1.数据融合

数据融合是运用计算机相关的技术，按照特定的原则对多传感器收集的信息进行融合操作，从而获得监测对象的状态和特征估计，以生成更精准可靠、完整有效、满足用户需求的信息。与单一传感器采集的信息比较，通过数据融合操作会得到更完整和可靠的信息。

2.数据融合分类

数据融合有很多种分类方式，按照数据融合层次的标准进行分类，数据融合可以分为以下三类：数据级融合、特征级融合以及决策级融合。

(1)数据级融合

数据级融合是最基础的融合，直接融合操作节点收集的最原始数据。在大多数情况下，这类融合不依赖于用户需求，而单单依赖于传感器节点的类型。这种融合的好处就是可以保留详细全面的原始数据信息，但由于原始数据会有不确定性和不稳定性，所以要求数据融合有较强的纠错能力，抗干扰能力相对弱于其它两种融合方式。

(2)特征级融合

特征级融合属于中间层的融合，利用特征提取方法对节点收集的原始数据中提取特征，并将其表示为特征向量，以此来反映事物的属性。先对数据进行特征提取，然后进行数据关联操作，最后融合特征向量。这种融合不仅保留了重要的数据特征，又对数据进行有效压缩，系统的实时性变高了。通常应用于位置定位跟踪、目标识别和态势估计等领域。

(3)决策级融合

决策级融合属于最高级的融合，是一种面向应用的融合，能满足用户实际应用的需求。基于特征级融合分析、判别和分类监控对象，最后根据数据之间的相关性作出高级决策。例如，在监测灾害的过程中，综合了多个类型的传感器信息，以此来判断是否出现了灾害事故;在目标监控中，决策级融合需要全面监控。

3.数据融合的作用

(1)节约了网络能耗：为了收集完整并可靠的数据，一般需要在监控地方随机的部署众多的传感器节点，节点众多就不可避免地会出现节点收集的数据有一致的情况，数据传输能耗占了网络的大部分能耗，冗余数据的传输必然会增加网络的负担，恰好此时，数据融合技术可以对数据进行去冗处理，使网络中通信量变少，这样的好处就是降低了网络能耗，提高了能量利用率。

(2)提高了数据的准确性和效率：因为传感器节点小体积、低成本的好处，随之而来的是，其计算和存储数据的能力也受限，造成了传感器收集的数据准确度不高。此外，外部恶劣的环境或网络结构的改变也会影响节点采集和传输数据的准确度。数据融合技术既保证了数据的完整性，又去掉了冗余数据，提升了数据的准确性。与此同时，提高了有效数据的传输率，有效的利用了网络带宽。

以上梳理了数据融合的定义、分类及作用，希望对你有所帮助，如果你想了解更多相关内容，敬请关注本站的行业知识栏目。

本文由@2200 发布于本站网站，未经授权禁止转载。

推荐阅读：

大数据服务产业链及其发展趋势分析

什么是大数据服务?大数据服务类型有什么?

什么是大数据营销?特点是?与传统营销的区别