[发明专利]一种感知数据获取方法

说明书

本发明公开了一种感知数据获取方法，包括步骤：步骤一、布置感知设备采集数据，对收集到的数据定义为其中t为数据采集时刻，k为感知数据编号，data为感知数据原始值，τ为感知数据置信度，s_i为可缺省的感知节点；步骤二、将感知数据进行归类，分配识别关联感知节点，根据感知设备在空间中的时空关系，求取感知数据关联度步骤三、根据关联度对感知数据置信度τ进行优化，并由置信度需求对感知数据进行筛选。本发明提供的一种感知数据获取方法，避免了传统使用原始感知数据质量低下，导致应用效果不佳的问题。

技术领域

本发明涉及感知数据获取方法，特别涉及一种感知数据获取方法。

背景技术

目前，由各种类型感知设备组成的感知网络部署在物理世界中以观察物理世界变化。多个相互独立的异构数据源对监测对象的多维属性进行度量，得到的是多模态感知数据来刻画物理世界。但由于硬件设备固有的限制以及环境噪声等因素的影响，感知设备不可避免地存在漏读、多读、错读等现象，使得原始感知数据大多为低密度信息的数据，感知数据质量低劣，极大地降低了数据的可用性，难以直接在上层应用中发挥作用，严重困扰着信息社会。因此如何由原始感知数据汇总获取高质量的感知数据对感知应用意义重大。

发明内容

本发明针对上述存在的问题，提供了一种感知数据获取方法，避免了传统使用原始感知数据质量低下，导致应用效果不佳的问题。

为了解决上述问题，本发明采用以下技术方案：

一种感知数据获取方法，其特征在于，方法步骤为：

步骤一、布置感知设备采集数据，对收集到的数据定义为其中t为数据采集时刻，k为感知数据编号，data为感知数据原始值，τ为感知数据置信度，s_i为可缺省的感知节点；

步骤二、将感知数据进行归类，分配识别关联感知节点，根据感知设备在空间中的时空关系，求取感知数据关联度

步骤三、根据关联度对感知数据置信度τ进行优化，并由置信度需求对感知数据进行筛选。

进一步地，步骤二中所述的关联度包括空间维度关联度和时间维度关联度空间维度关联度计算方法如下，

其中，表示归一化，loc_i表示对应感知节点位置坐标，r_i表示对应感知节点感知半径；时间维度关联度计算方法如下：

其中，t_i表示感知数据的采集时刻，t₀表示节点采集频率间隔，表示归一化；关联度与空间维度关联度和时间维度关联度的关系如下，

其中，w_t为时间维度关联度的权值，w_s为空间维度关联度的权值。

进一步地，步骤二中所述的关联度还能表示为基于概率图模型的关联度，通过贝叶斯网络结构节点随机变量的条件概率分布CPD，即已知父节点时变量D_i的条件概率分布，D_i与其非子节点条件独立，那么可以把联合概率分布分解为节点CPD的乘积：

其中，表示变量D_i的父节点，之间关系依赖于BN网络结构，BN网络的结构和参数(条件概率)是通过物理过程以及数据关系求解得到。

进一步地，步骤三中所述的感知数据置信度优化的方法为，由关联数据中置信度高的感知数据与关联度优化其关联数据的置信度，计算如下，