大规模异构传感网络复杂事件监测分析关键技术研究

The large-scale sensors desperately need to be integrated to a heterogeneous sensor network to detect and analyze the complex events in industry control, intelligent transportation, and habitat monitoring applications. Current studies on complex event detection are limited by the low power consumption and communication of wireless sensor networks. This further limits the application expansion of sensor networks. This project proposes to explore the complex event on-line detection and off-line analysis in large-scale heterogeneous sensor networks. This project will focus on the dependency and the repellency among the heterogeneous sensory data. Considering the uncertainty of single node data and the complementarity of the data from different nodes, design the suitable algorithm for distributed object matching and tracking as. This project will explore the feature fusion of heterogeneous sensory data, object matching from dependencies of objects, and sensing range covering, and the similarity matching of action graphs. The project team will devote efforts to the following three major parts: feature modes, distributed action recognition algorithms. Finally the team will construct a prototype to evaluate the proposed algorithms and systems.

工业控制、公共交通、环境监测等诸多领域配备的大规模传感器件需要被组成异构传感网络以监测各种复杂事件。以往无线传感器网络受到能耗、通信等限制，规模低、传感器件种类少，尚不能满足复杂事件监测要求。本项目提出研究大规模异构传感网络的复杂事件实时监测和离线分析技术，将专注于解决其中异构传感网络数据特征融合、事件目标识别和感应动态覆盖、同源目标匹配、相似度匹配等关键科学问题。项目将从信息论角度研究异构传感数据的相互依赖及排斥关系，针对单节点数据的不确定性和多节点数据的互补性，设计适于分布式目标识别匹配及事件监测分析的算法，并将搭建异构传感网络监测分析系统平台做算法验证。

本项目研究大规模异构传感网络的复杂事件实时监测和离线分析技术，专注于解决其中异构传感网络数据特征融合、事件目标识别和感应动态覆盖、同源目标匹配、相似度匹配等关键科学问题。项目研究了异构传感数据的相互依赖及排斥关系，针对单节点数据的不确定性和多节点数据的互补性，设计适于分布式目标识别匹配及事件监测分析的算法，搭建了异构传感网络监测分析系统平台做了算法验证。该系统作为大数据分析类应用系统的数据采集预处理前端，协助提高大数据分析效率及精度。..本项目是计划四年完成的，研究按期完成，总体计划除了出国访问以外，其他计划全部完成。本项目主要在异构传感网的三个层面取得了主要进展。这三个层面是：感知应用层面、协议层面、架构层面。 其中理论和协议层面都取得了重要结果，架构层面也给出了系统实现。本项目总计发表11篇论文，包括CCF-A类期刊和会议论文2篇，CCF-B类期刊和会议论文2篇，中科院1区论文2篇。其余5篇为SCI期刊或EI会议论文。项目团队申报了8项专利，已经授权2项。..本项目的理论应用解决三个关键应用技术的问题：（1）需要室内进行移动节点的协同定位，这样才能对感知数据加地点标签；（2）需要多节点组成集群进行协同编队移动，这样才能保证各个节点都是可以计算位置的；（3）需要对水下地下等的大规模传感数据进行并行处理，以提高效率。本项目设计了解决这些问题的方法，从而可以支持异构的移动传感网运行大范围的移动感知任务。本项目的分布式并行感知算法可以用在多领域感知大数据处理中。项目组已经在医疗和物流上初步应用了算法，效果良好。