物联网信息融合技术及存在的问题研究

摘 要 信息技术的飞速发展，促进了物联网技术的深入研究。为实现高效率的信息感知和处理，物联网自身的资源是有限的，需要依靠信息融合技术达到信息处理的目的。本文对物联网的信息融合技术进行介绍，对物理网信息融合技术的层次进行划分和分析，对其中存在的问题和缺点加以指出。

关键词 物联网；信息融合技术；层次

中图分类号G206.2 文献标识码A 文章编号 1674-6708（2013）103-0226-02

1 物联网的概述

随着网络的飞速发展传感器网络的不断进步，物联网成为互联网络发展的主要方向。物联网的产生是建立在互联网和传感网的基础之上的，将二者加以融合连接，形成用户到物体连接通信和交换信息的网络架构。互联网和不同类型的物品以传感设备为连接媒介实现通信连接，形成智能化通信和管理的网络架构体系，使物和物间信息交换及人和物间信息交换得以实现。物联网的基本功能是对信息的感知，人们通过互联网对社会上的信息进行了解，通过物联网对社会的信息加以感知。物联网以传感器作为网络设备信息收集的通道，可以将物联网中的设备和物品信息中的有价值的数据进行收集，提供给用户对信息进行处理。

用户通过物联网的终端设备接入到互联网网络，在连接到传感器网络的各个终端节点，用户就可以通过传感器和互联网获感知节点设备的信息数据，当然，终端节点的实时动态情况也可以通过传感器和互联网想用户端反馈。但是物联网对信息处理和分析的能力和资源是有限的，要实现高效率的信息感知，需要依靠信息融合技术协助物联网进行必要的信息处理。

2 信息融合技术

信息融合技术是指按照一定的规则条件，将传感器获得的大量信息数据按照一定的时序利用计算机信息技术对其进行收集、分析、提炼和处理的过程。通过信息融合技术，获得所需要的精准信息数据。可以说，信息融合就是对大量的不同的信息加以提炼和整合的过程，通过信息融合得到更加精炼更加准确的数据，为某种决策需要或者数据要求提供信息数据的支持。信息融合的主要功能在于将信息加以提炼，提高信息的可用性。随着信息融合技术不断的向前发展，信息融合也从军事领域的应用逐步扩大到民用领域的应用，在物联网技术飞速发展的今天，信息融合技术更是具有重要的作用。

根据信息提取融合的水平，可将信息融合技术分为以下三种层次类型：

1）数据级信息融合技术

数据级融合的主要特点在于对采集后的原始数据中的同质信息在本阶段进行融合。融合通常采用下面几种方法：

（1）加权平均法

此种融合方法是多种算法中最简单的一种，对传感器获得的数据信息直接进行线性的加权平均计算。此种计算方法的优点在于计算简单、高效，对于噪声具有抑制作用；其缺点在于融合的结果有较低的对比度，对某些有重要作用的信息不能突出的反映出来。

（2）特征匹配法

此种方法特点在于以特征的匹配关系为依据，将图像与图像之间的配准映射变换建立起来，常采用ICP算法。IPC算法经过一系列的发展和完善，从基于特征的对应方法逐步发展到基于切线角度直方图的ICP算法，其精确度、计算量、计算速度等方面得到不断的提高。

（3）金字塔算法

此种方法将原始图像不断进行滤波，最终成为多级的金子塔状的结构对图像数据进行分析和融合处理。

2）特征级信息融合技术

特征级信息融合技术是对从收集的原始数据中提取出的特征值进行比较的信息融合方法。此种方法的优点在于对不同质信息在此阶段加以融合，其缺点在于不能对信任融合的结果进行有效的判断。通常采用以下几种算法：

（1）K-近邻算法

此种算法是分类算法中的一种简单方法，通过对待分类样本到全体样本间的距离计算度量找出最邻近于待分类样本的K个样本，并通过这些近邻样本的类别属性对待分类样本的类别属性加以确定。

（2）卡尔曼滤波

此种方法属于滤波技术的一种，是随机滤波中最优化方法，对噪音带来的信号干扰可以有效的消除。但无论是传统的卡尔曼滤波还是扩展后的卡尔曼滤波都只能在线性高斯系统中运用，其局限性较大。

3）决策级信息融合技术

决策级信息融合技术根据对数据的一系列的识别、提取、提炼等处理得到的结果做出最优的决策建议，是信息融合层次中最高级的层次。其优点在于具有良好容错性，适合在多个领域中应用。常用的决策方法有以下几种：

（1）专家系统

专家系统结构组成包括：知识库、推理机、数据库、解释器、出入接口五个主要部分组成。专家系统的类型有多种，被应用于多个领域内的智能决策系统中。

（2）Bayes推理法

此种方法是根据概率和图论进行分析，经过一系列的推理得出一种不确定性结论的方法。该方法将数学学科与图论的知识和技巧加以引入，通过推理的方法达到使计算复杂度降低的目的。

3 物联网信息融合技术中存在的问题

3.1 多源异构信息以及大数据的融合问题

通过信息融合技术处理的数据信息呈现出多源异构的典型特点，而且在物联网中的各个节点对信息的分析和处理的数据量也具有很大的不同，因此，对于多源异构信息的融合，还面临以下几个问题：一是在数据信息融合时需要将不同维数的信息进行降维优化的处理；二是网络中各个节点不同的采样时间和采样率使得信息融合时有不确定的融合问题存在；三是进行信息融合的时候需要进行大量的运算，这就要求个节点间数据的访问、调动和管理必须实现高效的进行。

另外物联网中多个传感设备采集的信息是海量的，要从海量的信息中提取出用户需要的有用信息，就必须先对海量信息进行识别、提炼的处理。而从我国的信息融合技术的发展来看，对于大规模信息融合的节点信息承载还有待提高，无论在运算方法方面还是在信息传输的可靠性方面都需要进一步的研究和发展。

3.2 安全问题

信息感知是物联网信息融合技术的主要功能，在节点网络中，如果有一个节点的信息被病毒所篡改，就会对信息融合带来麻烦和阻碍。如果融合信息遭到破坏，直接会影响信息融合的有序进行，从而影响正确的结论的产生。用户在错误的指导下进行决策，必须带来不利的影响。因此，必须对信息的安全的问题加以重视。

参考文献

[1]刘海涛.物联网技术应用[M].北京：机械工业出版社，2011：6-9.

[2]赵杰，等.信息融合的实质及核心技术[J].情报指挥控制系统与仿真技术，2012，8.

[3]金弟.基于k最近邻网络的数据聚类算法[J].模式识别与人工智能，2012，23（4）.