1.3.4 信息感知与处理技术

信息感知是指人或人造的系统所具有的对环境与目标信息的获取、探测、提取与识别、测量等技术的总称。在实现的过程中，通过特征提取、数据融合、智能信号处理等方法来提供信息感知效果。在当今物联网的应用中，信息感知技术的主体是指安装在电器设备中的传感器，它是获取设备物理信息的关键部件，是构成物联网的基础单位，是家居物联网的单个细胞。通过感知技术，由传感器采集物联网设备的相关数据，构成物联网的数据基础，建立物联网的物理基础。

由于在信息的传递过程中容易出现信息冗余和不准确性，使传输层的信息传送、存储和支撑层的信息处理产生信息整合问题，从而降低了物联网智能化的整体水平。信息感知技术存在以下问题：信息的性质和类型不同，其表现形式和内容会出现不一样的特征，难以统一；信息传输经过时空映射导致信息失真，从而使信息出现不一致性；信息采集和信息处理与量化时，感知设备对信息的处理可能产生误差，从而出现不准确性信息；物联网感知系统存在不稳定性导致信息不连续；传感器只能在有限的范围内获取信息，因此难以获得全面的信息；物联网传感网络系统具有动态性，难以保持信息的完整性。为了降低这些限制因素的影响，提高物联网信息感知技术，需要从数据的收集、压缩、清洗、聚集和融合5个方面着手解决问题。

（1）数据收集技术

提高数据收集的准确性是数据收集技术的核心，从汇聚感知信息点开始，再到集中节点，避免数据传输出现失真现象，然后依据物联网的应用，制定不同规定约束数据信息，这是数据收集的主要过程。可靠性、有效性、网络吞吐量和信息时延是数据收集目标约束的主要内容。数据收集的关键在于高可靠性，数据汇聚至节点，接受智能化设备的处理，完成信息交互，这一过程是利用多路径传输和数据重传的方式实现的。端到端原则是多路由数据传输必须遵循的原则，只有如此才能保证信息准确到达传输目的地。数据收集是物联网技术的基础，约束原则的多元化来源于多样化的物联网，任何约束原则都必须依据可靠性原则，唯有如此，才能保证数据收集方法的有效性和可靠性。数据收集的另一重点是控制能耗、平衡能量。多路径的传输方式会损耗大量能量，重传则是集中数据流量，汇至同一条路径之上，这种方式同样无法保证能量均衡。为了提高能量传输的有效性，研究者们提出了TSMP和Wisden数据传输方式，这两项技术都很好地解决了数据传输时能量消耗过大的问题，可广泛用于控制、调节网络路由等。

（2）数据压缩技术

复杂性和系统性是物联网感知信息的重要特征，当数据汇聚节点范围内出现更加庞大的信息量时，加大了信息传递的压力。物联网的节点及其数据空间是非常有限的，采用数据压缩可有效解决数据满溢以及影响数据传输效果和可靠性问题。数据压缩的主要作用是降低数据的传输负荷，其可以有效地提高物联网规模及智能化程度。

（3）数据清洗技术

复杂且充满变数的网络环境导致大量错误、异常的网络数据及噪声数据不断涌现。为了获取统一、全面、有效的感知数据，需要去粗取精、去伪存真，辨识有效信息，清洗数据错误及异常，这样才能保证信息数据收录工作的正常进行。数据清洗的主要方式是通过判断数据的离群值剔除无效信息和错误信息，获取准确的感知数据。数据清洗首先进行数据分析，定义错误类型；然后搜索和识别错误数据及其记录；最后编制程序或借助外部模式清理数据。

（4）数据聚集技术

数据收集和压缩可以以感知网络中收获的信息数据为基础，完成收集、压缩工作。由于使用条件和信息感知的目的不同，利用聚集函数处理提取有效感知数据，获取有效信息和数据。采用聚集函数可以在高效提取信息的同时，降低数据冗余，减少网络传输流量。数据聚焦的关键是针对不同的应用需求和数据特点设计适合的聚集函数。

（5）数据融合技术

数据融合技术是利用计算机实现对信息的时序观测的获取，基于一定的准则自动分析、综合、完成决策和评估任务所采用的信息处理技术。物联网数据融合的关键在于获取正确的数据信息，通过提纯数据，能够把部分有重要作用的数据汇合至相关的感知节点处，从而大大降低数据传输压力。目前，数据融合技术主要是数据层、特征层和决策层融合。