多源數(shù)據(jù)融合的壓縮感知算法在智能交通中的應(yīng)用研究

王小紅

摘 要 本文闡述多源數(shù)據(jù)融合在智能交通網(wǎng)中的研究現(xiàn)狀，利用壓縮感知的基本理論，進行智能交通中數(shù)據(jù)融合與重構(gòu)算法。最后，總結(jié)壓縮感知應(yīng)用于智能交通網(wǎng)，以實現(xiàn)智能交通網(wǎng)絡(luò)中的數(shù)據(jù)采集。智能交通網(wǎng)的數(shù)據(jù)采集的數(shù)據(jù)多、數(shù)據(jù)雜，本文提出壓縮感知理論用于智能交通網(wǎng)的數(shù)據(jù)采集，降低數(shù)據(jù)量，提高有效數(shù)據(jù)的采集，采用的重構(gòu)算法實現(xiàn)數(shù)據(jù)的重構(gòu)，保證信號重構(gòu)的精確性和穩(wěn)定性，保證網(wǎng)絡(luò)傳輸信息的準(zhǔn)確性。最后給出了仿真分析論證。

關(guān)鍵詞 數(shù)據(jù)融合;壓縮感知;重構(gòu)算法;智能交通

引言

智能交通系統(tǒng)網(wǎng)絡(luò)中，采用了大量不同類型的傳感器，比如溫度、聲音、振動、壓力等等，由于網(wǎng)絡(luò)的智能處理系統(tǒng)中傳感器種類是多樣的，而且是多種傳感器相互組合作用。在智能交通系統(tǒng)設(shè)計當(dāng)中，外界道路交通環(huán)境感知信息是由各種各樣的傳感器的采集后，由處理器進行分析處理后發(fā)出相關(guān)指令，最后指令通過無線傳輸?shù)酵獠康缆坊A(chǔ)設(shè)施中。傳統(tǒng)的多源數(shù)據(jù)融合算法，在多傳感器節(jié)點的智能交通系統(tǒng)中能量與通信帶寬上的均不能達到要求。因此，本文采用多源數(shù)據(jù)融合的壓縮感知算法，通過仿真驗證能夠較好的減少節(jié)點間數(shù)據(jù)通信量。

多源傳感器數(shù)據(jù)融合（ Multi-Sensor data fusion）最早興起于國外軍事方面。這些軍事系統(tǒng)采用的傳感器包括雷達、紅外、激光、可見光傳感器和聲音傳感器等，通過各種算法解決態(tài)勢評估和威脅評估技術(shù)問題。與其他發(fā)達國家相比，我國的數(shù)據(jù)融合技術(shù)發(fā)展較晚。我國已開始研究數(shù)據(jù)融合理論方法和技術(shù)的實現(xiàn)，將傳感器數(shù)據(jù)融合技術(shù)用于檢測、控制、模式識別、故障診斷和導(dǎo)航等領(lǐng)域。

無線傳感器網(wǎng)絡(luò)（Wireless Sensor Networks， WSN）數(shù)據(jù)融合技術(shù)的研究重點包括以下三個方面：路由協(xié)議、數(shù)據(jù)融合算法和數(shù)據(jù)表示。WSN采用融合技術(shù)的目的是對感知數(shù)據(jù)做采集與處理，并將處理后的數(shù)據(jù)傳送到基站。

1 數(shù)據(jù)級融合

數(shù)據(jù)級融合數(shù)據(jù)，來自于智能交通多種傳感器采集的相關(guān)數(shù)據(jù)，經(jīng)過放大電路將信號方法后，處理器將直接融合同級別傳感器的數(shù)據(jù)。分析提取特征后，判決傳感器采集數(shù)據(jù)的屬性。其數(shù)據(jù)融合的模型如圖1所示。

數(shù)據(jù)級融合屬于最基本的數(shù)據(jù)融合形式，其能夠融合的數(shù)據(jù)只能是相同的傳感器，最多是相近的傳感器。如：氣體、液體等傳感器。因此，通過處理原始數(shù)據(jù)，才能保證融合的數(shù)據(jù)來自于相同或者同類的傳感器。

這種數(shù)據(jù)級融合模型的主要優(yōu)勢是：計算數(shù)據(jù)詳細，計算精確，具有較高的計算精度。同時由于計算數(shù)據(jù)龐大，存在以下局限性：

（1）實時性：分析和處理傳感器采集的原始數(shù)據(jù)，冗雜數(shù)據(jù)多，導(dǎo)致計算量較大，造成處理時間較長，實時性差。

（2）抗干擾性：整個數(shù)據(jù)分析過程中，數(shù)據(jù)未清洗，數(shù)據(jù)質(zhì)量直接影響到模型效果和最終結(jié)論數(shù)據(jù)，且能耗較高。

（3）單一性：融合的數(shù)據(jù)只能是相同或者同類傳感器采集的信息，融合的能力不足，該融合模型只能提供對于被測目標(biāo)單一屬性的融合處理[1]。

2 多源數(shù)據(jù)信息融合系統(tǒng)模型

根據(jù)輸入數(shù)據(jù)的融合以及輸出結(jié)果方式的不同，提出數(shù)據(jù)融合功能模型，并將數(shù)融合的種類劃分為不同級別。數(shù)據(jù)融合級別的劃分規(guī)則綜合了五級分類模型與四級分類模型的優(yōu)點，給出了六級分類模型。其中，數(shù)據(jù)融合功能級別主要分為第零級（ 信息源預(yù)處理）、第一級（檢測級融合）、第二級（位置級融合）、第三級（目標(biāo)識別級融合）、第四級（態(tài)勢估計）、第五級（威脅估計）及第六級（精細處理）[2]。

現(xiàn)有的智能交通在數(shù)據(jù)信息融合系統(tǒng)模型大體上可以分為功能型模型和數(shù)據(jù)型模型：前者主要是根據(jù)數(shù)據(jù)處理順序進行構(gòu)建，例如UK情報環(huán)、OODA環(huán)等;UK情報環(huán)將信息處理過程抽象成了一個環(huán)形結(jié)構(gòu)。而后者則是根據(jù)各個不同的數(shù)據(jù)提取環(huán)節(jié)加以構(gòu)建。本文采用UK情報環(huán)模型。

UK情報環(huán)模型能夠很好地滿足數(shù)據(jù)處理中的多項原則。

3 壓縮感知算法實現(xiàn)

壓縮感知算法應(yīng)用在UK環(huán)的整理階段。對采集到的數(shù)據(jù)，進行數(shù)據(jù)融合和壓縮處理，壓縮感知理論主要包括3個部分：

步驟4重構(gòu)壓縮算法

while

h = A* r;

[h_new，h_index]=sort（abs（h），descend）;

L = union（a_index2，h_index（1：alpha*k））;

a（L） = A（：，L）＼y;

[a_new，a_index] = sort（abs（a），descend）;

a（a_index（k+1：end））=0;

a_index2 = a_index（1：k）;

r= y - A*a;

r=y-A（：，a_index2）*pinv（A（：，a_index2））*y;

iter = iter + 1;

end

while

該算法通過稀疏投影矩陣選擇參與投影的源節(jié)點。因此，提高數(shù)據(jù)的融合質(zhì)量，就可以通過設(shè)計一個較為特殊的投影矩陣，由參與投影的節(jié)點數(shù)進行計算，進一步提高效率[5]。

4 仿真分析

為了驗證算法的有效性，本文在MATLAB仿真環(huán)境下對算法的融合結(jié)果，進行了仿真實驗的驗證。實驗環(huán)境：電腦配置為：CPU為i7;內(nèi)存為8G，操作系統(tǒng)為Win10 Ulti-mate。實驗指標(biāo)為數(shù)據(jù)融合后網(wǎng)絡(luò)節(jié)點生存期和融合過程中的網(wǎng)絡(luò)能耗。

在實驗過程中，模擬的智能交通傳感器節(jié)點，分別采用合成的高壓縮率的測試信號，對于m為算法分別運行100次。圖4給出了具體實驗參數(shù)。

由上圖5可知，基于多源數(shù)據(jù)融合壓縮算法隨著待融合數(shù)據(jù)量的增加能量消耗略有上升趨勢，但最終逐漸趨于平穩(wěn)，平均網(wǎng)絡(luò)能耗為30nJ/bit，網(wǎng)絡(luò)能耗整體較低[6]。

5 結(jié)束語

針對當(dāng)前數(shù)據(jù)融合算法存在的實時性低、干擾性差、能耗高的問題，提出了基于多源數(shù)據(jù)融合壓縮算法。該方法能夠降低數(shù)據(jù)量，提高有效數(shù)據(jù)的采集，采用的重構(gòu)算法實現(xiàn)數(shù)據(jù)的重構(gòu)，保證信號重構(gòu)的精確性和穩(wěn)定性，保證網(wǎng)絡(luò)傳輸信息的準(zhǔn)確性，且能耗低。

參考文獻

[1] 李棟，胡芳，李斌，等.無線傳感器網(wǎng)絡(luò)的數(shù)據(jù)傳輸優(yōu)化方法[J].電子設(shè)計工程，2019，27（24）：99-102，107.

[2] 黃博文，王斌，丁杰，等.基于K中心的無線傳感器網(wǎng)絡(luò)路由協(xié)議[J].計算機科學(xué)與應(yīng)用，2019，9（3）：495-500.

[3] 宋婷婷，張達敏，陳忠云，等.基于剩余能量的認(rèn)知無線傳感器網(wǎng)絡(luò)頻譜分配[J].傳感技術(shù)學(xué)報，2019，32（12）：1875-1880.

[4] 徐晚霞，王博，張賀.基于模糊數(shù)學(xué)和主成分分析的數(shù)據(jù)融合算法研究[J].應(yīng)用數(shù)學(xué)進展，2019，8（5）：953-957.

[5] 包小源，張凱，金夢，等.基于數(shù)據(jù)空間的電子病歷數(shù)據(jù)融合與應(yīng)用平臺[J].大數(shù)據(jù)，2019，（6）：47-61.

[6] 姚國章，李詩雅.大數(shù)據(jù)與應(yīng)急管理融合發(fā)展研究[J].中國集體經(jīng)濟，2020，（1）：33-35.