CN115243215A - 一种基于物联网的数据融合系统 - Google Patents

一种基于物联网的数据融合系统 Download PDF

Info

Publication number
CN115243215A
CN115243215A CN202211154291.0A CN202211154291A CN115243215A CN 115243215 A CN115243215 A CN 115243215A CN 202211154291 A CN202211154291 A CN 202211154291A CN 115243215 A CN115243215 A CN 115243215A
Authority
CN
China
Prior art keywords
cluster
data
sensor
cluster head
node
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202211154291.0A
Other languages
English (en)
Other versions
CN115243215B (zh
Inventor
李庆
韩国权
张剑
黄海峰
李宝东
黄铁淳
周伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Taiji Computer Corp Ltd
Original Assignee
Taiji Computer Corp Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Taiji Computer Corp Ltd filed Critical Taiji Computer Corp Ltd
Priority to CN202211154291.0A priority Critical patent/CN115243215B/zh
Publication of CN115243215A publication Critical patent/CN115243215A/zh
Application granted granted Critical
Publication of CN115243215B publication Critical patent/CN115243215B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W40/00—Communication routing or communication path finding
    • H04W40/24—Connectivity information management, e.g. connectivity discovery or connectivity update
    • H04W40/32—Connectivity information management, e.g. connectivity discovery or connectivity update for defining a routing cluster membership
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W84/00—Network topologies
    • H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Abstract

本发明涉及数据处理领域，公开了一种基于物联网的数据融合系统，所述系统包括网关和多个传感器，在每个簇内选择一个传感器作为簇头节点，其余传感器作为簇内节点；簇内节点负责监测收集数据，并将数据发送给簇头节点；运用指数衰减函数度量各个传感器节点测量值的支持度，在时间和空间维度上，实现各个传感器的测量数据的一致性和可靠性融合。

Description

一种基于物联网的数据融合系统
技术领域
本发明涉及信息处理领域，特别是一种基于物联网的数据融合系统。
背景技术
物联网是新一代信息技术的重要组成部分。物联网层次结构分为三层，自下而上依次为：感知层，网络层，应用层。感知层位于物联网三层结构中的最底层，是由各种传感设备以及传感设备网构成，它是物联网识别物体和采集信息的来源，其主要功能是识别物体、采集信息、感知物理世界，是物联网的核心。网络层由各种网络组成，包括互联网、广电网和云计算平台等组成，也包括各种异构网络、私有网络。网络层负责传递和处理感知层获取的信息，是整个物联网的中枢。应用层是物联网和用户的接口，它与行业需求结合，实现物联网的智能应用。
无线传感器网络是由大量传感器节点通过无线通信技术自组织构成的网络，它集成了传感器、微机电系统和网络三大技术，目的是感知、采集和处理网络覆盖围内感知对象的信息并转发给观察者，是以数据处理为中心的系统。
无线传感器节点由以下几部分组成：由微处理器或微控制器构成；计算子系统负责控制传感器、执行通信协议及处理传感数据的算法；用于无线通信的短距离无线收发电路即通信子系统由一组传感器和激励装置构成；传感器能量子系统包括电池和交直流转换器。
数据融合是关于协同利用多传感器信息进行多级别、多方面、多层次信息检测、相关、估计和综合以获得目标的状态和特征估计以及态势和威胁评估的一种多级自动信息处理过程，它将不同来源、不同模式、不同时间、不同地点、不同表现形式的信息进行融合，最后得出被感知对象的更精确描述。从根本上说数据融合的功能来源于信息的冗余性及互补性。如何通过数据融合，基于各传感器分离观测信息通过对信息的优化组合导出更多有效信息，从而提高物联网络系统中整个传感器系统中数据的有效性成为研究的热点。
发明内容
为解决上述问题之一，本发明提出一种基于物联网的数据融合系统。
所述系统包括网关和多个传感器；将传感器组成的感知网络以检测目标为中心将网络分成区域，每个区域对应至少一个簇，在每个簇内选择一个传感器作为簇头节点，其余传感器作为簇内节点，簇内节点负责监测收集数据并将数据发送给簇头节点；
所述簇头节点负责协调簇内节点的工作，负责数据的融合以及转发；所有簇头节点形成连通的网络，将数据转发至网关；
所述簇头节点依据时间和空间两个维度上对数据融合；根据监测数据相互之间的关联度，所述簇内节点获取同类分组传感器的测量数据，设置测量值的关联度；所述关联度用于判断在时间维度不同时刻的测量准确性；同时用于在空间维度，判断各传感器的测量数据的一致性；其中在
Figure 100002_DEST_PATH_IMAGE001
时刻，传感器节点i和传感器节点j测量值准确性的关联度为：
Figure 100002_DEST_PATH_IMAGE003
Figure 63226DEST_PATH_IMAGE004
为第i个节点在
Figure 863692DEST_PATH_IMAGE001
时刻的测量值，
Figure 100002_DEST_PATH_IMAGE005
为第j个节点在
Figure 711563DEST_PATH_IMAGE001
时刻的测量值，所述
Figure 995649DEST_PATH_IMAGE006
为可调整参数；
优选的，将传感器组成的感知网络以检测目标为中心将网络分成区域，还包括对区域内的传感器再次依据位置信息做组群划分。
优选的，所述簇头节点的数据通过数据帧和控制帧中包含无线传感器节点ID信息，建立与每个传感器节点之间的信息传输。
优选的，传感器将其感知的数据传送到簇头；所述簇头节点是通过广播消息的方式告知所述簇内传感器节点的控制信息。
优选的，所述簇头节点在其簇内设置备份簇头节点，当所述簇头中的信息传输RSSI小于预设值时，所述簇头的控制功能切换到备份簇头节点。
优选的，所述簇头节点通过一跳的通信链路连接到其簇成员簇并执行内部通信；通过多跳链路连接相邻群集间的簇头节点，实现簇间的通信。
优选的，簇头节点为每个传感器节点设置无竞争访问信道发送消息，簇头节点监测中的通信模块监测系统资源，信道资源富余大于阈值时，自适应增加簇内群集的节点数。
优选的，簇内节点在将采集完的数据发送至簇头节点之后，进入休眠模式。
优选的，所述簇头节点，对原始数据进行关联确定已融合的数据是否和同一目标或实体有关；对融合后的传感器数据按照单传感器进行识别处理。
优选的，所述系统应用环境参数检测中，所述传感器为无线传感器。
所述系统包括网关和多个无线传感器，在每个簇内选择一个传感器作为簇头节点，其余传感器作为簇内节点；簇内节点负责监测收集数据，并将数据发送给簇头节点；构建簇头节点控制转发、融合和备份的结构保持系统的稳健性，同时运用指数衰减函数度量各个传感器节点测量值的关联度，在时间和空间维度上，实现各个传感器的测量数据的一致性和可靠性融合。
附图说明
通过参考附图会更加清楚的理解本发明的特征和优点，附图是示意性的而不应理解为对本发明进行任何限制。
图1是本发明系统的示意图。
具体实施方式
参看下面的说明以及附图，本发明的这些或其他特征和特点、操作方法、结构的相关元素的功能、部分的结合以及制造的经济性可以被更好地理解，其中说明和附图形成了说明书的一部分。然而，可以清楚地理解，附图仅用作说明和描述的目的，并不意在限定本发明的保护范围。可以理解的是，附图并非按比例绘制。本发明中使用了多种结构图用来说明根据本发明的实施例的各种变形。
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明的是，本文中的“/”表示或的意思，例如，A/B可以表示A或B；本文中的“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。
需要说明的是，为了便于清楚描述本申请实施例的技术方案，在本申请的实施例中，采用了“第一”、“第二”等字样对功能或作用基本相同的相同项或相似项进行区分，本领域技术人员可以理解“第一”、“第二”等字样并不对数量和执行次序进行限定。例如，第一信息和第二信息是用于区别不同的信息，而不是用于描述信息的特定顺序。
需要说明的是，本发明实施例中，“示例性的”或者“例如”等词用于表示作例子、例证或说明。本发明实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
实施例1
本发明提出一种基于物联网的数据融合系统。如图1所示，所述系统包括网关和多个传感器；将无线传感器组成的感知网络以检测目标为中心将网络分成区域，每个区域对应至少一个簇，在每个簇内选择一个传感器作为簇头节点，其余传感器作为簇内节点，簇内节点负责监测收集数据并将数据发送给簇头节点；
可选的，对区域内的无线传感器依据位置信息等做分组融合，簇头节点负责协调簇内节点的工作，负责数据的融合以及转发。所有簇头节点形成连通的网络，并进行路由选择将数据转发至无线网关。簇头节点的路由算法可以选择基于查询的路由，定向扩散算法(Directed Diffusion，DD)。
可选的，所述网络簇头中的数据通过数据帧和控制帧中包含节点ID信息，为每个节点设置ID信息，为每个传感器的查询设置路由可达，通过分簇的方式，将所述节点的测量值执行分簇控制融合，所述分簇控制融合中，传感器中的感知数据传送到簇头。具体实施方式中，所述传感器为无线传感器。所述簇头节点是通过广播消息的方式告知所述簇内传感器节点的所需要的控制信息，对所述簇内的无线传感器的测量信息做融合。
所述簇头在所述簇内选择备份簇头节点，当所述簇头中的信息传输RSSI小于预设值时，所述簇头的控制功能由备份的簇头信息发送。
优选的，根据位置信息分组的群组通信是指在通信距离范围内里的一组传感器节点构成一个簇的集合，选取一个合适的传感器节点作为簇头，由选举出的簇头节点将控制信息传送给其它中继节点成员或将接收到的信息分发给组内成员。
可选的，每个簇中包含指定的传感器作为簇头；优选的，通过一跳的通信链路连接到它的簇成员簇的内部通信，在紧急情况下也可以采用中继的方式执行通信。设置多条链路通过多跳链路连接相邻群集间的簇头，实现簇间的通信，同一簇内节点和相邻簇间建立簇维护。
在簇的建立阶段中，增大群集间间隙来最小化群集间干扰，根据需要限制群集大小，设置每个传感器节点能够无竞争访问信道发送消息。簇头节点的通信模块监测系统资源，信道资源富余大于阈值时，将群集增加到其最大大小。簇内节点在将采集完的数据发送至簇头节点之后，就进入休眠模式。
具体实施方式中，所述数据的融合可以是基于位置信息，获取传感器的标识信息，判断所述无线传感器是否是同类或相同量级的。对原始数据进行关联确定已融合的数据是否和同一目标或实体有关；对融合后的传感器数据按照单传感器方法进行识别处理。
具体的实施例，采用传感器+控制器（网关）+通信的模式构建物联网系统，利用网关为控制核心连接簇头，利用各种传感器为采集数据对象。示例性的，物联网系统中的传感器信息采集系统由传感器模块用来采集数据和一定程度上处理数据。簇头节点中的控制器模块用来负责控制无线传感器节点的具体操作，簇头节点存储和处理无线传感器节点采集的数据以及其他节点发来的数据；簇头节点中的通信模块用来连接传感器模块与控制器模块的通信。
所述簇头节点获取同类分组传感器的测量数据，设置测量值的关联度/支持度。所述关联度/支持度，根据在时间域根据不同时刻的一致性，判断各个传感器节点在测量时间上的可靠性；同时在空间域，设置同一时间段，根据某个时刻测量值，判断各个传感器的测量一致性。
示例性的，所述融合算法在各个簇内分别进行，传感器节点将感知数据传送到簇头节点，所述簇头节点完成融合运算，并将融合结果发送到控制节点可选为网关。
假设n个传感器节点组成的传感器节点阵列，设置直接测量的方法，对参数做检测，
Figure DEST_PATH_IMAGE007
(i=1,2, …,n)
式中：
Figure 16695DEST_PATH_IMAGE004
为第i个节点在
Figure 343771DEST_PATH_IMAGE001
时刻的测量值；X为目标；
Figure 96964DEST_PATH_IMAGE008
为
Figure 588119DEST_PATH_IMAGE001
时刻的测量噪音，且 E[vi]和D[vi]均未知。
如果
Figure 84959DEST_PATH_IMAGE004
和
Figure 860017DEST_PATH_IMAGE005
相差较大，则表明两个传感器的测量值相互支持度低，如果两者比较接近，则表明两个传感器的相互支持度高。量化各个传感器节点在同一时刻测量值的支持程度，设置指数衰减函数，并构建支持度矩阵。
在
Figure 315269DEST_PATH_IMAGE001
时刻，传感器节点i和传感器节点j测量值支持度为
Figure DEST_PATH_IMAGE009
运用指数衰减函数量化各个传感器节点测量值的支持程度，所述
Figure 762562DEST_PATH_IMAGE006
为可调整参数，调节
Figure 797514DEST_PATH_IMAGE006
的大小，以调整度量尺度，所述调节可以通过现有程序实现。据此获得
Figure 364762DEST_PATH_IMAGE001
时刻传感器节点之间的支持度矩阵。可选的，所述
Figure 53232DEST_PATH_IMAGE006
与传感器的数量设置相关成线性。
所述支持度矩阵可以为：
Figure DEST_PATH_IMAGE011
对于支持度矩阵
Figure 253401DEST_PATH_IMAGE012
中的某行元素来说，若
Figure 888781DEST_PATH_IMAGE014
大，则表明
Figure 248218DEST_PATH_IMAGE001
时刻第i个传感器的测量值的与多数传感器节点保持一致，反之则第i个传感器节点的测量值偏离多数传感器点的测量值，在第
Figure 373169DEST_PATH_IMAGE001
时刻，第i个传感器节点的测量值与其它传感器节点测量值一致性度量为：
Figure 450847DEST_PATH_IMAGE016
显然，
Figure DEST_PATH_IMAGE017
反应了某个时刻，两个测量节点值的接近程度 ，而上述公式则反应出，在某个测量时刻, 第i个传感器节点的测量值与所有传感器节点包括第i个传感器节点测量值的接近程度。
基于测量度的一致性度量，分别从空间域和时间空域对传感器节点的测量值进行融合，空间数据融合时，考虑某个测量时刻传感器测量值的一致性度量。
若用
Figure 231196DEST_PATH_IMAGE018
表示
Figure 445140DEST_PATH_IMAGE001
个时刻簇z中n个传感器节点测量值融合后对目标的估计，则
Figure 678675DEST_PATH_IMAGE018
可用一致性度量来计算
Figure 368283DEST_PATH_IMAGE020
在空间域的数据融合基础上，引入时间域的节点信息。可知，在某个时间测量时刻，传感器节点测量值一致性度量
Figure DEST_PATH_IMAGE021
很大，并不能说明在整个测量区间上传感器节点的可靠性，传感器的可靠性是通过所有测量时刻的一致性度量表现出来的。诸如传感器的
Figure 548728DEST_PATH_IMAGE021
在某个时刻很大，但在某个时刻又变得很小，则说明传感器节点的测量一致性不稳定。为此，在融合过程中，测量一致性大，则测量一致性变化稳定的传感器节点的测量值赋予大的权重值。
优选的，在所述融合过程中，在融合过程中使用一致性均值较大，且一致性方差小的传感器节点的测量信息。
在第
Figure 758124DEST_PATH_IMAGE001
个时刻，第i个节点传感器节点测量在一致性均值标示为
Figure 100243DEST_PATH_IMAGE022
，
测量一致性方差表示为
Figure DEST_PATH_IMAGE023
,
为缩短簇头的计算时间，都是采用递推形式执行计算，其中
Figure 542726DEST_PATH_IMAGE024
，其中
Figure DEST_PATH_IMAGE025
。
在
Figure 339912DEST_PATH_IMAGE001
时刻，第i个传感器测量值的加权系数为qi(k’)。 融合过程中，将第i个传感器节点测量值的加权系数qi(k’)与ri(k’)正相关，而与方差负相关，选用线性函数度量最终的加权系数。
可选的，加权系数为
Figure 794027DEST_PATH_IMAGE026
,
Figure DEST_PATH_IMAGE027
为可调参数，调节器值改变
Figure 697261DEST_PATH_IMAGE028
对加权系数影响的程度。
对于一时间序列k’(t), 节点簇z中第i个传感器的时空融合估计为
Figure 236827DEST_PATH_IMAGE030
优选的，所述公式中，指数衰减系数
Figure 555813DEST_PATH_IMAGE006
取值为0.7，
Figure 739800DEST_PATH_IMAGE027
取值为0.01。
本领域技术人员可以理解，实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述存储介质可为磁碟、光盘、只读存储记忆体（Read-Only Memory，ROM）、随机存储记忆体（Random AccessMemory，RAM）、快闪存储器（Flash Memory）、硬盘（Hard Disk Drive，缩写：HDD）或固态硬盘（Solid-State Drive，SSD)等；所述存储介质还可以包括上述种类的存储器的组合。
如在本申请所使用的，术语“组件”、“模块”、“系统”等等旨在指代计算机相关实体，该计算机相关实体可以是硬件、固件、硬件和软件的结合、软件或者运行中的软件。例如，组件可以是，但不限于是：在处理器上运行的处理、处理器、对象、可执行文件、执行中的线程、程序和/或计算机。作为示例，在计算设备上运行的应用和该计算设备都可以是组件。一个或多个组件可以存在于执行中的过程和/或线程中，并且组件可以位于一个计算机中以及/或者分布在两个或更多个计算机之间。此外，这些组件能够从在其上具有各种数据结构的各种计算机可读介质中执行。这些组件可以通过诸如根据具有一个或多个数据分组（例如，来自一个组件的数据，该组件与本地系统、分布式系统中的另一个组件进行交互和/或以信号的方式通过诸如互联网之类的网络与其它系统进行交互）的信号，以本地和/或远程过程的方式进行通信。
应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (10)

1.一种基于物联网的数据融合系统，其特征在于：所述系统包括网关和多个传感器；将传感器组成的感知网络以检测目标为中心将网络分成区域，每个区域对应至少一个簇，在每个簇内选择一个传感器作为簇头节点，其余传感器作为簇内节点，簇内节点负责监测收集数据并将数据发送给簇头节点；
所述簇头节点负责协调簇内节点的工作，负责数据的融合以及转发；所有簇头节点形成连通的网络，将数据转发至网关；
所述簇头节点依据时间和空间两个维度上对数据融合；根据监测数据相互之间的关联度，所述簇内节点获取同类分组传感器的测量数据，设置测量值的关联度；所述关联度用于判断在时间维度不同时刻的测量准确性；同时用于在空间维度，判断各传感器的测量数据的一致性；其中在
Figure DEST_PATH_IMAGE001
时刻，传感器节点i和传感器节点j测量值关联度为：
Figure DEST_PATH_IMAGE003
Figure 438390DEST_PATH_IMAGE004
为第i个节点在
Figure 53173DEST_PATH_IMAGE001
时刻的测量值，
Figure DEST_PATH_IMAGE005
为第j个节点在
Figure 805229DEST_PATH_IMAGE001
时刻的测量值，
Figure 96533DEST_PATH_IMAGE006
为可调整参数。
2.如权利要求1所述的系统，其特征还在于：将传感器组成的感知网络以检测目标为中心将网络分成区域，还包括对区域内的传感器再次依据位置信息做组群划分。
3.如权利要求2所述的系统，其特征还在于：所述簇头节点的数据通过数据帧和控制帧中包含的无线传感器节点ID信息，建立与每个传感器节点之间的信息传输。
4.如权利要求3所述的系统，其特征在于：传感器将其感知的数据传送到簇头；所述簇头节点是通过广播消息的方式告知所述簇内传感器节点的控制信息。
5.如权利要求4所述的系统，其特征在于：所述簇头节点在其簇内设置备份簇头节点，当簇头中的信息传输RSSI小于预设值时，簇头的控制功能切换到备份簇头节点。
6.如权利要求5所述的系统，其特征在于：所述簇头节点通过一跳的通信链路连接到其簇成员并执行内部通信；通过多跳通信链路连接相邻群集间的簇头节点，实现簇间的通信。
7.如权利要求6所述的系统，其特征在于：簇头节点为每个传感器节点设置无竞争访问信道以用于发送消息，簇头节点中的通信模块监测系统资源，信道资源富余大于阈值时，自适应增加簇内群集的节点数。
8.如权利要求7所述的系统，其特征在于：簇内节点在将采集完的数据发送至簇头节点之后，进入休眠模式。
9.如权利要求8所述的系统，其特征在于：所述簇头节点，对原始数据进行关联确定已融合的数据是否和同一目标或实体有关；对融合后的传感器数据按照单传感器进行识别处理。
10.如权利要求9所述的系统，其特征在于：所述系统应用环境参数检测中，所述传感器为无线传感器。
CN202211154291.0A 2022-09-22 2022-09-22 一种基于物联网的数据融合系统 Active CN115243215B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211154291.0A CN115243215B (zh) 2022-09-22 2022-09-22 一种基于物联网的数据融合系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211154291.0A CN115243215B (zh) 2022-09-22 2022-09-22 一种基于物联网的数据融合系统

Publications (2)

Publication Number Publication Date
CN115243215A true CN115243215A (zh) 2022-10-25
CN115243215B CN115243215B (zh) 2023-02-28

Family

ID=83667319

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211154291.0A Active CN115243215B (zh) 2022-09-22 2022-09-22 一种基于物联网的数据融合系统

Country Status (1)

Country Link
CN (1) CN115243215B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012139288A1 (en) * 2011-04-13 2012-10-18 Renesas Mobile Corporation Sensor network information collection via mobile gateway
KR101603036B1 (ko) * 2015-01-30 2016-03-11 금오공과대학교 산학협력단 산업용 무선 센서 네트워크에서의 라우팅 장치 및 방법
CN107241776A (zh) * 2017-07-18 2017-10-10 中南民族大学 一种混合时延敏感分簇的无线传感器网络数据融合方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012139288A1 (en) * 2011-04-13 2012-10-18 Renesas Mobile Corporation Sensor network information collection via mobile gateway
KR101603036B1 (ko) * 2015-01-30 2016-03-11 금오공과대학교 산학협력단 산업용 무선 센서 네트워크에서의 라우팅 장치 및 방법
CN107241776A (zh) * 2017-07-18 2017-10-10 中南民族大学 一种混合时延敏感分簇的无线传感器网络数据融合方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
史毅仁: "车联网中数据融合的研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
姜金山: "基于多传感器数据融合的智能泊车控制系统设计与实现", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
高杨: "基于臭氧监测的无线传感器网络数据融合算法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Also Published As

Publication number Publication date
CN115243215B (zh) 2023-02-28

Similar Documents

Publication Publication Date Title
US7194463B2 (en) Systems and methods for constrained anisotropic diffusion routing within an ad hoc network
Muhammed et al. An analysis of fault detection strategies in wireless sensor networks
Ahmed et al. Probabilistic coverage in wireless sensor networks
Chang et al. CODA: A continuous object detection and tracking algorithm for wireless ad hoc sensor networks
JP5818779B2 (ja) フィンガープリント法を用いた位置検出システム及び位置検出方法
CN101965052A (zh) 基于最优信标组的无线传感网节点定位方法
Ammari On the problem of k-coverage in mission-oriented mobile wireless sensor networks
GB2460406A (en) Determining the geometry of sensor node network using a mass spring model
US9622103B2 (en) Communications network control method, computer product, and system
US20070118285A1 (en) Locating sensor nodes through correlations
CN109361708A (zh) 数据信息化采集、管理和分析系统及方法
CN110798848A (zh) 无线传感器数据融合方法及装置、可读存储介质和终端
CN115243215B (zh) 一种基于物联网的数据融合系统
KR102518422B1 (ko) 위치 측정 방법, 장치 및 시스템
Ren et al. Energy efficient tracking in uncertain sensor networks
KR20110056006A (ko) 센서 네트워크 및 이를 위한 클러스터링 방법
Zhang et al. Self-organization of unattended wireless acoustic sensor networks for ground target tracking
Andreou et al. In-network data acquisition and replication in mobile sensor networks
Weber et al. Energy-aware test connection assignment for the self-diagnosis of a wireless sensor network
CN105979564B (zh) 一种发送数据的方法及装置
Vijayan et al. Deterministic Centroid Localization for Improving Energy Efficiency in Wireless Sensor Networks
JP7358539B2 (ja) 未知の複雑な環境中のエリアカバレッジを評価及び最適化しながらメッシュ接続性を維持するための群れ制御アルゴリズム
CN109194709A (zh) 工业生产环境智能控制系统
KR100948837B1 (ko) 무선 센서 네트워크에서 분산적인 위치 인식 방법 및 그장치
Zou Coverage-driven sensor deployment and energy-efficient information processing in wireless sensor networks

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant