一种基于多源异构信息融合的传感器数据可信度评估方法技术

本发明专利技术属于信息融合技术领域，提供一种基于多源异构信息融合的传感器数据可信度评估方法，用以克服现有证据理论、贝叶斯估计等传感器数据可信度评估方法在人为对传感器实施干扰时、不能够对实际真实情况的数据进行正确准确的评估、导致无法反映当前工作环境中的实际情况的问题。本发明专利技术首先，提出的新的数据可信度定义，融合了多种算法得到的数据来对待评估传感器节点的数据进行预测，避免了算法的单一性，使得监测系统更加稳定可靠；其次，利用传感器源的时空关系，增加了传感器可信度指标，能够更客观地反映出真实的工作环境；最后，结合多源异构信息融合算法，在传感器被人为干扰或者遮挡时，同样能够对传感器数据进行有效评估。估。估。

【技术实现步骤摘要】
一种基于多源异构信息融合的传感器数据可信度评估方法


[0001]本专利技术属于信息融合
，具体涉及一种基于多源异构信息融合的传感器数据可信度评估方法。

技术介绍

[0002]无线传感器网络已经遍及各处，而传感器节点数据的可靠性对于数据处理至关重要，特别是用于安全监测的传感器网络数据。在工业安全方面，无线传感网络用于监测煤矿、石油钻井、核电厂等危险工作环境的安全状况，保证工作人员的安全。但由于诸多因素的干扰，比如传感器故障、传感器老化，供电不足等问题，导致传感器所采集到的数据有时未必真实可信，从而导致监测系统出现虚警、漏警等现象，大大降低监测系统的性能，如果不能对错误信息加以评估和甄别，甚至可能会带来灾难性后果，因此对传感器数据进行可信度评估具有重大意义。
[0003]常用的数据可信度评估技术有证据理论、贝叶斯估计等，证据理论方法在处理大量数据上存在着计算量爆炸式增长的问题；贝叶斯估计存在着先验信息难以获得，并且实时性较差，实际应用较少。更重要的是，以上方法都没有考虑到数据源之间的时空关系，从而当人为对传感器实施干扰时，这些方法并不能够对实际真实情况的数据进行正确准确的评估，进而导致无法反映当前工作环境中的实际情况。

技术实现思路

[0004]本专利技术的目的在于针对上述现有证据理论、贝叶斯估计等传感器数据可信度评估方法存在的诸多问题，提供一种基于多源异构信息融合的传感器数据可信度评估方法。本专利技术能够实时对传感器节点数据进行实时可信度评估，并且融合传感器之间的时空关系能够达到更精确的评估效果，进一步真实反映出工作环境的状态。
[0005]本专利技术还提供了一种新的数据可信度定义，其中包括了传感器的可信度和传感器数据的可信度，两者加权融合共同反映数据可信度的大小，更加可靠。
[0006]为了实现上述目的，本专利技术采用如下技术方案：
[0007]一种基于多源异构信息融合的传感器数据可信度评估方法，包括以下步骤：
[0008]步骤1.根据环境需求确定待评估传感器节点i和待评估传感器节点i的邻近传感器节点集合Q
i
；
[0009]步骤2.通过ARIMA算法分别对将待评估传感器节点i的历史数据、及邻近传感器节点集合Q
i
中每一个邻近传感器节点j的历史数据进行数据拟合，得到相应的历史数据拟合曲线；
[0010]步骤3.将步骤2中的待评估传感器节点i的历史数据拟合曲线与其各个邻近传感器节点j的历史数据拟合曲线分别做相关分析，根据相关结果计算得到待评估传感器节点数据与其邻近传感器节点数据的趋势相关度
[0011]步骤4.选取与待评估传感器节点i为同类型的邻近传感器节点，构成同类型邻近
传感器节点集合Q
′
i
；计算待评估传感器节点数据与其同类型邻近传感器节点数据之间的均值偏离度
[0012]步骤5.将步骤3和步骤4分别计算得到趋势相关度和均值偏离度进行加权融合，得到待评估传感器节点i的传感器可信度其中，K
11
，K
12
为预设权重系数；若传感器可信度则认定待评估传感器节点i可信，转至步骤6；否则，认定待评估传感器节点i不可信，将待评估传感器节点数据的可信度置零，并转至步骤10；其中，α为预设传感器可信阈值、α∈[0,1]；
[0013]步骤6.利用步骤2拟合出的数据模型融合待评估传感器节点i的历史数据，根据数据间的时间相关性对当前时刻t待评估传感器节点数据进行预测，得到待评估传感器节点i的当前时刻拟合模型预测值S
pi
，将预测值S
pi
与待评估传感器节点i的测量值E
i
进行比较，从而得到当前时刻t待评估传感器节点i的自身数据可信度
[0014]步骤7.利用BP神经网络算法融合待评估传感器节点数据及其邻近传感器节点集合Q
i
中所有多源异构节点数据，根据数据间的关联相关性对当前时刻t待评估传感器节点数据进行预测，得到待评估传感器节点i的当前时刻异构模型预测值M
pi
，然后将预测值M
pi
与待评估传感器节点i的测量值E
i
进行比较，从而得到当前时刻待t评估传感器节点i的异构数据可信度
[0015]步骤8.将步骤6和步骤7分别计算得到的异构数据可信度和自身数据可信度进行加权融合，得到当前时刻t待评估传感器节点i的融合数据可信度其中，K
21
、K
22
为预设权重系数；
[0016]步骤9.将步骤5和步骤8分别得到的传感器可信度和融合数据可信度进行融合，得到待评估传感器节点i的数据可信度
[0017]步骤10.完成待评估传感器节点i在当前时刻t的传感器数据可信度评估，并更新时刻为t+1，进行下一时刻的传感器数据可信度评估。
[0018]进一步的，所述步骤3中，待评估传感器节点数据与其邻近传感器节点数据的趋势相关度的计算过程如下：
[0019][0020]其中，N为邻近传感器节点集合Q
i
中节点个数，为待评估传感器节点i和邻近传感器节点j的历史数据拟合曲线的相关结果。
[0021]进一步的，所述步骤4中，待评估传感器节点数据与其同类型邻近传感器节点数据之间的均值偏离度的技术过程如下：
[0022]1)分别计算待评估传感器节点数据与各个同类型邻近传感器节点数据之间的均值差，并将各个均值差的绝对值取平均，得到待评估传感器节点i与同类型邻近传感器节点数据的平均均值差
[0023]2)对同类型邻近传感器节点集合Q
′
i
中每一个同类型邻近传感器节点k，计算该同类型邻近传感器节点k与集合Q
′
中各个剩余节点的均值差，并将各个均值差的绝对值取平均，得到同类型邻近传感器节点k与集合Q
′
中剩余节点的平均均值差进而计算得到待评估传感器节点i的环境均值差
[0024][0025]其中，N
′
为同类型邻近传感器节点集合Q
′
i
中节点个数；
[0026]3)计算待评估传感器节点i的均值偏离度
[0027]进一步的，所述步骤6中，当前时刻t待评估传感器节点i的自身数据可信度的计算过程如下：
[0028][0029]其中，η为预设自身可信度评估阈值、η∈[0,1]，为待评估传感器节点i的当前时刻拟合模型预测值S
pi
与测量值E
i
之间的差：
[0030]进一步的，所述步骤7中，当前时刻待t评估传感器节点i的异构数据可信度的计算过程如下：
[0031][0032]其中，γ为预设异构可信度评估阈值、γ∈[0,1]，为待评估传感器节点i的当前时刻异构模型预测值M
pi
与测量值E
i
之间的差：
[0033]进一步的，所述步骤1中，待评估传感器节本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多源异构信息融合的传感器数据可信度评估方法，包括以下步骤：步骤1.根据环境需求确定待评估传感器节点i和待评估传感器节点i的邻近传感器节点集合Q
i
；步骤2.通过ARIMA算法分别对将待评估传感器节点i的历史数据、及邻近传感器节点集合Q
i
中每一个邻近传感器节点j的历史数据进行数据拟合，得到相应的历史数据拟合曲线；步骤3.将步骤2中的待评估传感器节点i的历史数据拟合曲线与其各个邻近传感器节点j的历史数据拟合曲线分别做相关分析，根据相关结果计算得到待评估传感器节点数据与其邻近传感器节点数据的趋势相关度步骤4.选取与待评估传感器节点i为同类型的邻近传感器节点，构成同类型邻近传感器节点集合Q
′
i
；计算待评估传感器节点数据与其同类型邻近传感器节点数据之间的均值偏离度步骤5.将步骤3和步骤4分别计算得到趋势相关度和均值偏离度进行加权融合，得到待评估传感器节点i的传感器可信度其中，K
11
，K
12
为预设权重系数；若传感器可信度则认定待评估传感器节点i可信，转至步骤6；否则，认定待评估传感器节点i不可信，将待评估传感器节点数据的可信度置零，并转至步骤10；其中，α为预设传感器可信阈值、α∈[0,1]。步骤6.利用步骤2拟合出的数据模型融合待评估传感器节点i的历史数据，根据数据间的时间相关性对当前时刻t待评估传感器节点数据进行预测，得到待评估传感器节点i的当前时刻拟合模型预测值S
pi
，将预测值S
pi
与待评估传感器节点i的测量值E
i
进行比较，从而得到当前时刻t待评估传感器节点i的自身数据可信度F
ti
；步骤7.利用BP神经网络算法融合待评估传感器节点数据及其邻近传感器节点集合Q
i
中所有多源异构节点数据，根据数据间的关联相关性对当前时刻t待评估传感器节点数据进行预测，得到待评估传感器节点i的当前时刻异构模型预测值M
pi
，然后将预测值M
pi
与待评估传感器节点i的测量值E
i
进行比较，从而得到当前时刻待t评估传感器节点i的异构数据可信度步骤8.将步骤6和步骤7分别计算得到的异构数据可信度和自身数据可信度F
ti
进行加权融合，得到当前时刻t待评估传感器节点i的融合数据可信度其中，K
21
、K
22
为预设权重系数；步骤9.将步骤5和步骤8分别得到的传感器可信度和融合数据可信度进行融合，得到待评估传感器节点i的数据可信度步骤10.完成待评估传感器节点i在当前时刻t的传感器数据可信度评估，并更新时刻为t+1，进行下一时刻的传感器数据可信度评估。2.按权利要求1所述基于多源异构信息融合的传感器数据可信度评估方法，其特征在于，所述步骤3中，待评估传感器节点数据与其邻近传感器节点数据的趋势相关度的计算过程如下：
其中，N为邻近传感器节点集合Q
i
中节点个数，为待评估传感器节点i和邻近传感器节点j的历史数据拟合曲线的相关结果。3.按权利要求1所述基于多源异构信息融合的传感器数据可信度评估方法，其特征在于，所述步骤4中，待评估传感器节点数据与其同类型邻近传感器节点数据之间...

【专利技术属性】
技术研发人员：陈祝明，冯焱玲，胡继雄，段锐，张扬，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：