[发明专利]一种基于多源异构信息融合的传感器数据可信度评估方法

权利要求书

1.一种基于多源异构信息融合的传感器数据可信度评估方法，包括以下步骤：

步骤1.根据环境需求确定待评估传感器节点i和待评估传感器节点i的邻近传感器节点集合Q_i；

步骤2.通过ARIMA算法分别对将待评估传感器节点i的历史数据、及邻近传感器节点集合Q_i中每一个邻近传感器节点j的历史数据进行数据拟合，得到相应的历史数据拟合曲线；

步骤3.将步骤2中的待评估传感器节点i的历史数据拟合曲线与其各个邻近传感器节点j的历史数据拟合曲线分别做相关分析，根据相关结果计算得到待评估传感器节点数据与其邻近传感器节点数据的趋势相关度

步骤4.选取与待评估传感器节点i为同类型的邻近传感器节点，构成同类型邻近传感器节点集合Q′_i；计算待评估传感器节点数据与其同类型邻近传感器节点数据之间的均值偏离度

步骤5.将步骤3和步骤4分别计算得到趋势相关度和均值偏离度进行加权融合，得到待评估传感器节点i的传感器可信度其中，K₁₁，K₁₂为预设权重系数；若传感器可信度则认定待评估传感器节点i可信，转至步骤6；否则，认定待评估传感器节点i不可信，将待评估传感器节点数据的可信度置零，并转至步骤10；其中，α为预设传感器可信阈值、α∈[0,1]；

步骤6.利用步骤2拟合出的数据模型融合待评估传感器节点i的历史数据，根据数据间的时间相关性对当前时刻t待评估传感器节点数据进行预测，得到待评估传感器节点i的当前时刻拟合模型预测值S_pi，将预测值S_pi与待评估传感器节点i的测量值E_i进行比较，从而得到当前时刻t待评估传感器节点i的自身数据可信度F_tⁱ；

步骤7.利用BP神经网络算法融合待评估传感器节点数据及其邻近传感器节点集合Q_i中所有多源异构节点数据，根据数据间的关联相关性对当前时刻t待评估传感器节点数据进行预测，得到待评估传感器节点i的当前时刻异构模型预测值M_pi，然后将预测值M_pi与待评估传感器节点i的测量值E_i进行比较，从而得到当前时刻待t评估传感器节点i的异构数据可信度

步骤8.将步骤6和步骤7分别计算得到的异构数据可信度和自身数据可信度F_tⁱ进行加权融合，得到当前时刻t待评估传感器节点i的融合数据可信度其中，K₂₁、K₂₂为预设权重系数；

步骤9.将步骤5和步骤8分别得到的传感器可信度和融合数据可信度进行融合，得到待评估传感器节点i的数据可信度

步骤10.完成待评估传感器节点i在当前时刻t的传感器数据可信度评估，并更新时刻为t+1，进行下一时刻的传感器数据可信度评估。

2.按权利要求1所述基于多源异构信息融合的传感器数据可信度评估方法，其特征在于，所述步骤3中，待评估传感器节点数据与其邻近传感器节点数据的趋势相关度的计算过程如下：

其中，N为邻近传感器节点集合Q_i中节点个数，为待评估传感器节点i和邻近传感器节点j的历史数据拟合曲线的相关结果。

3.按权利要求1所述基于多源异构信息融合的传感器数据可信度评估方法，其特征在于，所述步骤4中，待评估传感器节点数据与其同类型邻近传感器节点数据之间的均值偏离度的技术过程如下：

1)分别计算待评估传感器节点数据与各个同类型邻近传感器节点数据之间的均值差，并将各个均值差的绝对值取平均，得到待评估传感器节点i与同类型邻近传感器节点数据的平均均值差

2)对同类型邻近传感器节点集合Q′_i中每一个同类型邻近传感器节点k，计算该同类型邻近传感器节点k与集合Q′中各个剩余节点的均值差，并将各个均值差的绝对值取平均，得到同类型邻近传感器节点k与集合Q′中剩余节点的平均均值差进而计算得到待评估传感器节点i的环境均值差

其中，N′为同类型邻近传感器节点集合Q′_i中节点个数；

3)计算待评估传感器节点i的均值偏离度