因爲最近比較忙，一直沒有更新，今天接着上次進入數據融合的內容......
傳感器網絡的基本功能是收集並返回其傳感器節點所在監測區域的信息。上篇中提到過傳感器節點的資源十分有限，主要體現在電池能量、處理能力、存儲容量以及通信帶寬等幾個方面。在收集信息的過程中採用各個節點單獨傳送數據到匯聚節點的方法是不合適的，主要有一下兩個原因：
(1) 浪費通信帶寬和能量:在覆蓋度較高的傳感器網絡中，鄰近節點報告的信息存在冗餘性，各個節點單獨傳送數據會浪費通信帶寬；同時，傳輸大量數據會使整個網絡消耗過多的能量，縮短網絡的生存時間；
(2) 降低信息收集的效率：多個節點同時傳送數據會增加數據鏈路層的調度難度，造成頻繁的衝突碰撞，降低了通信效率，從而影響了信息收集的及時性。
爲避免上述問題，傳感器網絡在數據收集的過程中需要使用數據融合(data aggregation或data fusion)技術。數據融合是將多份數據或信息進行處理，組合出更有效、更符合用戶需求的數據的過程。數據融合的方法普遍應用於日常生活中，比如在辨別一個事物的時候通常會綜合各種感官信息，包括視覺、觸覺、嗅覺和聽覺等。單獨依賴一種感官獲得的信息往往不足以對事物做出準確判斷，而綜合多種感官數據，對事物的描述會更準確。在傳統的傳感器應用中，許多時候只關心監測結果，並不需要收到大量原始數據，數據融合是實現此目的的重要手段。
對於傳感器網絡的應用，數據融合技術主要用於處理同一類型傳感器的數據。例如在森林防火的應用中，需要對多個溫度傳感器探測到的環境溫度數據進行融合；在目標自動識別應用中，需要對圖像監測傳感器採集的圖像數據進行融合處理。數據融合技術的具體實現與應用密切相關，森林防火應用中只要處理傳感器節點的位置和報告的溫度數值，比較容易實現；而在目標識別應用中，由於各個節點的地理位置不同，針對同一目標所報告的圖像的拍攝角度也不同，需要進行三維空間的考慮，所以融合難度相對較大。
數據融合的作用
在傳感器網絡中，數據融合起着十分重要的作用，主要表現在節省整個網絡的能量、增強所收集數據的準確性以及提高收集數據的效率三個方面。
1. 節省能量
傳感器網絡是由大量的傳感器節點覆蓋到監測區域而組成的。鑑於單個傳感器節點的監測範圍和可靠性是有限的，在部署網絡時，需要使傳感器節點達到一定的密度以增強整個網絡的魯棒性和監測信息的準確性，有時甚至需要多個節點的監測範圍互相交疊。這種監測區域的相互重疊導致鄰近節點報告的信息存在一定程度的冗餘。比如對於監測溫度的傳感器網絡，每個位置的溫度可能會有多個傳感器節點進行監測，這些節點所報告的溫度數據會非常接近或完全相同。在這種冗餘度很高的情況下，把這些節點報告的數據全部發送給匯聚節點與僅發送一份數據相比，除了使網絡消耗更多的能量外，匯聚節點並未獲得更多的信息。
數據融合就是要針對上情況對冗餘數據進行網內處理，即中間節點在轉發傳感器數據之前，首先對數據進行綜合，去掉冗餘信息，在滿足應用需求的前提下將需要傳輸的數據量最小化。網內處理利用的是節點的計算資源和存儲資源，其能量消耗與傳送數據相比要小很多。
2. 獲得更準確的信息
傳感器網絡有大量低廉的傳感器節點組成，部署在各種各樣的環境中，從傳感器節點獲得的信息存在着較高的不可靠性。這些不可靠因素主要來自於以下幾個方面：
(1) 受到成本及體積的限制，節點配置的傳感器精度一般較低；
(2) 無線通信的機制使得傳送的數據更容易受到干擾而遭破壞；
(3) 惡劣的工作環境除了影響數據傳送外，還會破壞節點的功能部件，令其工作異常，報告錯誤的數據。
由此看來，僅收集少數幾個分散的傳感器節點的數據較難確保的到信息的正確性，需要通過對監測同一對象的多個傳感器所採集的數據進行綜合，來有效地提高所獲得信息的精度和可信度。另外，由於鄰近的傳感器節點監測同一區域，其獲得的信息之間差異性很小，如果個別節點報告了錯誤的或誤差較大的信息，很容易在本地處理中通過簡單的比較算法進行排除。
需要指出的是，雖然可以在數據全部單獨傳送到匯聚節點後進行集中融合，但這種方法得到的結果往往不如在網內進行融合處理的結果精確，有時甚至會產生融合錯誤。數據融合一般需要數據源局部信息的參與，如數據產生的地點、產生數據的節點歸屬的組(簇)等。相同地點的數據，如果屬於不同的組可能代表完全不同的數據含義。如對於樹下和樹上的節點分別測量不同高度情況下目標區域的溫度，雖然從二維環境下看它們在同一個地點，但這兩個節點的溫度數據是不能夠融合的。正是這些局部信息的參與使得局部信息融合比集中數據融合有更多的優勢。
3. 提高數據收集效率
在網內進行數據融合，可以在一定程度上提高網絡收集數據的整體效率。數據融合減少了需要傳輸的數據量，可以減輕網絡的傳輸擁塞，降低數據的傳輸延遲；即使有效數據量並未減少，但通過對多個數據分組進行合併減少了數據分組個數，可以減少傳輸中的衝突碰撞現象，也能提高無線信道的利用率。
下一篇將會涉及數據融合的分類以及融合的方法等方面......