何海龙 王浩宇

摘   要：在基于无线传感器网络的周界安防系统中，设置有热释电红外传感器、震动传感器、声音传感器、磁场传感器和各种气体传感器等对防范目标的不同属性及周围环境进行不间断检测，如何利用各传感器采集到的信息，对目标身份进行快速准确的判断，并及时采取有效应对措施成为亟待解决的问题，针对此，本文研究了一种基于Bayes推理的无线传感器网络目标识别方法。

关键词：无线传感器  目标识别  数据融合

中图分类号：TP212.9                              文献标识码：A                        文章编号：1674-098X（2019）07（b）-0001-02

根据多个传感器的观测数据，按照一定的准则进行融合处理，从而得到比单一传感器目标识别更准确、更可靠的目标识别结果，这一过程称为信息融合的目标识别。基于信息融合的目标识别方法主要有经典推理方法、参数模板法、Bayes推理法、Dempster-Shafer证据理论和专家系统等，它们各有其特点和应用范围，实际运用中应根据应用对象合理选择[1]。

1  信息融合的目标识别方法分析

多传感器数据融合的目标识别过程如图1所示。m个传感器节点分别对监测区域内的目标进行探测，根据多个不同的观测数据产生局部判决值并发送给临近的锚节点，锚节点综合各个传感器节点的局部分类识别结果得到综合分类识别结果，并向监控中心传递。

按照融合识别的方法分类，基于传感器信息融合的目标身份识别常用的方法基本上可概括为随机和人工智能两大类，随机类方法有加权平均法、卡尔曼滤波法、贝叶斯估计法[2]、Dempster-Shafer（D-S）[3]证据推理、产生式规则等;而人工智能类则有模糊逻辑理论、神经网络[4]、粗集理论、专家系统[5]等。

2  无线传感器网络目标识别方法选择

无线传感器网络节点资源受到多方面限制，包括节点能量、处理能力、存储能力等。为了更加有效地获得感知对象状态，节点需要传输大量信息，显然，这种方式将严重地耗费有限的网络资源，因此，需要在无线传感器网络中进行资源管理和数据融合。同理，专家系统、神经网络等人工智能类的目标识别方法因其对传感器节点资源需求大而不宜应用于无线传感器网络。

由于同时与一个锚节建立通讯的其它传感器节点数量有限，锚节点接收信息量少。将Bayes推理应用于无线传感器网络锚节点的信息融合，可以经过较少的计算、以较快地速度完成信息融合，得出目标识别结论，从而有利于提高周界安防系统的快速反应能力。

3  基于Bayes推理的目标识别方法

参考文献

[1] 雷厉.侦察与监视[M].北京：国防工业出版社，2008.

[2] 吴小俊，曹奇英，陈保香，等.基于Bayes估计的多传感器数据融合方法研究[J].系统工程理论与实践，2000（7）：45-48.

[3] 蔣宏，田野.雷达专家系统目标识别和红外图像目标识别的D-S融合[J].航空科学技术，2010（2）：30-33.

[4] 孙宝琛，时银水，朱岩.基于模糊神经网络的目标识别[J].电光与控制，2005，12（3）：50-52.

[5] 吕军，姚青，刘庆杰，等.基于模板匹配的多目标水稻灯诱害虫识别方法的研究[J].中国水稻科学，2012，26（5）：619-623.