多源多模態(tài)感知數(shù)據(jù)的變頻采樣及融合技術(shù)研究.pdf

1、隨著物聯(lián)網(wǎng)的快速發(fā)展，很多實際應(yīng)用中均需部署大量的感知設(shè)備來進行數(shù)據(jù)的采集及處理，從而對物理世界進行高質(zhì)量監(jiān)測，但由于這些硬件設(shè)備固有的限制以及所處環(huán)境等因素的影響，單一模態(tài)的數(shù)據(jù)往往不能完整全面的監(jiān)測到物理世界的變化特征因此為了避免該問題的發(fā)生，本文引入多源多模態(tài)數(shù)據(jù)的概念，對不同的屬性信息（也就是多源多模態(tài)數(shù)據(jù)）進行采集，從而獲取更為準確的物理世界信息。此外，大部分的感知數(shù)據(jù)采集均基于等頻采樣方法，但對于連續(xù)變化的物理世界，在能耗受

2、限的條件下，等頻采樣往往會忽略一些關(guān)鍵點，從而導致數(shù)據(jù)中關(guān)鍵信息的缺失，使輸出的曲線失真?；诖耍疚膶Χ嘣炊嗄B(tài)感知數(shù)據(jù)的變頻采樣技術(shù)展開了研究。
　　首先，本文提出了一種基于多源多模態(tài)感知數(shù)據(jù)的變頻采樣技術(shù)。這個方法考慮到各個屬性數(shù)據(jù)間所存在的相關(guān)特征，利用主成分分析模型找到一個能解釋所有模態(tài)信息且無冗余信息的綜合指標，并依據(jù)該指標的變化情況來確定下一個采集時刻，該方法的采樣頻率是隨著綜合指標變化而變化的，可以保證采集到關(guān)鍵信

3、息點，從而使最終輸出的感知曲線O(ε)近似于真實的感知曲線。在此基礎(chǔ)上，本文中還對所采集的每一個模態(tài)數(shù)據(jù)進行數(shù)據(jù)質(zhì)量準確性方面的定義，并根據(jù)該定義提出相應(yīng)的數(shù)據(jù)優(yōu)化改進方法，使各個模態(tài)數(shù)據(jù)質(zhì)量最終也能滿足用戶在精度上的要求。最后本文利用真實數(shù)據(jù)與模擬數(shù)據(jù)對該變頻采樣方法進行測試，觀察變頻采樣方法與等頻采樣方法的性能，最終驗證出該變頻采集算法的優(yōu)越性。
　　其次，考慮到傳感器在感知環(huán)境信息時，周圍環(huán)境不穩(wěn)定以及自身能量問題等外界因素

4、的干擾，感知數(shù)據(jù)中會摻雜一些異常數(shù)據(jù)，因此，為了避免該現(xiàn)象對最終結(jié)果的不利影響，本文還提出了一種針對多源多模態(tài)數(shù)據(jù)預處理方法。在本文中，我們利用多源多模態(tài)數(shù)據(jù)固有的優(yōu)勢，將前面主成分分析法所得到的多模態(tài)數(shù)據(jù)間的相關(guān)關(guān)系應(yīng)用到絕對均值法當中，首先利用綜合指標判斷出異常點出現(xiàn)的時刻，之后，在該時刻找到各維數(shù)據(jù)中存在的一個或多個異常點，將其剔除并補入相應(yīng)的估計值，從而得到更為準確的結(jié)論。通過實驗驗證，該采樣方法可以基本去除所采數(shù)據(jù)中的野值點(

5、outliers)。
　　最后，本文提出了基于多源多模態(tài)感知數(shù)據(jù)的兩種融合技術(shù)，將所采集到的數(shù)據(jù)以分類結(jié)論或決策的形式輸出，以達到用戶對多模態(tài)數(shù)據(jù)不同類型的要求。與此同時，本文也對多源多模態(tài)感知數(shù)據(jù)融合后的分類結(jié)果進行數(shù)據(jù)質(zhì)量準確性方面的定義。通過實驗驗證，可以比較出各個融合分類方法的好壞，以及結(jié)果準確性的影響因素。
　　總之，本文基于物聯(lián)網(wǎng)中的多源多模態(tài)感知數(shù)據(jù)，利用各個模態(tài)間固有的特性進行變頻采樣與融合技術(shù)的深入研究，保