測值得到的,文中按照各傳感器融合方差的大小將傳感器分為m組,依據(jù)權(quán)值最優(yōu)分配原則對每組傳感器數(shù)據(jù)進(jìn)行組內(nèi)自適應(yīng)加權(quán)融合,融合值記為Xi、方差為。根據(jù)權(quán)值最優(yōu)分配原則計算各融合值在組內(nèi)的最優(yōu)權(quán)數(shù)Wi′,然后對Xi自適應(yīng)加權(quán)融合處理,最終計算得到該時間段內(nèi)溫室大棚的溫度精確值。將n個傳感器分成m組,依據(jù)權(quán)值最優(yōu)分配原則分別對各組進(jìn)行組內(nèi)自適應(yīng)加權(quán)數(shù)據(jù)融合,總方差越小表明該組的數(shù)據(jù)融合之后的精度越高。設(shè)各組傳感器的權(quán)值為Wi:
融合后第k組傳感器估計值Xk為:
依據(jù)上述公式可以得到各組傳感器的估計值、方差和加權(quán)因子。然后對n個傳感器進(jìn)行m組數(shù)據(jù)融合,同理,依據(jù)權(quán)值最優(yōu)分配原則對m組進(jìn)行加權(quán)融合,各組的加權(quán)因子
最終n個溫度傳感器的自適應(yīng)加權(quán)融合估計值X為:
為了提高溫度傳感器監(jiān)測數(shù)據(jù)融合的精確度,本文對單個傳感器采集數(shù)據(jù)進(jìn)行前期誤差數(shù)據(jù)剔除,繼而利用分批預(yù)估算法對某一時刻該溫度傳感器的測量數(shù)值進(jìn)行融合估計,但溫室大棚區(qū)域內(nèi)溫度的最終測定是多個傳感器組數(shù)據(jù)融合的結(jié)果,所以對多個傳感器組的數(shù)據(jù)依據(jù)權(quán)值最優(yōu)分配原則進(jìn)行組內(nèi)自適應(yīng)加權(quán)融合,層層降低誤差。
為了驗證改進(jìn)算法的有效性,以周口師范學(xué)院生命科學(xué)與農(nóng)學(xué)學(xué)院現(xiàn)代農(nóng)業(yè)示范基地為實驗場所,溫室大棚的簡易架構(gòu)如圖1所示,無線溫度傳感器節(jié)點是基于CC2530和SHT11設(shè)計完成,無線溫度傳感器節(jié)點采集的溫度數(shù)據(jù)經(jīng)過路由后送達(dá)中心節(jié)點,然后通過GPRS將數(shù)據(jù)送到Internet網(wǎng)絡(luò),最終將數(shù)據(jù)存儲至數(shù)據(jù)庫服務(wù)器,用戶可以通過瀏覽器對數(shù)據(jù)進(jìn)行查詢和分析。
圖1 溫室大棚的簡易架構(gòu)
選取一個溫度監(jiān)測區(qū)域(溫度基準(zhǔn)真實值為20℃),分別以20、60、100節(jié)點對分批估計融合算法與改進(jìn)型算法進(jìn)行數(shù)據(jù)對比??紤]到傳感器可能存在的零點漂移,本系統(tǒng)使用互不相關(guān)的零均值白噪聲模擬傳感器的觀測誤差,信噪比從0.1dB到1dB。溫度監(jiān)測數(shù)據(jù)如表1所示。
圖2~圖4直觀的顯示了三種算法在20,60和100個節(jié)點時,溫度監(jiān)測數(shù)據(jù)融合值的相對誤差。從圖2~圖4分析得出:改進(jìn)型分批估計自動適應(yīng)融合計算法的融合結(jié)果相對于算術(shù)平均法和分批估計融合算法更接近實際真值,其絕對誤差明顯小于算術(shù)平均法,這是因為算術(shù)平均法中具有無法避免的零點漂移以及仿真?zhèn)鞲衅髡`差造成的。分批估計融合算法相對于算術(shù)平均算法數(shù)據(jù)穩(wěn)定性好,但與本文算法相比融合誤差相對較大,這是由于在采集數(shù)據(jù)融合之前沒有對初始數(shù)據(jù)進(jìn)行預(yù)處理。綜上可見,本文改進(jìn)的分批估計自動適應(yīng)融合計算法在不同節(jié)點數(shù)量不同信噪比的情況下都有較低的融合誤差。
表1 監(jiān)測數(shù)據(jù)融合結(jié)果對比
圖2 20個溫度傳感節(jié)點時三種算法融合值相對誤差比較
圖3 60個溫度傳感節(jié)點時三種算法融合值相對誤差比較
圖4 100個溫度傳感節(jié)點時三種算法融合值相對誤差比較
本文提出了改進(jìn)型分批估計自動適應(yīng)融合計算法,算法首先對單個溫度傳感器節(jié)點一段時間內(nèi)的數(shù)據(jù)采用模糊集理論根據(jù)容許函數(shù)的閾值剔除誤差較大的傳感器數(shù)據(jù),然后對該溫度傳感器的數(shù)據(jù)進(jìn)行分批估計得出該節(jié)點某一段時間內(nèi)的最優(yōu)估計值,再得到所有節(jié)點的最優(yōu)估計值后,依據(jù)權(quán)值最優(yōu)分配原則對每組傳感器數(shù)據(jù)進(jìn)行組內(nèi)自適應(yīng)加權(quán)融合,從而計算得到該時刻溫室大棚的溫度精確值。改進(jìn)的算法應(yīng)用于溫室大棚的溫度監(jiān)測數(shù)據(jù)的融合處理。實踐結(jié)果表明:和算術(shù)平均法和分批估計算法相比,改進(jìn)型分批估計自動適應(yīng)融合計算法對在實際應(yīng)用過程中出現(xiàn)的異常數(shù)據(jù)進(jìn)行了有效的預(yù)處理,數(shù)據(jù)融合精度更高,穩(wěn)健性好。
[1]王素紅.基于ZigBee溫室大棚監(jiān)測系統(tǒng)的應(yīng)用研究[D].太原:中北大學(xué),2009:6-8.
[2]潘金珠,王興元,肖云龍,等.基于物聯(lián)網(wǎng)的溫室大棚系統(tǒng)設(shè)計[J].傳感器與微系統(tǒng),2014,33(10):51-54.
[3]王武禮,楊華.基于SHT11的糧倉溫濕度測控系統(tǒng)的設(shè)計[J].儀表技術(shù)與傳感器,2010(9):50-59.
[4]王康,王峰,蔣馥珍,等.無線傳感網(wǎng)絡(luò)數(shù)據(jù)融合算法的研究[J].電視技術(shù),2014,38(1):103-105.
[5]張揚,楊松濤,張香芝.一種模擬退火遺傳算法的傳感器網(wǎng)絡(luò)數(shù)據(jù)融合技術(shù)研究[J].計算機(jī)應(yīng)用研究,2012,29(5):1860-1864.
[6]張品,董為浩,高大冬.一種優(yōu)化的貝葉斯估計多傳感器數(shù)據(jù)融合方法[J].傳感技術(shù)學(xué)報,2014,27(5):644-647.
[7]邱立達(dá),劉天鍵,林南,等.基于深度學(xué)習(xí)模型的無線傳感器網(wǎng)絡(luò)數(shù)據(jù)融合算法[J].傳感技術(shù)學(xué)報,2014,27(12):1705-1709.
[8]丁蕾,廖同慶,陶亮.基于SVR的多傳感器數(shù)據(jù)融合處理方法[J].傳感技術(shù)學(xué)報,2011,24(5):710-712.
[9]Yager R R.The Power Average Operator[J].IEEE Transactions on Systems,Man,and Cybernetics,2001,31(6):724-731.
[10]熊迎軍,沈明霞,陸明洲,等.溫室無線傳感器網(wǎng)絡(luò)系統(tǒng)實時數(shù)據(jù)融合算法[J].農(nóng)業(yè)工程學(xué)報,2012,28(23):160-165.
[11]徐曉斌,張光衛(wèi),孫其博,等.一種誤差可控傳輸均衡的WSN數(shù)據(jù)融合算法[J].電子學(xué)報,2014,42(6):1206-1209.
[12]陳希孺.高等數(shù)理統(tǒng)計學(xué)[M].合肥:中國科學(xué)技術(shù)大學(xué)出版社,1999:78-92.
王華東(1977-),男,河南沈丘人,1996-2000年畢業(yè)于河南師范大學(xué)(新鄉(xiāng))計算機(jī)科學(xué)教育專業(yè);2000-2006年在周口師范學(xué)院計算機(jī)科學(xué)與技術(shù)學(xué)院任教;2006-2008年畢業(yè)于鄭州大學(xué)網(wǎng)絡(luò)工程專業(yè),2008年入職周口師范學(xué)院計算機(jī)科學(xué)與技術(shù)學(xué)院,目前的主要研究領(lǐng)域為計算機(jī)網(wǎng)絡(luò)與通信,無線傳感器網(wǎng)絡(luò)等,wanghuadong@zknu.edu.cn;
王大羽(1985-),女,河南周口人,碩士,講師,目前的主要研究領(lǐng)域為計算機(jī)應(yīng)用和計算機(jī)網(wǎng)絡(luò)等,wangdayu@zknu.edu.cn。
An Improved Multiple Wireless Sensor Data Batch Estimation Adaptive Weighted Fusion Algorithm*
WANG Huadong*,WANG Dayu
(Computer science and technology of Zhoukou Normal University,Zhoukou He'nan 466001,China)
To solve multiple wireless sensor monitoring data fusion in greenhouses the problem of low precision,this paper proposes a modified batch estimation adaptive weighted fusion algorithm.Firstly,the algorithm based on the allowable threshold function eliminate a large error data,which collected over by the wireless temperature sensor within a period of time,then,batch estimate these processed data to derive optimal estimation of the value of the node,after this optimal estimate of all wireless temperature sensor nodes in the region,according to the principle of optimal allocation of weights to adaptive weighted fusion Within the group,finally,the algorithm calculates over the period of time the greenhouse temperature exact values.Through the experiment shows:compared with batch estimation algorithm and the traditional method of average value,this algorithm is easy to realize data fusion,the fusion value relative error is lower,better robustness.
wireless sensor;data fusion;batch estimation;adaptive weighted;admissible function
TP274
A
1004-1699(2015)08-1239-05
??7230
10.3969/j.issn.1004-1699.2015.08.023
項目來源:河南省基礎(chǔ)與前沿技術(shù)研究項目(132300410479,142300410339)
2015-01-15 修改日期:2015-05-13