[发明专利]一种基于多传感器数据融合算法的土壤信息采集方法

说明书

针对林地土壤数据采集时由于环境恶劣、背景噪声大和信号干扰等因素会导致采集数据不精准的问题，为提升采集的林地土壤数据精准度，本发明提供了一种基于多传感器数据融合算法的土壤信息采集方法。本方法利用多传感器进行土壤环境采集，对传感器采集的数据进行异常检测，根据置信距离计算出的支持度将异常数据进行处理，以此解决采集数据误差过大的问题。通过传感器本身的固定精度方差和采集时的测量值方差，构建出一种优化的自适应加权融合算法，将各传感器所测数据进行融合，可以有效解决多传感器数据融合存在的精准性和鲁棒性不高的问题。

技术领域

本发明涉及传感器信息融合技术领域，具体为一种基于多传感器数据融合算法的土壤信息采集方法。

背景技术

随着传感器技术的迅速发展，采用传感器对土壤信息数据进行采集与管理将为农林业的发展带来新的变革。传统针对农林业土壤信息采集方法较为粗放型，无法达到精细化的标准要求。对种植土壤的信息数据进行实时采集与监控，能够使农林业种植的作物茁壮成长，确保产量得到提升。

土壤信息可以通过相应的传感器进行采集，但采用单个传感器获取的土壤信息数据往往不够可靠，测量的精度也是忽高忽低，即单个传感器的采集结果置信度较低，难以满足监测的要求。为了确保得到的土壤信息数据精确可靠，需要采用多个同类传感器对土壤进行采集，将多个无关联的采集结果提取出相同的特征，随之进行数据融合，提高采集数据的可靠性，得到一个更加精准的数据。

目前的数据融合算法主要是算术平均法、DS证据理论、贝叶斯估计、卡尔曼滤波和各类神经网络算法等。采用DS证据融合算法和卡尔曼滤波等此类方法虽然能够改善采集数据准确性，但由于其计算复杂度较大，在嵌入式设备运行困难。而自适应加权融合算法的计算复杂度低，适合在算力不高的嵌入式设备运行，同时能够优化各传感器采集到的数据。在此方面，有利用相关度的多传感器自适应加权数据融合算法，虽然在精度上有了较高的提升，但没有综合置信矩阵是对称的特性，会使融合结果产生波动；也有采用支持度方法对偏离度较大的数据进行处理，再通过自适应加权算法对数据进行融合，但其将偏离数据直接删除会影响融合结果不够准确。

由此可见，如何针对土壤环境信息采集准确性低、鲁棒性差的问题，采用适合的数据融合算法是一个重要问题。本发明提供出一种基于多传感器数据融合算法的土壤信息采集方法解决此类问题，首先利用支持度函数对采集数据中的异常值进行检测后更换，能够有效减少采集信息的丢失；然后，根据传感器所测实际值的方差进行最优测量权值的计算，并且依据传感器自身精度因素分配固定权值，综合两种权值进行数据融合。

发明内容

本发明针对现有多传感器数据融合研究的不足之处，提供一种基于多传感器数据融合算法的土壤信息采集方法，无需所用传感器的先验知识，能够利用多传感器针对同一监测点进行数据采集，根据采集数据的冗余性与互补性，将各传感器所测的数据进行数据融合，能够提升数据精准度与可靠性。

本发明的技术方案为：

首先利用拉依达准则和支持度函数对数据进行预处理，能够检测出采集数据中误差粗大的数据，使用支持度最高的数据进行替换；然后，根据传感器所测数据采用优化后的自适应加权算法进行融合计算。数据融合步骤如下：

步骤1：由n个传感器采集到的数据X₁，X₂，…，X_n,将该数据集由小至大排序；计算出数据集的算术平均值剩余误差按照拉依达准则，由贝塞尔公式计算出数据的标准差σ，若传感器i的测量值X_i的剩余误差v_i，满足说明该数据偏移较大，将其标记为异常值；

步骤2：计算出传感器i与传感器j的Jousselme距离dis_J(i,j),该值能够反映两个传感器之间的差异程度，越小说明传感器所测数据差异小，即置信度越高；