結合WsN以數據為中心的特點,根據對傳感器數據的操作級別,可以將數據融合分為三類, S07K320E2即數據級融合、特征級融合和決策級融合。WSN數據融合算法設計以這三類為基礎。

    數據級融合是最底層的融合,很少使用智能算法,直接對數據進行較低層次的融合,是面向數據的融合。此層次融合直接對原始數據和其他信息進行融合處理,最大限度地保持原始信息,能為其他層次融合提供所不具有的細微信息。這種融合僅僅依賴數據的類型,與用戶需求無關。由于所采集的信息量大,信息冗余度高,故存在處理代價高、數據融合度低和實時性差等缺陷。

   特征級融合是將數據表征為特征向量進行綜合分析和處理的中間層次過程。特征級融合過程所提取的特征向量反映了被監(jiān)測物體的屬性,是數據信息的統(tǒng)計量或充分表示量。例如,在大氣污染環(huán)境監(jiān)測的應用領域,特征級融合可以對傳感器所采集的數據進行綜合分析,鑒別出空氣中主要污染源。特征級融合分為目標狀態(tài)信息融合和目標特性融合,目標狀態(tài)信息融合主要應用于目標跟蹤領域,目標特性融合主要應用于特征層的聯合識別。特征級融合實現了傳感器信息的壓縮,減少了傳輸的數據量,具有實時性的特點。融合算法所提取的特征向量直接反映了被測環(huán)境的狀態(tài),能夠為決策分析提供重要依據。

   決策級融合是最高級別融合。不同類型的傳感器觀測同一日標時,傳感器各自完成預處理、特征提取、識別和判斷,然后通過相關處理、決策判決,綜合分析后獲得推斷結果。決策級融合具有實時性好的優(yōu)點,另外,如果出現某個或某些傳感器失效,并不影響融合處理后的決策,具有良好的容錯性。

   數據級融合、特征級融合和決策級融合各自具有自己的優(yōu)缺點,如表2,1所示。