动态不确定环境下的传感器网络协同融合关键问题研究

Collaborative sensing and information fusion with wireless sensor networks in dynamic and uncertain environments have two key scientific issues: an adaptive collaborative sensing method with meeting the requirement of time-sensitive; a lightweight uncertain information fusion method with accuracy and efficiency. In this project proposal, we are intended to research these issues as follows: (1) In order to reach the goal that collaborative sensing in dynamic environments, we need to explore the method of collaborative sensing driven by the state prediction of the dynamic environments, establish a dynamic model, construct a performance function about the income and resource consumption, propose a distributed dynamic collaborative method driven by the state prediction of the dynamic environments, analyze the critical collaborative parameters and adaptive strategy. (2) In order to reach a lightweight uncertain information fusion with accuracy and efficiency, we plan to redefine the focal element set and fusing rules which is inspired by the idea of DSmT and making use of logic operation and information theory, construct a confidence model which can depict the uncertainty information, propose an improved method accommodating fusion among high conflict and uncertain information, design a fusing method based on prior information, analyze the convergence, complexity and performance of the proposed method. Furthermore, we also build the performance assessment criteria for the experimental validation and performance analysis of the algorithms on the simulation and verification platform.

动态不确定环境下传感器网络的协同感知与信息融合面临着：动态协同的时效性；轻量级不确定信息融合的准确高效性这两个关键科学问题。本申请拟针对上述问题进行研究：1. 探索利用动态环境的状态预测信息来指导协同策略，建立系统动态模型，构造综合考虑信息收益与资源消耗的性能指标函数，提出基于状态预测的分布式动态协同方法，分析关键协同参数，研究自适应策略，实现动态环境下满足时效性的分布式协同感知；2. 借鉴DSmT不确定性推理理论思想，利用逻辑运算表达、信息论等理论工具，通过重新定义焦元集合和组合融合规则，构造描述不确定性的置信度函数，提出基于冲突焦元逻辑运算表达的不确定、高冲突信息融合改进方法，研究先验信息的融合方法，对所提出融合方法进行收敛性、复杂度和性能分析，实现轻量级、准确高效的不确定信息融合。建立性能评价指标，在已具有的测试验证平台上完成算法的实验验证和性能分析。

传感器网络的协同感知与信息融合是学术界研究的热点。在很多无线传感器网络应用环境中，常具有动态和不确定性特点，这种动态不确定的特点给传感器网络协同感知与信息融合带来了新的问题和挑战。本项目针对上述问题开展了深入研究，已取得的研究成果主要包括：1. 为解决动态协同的挑战，提出了一种基于分治结构的协同感知框架，能够适应动态环境，在满足用户精度需求的前提下，优化资源消耗；针对环境的动态性问题，提出了基于状态预测的传感器网络自适应协同策略，可依据环境的动态变化，自适应调整协同方式和协同参数；为解决异质传感器网络协同感知的图像获取完整性问题，提出了面向资源节省的有效图像信息获取方法，不仅可以保证感知性能，而且还显著降低了存储开销和传输能耗。2. 对传感器网络的冲突信息融合问题，提出了基于逻辑表达的融合推理方法，能够满足在无线传感器网络信息融合中同时要求处理冲突信息与算法轻量级的需求；将所提出的融合推理方法用于传感器网络多目标跟踪等典型应用场景，提出了基于逻辑表达融合推理的传感器网络多目标跟踪方法，利用两层结构解决了其中的信息融合与数据关联问题；针对传感器网络感知中的分类问题，受AdaBoost思想启发，提出了一种功耗节省的分类融合算法，并在太湖蓝藻监测系统的真实数据上进行了实验验证。在以上研究的基础上，还进一步对群智感知、社会网络建模与分析等进行了研究，基于社团划分的思想，提出了基于医疗社会网络的高危风险评估模型，并在乳腺癌人群队列的高危筛查中进行了初步的应用验证。已在国际、国内期刊会议上发表学术论文15篇，包括本领域重要会议IEEE ICDCS论文1篇，IEEE Transactions期刊论文2篇，其中SCI收录10篇，EI收录4篇；获得国家发明专利4项，申请受理4项；获得软件著作4项，协助举办相关国际学术会议一次，在有影响的国际期刊协助组织信息融合方向的专刊一期。