群智感知网络中非确定性感知数据的自校正技术研究

In this proposal, we study the calibration for sensing data with uncertainty (i.e. inaccuracy, unreliability and incompletion) in crowd-sensing networks. Current methods have three challenges, i.e. needing priori information, difficultly predicting the missing data and hardly adapting to the increasing data scale. In tackling these three challenges, we study how to automatically calibrate sensing data only based on uncertain sensing data. We will make research in terms of the following three aspects. Firstly, we will study how to calibrate the sensing data without priori information. Leveraging the iterative idea, we will first use an estimated method to estimate the sensing noise roughly, followed by increasing the estimated precision step by step. This proposal will address the problem of poor calibration performance when the prior knowledge is unknown. Secondly, combing the calibration model and the prediction model, we will use the estimation method to accurately predict the missing data based on the inaccurate sensing data. Finally, on the basis of the iterative updating idea, we will combine the particularly historical information with the new sensing data, solving the contradiction among the increasing data scale, high computing complexity and large data storage. We expect to achieve the automatic calibration for uncertain sensing data in crowd-sensing networks, so that this calibrated data can be directly used in sensing applications.

本课题以群智感知网络中非确定性(即不准确、不可靠和不完全)的感知数据校正为研究背景，针对目前理论研究所面临的“依赖先验难实用”、“缺失数据难预测”和“数据规模难扩展”三个挑战，研究仅仅依靠非确定性的感知数据实现数据的自校正。本课题拟从三方面展开研究：首先探索无先验知识条件下的感知数据自校正方法，采用迭代的思想，先利用容限估计方法对噪声进行粗估计，再逐步提高精度直至达到最优，解决先验知识都未知条件下校正性能差的问题；然后联合感知数据的校正模型和缺失数据的预测模型，采用交替迭代的优化估计方法，基于不准确感知数据实现对缺失数据的准确预测；最后，采用迭代更新的思想，联合“特殊历史信息”和新数据逐步地提高感知数据的校正精度，解决群智感知网络中数据规模的动态增长与计算复杂度高和存储空间大之间的矛盾。通过本项目研究，预期实现群智感知网络中非确定性感知数据的自校正，使校正后数据能够直接在感知应用中使用。

群智感知网络由于利用用户现有的设备进行感知，具有成本低、感知规模大以及粒度细等优点，是未来实现大规模感知的重要途径之一。本项目针对群智感知数据既不准确又不完全(即非确定性问题)、感知设备人机交互操作困难、感知采样效率低下、用户隐私易泄露等四个关键问题，提出了一套群智感知网络数据感知质量管理基础理论和系统。具体开展以下研究：1）针对大规模无线网络资源信息收集困难和感知数据非确定性的问题，提出了基于大规模非确定性群智感知数据的频谱信息地图构建技术和系统，即利用普通用户的智能手机收集资源信息，有效地解决资源感知与探测网络部署困难的问题。2）针对可穿戴感知设备的输入界面小和用户操作困难问题，提出了面向群智感知可穿戴设备的人机交互技术和系统，无需任何外部设备和改造现有设备，成功地将人机交互区域扩展到界面以外，实现了“隔空”操作，极大地降低成本和提高用户感知操作的便捷性。3）针对移动群智感知网络的采样效能低下问题，提出了一种基于每步状态感知的时空自适应采样方法，根据当前状态信息逐步地调整移动用户的路径，以在能耗、时延和精度三者之间进行很好的折衷。4）针对群智感知数据存在隐私泄露风险，提出了面向群智感知用户的轻量级自适应隐私保护机制，利用压缩感知理论和互信息理论，提高了群智感知数据的安全性。通过本项目的研究，形成了一套完整的关于感知数据采样、校正、隐私保护以及人机交互方面的群智感知网络基础理论和技术，为群智感知网络的大规模实现奠定了基础。