基于层次决策和高维非线性统计模型的传感器数据融合理论

本项目从研究传感器网络数据融合中传统方法的局限性出发，提出一种全新的基于层次决策和高维非线性统计模型的数据融合理论。首先通过引入基于层次的决策模型来反映各个局部之间的联系和实现多层次信息融合，并且扩展隐马尔可夫模型为高维非线性形式，能有效的对多重传感数据反映的多事件进行统一数据融合，通过求取关联矩阵明确各子模型和各影响因素间的关联程度，从理论上统一了传统的以空时相关性为基础的数据融合理论。在此理论基础上，建立起一个高层数据融合架构，能给出各种应用下具体的数据融合算法，使传感器数据经过无线传感器环境多跳传输和多跳融合处理后，既能够提供不同应用需要的充分信息，同时又能保证传输过程消耗能量最小的目的。研究数据融合架构下的典型应用，包括传感器网络物体中追踪问题研究、覆盖问题研究、异常值检测问题研究等。本项目的研究将对新一代智能传感器网络通信具有重大的理论意义和实际应用价值。