多傳感器數(shù)據(jù)融合技術(shù)在機(jī)房監(jiān)控系統(tǒng)中的應(yīng)用

趙玲云

摘 要： 基于ZigBee技術(shù)設(shè)計(jì)機(jī)房環(huán)境監(jiān)控系統(tǒng)，根據(jù)無(wú)線傳感器網(wǎng)絡(luò)自身的局限性和監(jiān)控網(wǎng)絡(luò)多種傳感器協(xié)同工作的特點(diǎn)，重點(diǎn)研究多傳感器數(shù)據(jù)融合知識(shí)，并將模糊數(shù)學(xué)的D?S數(shù)據(jù)融合技術(shù)應(yīng)用到該系統(tǒng)網(wǎng)絡(luò)中，為了確保無(wú)線傳感器的穩(wěn)定性以及采集到的數(shù)據(jù)的準(zhǔn)確性，系統(tǒng)加入智能判別過(guò)程。實(shí)踐表明，該研究達(dá)到了預(yù)定目標(biāo)。

關(guān)鍵詞： 機(jī)房監(jiān)控系統(tǒng)； 多傳感器； 數(shù)據(jù)融合； ZigBee技術(shù)

中圖分類(lèi)號(hào)： TN948.64?34 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2016）24?0116?04

Application of multi ?sensor data fusion technology in computer room monitoring system

ZHAO Lingyun

（Nantong Shipping College， Nantong 226010， China）

Abstract： The design of computer room environment monitoring system based on ZigBee technology is introduced in this paper. According to the limitation of wireless sensor network itself and characteristics of multi?sensor cooperative work in monitoring network， the knowledge of multi?sensor data fusion is researched emphatically， and the D?S data fusion technology in fuzzy mathematics is used in the monitoring system. In order to ensure the stability of wireless sensor and veracity of the collected the data， an intelligent decision process is added in the system.

Keywords： computer room monitoring system； multi?sensor； data fusion； ZigBee technology

1 機(jī)房監(jiān)控系統(tǒng)的多傳感器與信息融合技術(shù)概述

機(jī)房環(huán)境監(jiān)控系統(tǒng)是指對(duì)機(jī)房環(huán)境的濕度、溫度、煙霧以及供電電源的電壓、電流進(jìn)行實(shí)時(shí)數(shù)據(jù)采集并進(jìn)行調(diào)控的綜合系統(tǒng)。本文研究的機(jī)房監(jiān)控系統(tǒng)采用的是基于ZigBee技術(shù)的無(wú)線監(jiān)控網(wǎng)絡(luò)，對(duì)機(jī)房?jī)?nèi)的環(huán)境進(jìn)行實(shí)時(shí)監(jiān)控并將傳感器收集到的信息上傳給核心處理模塊做進(jìn)一步處理。無(wú)線網(wǎng)絡(luò)的基本框架如圖1所示，系統(tǒng)中無(wú)線監(jiān)控的終端節(jié)點(diǎn)主要由傳感器、控制器、射頻通信模塊和供電系統(tǒng)組成。根據(jù)機(jī)房環(huán)境的特點(diǎn)，傳感器又分為溫濕度傳感器、水浸檢測(cè)傳感器、煙霧傳感器、電源電壓檢測(cè)傳感器等。系統(tǒng)中的傳感器種類(lèi)復(fù)雜多樣、采集到的信息量大、每種傳感器采集的信息耦合性強(qiáng)。多傳感器信息融合[1] （Multisensor Information Fusion）是指多級(jí)別、多方面、多層次地對(duì)來(lái)自多個(gè)傳感器的數(shù)據(jù)進(jìn)行處理，從而產(chǎn)生這些傳感器無(wú)法產(chǎn)生的有意義的信息，實(shí)現(xiàn)對(duì)目標(biāo)更準(zhǔn)確、更可靠的識(shí)別。

當(dāng)今，隨著科學(xué)技術(shù)的發(fā)展，對(duì)信息融合要求也是越來(lái)越大，融合的主要技術(shù)手段是利用計(jì)算機(jī)技術(shù)對(duì)按時(shí)序獲得的多傳感器的觀察信息在一定條件下自動(dòng)優(yōu)化分析、綜合利用以做出所需的決策和相關(guān)任務(wù)而進(jìn)行的信息處理的過(guò)程?？梢?jiàn)，信息融合的硬件基礎(chǔ)是各種傳感器，加工對(duì)象是多源信息，核心是對(duì)數(shù)據(jù)進(jìn)行協(xié)調(diào)優(yōu)化綜合處理。數(shù)據(jù)融合目前有許多種分類(lèi)方法[2]。按融合方法分類(lèi)，可以分為統(tǒng)計(jì)方法、人工智能方法等；按信號(hào)處理的域進(jìn)行分類(lèi)，分為時(shí)域、空域和頻域等；按融合的層次以及融合過(guò)程順序分為低級(jí)、中級(jí)和高級(jí)，并根據(jù)融合的層次和相關(guān)信息推導(dǎo)出融合的級(jí)別，又可以分為數(shù)據(jù)級(jí)、特征級(jí)和決策級(jí)。其中，最后一種分類(lèi)的三種方法目前使用的較廣泛，三種融合方法的性能對(duì)照[3]，如表1所示。

表1 按融合級(jí)別劃分的三種融合方法性能對(duì)照表

無(wú)線傳感器網(wǎng)絡(luò)大多是由部署在監(jiān)控區(qū)域大量微型傳感器組成，這些傳感器具有感知、計(jì)算和通信能力，它們通過(guò)無(wú)線的方式組成一個(gè)網(wǎng)絡(luò)系統(tǒng)，其目的是采集、感知目標(biāo)區(qū)域的信息，并將獲取的信息傳遞給獲取者。無(wú)線傳感器網(wǎng)絡(luò)因其具有很強(qiáng)的靈活性、低功耗等特點(diǎn)，在軍事領(lǐng)域、災(zāi)難預(yù)警與救助、空間監(jiān)測(cè)、醫(yī)療健康檢測(cè)等方面應(yīng)用十分廣泛。但是，無(wú)線傳感器網(wǎng)絡(luò)也有自身的不足，首先通信能力有限，傳感器的通信能力一般在幾十至幾百米，由于節(jié)點(diǎn)的工作環(huán)境一般比較惡劣，所以通信過(guò)程中往往受到地形、氣溫、磁場(chǎng)等因素的干擾；其次，計(jì)算能力有限，節(jié)點(diǎn)內(nèi)核往往嵌入低端的處理器和存儲(chǔ)器，如8/16位單片機(jī)等，這些設(shè)備只具有較低速率的處理能力；能量供給有限，節(jié)點(diǎn)往往是由電池供電的，而每個(gè)節(jié)點(diǎn)的運(yùn)行周期長(zhǎng)，因此節(jié)點(diǎn)在被按放到目標(biāo)環(huán)境中時(shí)其供給的能量是十分有限的；最后就是傳輸數(shù)據(jù)方向性強(qiáng)，在網(wǎng)絡(luò)中節(jié)點(diǎn)一般會(huì)遵循傳輸協(xié)議中規(guī)定的方向進(jìn)行傳輸，一旦某個(gè)中間級(jí)節(jié)點(diǎn)發(fā)生故障而無(wú)法接收下級(jí)節(jié)點(diǎn)的數(shù)據(jù)，可能導(dǎo)致終端節(jié)點(diǎn)數(shù)據(jù)的丟失。數(shù)據(jù)融合技術(shù)在傳感器網(wǎng)絡(luò)中的作用是十分巨大的，主要表現(xiàn)在節(jié)省網(wǎng)絡(luò)能量、提高信息的準(zhǔn)確性、提高收集的效率等方面。

2 數(shù)據(jù)融合算法

信息時(shí)代，傳感器網(wǎng)絡(luò)的數(shù)據(jù)融合技術(shù)已經(jīng)應(yīng)用的十分廣泛，而多數(shù)數(shù)據(jù)融合的算法是對(duì)傳感器測(cè)量的一些數(shù)據(jù)提出了一些假設(shè)，如將一個(gè)統(tǒng)計(jì)獨(dú)立的高斯噪聲加入到傳感器的測(cè)量模型中或者將傳感器的測(cè)量誤差假定為統(tǒng)計(jì)獨(dú)立。根據(jù)不同的應(yīng)用領(lǐng)域，數(shù)據(jù)融合算法可以歸納為以下幾種[4]：

（1） 加權(quán)平均值算法。加權(quán)平均值算法是一種簡(jiǎn)單有效的融合算法，如式（1）所示，它對(duì)不同傳感器收集到的信息加權(quán)后取平均值，該方法計(jì)算過(guò)程簡(jiǎn)單，實(shí)時(shí)性強(qiáng)，但必須根據(jù)專(zhuān)家知識(shí)設(shè)定權(quán)重值，主觀性強(qiáng)。

[m=j=1Nwjmjj=1Nwj] （1）

式中，[wj]為每種傳感器收集到的信息的加權(quán)值。

（2） 貝葉斯估計(jì)算法。貝葉斯估計(jì)實(shí)際就是用概率的形式表示各種不確定的信息，并用貝葉斯條件概率公式進(jìn)行處理，每個(gè)相互獨(dú)立的決策都是一個(gè)樣本空間的劃分，最后由某種規(guī)則做出系統(tǒng)的決策，但是貝葉斯估計(jì)需要先驗(yàn)概率作為計(jì)算的基礎(chǔ)并且計(jì)算量較大。

（3） 卡爾曼濾波算法?？柭鼮V波算法利用高斯白噪聲對(duì)線性系統(tǒng)的系統(tǒng)噪聲和傳感器的噪聲建模，并可以將動(dòng)態(tài)的低級(jí)冗余數(shù)據(jù)實(shí)時(shí)融合，提供了惟一一個(gè)統(tǒng)計(jì)意義上的最優(yōu)融合值，其實(shí)時(shí)性好且不需要大量的存儲(chǔ)空間。

（4） 人工神經(jīng)網(wǎng)絡(luò)。人工神經(jīng)網(wǎng)絡(luò)是在現(xiàn)代心理學(xué)家和數(shù)理邏輯學(xué)家模擬人腦工作機(jī)制基礎(chǔ)上提出的。它由大量廣泛互聯(lián)的處理單元連接而成并與傳統(tǒng)的數(shù)字計(jì)算機(jī)的計(jì)算過(guò)程有本質(zhì)的區(qū)別。它具有大規(guī)模并行模擬處理，連續(xù)時(shí)間動(dòng)力學(xué)和網(wǎng)絡(luò)全局作用等特點(diǎn)，存儲(chǔ)體和操作合而為一。利用神經(jīng)網(wǎng)絡(luò)進(jìn)行數(shù)據(jù)的融合可以實(shí)時(shí)實(shí)現(xiàn)最優(yōu)處理算法、分布式存儲(chǔ)、并行處理并可以避開(kāi)模式識(shí)別中建模和特征提取，消除了模型不符與特征選擇不當(dāng)所產(chǎn)生的影響，并實(shí)現(xiàn)實(shí)時(shí)識(shí)別，以提高識(shí)別系統(tǒng)的性能。

（5） D?S（Dempster?Shafer）證據(jù)推理方法[5]。D?S是當(dāng)今數(shù)據(jù)融合中比較流行的一種方法，它是通過(guò)證據(jù)集的累積來(lái)縮小假設(shè)，首先將證據(jù)集合劃分為兩個(gè)以上不相關(guān)的小集合，并利用它們分別對(duì)目標(biāo)區(qū)域進(jìn)行獨(dú)立判斷，然后用特有的Dempster組合進(jìn)行規(guī)劃，最終將它們組合起來(lái)做出最終的判斷。其特點(diǎn)就是利用多角度多方面的證據(jù)來(lái)產(chǎn)生一個(gè)綜合信任度來(lái)判斷問(wèn)題，這樣使人們判斷問(wèn)題更理性、可靠。在傳感器網(wǎng)絡(luò)中，每個(gè)傳感器就被假設(shè)為一個(gè)證據(jù)體。多個(gè)傳感器數(shù)據(jù)融合，實(shí)質(zhì)上就是在同一判斷條件下，利用Dempster組合規(guī)則將各個(gè)證據(jù)體合并成一個(gè)全新的證據(jù)體，而這個(gè)證據(jù)體產(chǎn)生的過(guò)程就是D?S數(shù)據(jù)融合過(guò)程。但是D?S數(shù)據(jù)融合也有著自身的缺點(diǎn)，主要是數(shù)據(jù)融合建立在邏輯推理的前提下進(jìn)行的。同時(shí)，多路傳感器所收集到的證據(jù)集也會(huì)隨著傳感器受到外界工作的影響而非定向漂移，產(chǎn)生信息誤差。

3 D?S在監(jiān)控系統(tǒng)中的應(yīng)用

3.1 D?S證據(jù)理論

D?S理論中最基本的概念是建立證據(jù)框架（Frame of Discernment），并記為[θ]，與貝葉斯公式對(duì)[θ]內(nèi)的元素采用事件?概率的計(jì)算過(guò)程不同，它引入了命題?信任度的概念，并認(rèn)為一個(gè)事件與其對(duì)立事件的信任度之和可以小于1。在證據(jù)理論中，[θ]內(nèi)元素互不相容，對(duì)于框架內(nèi)的基本命題X滿足如下公式：

[m?=0X?2θm（X）=1] （2）

式中，[m（X）]稱(chēng)為命題X的基本概率賦值或質(zhì)量函數(shù)，它是[θ]的集合[2θ]到[0，1]上的映射，即[m：2θ→[0，1]]，同時(shí)X也成為[θ]內(nèi)的一個(gè)焦元。[m（X）]表示對(duì)命題X的支持程度，顯然對(duì)于空集[?]的支持程度為0，對(duì)于[θ]的全部子集的支持程度為1，從這點(diǎn)可看出，對(duì)命題X的賦值與計(jì)算X出現(xiàn)的概率方法相同。證據(jù)理論中第二個(gè)公式為：

[Bel?=0Bel（θ）=1Bel（X）=Y?Xm（Y）] （3）

式（3）中，同樣[?X?θ]，稱(chēng)Bel（X）為命題X的總信任度，由此基本概率賦值函數(shù)又可以推導(dǎo)為：

[m（X）=Y?X（-1）X-YBel（Y）] （4）

證據(jù)理論中的第三個(gè)公式：

[Pl（X）=1-Bel（X）Pl（X）=X?Y≠?m（Y）] （5）

式中，[Pl（X）]為命題X的似真度，似真度函數(shù)與信任度函數(shù)表示的是同樣的意義，即當(dāng)發(fā)送命題命題X時(shí)，[Pl（X）]為0，接收命題X時(shí)，[Pl（X）]為1，同時(shí)由式（5）還可以得到[Bel（X）≤Pl（X）]，這樣信任度函數(shù)與似真度函數(shù)可以用圖2表示。

區(qū)間[[0，Bel（X）]]定義為支持命題X的證據(jù)區(qū)間，[Bel（X）]為證據(jù)區(qū)間的上限；區(qū)間[[0，Pl（X）]]定義為命題X的似真區(qū)間，同樣，[Pl（X）]為似真區(qū)間的上限，同時(shí)它也是拒絕區(qū)間[[Pl（X），1]]的下限；區(qū)間[[Bel（X），Pl（X）]]為信任度區(qū)間或者中性證據(jù)區(qū)間，此區(qū)間表示對(duì)命題X的態(tài)度為既不支持也不反對(duì)。信任度區(qū)間是證據(jù)理論中討論性最強(qiáng)的一個(gè)區(qū)間：

（1） [[Bel（X），Pl（X）]]=1時(shí)，表示在[[0，1]]整個(gè)區(qū)間上均為信任度區(qū)間，命題X中包含的信息沒(méi)有任何利用價(jià)值；

（2） [[Bel（X），Pl（X）]]=0時(shí)，表示D?S證據(jù)理論與貝葉斯估計(jì)算法相一致，即[Bel（X）=Pl（X）=P（X）]，其中[P（X）]表示命題X的概率；

（3） [Bel（X）=Pl（X）=0]時(shí)，表示對(duì)命題X全然不支持；

（4） [Bel（X）=Pl（X）=1]時(shí)，表示這個(gè)區(qū)間為命題X的支持區(qū)間，此時(shí)的支持程度最大。

由證據(jù)理論式（2）、式（3）、式（5）可以推導(dǎo)得：

[Bel（X）+Bel（X）≤1] （6）

[Pl（X）+Pl（X）≥1] （7）

式（6）、式（7）說(shuō)明接收與拒絕命題X的信任度之和可以小于1，似真度之和可以大于1。

3.2 Dempster組合規(guī)則

D?S證據(jù)理論定義了組合來(lái)自多個(gè)信息源信息的相關(guān)規(guī)則，其中組合來(lái)自?xún)蓚€(gè)信息源的組合規(guī)則可以表示為：假設(shè)[Bel1]和[Bel2]是來(lái)自同一個(gè)證據(jù)框架[θ]上的兩個(gè)信任度函數(shù)，基本概率賦值分別為[m1]和[m2]，相應(yīng)的命題組（焦元）為[X1，X2，…，Xk]和[Y1，Y2，…，Yk]，則兩個(gè)命題組合成后的信任度函數(shù)[Bel]，如式（8）所示。

[m（Z）=Xi?Yj=Zm1（Xi）m2（Yj）1-K， ?Z?θ， Z≠?0， Z=? ] （8）

式中，假設(shè)[K=Xi?Yjm1（Xi）m2（Yj）]，[K<1]，[i=1，2，…，k]且[j=1，2，…，k]。式（8）中，[0≤K<1]時(shí)m（Z）可以確定一個(gè)基本概率分配，這時(shí)[Bel]是[Bel1]和[Bel2]的正交和，記作[Bel1⊕Bel2]，稱(chēng)為命題組的信任函數(shù)組合；[K=1]時(shí)則認(rèn)為[m1]和[m2]發(fā)生沖突無(wú)法進(jìn)行組合，那么式（8）稱(chēng)為Dempster經(jīng)典組合規(guī)則。

進(jìn)一步，命題[Xi]和[Yj]的信任度區(qū)間記為[El（Xi）=[Bel（Xi），Pl（Xi）]]和[El（Yj）=[Bel（Yj），Pl（Yj）]]，那么[X1]和[Y1]組合后的證據(jù)區(qū)間為：

[El（Z1）=El（X1）⊕El（Y1）=[1-ξ（1-Bel（X1））（1-Bel（Y1），ξPl（Y1））]] （9）

式中，[ξ={1-[Bel（X1）Bel（Y1）Bel（X1）]Bel（Y1）}-1]。對(duì)于多個(gè)信任度的融合，融合后的基本概率分配為[m（Z）=m1⊕m2⊕…⊕mN]，如下：

[m（Z）=?Xi=Zi=1Nmi（Xi）?Xi≠?i=1Nmi（Xi）] （10）

最后，需要一個(gè)決策性的準(zhǔn)則來(lái)判斷假設(shè)命題的真?zhèn)?，或者說(shuō)信任度或擬真值在哪一個(gè)范圍是可以接受的、哪些需要拒絕等，從而給命題下定論。

3.3 監(jiān)控系統(tǒng)的數(shù)據(jù)融合

機(jī)房監(jiān)控系統(tǒng)需要對(duì)機(jī)房?jī)?nèi)的設(shè)備進(jìn)行全天候不間斷的監(jiān)控，傳感器工作過(guò)程中會(huì)受到各種噪聲的干擾，這些噪聲大多以高斯分布形式出現(xiàn)，雖然系統(tǒng)可以判別噪聲并加以濾除，但還是會(huì)給數(shù)據(jù)融合的準(zhǔn)確性帶來(lái)一定誤差。為了防止上述現(xiàn)象的發(fā)生，系統(tǒng)首先對(duì)傳感器采集到的數(shù)據(jù)進(jìn)行預(yù)處理，定義式（11）和式（12）兩個(gè)式子作為環(huán)境變量歸一化公式：

[cj′=cj-LvaljLvalj-min1≤j≤n cj] （11）

[cj″=cj-Hvaljmax1≤j≤n cj-Hvalj] （12）

式中：[cj′∈（-1，0）]為低于機(jī)房環(huán)境某一項(xiàng)正常值的歸一化結(jié)果，如：機(jī)房?jī)?nèi)的環(huán)境溫度；用[Lvalj]表示第j項(xiàng)環(huán)境參數(shù)正常范圍的下限值；[min1≤j≤n cj]為第j類(lèi)檢測(cè)項(xiàng)最小值，有時(shí)可以根據(jù)實(shí)際情況對(duì)此項(xiàng)進(jìn)行專(zhuān)家人為擬定；同理，[cj″∈（0，1）]為高于機(jī)房環(huán)境某一項(xiàng)正常值的歸一化結(jié)果；[Hvalj]為表示第j項(xiàng)環(huán)境參數(shù)正常范圍的上限值，[max1≤j≤n cj]為第j類(lèi)檢測(cè)項(xiàng)取最大值，同樣可以根據(jù)實(shí)際情況對(duì)此項(xiàng)進(jìn)行專(zhuān)家人為擬定。這樣就可以將機(jī)房環(huán)境的各個(gè)因素劃分在（-1，1）的范圍內(nèi)，當(dāng)機(jī)房環(huán)境滿足正常值時(shí)，歸一化的結(jié)果為0，而當(dāng)某一項(xiàng)環(huán)境參數(shù)低于或高于正常值時(shí)，結(jié)果就會(huì)在（-1，0）或（0，1）兩個(gè)區(qū)間內(nèi)。顯然，當(dāng)結(jié)果出現(xiàn)在這兩個(gè)區(qū)間時(shí)都是非正常的情況，數(shù)據(jù)融合過(guò)程中總體的結(jié)果也會(huì)偏離正常值，最終產(chǎn)生監(jiān)控系統(tǒng)報(bào)警并且采取使之向正常值變化的調(diào)控。但是，如果因噪聲或其他因素的影響使傳感器節(jié)點(diǎn)非正常發(fā)送數(shù)據(jù)而落在這兩個(gè)區(qū)間時(shí)，調(diào)控就會(huì)失敗。因此，系統(tǒng)在得到歸一化的結(jié)果后，首先利用模糊數(shù)學(xué)的隸屬度函數(shù)對(duì)歸一化的結(jié)果與專(zhuān)家設(shè)定值進(jìn)行比對(duì)，如下：

[ri=j=1nexp-cj-nj， j=1，2，…，n] （13）

式中：[ri]為機(jī)房環(huán)境第[i]項(xiàng)的相似度總和；[cj]為同類(lèi)傳感器中的一個(gè)得到的歸一化結(jié)果；[nj]為專(zhuān)家設(shè)定的同類(lèi)傳感器中的一個(gè)比對(duì)數(shù)值。其次，在核心控制板設(shè)定數(shù)據(jù)融合閾值，進(jìn)而判斷模糊數(shù)學(xué)處理后的結(jié)果是否進(jìn)一步采取數(shù)據(jù)融合的判斷，這樣不但提高了數(shù)據(jù)融合的準(zhǔn)確性，加強(qiáng)了系統(tǒng)的可信度，同時(shí)也減少了核心板的運(yùn)算量，控制系統(tǒng)的實(shí)時(shí)性更強(qiáng)。

4 智能判別

無(wú)線傳感網(wǎng)中的每一個(gè)節(jié)點(diǎn)都承擔(dān)獲取傳感信息、數(shù)據(jù)存儲(chǔ)并發(fā)送、與其他節(jié)點(diǎn)通信的任務(wù)。每一個(gè)節(jié)點(diǎn)在傳輸過(guò)程中易受到高斯噪聲的影響而產(chǎn)生漂移。實(shí)際上，每一個(gè)傳感終節(jié)點(diǎn)都會(huì)被布置在環(huán)境相對(duì)較差的地方，如：將溫濕度傳感器節(jié)點(diǎn)安置在工作中的交換機(jī)、路由器周?chē)?，那里溫度較高且電磁干擾強(qiáng)，噪聲大。因此，傳感器節(jié)點(diǎn)易受到軟、硬件的損失而導(dǎo)致系統(tǒng)產(chǎn)生錯(cuò)誤甚至崩潰，其中產(chǎn)生錯(cuò)誤傳感信息（較傳感獲取值嚴(yán)重偏大或偏低）并發(fā)送給核心控制板是最為隱蔽，同時(shí)也是損失較大的一種錯(cuò)誤，它會(huì)擾亂后續(xù)的調(diào)節(jié)處理步驟，給機(jī)房監(jiān)控帶來(lái)嚴(yán)重后果。為了解決這一問(wèn)題，系統(tǒng)在加入模糊數(shù)學(xué)的同時(shí)也設(shè)置了輪回方式的網(wǎng)絡(luò)自詢(xún)問(wèn)，實(shí)現(xiàn)網(wǎng)絡(luò)節(jié)點(diǎn)的智能判別過(guò)程。

在輪回方式網(wǎng)絡(luò)自詢(xún)問(wèn)的過(guò)程中，每一個(gè)在無(wú)線網(wǎng)絡(luò)中coordinator節(jié)點(diǎn)附近的若干個(gè)終端節(jié)點(diǎn)將組成一個(gè)虛擬小網(wǎng)絡(luò)，coordinator節(jié)點(diǎn)和終端節(jié)點(diǎn)是ZigBee無(wú)線網(wǎng)絡(luò)中的典型節(jié)點(diǎn)。在這個(gè)小網(wǎng)絡(luò)中，共由9個(gè)節(jié)點(diǎn)組成，如圖3所示。

由圖3可知，一個(gè)節(jié)點(diǎn)向周?chē)?jié)點(diǎn)發(fā)送一致性檢測(cè)的信息，通過(guò)周?chē)?jié)點(diǎn)的反饋結(jié)果來(lái)確定周?chē)?jié)點(diǎn)的健康情況。在這個(gè)網(wǎng)絡(luò)中的節(jié)點(diǎn)不論coordinator節(jié)點(diǎn)還是終端節(jié)點(diǎn)其通信地位都是平等的，因此第一個(gè)發(fā)送檢測(cè)信息的節(jié)點(diǎn)從其ID號(hào)最低的開(kāi)始，依次輪回到小網(wǎng)絡(luò)中ID號(hào)最高的節(jié)點(diǎn)。發(fā)送的檢測(cè)信息包括檢測(cè)軟件與硬件的相關(guān)內(nèi)容，這些內(nèi)容可以根據(jù)用戶的要求進(jìn)行定義。當(dāng)其他節(jié)點(diǎn)完成一致性檢測(cè)后它將發(fā)送一個(gè)回答信息，最初發(fā)送的節(jié)點(diǎn)將收集這些信息以確定周?chē)?jié)點(diǎn)的健康情況。在整個(gè)智能判別的網(wǎng)絡(luò)中，每一個(gè)節(jié)點(diǎn)都有一個(gè)健康閾值[wk]，它是指小網(wǎng)絡(luò)檢測(cè)一輪后各個(gè)節(jié)點(diǎn)健康信息總和。當(dāng)這個(gè)節(jié)點(diǎn)的健康信息不小于健康閾值時(shí)，它將被判定為正常節(jié)點(diǎn)，否則定義為錯(cuò)誤節(jié)點(diǎn)，整個(gè)網(wǎng)絡(luò)將舍棄該節(jié)點(diǎn)的任何信息。圖3中，各個(gè)節(jié)點(diǎn)的健康閾值定義為2，當(dāng)健康信息總和為1時(shí)，將被定義為錯(cuò)誤節(jié)點(diǎn)。經(jīng)過(guò)無(wú)線通信網(wǎng)絡(luò)自主智能判別后，網(wǎng)絡(luò)會(huì)自動(dòng)濾除錯(cuò)誤節(jié)點(diǎn)，使網(wǎng)絡(luò)信息的可信度大大提高。

5 結(jié) 語(yǔ)

綜上所述，機(jī)房監(jiān)控系統(tǒng)選用D?S融合算法作為數(shù)據(jù)融合的主要手段，為了克服D?S數(shù)據(jù)融合應(yīng)用在本監(jiān)控系統(tǒng)中的不足，首先根據(jù)機(jī)房環(huán)境的實(shí)際情況確定最準(zhǔn)確的隸屬度函數(shù)，對(duì)收集到的數(shù)據(jù)進(jìn)行模糊數(shù)學(xué)處理，然后將處理后的數(shù)據(jù)集作為多方面證據(jù)融合出機(jī)房環(huán)境監(jiān)控的最佳監(jiān)控結(jié)果，實(shí)現(xiàn)機(jī)房高效監(jiān)控、科學(xué)調(diào)控的目的。

參考文獻(xiàn)

[1] 劉曉寧.ZigBee無(wú)線傳感器網(wǎng)絡(luò)在監(jiān)控系統(tǒng)中的研究與應(yīng)用[D].濟(jì)南：山東大學(xué)，2007.

[2] 寧永生.智能控制技術(shù)在中央空調(diào)監(jiān)控系統(tǒng)中的應(yīng)用研究[D].重慶：重慶大學(xué)，2004.

[3] 王蘊(yùn)紅，譚鐵牛，朱勇.基于奇異值分解和數(shù)據(jù)融合的臉像鑒別[J].計(jì)算機(jī)學(xué)報(bào)，2000，23（6）：649?653.

[4] 張弘強(qiáng)，鄧振生，蘇心雨.基于Linux和Qt4便攜式醫(yī)療儀器的開(kāi)發(fā)方法[J].北京生物醫(yī)學(xué)工程，2011，30（2）：191?194.

[5] JOHNSTON M S， ROSENTHAL K L， SHOFER F S. Assessment of a point?of?care biochemical analyzer and comparison with a commercial laboratory for the measurement of total protein and albumin concentrations in psittacines [J]. American journal of veterinary research， 2007， 68（12）： 15?27.

[6] 劉小杰，杜永清，張鶴平，等.基于LabVIEW與PLC的燒嘴試驗(yàn)臺(tái)測(cè)控系統(tǒng)設(shè)計(jì)[J].火箭推進(jìn)，2015（3）：108?112.

[7] 朱舒揚(yáng).全尺寸超燃沖壓發(fā)動(dòng)機(jī)推力測(cè)量臺(tái)架研制[J].火箭推進(jìn)，2015（5）：106?110.