[发明专利]一种多数据来源的数据融合、智能搜索的处理方法

摘要

本发明涉及传感器数据处理技术领域，具体来说是一种多数据来源的数据融合、智能搜索的处理方法及应用，传感器布局采用平面布局，传感器处于同一个平面上组成传感网，数据融合包含多个同种传感器的数据融合和不同种传感器的数据融合，传感器的数据特征及数据类型采用轮询的方式进行数据采集，采集节点在进行采集时要对数据进行冗余处理，采取基于分批估计的自适应算法。本方法通过动态采集各传感器数据，延长系统对传感器数据的识别时间，提高了数据精度，增大数据的准确率，从而提高系统识别的可靠性，适用于同类传感器较多、数据量较大、同种传感器布局在同一平面的场景，能实现种植环节种植小环境、农田气候监测多传感器等环境的数据融合。

主权项

1.一种多数据来源的数据融合、智能搜索的处理方法，其特征在于传感器布局采用平面布局，传感器处于同一个平面上组成传感网，数据融合包含多个同种传感器的数据融合和不同种传感器的数据融合，传感器的数据特征及数据类型采用轮询的方式进行数据采集，采集节点在进行采集时要对数据进行冗余处理，采取基于分批估计的自适应算法，所述的算法如下：M_ij＝|x_i‑x_j|i，j＝1，2，…n     (1)由M_ij的表达形式可知，M_ij越小则表明相互信任程度就越大，因此利用传感器中现有数据隐含信息相对距离和模糊集合理论的基础上定义信任度函数R_ij，则R_ij定义为：其中Max{M_ij}表示数据间相对距离的最大值，数据间相对距离表示数据间的信任度，成正比关系，由式(2)可知，数据间的相对距离越小，则数据间的相互信任度就越大；当数据间的相对距离最大，信任度函数的值为零，可认为两数据己经不再相互信任；而数据对自身的相对距离为零，则数据对自身的信任度为1，由于R_ij分布在[0，Max{R_ij}]之间，信任度函数量化定义与实际工作环境的真实性相一致，融合的数值结果更加精确和稳定，由此建立数据融合信任度矩阵K，信任度矩阵K的数据成员R_ij表示两数据间的相互信任度，单个距离差数据成员值不能代表所有数据总体信任程度，每个距离差数据在K矩阵全部成员数据中可视为是权系数所有数据信息量之和与最优融合估计的信息量之和相等，即而是全部成员数据R_i1，R_i2，…R_in总和，根据概率源合并定义权系数的数组注意权系数的数组值都非负，可得等式(4)：等效为矩阵表达方式如下：W＝KV       (5)其中V＝[V₁，V₂，…V_n]^T，信任度矩阵K是所有成员值都大于或等于0，K的特征值λ》0，通过λV＝KV得特征向量V＝[V₁，V₂，…V_n]^T，则得n个采集数据点融合计算公式：上式T值就是同意区域不在同一簇内簇头节点在协调器的自适应加权估算结果。