本篇主要介紹數據融合的分類……
傳感器網絡中的數據融合技術可以從不同的角度進行分類，這裏介紹三種分類方法：依據融合前後數據的信息含量分類；依據數據融合與應用層數據語義的關係分類；依據融合操作的級別進行分類。
一、根據融合前後數據的信息含量劃分
跟據數據進行融合操作前後的信息含量，可以將數據融合分爲無損失融合(lossless aggregation) 和有損失融合 (lossy aggregation)兩類。
1. 無損失融合
無損失融合中，所有的細節信息均被保留。此類融合的常見做法是去除信息中的冗餘部分。根據信息理論，在無損失融合中，信息整體縮減的大小受到其熵值的限制。
將多個數據分組打包成一個數據分組，而不改變各個分組所攜帶的數據內容的方法屬於無損失融合。這種方法只是縮減了分組頭部的數據和爲傳輸多個分組而需要的傳輸控制開銷，而保留了全部數據信息。
時間戳融合是無損失融合的另一個例子。在遠程監控應用中，傳感器節點彙報的內容可能在時間屬性上有一定的聯繫，可以使用一種更有效的表示手段融合多次彙報。比如一個節點以一個短時間間隔進行多次彙報，每次彙報中除時間戳不同外，其他內容均相同；收到這些彙報的中間節點可以只傳送時間戳最新的一次彙報，以表示在此時刻之前，被監測的事物都具有相同的屬性。
2. 有損失融合
有損失融合通常會省略一些細節信息或降低數據的質量，從而減少需要存儲或傳輸的數據量，以達到節省存儲資源或能量資源的目的。有損失融合中，信息損失的上限是要保留應用所需要的全部信息量。
很多有損失融合都是針對數據收集的需求而進行網內處理的必然結果。比如溫度監測應用中，需要查詢某一區域範圍內的平均溫度或最低、最高溫度時，網內處理將對各個傳感器節點所報告的數據進行計算，並只將結果數據報告給查詢者。從信息含量角度看，這份結果數據相對於傳感器節點所報告的原始數據來說，損失了絕大部分的信息，僅能滿足數據收集者的要求。
二、根據數據融合與應用層數據語義之間的關係劃分
數據融合技術可以在傳感器網絡協議棧的多個層次中實現，既可以在MAC協議中實現，也可以在路由協議或應用層協議中實現。根據數據融合是否基於應用數據的語義，將數據融合技術分爲三類：依賴於應用的數據融合(application dependent data aggregation, ADDA), 獨立於應用的數據融合(application independent data aggregation, AIDA), 以及結合以上兩種技術的數據融合。
1. 依賴於應用的數據融合
通常數據融合都是對應用層數據進行的，即數據融合需要了解應用數據的語義。從實現角度看，數據融合如果在應用層實現，則與應用數據之間沒有語義間隔，可以直接對應用數據進行融合；如果在網絡層實現，則需要跨協議層理解應用層數據的含義，如圖1(b)所示：
(a) DoD參考模型 (b) ADDA (c) AIDA (d) 綜合
圖1 數據融合根據與網絡層的關係的分類
ADDA技術可以根據應用需求獲得最大限度的數據壓縮，但可能導致結果數據中損失的信息過多。另外，融合帶來的跨層理解語義問題給協議棧的實現帶來困難。
2. 獨立於應用的數據融合
鑑於ADDA的語義相關性問題，有人提出獨立於應用的數據融合。這種融合技術不需要了解應用層數據的語義，直接對數據鏈路層的數據包進行融合。例如，將多個數據包拼接成一個數據包進行轉發。這種技術把數據融合作爲獨立的層次實現，簡化了各層之間的關係。如圖1(c)中所示，AIDA作爲一個獨立的層次處於網絡層與MAC層之間。
AIDA保持了網絡協議層的獨立性，不對應用層數據進行處理，從而不會導致信息丟失，但是數據融合效率沒有ADDA高。
3. 結合以上兩種技術的數據融合
這種方式結合了上面兩種技術的優點，同時保留AIDA層次和其他協議層內的數據融合技術，因此可以綜合使用多種機制得到更符合應用需求的融合效果。其協議層次如圖1(d)所示。
三、根據融合操作的級別劃分
根據對傳感器數據的操作級別，可將數據融合技術分爲一下三類：
1. 數據級融合。數據級融合是最底層的融合，操作對象是傳感器通過採集得到的數據，因此是面向數據的融合。這類融合大多數情況下僅依賴於傳感器類型，不依賴於用戶需求。在目標識別的應用中，數據級融合即爲像素級融合，進行的操作包括對像素數據進行分類或組合，去除圖像中的冗餘信息等。
2. 特徵級融合。特徵級融合通過一些特徵提取手段將數據表示爲一系列的特徵向量，以反映事物的屬性，是面向監測對象特徵的融合。比如在溫度監測應用中，特徵級融合可以對溫度傳感器數據進行綜合，表示成(地區範圍，最高溫度，最低溫度)的形式；在目標監測應用中，特徵級融合可以將圖像的顏色特徵表示成RGB值。
3. 決策級融合。決策級融合根據應用需求進行較高級的決策，是最高級的融合。決策級融合的操作可以依據特徵級融合提取的數據特徵，對監測對象進行判別、分類，並通過簡單的邏輯運算，執行滿足應用需求的決策。因此，決策級融合是面向應用的融合。比如在災難監測應用中，決策級融合可能需要綜合多種類型的傳感器信息，包括溫度、溼度或震動等，進而對是否發生了災難事故進行判斷；在目標監測應用中，決策級融合需要綜合監測目標的顏色特徵和輪廓特徵，對目標進行識別，最終只傳輸識別結果。
在傳感器網絡的實現中，這三個層次的融合技術可以根據應用的特點綜合運用。比如有的應用場合傳感器數據的形式比較簡單，不需要進行較低層的數據級融合，而需要提供靈活的特徵級融合手段；而有的應用要處理大量的原始數據，需要有強大的數據級融合功能。
下一篇會具體介紹各層中的數據融合方法……