數(shù)據(jù)融合與信息融合課件

1、數(shù)據(jù)融合與信息融合傳感器數(shù)據(jù)融合的概念傳感器數(shù)據(jù)融合又稱數(shù)據(jù)融合，是對(duì)多種信息的獲取、表示及其內(nèi)在聯(lián)系進(jìn)行綜合處理和優(yōu)化的技術(shù)。傳感器數(shù)據(jù)融合技術(shù)從多信息的視角進(jìn)行處理及綜合，得到各種信息的內(nèi)在聯(lián)系和規(guī)律，從而剔除無用的和錯(cuò)誤的信息，保留正確的和有用的成分，最終實(shí)現(xiàn)信息的優(yōu)化。它為智能信息處理技術(shù)的研究提供了新的觀念。定義：將經(jīng)過集成處理的多傳感器信息進(jìn)行合成，形成一種對(duì)外部環(huán)境或被測(cè)對(duì)象某一特征的表達(dá)方式。多傳感器數(shù)據(jù)融合技術(shù)是通過對(duì)這些傳感器及其觀測(cè)信息的合理支配和使用，把多個(gè)傳感器在時(shí)間和空間上的冗余或互補(bǔ)信息依據(jù)某種準(zhǔn)則進(jìn)行組合，以獲取被觀測(cè)對(duì)象的一致性解釋或描述。單一傳感器只能獲得環(huán)

2、境或被測(cè)對(duì)象的部分信息段，而多傳感器信息經(jīng)過融合后能夠完善地、準(zhǔn)確地反映環(huán)境的特征。定義三個(gè)要點(diǎn)：（1）數(shù)據(jù)融合是多信源、多層次的處理過程，每個(gè)層次代表信息的不同抽象程度；（2）數(shù)據(jù)融合過程包括數(shù)據(jù)的檢測(cè)、關(guān)聯(lián)、估計(jì)與合并；（3）數(shù)據(jù)融合的輸出包括低層次上的狀態(tài)身份估計(jì)和高層次上的總戰(zhàn)術(shù)態(tài)勢(shì)的評(píng)估。 多傳感器數(shù)據(jù)融合包括：多傳感器的目標(biāo)探測(cè)、數(shù)據(jù)關(guān)聯(lián)、跟蹤與識(shí)別、情況評(píng)估和預(yù)測(cè)。基本目的：通過融合得到比單獨(dú)的各個(gè)輸入數(shù)據(jù)更多的信息。這一點(diǎn)是協(xié)同作用的結(jié)果，即由于多傳感器的共同作用，使系統(tǒng)的有效性得以增強(qiáng)。 多傳感器數(shù)據(jù)融合系統(tǒng)可更大程度獲取被探測(cè)目標(biāo)和環(huán)境的信息量。單傳感器信號(hào)處理或低層次的數(shù)

3、據(jù)處理方式只是對(duì)人腦信息處理的一種低水平模仿。實(shí)質(zhì)：一種多源信息的綜合技術(shù)，通過對(duì)來自不同傳感器的數(shù)據(jù)進(jìn)行分析和綜合，可以獲得被測(cè)對(duì)象及其性質(zhì)的最佳一致估計(jì)。多傳感器數(shù)據(jù)融合：將經(jīng)過集成處理的多種傳感器信息進(jìn)行合成，形成對(duì)外部環(huán)境某一特征的一種表達(dá)方式。數(shù)據(jù)融合的優(yōu)點(diǎn)增加了系統(tǒng)的生存能力擴(kuò)展了空間覆蓋范圍擴(kuò)展了時(shí)間覆蓋范圍提高了可信度降低了信息的模糊度改善了探測(cè)性能提高了空間分辨率增加了測(cè)量空間的維數(shù)信息融合組合：由多個(gè)傳感器組合成平行或互補(bǔ)方式來獲得多組數(shù)據(jù)輸出的一種處理方法，是一種最基本的方式，涉及的問題有輸出方式的協(xié)調(diào)、綜合以及傳感器的選擇。在硬件這一級(jí)上應(yīng)用。綜合：信息優(yōu)化處理中的一種

4、獲得明確信息的有效方法。例：在虛擬現(xiàn)實(shí)技術(shù)中，使用兩個(gè)分開設(shè)置的攝像機(jī)同時(shí)拍攝到一個(gè)物體的不同側(cè)面的兩幅圖像，綜合這兩幅圖像可以復(fù)原出一個(gè)準(zhǔn)確的有立體感的物體的圖像。融合：當(dāng)將傳感器數(shù)據(jù)組之間進(jìn)行相關(guān)或?qū)鞲衅鲾?shù)據(jù)與系統(tǒng)內(nèi)部的知識(shí)模型進(jìn)行相關(guān)，而產(chǎn)生信息的一個(gè)新的表達(dá)式。相關(guān)：通過處理傳感器信息獲得某些結(jié)果，不僅需要單項(xiàng)信息處理，而且需要通過相關(guān)來進(jìn)行處理，獲悉傳感器數(shù)據(jù)組之間的關(guān)系，從而得到正確信息，剔除無用和錯(cuò)誤的信息。相關(guān)處理的目的：對(duì)識(shí)別、預(yù)測(cè)、學(xué)習(xí)和記憶等過程的信息進(jìn)行綜合和優(yōu)化。信息融合在信息電子學(xué)的應(yīng)用 信息融合技術(shù)的實(shí)現(xiàn)和發(fā)展以信息電子學(xué)的原理、方法、技術(shù)為基礎(chǔ)。信息融合系統(tǒng)要

5、采用多種傳感器收集各種信息，包括聲、光、電、運(yùn)動(dòng)、視覺、觸覺、力覺以及語言文字等。信息融合技術(shù)中的分布式信息處理結(jié)構(gòu)通過無線網(wǎng)絡(luò)、有線網(wǎng)絡(luò)，智能網(wǎng)絡(luò)，寬帶智能綜合數(shù)字網(wǎng)絡(luò)等匯集信息，傳給融合中心進(jìn)行融合。除了自然(物理)信息外，信息融合技術(shù)還融合社會(huì)類信息，以語言文字為代表，涉及到大規(guī)模漢語資料庫、語言知識(shí)的獲取理論與方法、機(jī)器翻譯、自然語言解釋與處理技術(shù)等，信息融合采用分形、混沌、模糊推理、人工神經(jīng)網(wǎng)絡(luò)等數(shù)學(xué)和物理的理論及方法。它的發(fā)展方向是對(duì)非線性、復(fù)雜環(huán)境因素的不同性質(zhì)的信息進(jìn)行綜合、相關(guān)，從各個(gè)不同的角度去觀察、探測(cè)世界。信息融合在計(jì)算機(jī)科學(xué)的應(yīng)用 在計(jì)算機(jī)科學(xué)中，目前正開展著并行數(shù)據(jù)

6、庫、主動(dòng)數(shù)據(jù)庫、多數(shù)據(jù)庫的研究。信息融合要求系統(tǒng)能適應(yīng)變化的外部世界，因此，空間、時(shí)間數(shù)據(jù)庫的概念應(yīng)運(yùn)而生，為數(shù)據(jù)融合提供了保障。空間意味著不同種類的數(shù)據(jù)來自于不同的空間地點(diǎn)，時(shí)間意味著數(shù)據(jù)庫能隨時(shí)間的變化適應(yīng)客觀環(huán)境的相應(yīng)變化。信息融合處理過程要求有相應(yīng)的數(shù)據(jù)庫原理和結(jié)構(gòu)，以便融合隨時(shí)間、空間變化了的數(shù)據(jù)。在信息融合的思想下，提出的空間、時(shí)間數(shù)據(jù)庫，是計(jì)算機(jī)科學(xué)的一個(gè)重要的研究方向。信息融合在自動(dòng)化的應(yīng)用以各種控制理論為基礎(chǔ)，信息融合技術(shù)采用模糊控制、智能控制、進(jìn)化計(jì)算等系統(tǒng)理論，結(jié)合生物、經(jīng)濟(jì)、社會(huì)、軍事等領(lǐng)域的知識(shí)，進(jìn)行定性、定量分析。按照人腦的功能和原理進(jìn)行視覺、聽覺、觸覺、力覺、知覺

7、、注意、記憶、學(xué)習(xí)和更高級(jí)的認(rèn)識(shí)過程，將空間、時(shí)間的信息進(jìn)行融合，對(duì)數(shù)據(jù)和信息進(jìn)行自動(dòng)解釋，對(duì)環(huán)境和態(tài)勢(shì)給予判定。目前的控制技術(shù)，已從程序控制進(jìn)入了建立在信息融合基礎(chǔ)上的智能控制。智能控制系統(tǒng)不僅用于軍事，還應(yīng)用于工廠企業(yè)的生產(chǎn)過程控制和產(chǎn)供銷管理、城市建設(shè)規(guī)劃、道路交通管理、商業(yè)管理、金融管理與預(yù)測(cè)、地質(zhì)礦產(chǎn)資源管理、環(huán)境監(jiān)測(cè)與保護(hù)、糧食作物生長(zhǎng)監(jiān)測(cè)、災(zāi)害性天氣預(yù)報(bào)及防治等涉及宏觀、微觀和社會(huì)的各行各業(yè)。 信息融合層次的劃分主要有兩種方法。第一種方法是按照融合對(duì)象的層次不同，將信息融合劃分為低層（數(shù)據(jù)級(jí)或像素級(jí)）、中層（特征級(jí)）和高層（決策級(jí)）。另一種方法將是將傳感器集成和數(shù)據(jù)融合劃分為信號(hào)

8、級(jí)、證據(jù)級(jí)和動(dòng)態(tài)級(jí)。 信息融合的分類數(shù)據(jù)級(jí)融合(或像素級(jí)融合)對(duì)傳感器的原始數(shù)據(jù)及預(yù)處理各階段上產(chǎn)生的信息分別進(jìn)行融合處理。盡可能多地保持了原始信息，能夠提供其它兩個(gè)層次融合所不具有的細(xì)微信息。局限性：(1)由于所要處理的傳感器信息量大，故處理代價(jià)高；(2)融合是在信息最低層進(jìn)行的，由于傳感器的原始數(shù)據(jù)的不確定性、不完全性和不穩(wěn)定性，要求在融合時(shí)有較高的糾錯(cuò)能力；(3)由于要求各傳感器信息之間具有精確到一個(gè)像素的配準(zhǔn)精度，故要求傳感器信息來自同質(zhì)傳感器；(4)通信量大。監(jiān)測(cè)對(duì)象傳感器1特征提取傳感器2傳感器N數(shù)據(jù)融合識(shí)別決策數(shù)據(jù)級(jí)融合(或像素級(jí)融合)特征級(jí)融合 利用從各個(gè)傳感器原始數(shù)據(jù)中提取的

9、特征信息，進(jìn)行綜合分析和處理的中間層次過程。 通常所提取的特征信息應(yīng)是數(shù)據(jù)信息的充分表示量或統(tǒng)計(jì)量，據(jù)此對(duì)多傳感器信息進(jìn)行分類、匯集和綜合。 特征級(jí)融合分類：目標(biāo)狀態(tài)信息融合目標(biāo)特性融合。監(jiān)測(cè)對(duì)象特征融合傳感器1傳感器2傳感器N識(shí)別決策特征提取特征提取特征提取特征級(jí)融合分類 目標(biāo)狀態(tài)信息融合主要應(yīng)用于多傳感器目標(biāo)跟蹤領(lǐng)域。融合系統(tǒng)首先對(duì)傳感器數(shù)據(jù)進(jìn)行預(yù)處理以完成數(shù)據(jù)配準(zhǔn)。數(shù)據(jù)配準(zhǔn)后，融合處理主要實(shí)現(xiàn)參數(shù)相關(guān)和狀態(tài)矢量估計(jì)。目標(biāo)特性融合特征層聯(lián)合識(shí)別，具體的融合方法仍是模式識(shí)別的相應(yīng)技術(shù)，只是在融合前必須先對(duì)特征進(jìn)行相關(guān)處理，對(duì)特征矢量進(jìn)行分類組合。在模式識(shí)別、圖像處理和計(jì)算機(jī)視覺等領(lǐng)域，已經(jīng)對(duì)

10、特征提取和基于特征的分類問題進(jìn)行了深入的研究，有許多方法可以借用。決策級(jí)融合 在信息表示的最高層次上進(jìn)行的融合處理。不同類型的傳感器觀測(cè)同一個(gè)目標(biāo)，每個(gè)傳感器在本地完成預(yù)處理、特征抽取、識(shí)別或判斷，以建立對(duì)所觀察目標(biāo)的初步結(jié)論，然后通過相關(guān)處理、決策級(jí)融合判決，最終獲得聯(lián)合推斷結(jié)果，從而直接為決策提供依據(jù)。 因此，決策級(jí)融合是直接針對(duì)具體決策目標(biāo)，充分利用特征級(jí)融合所得出的目標(biāo)各類特征信息，并給出簡(jiǎn)明而直觀的結(jié)果。決策級(jí)融合優(yōu)點(diǎn)：實(shí)時(shí)性最好在一個(gè)或幾個(gè)傳感器失效時(shí)仍能給出最終決策，因此具有良好的容錯(cuò)性。監(jiān)測(cè)對(duì)象決策融合傳感器1傳感器2傳感器N決策特征提取特征提取特征提取識(shí)別識(shí)別識(shí)別決策級(jí)融合信

11、息融合過程 首先將被測(cè)對(duì)象它們轉(zhuǎn)換為電信號(hào)，然后經(jīng)過AD變換將它們轉(zhuǎn)換為數(shù)字量。數(shù)字化后電信號(hào)需經(jīng)過預(yù)處理，以濾除數(shù)據(jù)采集過程中的干擾和噪聲。對(duì)經(jīng)處理后的有用信號(hào)作特征抽取，再進(jìn)行數(shù)據(jù)融合；或者直接對(duì)信號(hào)進(jìn)行數(shù)據(jù)融合。最后，輸出融合的結(jié)果。信息融合結(jié)構(gòu)形式三種結(jié)構(gòu)形式：串聯(lián)、并聯(lián)和混合融合形式。1. 加權(quán)平均 2. 嵌入約束法：卡爾曼濾波、貝葉斯估計(jì) 3. 多貝葉斯方法 4. 統(tǒng)計(jì)決策理論 5. 證據(jù)組合法：概率統(tǒng)計(jì)方法、 Dempster-Shafer證據(jù)推理法 6. 模糊邏輯法 7. 產(chǎn)生式規(guī)則法 8. 神經(jīng)網(wǎng)絡(luò)方法 信息融合的一般方法1. 加權(quán)平均 加權(quán)平均是最簡(jiǎn)單、最直觀的數(shù)據(jù)融合方法

12、。該方法將一組傳感器提供的冗余信息進(jìn)行加權(quán)平均，結(jié)果作為融合值。 由多種傳感器所獲得的客觀環(huán)境(即被測(cè)對(duì)象)的多組數(shù)據(jù)，就是客觀環(huán)境按照某種映射關(guān)系形成的像，信息融合就是通過像求解原像，即對(duì)客觀環(huán)境加以了解。 用數(shù)學(xué)語言描述就是，所有傳感器的全部信息，也只能描述環(huán)境的某些方面的特征，而具有這些特征的環(huán)境卻有很多，要使一組數(shù)據(jù)對(duì)應(yīng)惟一的環(huán)境(即上述映射為一一映射)，就必須對(duì)映射的原像和映射本身加約束條件，使問題能有惟一的解。嵌入約束法最基本的方法：Bayes估計(jì)和卡爾曼濾波2. 嵌入約束法Bayes估計(jì)是融合靜態(tài)環(huán)境中多傳感器低層數(shù)據(jù)的一種常用方法。其信息描述為概率分布，適用于具有可加高斯噪聲的

13、不確定性信息。假定完成任務(wù)所需的有關(guān)環(huán)境的特征物用向量f表示，通過傳感器獲得的數(shù)據(jù)信息用向量d來表示，d和f都可看作是隨機(jī)向量。信息融合的任務(wù)就是由數(shù)據(jù)d推導(dǎo)和估計(jì)環(huán)境f。假設(shè)p(f，d)為隨機(jī)向量f和d的聯(lián)合概率分布密度函數(shù)，則上式為概率論中的Bayes公式，是嵌入約束法的核心。 信息融合通過數(shù)據(jù)信息d做出對(duì)環(huán)境f的推斷，即求解p(f|d)。由Bayes公式知，只須知道p(d|f)和p(f)即可。因?yàn)閜(d)可看作是使p(f|d)p(f)成為概率密度函數(shù)的歸一化常數(shù)，p(d|f)是在已知客觀環(huán)境變量f的情況下，傳感器得到的d關(guān)于f的條件密度。當(dāng)環(huán)境情況和傳感器性能已知時(shí)，p(f|d)由決定環(huán)

14、境和傳感器原理的物理規(guī)律完全確定。而p(f)可通過先驗(yàn)知識(shí)的獲取和積累，逐步漸近準(zhǔn)確地得到，因此，一般總能對(duì)p(f)有較好的近似描述。 在嵌入約束法中，反映客觀環(huán)境和傳感器性能與原理的各種約束條件主要體現(xiàn)在p(f|d) 中，而反映主觀經(jīng)驗(yàn)知識(shí)的各種約束條件主要體現(xiàn)在p(f)中。 在傳感器信息融合的實(shí)際應(yīng)用過程中，通常的情況是在某一時(shí)刻從多種傳感器得到一組數(shù)據(jù)信息d，由這一組數(shù)據(jù)給出當(dāng)前環(huán)境的一個(gè)估計(jì)f。因此,實(shí)際中應(yīng)用較多的方法是尋找最大后驗(yàn)估計(jì)g，即即最大后驗(yàn)估計(jì)是在已知數(shù)據(jù)為d的條件下，使后驗(yàn)概率密度p(f)取得最大值得點(diǎn)g，根據(jù)概率論，最大后驗(yàn)估計(jì)g滿足當(dāng)p(f)為均勻分布時(shí)，最大后驗(yàn)估

15、計(jì)g滿足 此時(shí)，最大后驗(yàn)概率也稱為極大似然估計(jì)。當(dāng)傳感器組的觀測(cè)坐標(biāo)一致時(shí)，可以用直接法對(duì)傳感器測(cè)量數(shù)據(jù)進(jìn)行融合。在大多數(shù)情況下，多傳感器從不同的坐標(biāo)框架對(duì)環(huán)境中同一物體進(jìn)行描述，這時(shí)傳感器測(cè)量數(shù)據(jù)要以間接的方式采用Bayes估計(jì)進(jìn)行數(shù)據(jù)融合。間接法要解決的問題是求出與多個(gè)傳感器讀數(shù)相一致的旋轉(zhuǎn)矩陣R和平移矢量H。在傳感器數(shù)據(jù)進(jìn)行融合之前，必須確保測(cè)量數(shù)據(jù)代表同一實(shí)物，即要對(duì)傳感器測(cè)量進(jìn)行一致性檢驗(yàn)。常用以下距離公式來判斷傳感器測(cè)量信息的一致：式中x1和x2為兩個(gè)傳感器測(cè)量信號(hào)，C為與兩個(gè)傳感器相關(guān)聯(lián)的方差陣，當(dāng)距離T小于某個(gè)閾值時(shí)，兩個(gè)傳感器測(cè)量值具有一致性。這種方法的實(shí)質(zhì)是剔除處于誤差狀態(tài)

16、的傳感器信息而保留“一致傳感器”數(shù)據(jù)計(jì)算融合值。 卡爾曼濾波(KF) 用于實(shí)時(shí)融合動(dòng)態(tài)的低層次冗余傳感器數(shù)據(jù)，該方法用測(cè)量模型的統(tǒng)計(jì)特性，遞推決定統(tǒng)計(jì)意義下最優(yōu)融合數(shù)據(jù)合計(jì)。如果系統(tǒng)具有線性動(dòng)力學(xué)模型，且系統(tǒng)噪聲和傳感器噪聲可用高斯分布的白噪聲模型來表示，KF為融合數(shù)據(jù)提供惟一的統(tǒng)計(jì)意義下的最優(yōu)估計(jì)，KF的遞推特性使系統(tǒng)數(shù)據(jù)處理不需大量的數(shù)據(jù)存儲(chǔ)和計(jì)算。 KF分為分散卡爾曼濾波(DKF)和擴(kuò)展卡爾曼濾波(EKF)。 DKF可實(shí)現(xiàn)多傳感器數(shù)據(jù)融合完全分散化，其優(yōu)點(diǎn)：每個(gè)傳感器節(jié)點(diǎn)失效不會(huì)導(dǎo)致整個(gè)系統(tǒng)失效。而EKF的優(yōu)點(diǎn)：可有效克服數(shù)據(jù)處理不穩(wěn)定性或系統(tǒng)模型線性程度的誤差對(duì)融合過程產(chǎn)生的影響。 應(yīng)

17、用卡爾曼濾波器對(duì)n個(gè)傳感器的測(cè)量數(shù)據(jù)進(jìn)行融合后，既可以獲得系統(tǒng)的當(dāng)前狀態(tài)估計(jì)，又可以預(yù)報(bào)系統(tǒng)的未來狀態(tài)。 應(yīng)用領(lǐng)域：目標(biāo)識(shí)別、機(jī)器人導(dǎo)航、多目標(biāo)跟蹤、慣性導(dǎo)航和遙感等。 嵌入約束法傳感器信息融合的最基本方法之一。其缺點(diǎn)：需要對(duì)多源數(shù)據(jù)的整體物理規(guī)律有較好的了解，才能準(zhǔn)確地獲得p(d|f)，但需要預(yù)知先驗(yàn)分布p(f)。3. 多貝葉斯方法 DurrantWhyte將任務(wù)環(huán)境表示為不確定幾何物體集合的多傳感器模型，提出了傳感器信息融合的多貝葉斯估計(jì)方法。多貝葉斯估計(jì)把每個(gè)傳感器作為一個(gè)貝葉斯估計(jì)，將各單獨(dú)物體的關(guān)聯(lián)概率分布組合成一個(gè)聯(lián)合后驗(yàn)概率分布函數(shù)，通過使聯(lián)合分布函數(shù)的似然函數(shù)最小，可以得到多傳

18、感器信息的最終融合值。 4. 統(tǒng)計(jì)決策理論 與多貝葉斯估計(jì)不同，統(tǒng)計(jì)決策理論中的不確定性為可加噪聲，從而不確定性的適應(yīng)范圍更廣。不同傳感器觀測(cè)到的數(shù)據(jù)必須經(jīng)過一個(gè)魯棒綜合測(cè)試以檢驗(yàn)它的一致性，經(jīng)過一致性檢驗(yàn)的數(shù)據(jù)用魯棒極值決策規(guī)則融合。 5. 證據(jù)組合法由Dempster首先提出，由Shafer發(fā)展。 一種不精確推理理論，貝葉斯方法的擴(kuò)展。貝葉斯方法必須給出先驗(yàn)概率， 證據(jù)理論則能夠處理這種由不知道引起的不確定性。在多傳感器數(shù)據(jù)融合系統(tǒng)中，每個(gè)信息源提供了一組證據(jù)和命題，并且建立了一個(gè)相應(yīng)的質(zhì)量分布函數(shù)。因此，每一個(gè)信息源就相當(dāng)于一個(gè)證據(jù)體。在同一個(gè)鑒別框架下， 將不同的證據(jù)體通過Dempst

19、er合并規(guī)則并成一個(gè)新的證據(jù)體，并計(jì)算證據(jù)體的似真度，最后用某一決策選擇規(guī)則，獲得最后的結(jié)果。 證據(jù)組合法認(rèn)為完成某項(xiàng)智能任務(wù)是依據(jù)有關(guān)環(huán)境某方面的信息做出幾種可能的決策，而多傳感器數(shù)據(jù)信息在一定程度上反映環(huán)境這方面的情況。因此，分析每一數(shù)據(jù)作為支持某種決策證據(jù)的支持程度，并將不同傳感器數(shù)據(jù)的支持程度進(jìn)行組合，即證據(jù)組合，分析得出現(xiàn)有組合證據(jù)支持程度最大的決策作為信息融合的結(jié)果。 證據(jù)組合法是對(duì)完成某一任務(wù)的需要而處理多種傳感器的數(shù)據(jù)信息，完成某項(xiàng)智能任務(wù)，實(shí)際是做出某項(xiàng)行動(dòng)決策。它先對(duì)單個(gè)傳感器數(shù)據(jù)信息每種可能決策的支持程度給出度量(即數(shù)據(jù)信息作為證據(jù)對(duì)決策的支持程度)，再尋找一種證據(jù)組合方

20、法或規(guī)則，在已知兩個(gè)不同傳感器數(shù)據(jù)(即證據(jù))對(duì)決策的分別支持程度時(shí)，通過反復(fù)運(yùn)用組合規(guī)則，最終得出全體數(shù)據(jù)信息的聯(lián)合體對(duì)某決策總的支持程度。得到最大證據(jù)支持決策，即信息融合的結(jié)果。證據(jù)組合法較嵌入約束法優(yōu)點(diǎn)：(1)對(duì)多種傳感器數(shù)據(jù)間的物理關(guān)系不必準(zhǔn)確了解，即無須準(zhǔn)確地建立多種傳感器數(shù)據(jù)體的模型；(2)通用性好，可以建立一種獨(dú)立于各類具體信息融合問題背景形式的證據(jù)組合方法，有利于設(shè)計(jì)通用的信息融合軟、硬件產(chǎn)品；(3)人為的先驗(yàn)知識(shí)可以視同數(shù)據(jù)信息一樣，賦予對(duì)決策的支持程度，參與證據(jù)組合運(yùn)算。常用證據(jù)組合方法：概率統(tǒng)計(jì)方法、Dempster-Shafer證據(jù)推理利用證據(jù)組合進(jìn)行數(shù)據(jù)融合的關(guān)鍵在于：

21、選擇合適的數(shù)學(xué)方法描述證據(jù)、決策和支持程度等概念建立快速、可靠并且便于實(shí)現(xiàn)的通用證據(jù)組合算法結(jié)構(gòu)概率統(tǒng)計(jì)方法假設(shè)一組隨機(jī)向量x1，x2，xn分別表示n個(gè)不同傳感器得到的數(shù)據(jù)信息，根據(jù)每一個(gè)數(shù)據(jù)xi可對(duì)所完成的任務(wù)做出一決策di。xi的概率分布為pai(xi)， ai為該分布函數(shù)中的未知參數(shù)，若參數(shù)已知時(shí)，則xi的概率分布就完全確定了。用非負(fù)函數(shù)L(ai ，di)表示當(dāng)分布參數(shù)確定為ai時(shí)，第i個(gè)信息源采取決策dj時(shí)所造成的損失函數(shù)。在實(shí)際問題中， ai是未知的，因此，當(dāng)?shù)玫絰i時(shí)，并不能直接從損失函數(shù)中定出最優(yōu)決策。先由xi做出ai的一個(gè)估計(jì)，記為ai(xi)，再由損失函數(shù)L ai(xi),d

22、i決定出損失最小的決策。其中利用xi估計(jì)ai的估計(jì)量ai(xi) 有很多種方法。概率統(tǒng)計(jì)方法適用于分布式傳感器目標(biāo)識(shí)別和跟蹤信息融合問題Dempster-Shafer證據(jù)推理(簡(jiǎn)稱D-S推理)假設(shè)F為所有可能證據(jù)所構(gòu)成的有限集，為集合F中的某個(gè)元素即某個(gè)證據(jù)，首先引入信任函數(shù)B(f)0，1表示每個(gè)證據(jù)的信任程度：從上式可知，信任函數(shù)是概率概念的推廣，因?yàn)閺母怕收摰闹R(shí)出發(fā)，上式應(yīng)取等號(hào)。 引入基礎(chǔ)概率分配函數(shù)m(f)0，1 由基礎(chǔ)概率分配函數(shù)定義與之相對(duì)應(yīng)的信任函數(shù)： 當(dāng)利用N個(gè)傳感器檢測(cè)環(huán)境M個(gè)特征時(shí)，每一個(gè)特征為F中的個(gè)元素。第i個(gè)傳感器在第k-1時(shí)刻所獲得的包括k1時(shí)刻前關(guān)于第j個(gè)特征的

23、所有證據(jù)，用基礎(chǔ)概率分配函數(shù)表示，其中i=1，2，m。第i個(gè)傳感器在第k時(shí)刻所獲得的關(guān)于第j個(gè)特征的新證據(jù)用基礎(chǔ)概率分配函數(shù)表示。由和可獲得第i個(gè)傳感器在第k時(shí)刻關(guān)于第j個(gè)特征的聯(lián)合證據(jù)。類似地，利用證據(jù)組合算法，由和可獲得在k時(shí)刻關(guān)于第j個(gè)特征的第i個(gè)傳感器和第i+1個(gè)傳感器的聯(lián)合證據(jù)。如此遞推下去，可獲得所有N個(gè)傳感器在k時(shí)刻對(duì)j特征的信任函數(shù)，信任度最大的即為信息融合過程最終判定的環(huán)境特征。 D-S證據(jù)推理優(yōu)點(diǎn)：算法確定后，無論是靜態(tài)還是時(shí)變的動(dòng)態(tài)證據(jù)組合，其具體的證據(jù)組合算法都有一共同的算法結(jié)構(gòu)。但其缺點(diǎn)：當(dāng)對(duì)象或環(huán)境的識(shí)別特征數(shù)增加時(shí)，證據(jù)組合的計(jì)算量會(huì)以指數(shù)速度增長(zhǎng)。6. 模糊邏輯

24、法 模糊邏輯實(shí)質(zhì)上是一種多值邏輯，在多傳感器數(shù)據(jù)融合中，將每個(gè)命題及推理算子賦予0到1間的實(shí)數(shù)值，以表示其在登記處融合過程中的可信程度，又被稱為確定性因子，然后使用多值邏輯推理法，利用各種算子對(duì)各種命題（即各傳感源提供的信息）進(jìn)行合并運(yùn)算，從而實(shí)現(xiàn)信息的融合。7. 產(chǎn)生式規(guī)則法 人工智能中常用的控制方法。產(chǎn)生式規(guī)則法中的規(guī)則一般要通過對(duì)具體使用的傳感器的特性及環(huán)境特性進(jìn)行分析后歸納出來的，不具有一般性，即系統(tǒng)改換或增減傳感器時(shí)，其規(guī)則要重新產(chǎn)生。特點(diǎn)：系統(tǒng)擴(kuò)展性較差，但推理較明了，易于系統(tǒng)解釋，所以也有廣泛的應(yīng)用范圍。 8. 人工神經(jīng)網(wǎng)絡(luò)法通過模仿人腦的結(jié)構(gòu)和工作原理，設(shè)計(jì)和建立相應(yīng)的機(jī)器和模

25、型并完成一定的智能任務(wù)。神經(jīng)網(wǎng)絡(luò)根據(jù)當(dāng)前系統(tǒng)所接收到的樣本的相似性，確定分類標(biāo)準(zhǔn)。這種確定方法主要表現(xiàn)在網(wǎng)絡(luò)權(quán)值分布上，同時(shí)可采用神經(jīng)網(wǎng)絡(luò)特定的學(xué)習(xí)算法來獲取知識(shí)，得到不確定性推理機(jī)制。神經(jīng)網(wǎng)絡(luò)多傳感器信息融合的實(shí)現(xiàn)，分三個(gè)重要步驟：根據(jù)智能系統(tǒng)要求及傳感器信息融合的形式，選擇其拓?fù)浣Y(jié)構(gòu)；各傳感器的輸入信息綜合處理為一總體輸入函數(shù)，并將此函數(shù)映射定義為相關(guān)單元的映射函數(shù),通過神經(jīng)網(wǎng)絡(luò)與環(huán)境的交互作用把環(huán)境的統(tǒng)計(jì)規(guī)律反映網(wǎng)絡(luò)本身結(jié)構(gòu)；對(duì)傳感器輸出信息進(jìn)行學(xué)習(xí)、理解，確定權(quán)值的分配，完成知識(shí)獲取信息融合，進(jìn)而對(duì)輸入模式做出解釋，將輸入數(shù)據(jù)向量轉(zhuǎn)換成高層邏輯(符號(hào))概念?；谏窠?jīng)網(wǎng)絡(luò)的傳感器信息融合

26、特點(diǎn)：具有統(tǒng)一的內(nèi)部知識(shí)表示形式，通過學(xué)習(xí)算法可將網(wǎng)絡(luò)獲得的傳感器信息進(jìn)行融合，獲得相應(yīng)網(wǎng)絡(luò)的參數(shù)，并且可將知識(shí)規(guī)則轉(zhuǎn)換成數(shù)字形式，便于建立知識(shí)庫；利用外部環(huán)境的信息，便于實(shí)現(xiàn)知識(shí)自動(dòng)獲取及并行聯(lián)想推理；能夠?qū)⒉淮_定環(huán)境的復(fù)雜關(guān)系，經(jīng)過學(xué)習(xí)推理，融合為系統(tǒng)能理解的準(zhǔn)確信號(hào)；由于神經(jīng)網(wǎng)絡(luò)具有大規(guī)模并行處理信息能力，使得系統(tǒng)信息處理速度很快。神經(jīng)網(wǎng)絡(luò)的優(yōu)越性和強(qiáng)大的非線性處理能力，能夠很好的滿足多傳感器數(shù)據(jù)融合技術(shù)的要求。神經(jīng)網(wǎng)絡(luò)具有較強(qiáng)的容錯(cuò)性和自組織、自學(xué)習(xí)、自適應(yīng)能力，能夠?qū)崿F(xiàn)復(fù)雜的映射?；谏窠?jīng)網(wǎng)絡(luò)的多傳感器信息融合 處理過程(l)用選定的N個(gè)傳感器檢測(cè)系統(tǒng)狀態(tài)；(2)采集N個(gè)傳感器的測(cè)量

27、信號(hào)并進(jìn)行預(yù)處理；(3)對(duì)預(yù)處理后的N個(gè)傳感器信號(hào)進(jìn)行特征選擇；(4)對(duì)特征信號(hào)進(jìn)行歸一化處理，為神經(jīng)網(wǎng)絡(luò)的輸入提供標(biāo)準(zhǔn)形式；(5)將歸一化的特征信息與已知的系統(tǒng)狀態(tài)信息作為訓(xùn)練樣本，送神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，直到滿足要求為止。該訓(xùn)練好的網(wǎng)絡(luò)作為已知網(wǎng)絡(luò)，只要將歸一化的多傳感器特征信息作為輸入送人該網(wǎng)絡(luò)，則網(wǎng)絡(luò)輸出就是被測(cè)系統(tǒng)的狀態(tài)。一. 信息融合的民事應(yīng)用領(lǐng)域工業(yè)過程監(jiān)視及工業(yè)機(jī)器人遙感與金融系統(tǒng)空中交通管制與病人照顧系統(tǒng)船舶避碰與交通管制系統(tǒng)生物特征的身份識(shí)別二. 信息融合技術(shù)軍事上的應(yīng)用采用多傳感器的自主式武器系統(tǒng)和自備式運(yùn)載器情報(bào)收集系統(tǒng)采用多傳感器進(jìn)行截獲、跟蹤和指揮制導(dǎo)的火控系統(tǒng)軍事力量

28、的指揮和控制站敵情指示和預(yù)警系統(tǒng)傳感器信息融合的實(shí)例一種雷達(dá)測(cè)量的信息融合結(jié)構(gòu)傳感器故障檢測(cè)系統(tǒng)信息融合系統(tǒng)結(jié)構(gòu)的實(shí)例局部處理器局部處理器 外部邏輯中央處理器傳感器信號(hào)傳感器信號(hào)先驗(yàn)信息修正信息先驗(yàn)信息修正信息控制和信息融合計(jì)算機(jī)自主移動(dòng)裝配機(jī)器人裝配機(jī)械手力覺傳感器觸覺傳感器視覺傳感器超聲波傳感器激光測(cè)距傳感器多傳感器信息融合自主移動(dòng)裝配機(jī)器人機(jī)器人中的傳感器信息融合 多傳感器在移動(dòng)機(jī)器人中的應(yīng)用外界環(huán)境視覺視覺超聲波傳感器紅外接近覺立體視覺地標(biāo)識(shí)別障礙探測(cè)目標(biāo)物探測(cè)景物識(shí)別內(nèi)部傳感器融合力覺觸覺環(huán)境模型定位避障操作規(guī)劃學(xué)習(xí)路徑規(guī)劃任務(wù)規(guī)劃：執(zhí)行機(jī)構(gòu)控制指令感覺功能海軍艦船傳感器信息融合系統(tǒng)

29、行掃描處理器紅外探測(cè)器 直流偏壓AGC搜索器萬向支架慣性導(dǎo)航系統(tǒng)圖像攝像機(jī)萬向支架圖像處理共享存儲(chǔ)器數(shù)據(jù)融合處理器環(huán)境控制顯示記錄人機(jī)界面圖像攝像機(jī)傳感器艦船上的傳感器信息融合 傳感器信號(hào)處理ADC單片機(jī)顯示翻譯1 Ren C.Luo, Michael G.Kay. Multisensor Integration and Fusion in Intelligent Systems. IEEE Transactions on Systems, Man, and Cybernetics, 1989, 19(5): 901-931.2 P. K. Varshney. Multisensor Data

30、 Fusion. Electronics & Communication Engineering Journal, 1997, 12: 245-253.3 M. Kokar, K. Kim. Review of Multisensor Data Fusion Architectures and Techniques. In: Proceedings of the 1993 International Symposium on Intelligent Control. Chicago:1993, 261-266.4 Ren C. Luo. Chih-Chen Yih. Kuo Lan Su. M

31、ultisensor Fusion and Integration: Approaches, Applications, and Future Research Directions. IEEE Sensors Journal. 2002, 2(2):107-119.5 Dale Umbach, Kerry N. Jones. A Few Methods for Fitting Cireles to Data. IEEE Transactions on Instrumentation and Measurement, 2003,52(6):1881-1885. Syllabus傳感器網(wǎng)絡(luò)概述無

32、線傳感器網(wǎng)絡(luò)應(yīng)用信息融合技術(shù)信息獲取的意義信息處理流程信息獲取信息傳遞信息處理信息認(rèn)知信息再生信息執(zhí)行(全信息角度)信息獲取傳遞計(jì)算/處理智能/控制（利用角度）信息的來源直接信息：人獲取信息是靠器官完成，獲取的信息量受限間接信息：科學(xué)技術(shù)的發(fā)展，獲取信息的渠道增多語言信息、文字信息、照像、攝像等，聲光電的轉(zhuǎn)換成為信息獲取的主體，如網(wǎng)絡(luò)、電視、廣播、雜志等信息獲取的方式傳感器感知實(shí)現(xiàn)信息采集，通過網(wǎng)絡(luò)通信的方式，將信息傳遞出去，進(jìn)而實(shí)現(xiàn)信息的認(rèn)知與利用網(wǎng)絡(luò)信息檢索通過搜索引擎進(jìn)行操作數(shù)據(jù)采集系統(tǒng)傳感器信號(hào)處理ADC計(jì)算機(jī)/單片機(jī)顯示信號(hào)處理DAC非電量傳感器介紹在機(jī)電一體化系統(tǒng)中有各種不同的物理

33、量(如位移、壓力、速度等)需要測(cè)量與控制，如果沒有傳感器對(duì)原始的各種參數(shù)進(jìn)行精確而可靠的檢測(cè)，那么對(duì)機(jī)電產(chǎn)品的各種控制是無法實(shí)現(xiàn)的。因此能把各種不同的非電量轉(zhuǎn)換成電量的傳感器便成為機(jī)電一體化系統(tǒng)中不可缺少的組成部分。作為一個(gè)獨(dú)立器件，傳感器的發(fā)展正進(jìn)入集成化、智能化研究階段。把傳感器件與信號(hào)處理電路集成在一個(gè)芯片上，就形成了信息型傳感器；若再把微處理器集成到信息型傳感器的芯片上，就是所謂的智能型傳感器。 傳感器的定義傳感器傳感器是一種以一定的精確度將被測(cè)量(如位移、力、加速度等)轉(zhuǎn)換為與之有確定對(duì)應(yīng)關(guān)系的、易于精確處理和測(cè)量的某種物理量(如電量)的測(cè)量部件或裝置。傳感器的組成傳感器由敏感元件、

34、轉(zhuǎn)換元件、電子線路等組成。敏感元件：直接感受被測(cè)量、并以確定關(guān)系輸出物理量。如彈性敏元件將力轉(zhuǎn)換為位移或應(yīng)變輸出。轉(zhuǎn)換元件：將敏感元件輸出的非電物理量(如位移、應(yīng)變、光強(qiáng))轉(zhuǎn)換成電量參數(shù)(如電阻、電感、電容)等?；巨D(zhuǎn)換電路：將電路參數(shù)量轉(zhuǎn)換成便于測(cè)量的電量，如電壓、電流、頻率等。直接轉(zhuǎn)換與間接轉(zhuǎn)換敏感元件轉(zhuǎn)換元件電子線路電量被測(cè)量傳感器的分類傳感器的分類方法有多種 按被測(cè)物理量的性質(zhì)分位移傳感器、溫度傳感器、壓力傳感器等按工作機(jī)理分電阻式、電感式、電容式、光電式按輸出信號(hào)的性質(zhì)分類可分為開關(guān)型(二值型) 、數(shù)字型和模擬型按信息的傳遞方式有線傳感器無線傳感器，研究熱點(diǎn)傳感器的分類傳感器網(wǎng)絡(luò)基本

35、概念計(jì)算設(shè)備：越來越小型化，高效低能巨型機(jī)-小型機(jī)-工作站-PC-PDA-WSN節(jié)點(diǎn)-生物芯片網(wǎng)絡(luò)設(shè)施：連網(wǎng)和數(shù)據(jù)交換需求越來強(qiáng)計(jì)算設(shè)備無處不在、聯(lián)網(wǎng)無處不在;設(shè)備之間數(shù)據(jù)傳輸量越來越大信息處理：內(nèi)容主導(dǎo)由數(shù)據(jù)為中心-內(nèi)容為中心傳感器網(wǎng)絡(luò)一組傳感器節(jié)點(diǎn)，自組織方式, 協(xié)作地感知、采集和處理感知對(duì)象的信息, 并匯聚給觀察者. 造價(jià)低、能量敏感、通信能力有限、計(jì)算能力弱、動(dòng)態(tài)變化Mica2dotMica2配置較低：如Mica2 CPUAtmel 128 (8MHz, 8bit)存儲(chǔ)128K Flash, 4K RAM, 4K EEPROM通信能力:范圍: 500 feet數(shù)據(jù)速率: 38.4Kba

36、ud局限于標(biāo)量信息壓力、濕度、溫度、光、震動(dòng), 等.節(jié)點(diǎn)能力有限 無線傳感器網(wǎng)絡(luò)概述無線網(wǎng)絡(luò)的分類WSN概述無線傳感器網(wǎng)絡(luò)（wireless sensor network, WSN）系統(tǒng)是當(dāng)前在國(guó)際上備受關(guān)注的、涉及多學(xué)科高度交叉、知識(shí)高度集成的前沿?zé)狳c(diǎn)研究領(lǐng)域。它綜合了傳感器技術(shù)、嵌入式計(jì)算技術(shù)、現(xiàn)代網(wǎng)絡(luò)及無線通信技術(shù)、分布式信息處理技術(shù)等。WSN概述（續(xù)）無線傳感器網(wǎng)絡(luò)（wireless sensor network, WSN）就是由部署在檢測(cè)區(qū)域內(nèi)大量的廉價(jià)衛(wèi)星傳感器節(jié)點(diǎn)組成，通過無線通信方式形成的一個(gè)多跳的自組織的網(wǎng)絡(luò)系統(tǒng)，目的是協(xié)作地感知、采集和處理網(wǎng)絡(luò)覆蓋區(qū)域中感知的對(duì)象信息，并發(fā)

37、送給觀察者?；ヂ?lián)網(wǎng)和衛(wèi)星任務(wù)管理節(jié)點(diǎn)用戶匯聚節(jié)點(diǎn)監(jiān)測(cè)區(qū)域傳感器節(jié)點(diǎn)BACWSN概述（續(xù)）影響力美國(guó)商業(yè)周刊和MIT技術(shù)評(píng)論在預(yù)測(cè)未來技術(shù)發(fā)展報(bào)告中將無線傳感器網(wǎng)絡(luò)列為21世紀(jì)最有影響的21項(xiàng)技術(shù)和改變世界的10大技術(shù)之一。傳感器網(wǎng)絡(luò)被列為未來3大高科技產(chǎn)業(yè)一。美國(guó)的技術(shù)評(píng)論將無線傳感器網(wǎng)絡(luò)列為第一項(xiàng)未來新興技術(shù)。商業(yè)周刊 預(yù)測(cè)的未來4大新技術(shù)中，無線傳感器網(wǎng)絡(luò)也列入其中等。WSN技術(shù)的歷史及發(fā)展現(xiàn)狀國(guó)外：起源于美國(guó)，根源可追溯到1978年由國(guó)防部高級(jí)研究計(jì)劃署在卡內(nèi)基-梅隆大學(xué)發(fā)起的分布式傳感器研討會(huì)具有代表性的項(xiàng)目包括：1993-1999年間由美國(guó)國(guó)防高級(jí)研究計(jì)劃署資助，加州大學(xué)洛杉磯分校(

38、UCLA)承擔(dān)的WINS項(xiàng)目1999-2001年DAPRA資助UCBerkeley承擔(dān)的SmartDust項(xiàng)目1998-2002年DARPA資助，加州大學(xué)伯克利分校等25個(gè)機(jī)構(gòu)聯(lián)合承擔(dān)的SensIT計(jì)劃 1999-2004年間海軍研究辦公室的SeaWeb計(jì)劃等歷史以及發(fā)展現(xiàn)狀（續(xù)）國(guó)內(nèi)：中國(guó)的一些研究機(jī)構(gòu)近年開始研究：中國(guó)科學(xué)技術(shù)大學(xué)、清華大學(xué)、中科院計(jì)算所、上海微系統(tǒng)所、沈陽自動(dòng)化所以及合肥智能所等研究單位 。之所以國(guó)內(nèi)外都投入巨資研究機(jī)構(gòu)紛紛開展無線傳感器網(wǎng)絡(luò)的研究，很大程度歸功于其廣闊的應(yīng)用前景和對(duì)社會(huì)生活的巨大影響。單層WSN拓?fù)浣Y(jié)構(gòu)圖簇簇首簇成員層次型網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)在層次型無線傳感器網(wǎng)

39、絡(luò)中，網(wǎng)絡(luò)通常被劃分為簇(cluster)。 簇的組成：簇首(cluster head)和簇成員(cluster member)。任務(wù)管理中心 Internet、衛(wèi)星或移動(dòng)通信網(wǎng)絡(luò)等匯聚節(jié)點(diǎn)監(jiān)測(cè)區(qū)域傳感器節(jié)點(diǎn)WSN的體系結(jié)構(gòu)傳感器網(wǎng)絡(luò)結(jié)構(gòu)WSN的體系結(jié)構(gòu)（續(xù)）傳感器節(jié)點(diǎn)結(jié)構(gòu)WSN的體系結(jié)構(gòu)（續(xù)）傳感器網(wǎng)絡(luò)協(xié)議棧WSN的協(xié)議MAC協(xié)議在無線傳感器網(wǎng)絡(luò)中，介質(zhì)訪問控制協(xié)議決定無線信道的使用方式，在傳感器節(jié)點(diǎn)之間分配有限的無線通信資源，用來構(gòu)建傳感器網(wǎng)絡(luò)系統(tǒng)的底層基礎(chǔ)結(jié)構(gòu)。設(shè)計(jì)MAC協(xié)議時(shí)考慮 節(jié)省能量 可擴(kuò)展性 網(wǎng)絡(luò)效率WSN的協(xié)議（續(xù)）MAC協(xié)議MAC網(wǎng)絡(luò)能量浪費(fèi)主要原因： 數(shù)據(jù)重傳，耗費(fèi)節(jié)點(diǎn)更

40、多能量。 節(jié)點(diǎn)接受不必要的數(shù)據(jù)。 節(jié)點(diǎn)不需要發(fā)送數(shù)據(jù)時(shí)，過度偵聽。 信道分配時(shí)，控制消息過多。WSN的協(xié)議（續(xù)）MAC協(xié)議節(jié)點(diǎn)無線通信模塊的狀態(tài)包括：發(fā)送狀態(tài)、接受狀態(tài)、偵聽狀態(tài)、睡眠狀態(tài)。各狀態(tài)耗能按上述順序依次減少，因此通常采用”偵聽/睡眠”交替使用的無線信道使用策略。WSN的協(xié)議（續(xù)）MAC協(xié)議針對(duì)不同的傳感器網(wǎng)絡(luò)應(yīng)用，提出不同的MAC協(xié)議，主要分3類：時(shí)分復(fù)用（TDMA）的MAC協(xié)議。隨機(jī)競(jìng)爭(zhēng)的MAC協(xié)議。其他MAC協(xié)議。如：頻分復(fù)用或碼分復(fù)用等協(xié)議。WSN的特征WSN與無線網(wǎng)絡(luò)的區(qū)別傳感器網(wǎng)絡(luò)集成了監(jiān)測(cè)、控制以及無線通信的網(wǎng)絡(luò)系統(tǒng)，節(jié)點(diǎn)數(shù)目龐大（上千甚至上萬），分布密集，因環(huán)境和能量的耗盡，容易出現(xiàn)故障，節(jié)點(diǎn)通常固定不動(dòng)。能量、處理能力、存儲(chǔ)能力、通信能力有限。不同于傳統(tǒng)無線網(wǎng)絡(luò)的高服務(wù)質(zhì)量和高效的帶寬的利用，節(jié)能是其設(shè)計(jì)的首要考慮因素。節(jié)點(diǎn)的限制電池能量有限通信能力有限計(jì)算和存儲(chǔ)能力有限WSN的特征（續(xù)）傳感器網(wǎng)絡(luò)的特點(diǎn)大規(guī)模網(wǎng)絡(luò)自組織網(wǎng)絡(luò)動(dòng)態(tài)性網(wǎng)絡(luò)可靠性網(wǎng)絡(luò)應(yīng)用性相關(guān)的網(wǎng)絡(luò)以數(shù)據(jù)為中心的網(wǎng)絡(luò)Syllabus傳感器網(wǎng)絡(luò)概述無線傳感器網(wǎng)絡(luò)