下载掌阅APP，畅读海量书库
立即打开
物联网技术是信息科技产业的第三次革命，通过信息传感设备，按约定的协议，将任何物体与网络相连，物体通过信息传播媒介进行信息交换和通信，以实现智能化识别、定位、跟踪、监管等功能，最终达到万物互联的目的。下面将从认知无线电、分布式调度、数据融合三个方面，简要介绍物联网相关技术。
随着无线通信技术的快速发展和广泛应用，各种无线通信设备竞争使用频谱资源。同时，根据美国联邦通信委员会（Federal Communications Commission，FCC）的研究，只有很少一部分频谱资源被频繁使用。因此有效提高频谱利用率具有重要意义，认知无线电便是有效提高频谱资源利用率的方法之一 [31] 。
1. 基本概念
1999年，Joseph Mitola博士首次提出认知无线电（Cognative Radio，CR）的概念，他认为认知无线电可以使软件无线电从预置程序的盲目执行者转变为无线电领域的智能代理，并描述了认知无线电如何通过无线电知识表示语言（Radio Knowledge Representation Language，RKRL）来提高个人无线业务的灵活性。2005年，Haykin从通信角度对认知无线电进行了定义，指出它是一个智能的无线通信系统，可以自动地感知周围频谱的使用情况，在不影响授权用户正常通信的前提下利用空闲的频谱资源。
认知无线电中具备认知功能的用户称为次用户，与之对应的是具有频谱使用权的主用户。次用户可以使用未被主用户利用的授权频谱。同时，次用户需要在主用户再次接入时，立即撤离正在使用的频谱，并感知其他可用的空闲频谱。因此，次用户首先应具有频谱感知的能力，在此基础上结合有效的频谱共享策略，与其他用户共享有限的频谱资源；其次，合适的功率控制技术是次用户动态接入授权频谱的重要保障。在最小化对主用户干扰的前提下，提高系统的吞吐量、改善次用户的服务质量。认知无线电技术被认为是下一代无线通信与网络的核心技术，是在满足用户端到端服务需求的前提下高效利用网络资源的最佳方法。
2. 主要特点
1）对环境的感知能力
此特点是CR技术成立的前提，只有在环境感知和检测的基础上，才能使用频谱资源。频谱感知的主要功能是监测一定范围的频段，并检测频谱空洞。
2）对环境变化的学习能力、自适应性
此特点体现CR技术的智能性，在遇到主用户信号时，能尽快主动退避，在频谱空洞间自如地切换。
3）通信质量的高可靠性
要求系统能够实现任何时间、任何地点的高度可靠通信，能够准确地判定主用户信号出现的时间、地点、频段等信息，及时调整自身参数，进而提高通信质量。
4）系统功能模块的可重构性
CR设备可根据频谱环境动态编程，也可通过硬件设计，支持不同的收发技术。可以重构的参数包括工作频率、调制方式、发射功率和通信协议等。
3. 体系及标准 [20]
主/次用户之间的频谱资源共享是认知无线电的核心思想。认知无线电的体系结构具有多样性，主要包括广播电视网络、蜂窝网络、无线局域网（WLAN）及无线城域网（WMAN）等。美国国防高级研究计划局在xG（Next Generation）项目中提出了一种基于认知无线电的下一代网络结构，如图1-6所示。从网络组成看，该网络由主用户网和次用户网组成。其中主用户网主要指现存的网络结构，次用户网包括固定基础设施和自组织，具有认知功能。
图1-6 次认知无线电体系结构
从频谱资源看，该网络由授权频段和非授权频段组成。对于授权频段，主用户享有优先使用权，次用户只能伺机接入空闲的授权频谱；对于非授权频段，次用户无须授权即可使用，工作在这些频段的设备相互之间会产生严重干扰。为了不影响用户的通信质量，利用认知无线电技术使各用户能够动态地自适应接入空闲频谱，进而有效地提高频谱利用率。
认知无线电的标准主要有基于认知无线电技术的无线通信系统标准802.22和涉及动态频谱接入技术的IEEE SCC41，IEEE还有一些标准涉及认知无线电技术，如IEEE 802.11（Wi-Fi）、IEEE 802.15.4（ZigBee）和IEEE 802.16（WiMAX）。
4. 应用领域
1）白频谱
白频谱指那些分配给广播电视，但实际上没有被充分使用的频段。WRC07大会上通过了一项决议，释放广播电视频段的部分VHF/UHF频段供移动通信系统使用。VHF/UHF频段穿透性好，覆盖范围大，利用认知无线电技术对该频段的再次利用，可以有效缓解频谱资源匮乏的问题。
2）能量收集
电池是无线设备的主要能量来源。电池本身寿命有限，需要定期更换与维护，同时也会造成环境污染。这些问题使得人们开始寻找一种可持续、环保的供电方式。其中，能量收集技术受到了人们的广泛关注，可收集的能量包括太阳能、热能及电磁波等多种形式。开发具有能量收集功能的认知无线电系统，在提高频谱资源利用率的同时，增加次用户的工作时间，并对主用户正在使用的繁忙信道进行能量的收集。
1. 基本概念
无线传感器网络、无线自组织网络和物联网等属于资源受限的网络，通常会受到节点能量、通信带宽、计算能力和存储能力等的约束。调度技术是在这些约束条件下优化网络性能的一种重要方法。网络中的节点调度根据是否能获取全局信息可以分为集中式调度与分布式调度。在分布式调度中，网络中的每个节点接收网络环境的局部信息并独立做出调度决策。
分布式调度的优化目标通常是：提高能量效率以延长网络的生存时间，减少数据包（从源节点发出到被目的节点接收）的网络延迟，提高目的节点的吞吐率，减少数据包从源节点到目的节点所经过的跳数等。优化目标可以是单个目标，也可以是多个目标的组合。优化目标的对象可以是整个网络，也可以是每个节点，对于后者的情况，节点之间的关系可以进一步分为竞争关系与合作关系。
分布式调度策略包括：控制节点处于活动状态还是休息状态；控制节点发送队列中不同数据包的发送顺序；控制不同数据包的发送时刻；为节点分配不同的发射功率；控制节点的位置等。节点在做决策时，可以仅考虑某个因素也可以同时考虑多个因素。分布式调度策略可以执行在某个协议层上，如MAC层或路由层，也可以通过多层协议之间共同协作最大限度地提高待优化目标。分布式调度算法的优劣，在于其是否能够达到待优化目标的最优值及对网络环境变化适应能力的强弱。
2. 主要目标 [23]
当前，无线传感网分布式调度方法的主要目标是：
（1）提高节点能量效率，延长节点和网络的生存期。
（2）提高覆盖度。覆盖度是指在网络监控范围内，某一区域或某一位置能被多少个节点有效感知，提高覆盖度可以提高监控的可靠性和精确度。
（3）降低网络延迟，更好地实现实时监控和多媒体应用。网络延迟指数据包从源节点发出后被汇聚节点（Sink节点）接收所经历的时间。
（4）提高吞吐率。吞吐率是指Sink节点的数据接收率，反映网络带宽的利用状况，信号冲突和节点休眠会降低吞吐率。
（5）连通性，保证发送的数据能被Sink节点接收。节点能通过多跳通信将数据发送到Sink节点时，称该节点是连通的。
3. 调度方法分类 [20]
1）节点调度
节点调度是在完成监控任务的前提下，通过减少处于工作状态的节点数量，达到节省节点能量和延长网络生存期的一类调度方法。该类方法一般将节点的状态划分为活动和休息两种。节点在活动时，完成感知、通信和处理等任务；在休息时，会处于某种程度的休眠状态。节点调度的前提是在降低节点能量消耗的同时，不降低系统的覆盖度要求。
2）包调度
传统网络中的包调度一般指路由器对所存储数据包的发送顺序进行调整。在无线通信中，包调度的主要目的是不同数据流分配信道带宽和最大化的信道带宽。包调度也是无线传感网节点级拥塞控制方法，可以解决不同数据流的带宽分配问题。
3）传输调度
传输调度是一种传输控制机制，通过对数据包发送时刻进行分配、平滑网络数据流量、降低数据包冲突概率来达到减少传输时延或节省节点能量的目的，该类方法可在网络协议的多个层中开展。当传输调度不与媒介访问结合时，通常采用基于统计的方法对节点的传输时机进行控制。
4）功率调度
功率调度通过减小节点的发射功率，减少数据包冲突的发生，来减少传输时延和由冲突引起的能量损耗，同时延长网络生存期。该类方法还可以提高同时发送数据的节点数量，提高网络带宽。但是，功率调度后，可能会造成更多的隐藏终端，引起网络拓扑变化，因此需要对数据冲突进行深入分析，同时要考虑如何保证网络的连通性。
5）MAC调度
MAC调度将信道访问控制与调度相结合，在为上层协议提供数据链路的同时，优化节点性能。根据物理信道竞争方式的不同，MAC调度可以分为无竞争（Content-Free Based）信道的MAC调度方法、基于竞争（Content Based）的MAC调度方法和混合策略的MAC调度方法三类。
无竞争信道的调度方法通过采用TDMA、CDMA或FDMA技术为节点分配不同的时槽、正交编码或工作频率，以减少信号冲突的产生。基于竞争的MAC协议广泛采用了各种调度机制来减少数据包的冲突，通过减少占空比来减小能量消耗、提高网络生存期。混合策略的MAC调度方法吸取竞争模型和无竞争模型调度方法的优点，虽然也是一种TDMA方法，但是考虑了物理层冲突，可以根据节点的工作负荷动态调整发送时占用的时槽。
1. 基本概念
数据融合（Data Fusion）的概念最早由美国学者在20世纪70年代末期提出并首先应用于军事领域。复杂多变的战争环境要求现代指挥自动化技术系统使用多种传感器并综合尽可能多的情报，以便获取全面、可靠的战场情报信息，支持指挥控制、决策过程。采用多传感器将导致系统信息量剧增且各传感器所提供信息的时间地点坐标、表达形式、可信度及不确定性、侧重点和用途等的不同，这些问题对信息的处理和管理工作提出了新的要求。数据融合就是在从信息的收集及情报获取到决策做出的过程中，处理这些信息的问题。作为支撑物联网广泛应用的关键技术之一，物联网数据融合概念是针对多传感器系统而提出的。在多传感器系统中，由于信息表现形式的多样性、数据量的巨大性、数据关系的复杂性，以及要求数据处理的实时性、准确性和可靠性都已大大超出了人脑的信息综合处理能力，在这种情况下，多传感器数据融合技术应运而生。
美国三军组织实验室理事联合会（JDL）给出了一种军事角度的定义：数据融合是一种多层次、多方面的处理过程，包括对多源数据进行检测、相关、组合和估计，从而提高状态和身份估计的精度，以及对战场态势和威胁的重要程度进行适时完整的评价。后来，JDL将该定义修正为：数据融合是指对单个和多个传感器的信息和数据进行多层次、多方面的处理，包括：自动检测、关联、相关、估计和组合。
当前，数据融合定义的简洁表述：数据融合是利用计算机技术对时序获得的若干感知数据，在一定准则下加以分析、综合，以完成所需决策和评估任务而进行的数据处理过程。
数据融合有三层含义：
（1）数据的全空间，即数据包括确定的数据和模糊的数据、全空间的数据和子空间的数据、同步的数据和异步的数据、数字的数据和非数字的数据，它是复杂的多维多源的，覆盖全频段。
（2）数据的融合不同于组合，组合指的是外部特性，融合指的是内部特性，它是系统动态过程中的一种数据综合加工处理。
（3）数据的互补过程，数据表达方式上的互补、结构上的互补、功能上的互补、不同层次的互补，是数据融合的核心，只有互补数据的融合才可以使系统发生质的飞跃。
2. 应用领域
通过数据融合，传感器系统能增强抗干扰能力、扩展时空覆盖范围、减少数据冗余、增加可信度和精确性等。随着数据融合技术的推广，数据融合技术已经被应用到包括军事、民用在内的各领域：图像融合，通过融合使多幅图片的信息融合到一幅综合多幅图片信息的新图像中，从而去除冗余或矛盾、提高信息的精准度等；工业智能机器人，通过将来自多个传感器的雷达信号、声音信号、图像信号进行融合，完成抓取、移动、触摸等动作，实现货物搬运、零件制造、检验和装配等工作；遥感，通过高维空间分辨率全色图像和低光谱分辨率图像的融合得到高维空间分辨率和高光谱分辨率的图像，对多波段和多时段的遥感图像进行融合来增加分类的准确性；故障诊断和监控，通过提取传感器信息中的特征值，使用故障诊断方法推断得到是否存在故障的决策。
3. 级别与分类
数据融合的级别共分为三级：数据级、特征级和决策级。每一级别的融合方式都有优缺点，以下将进行具体分析。
1）数据级融合
数据级融合是最低等级的融合，是直接在原始数据上进行的数值融合，在各种传感器的原始测报未经预处理之前就进行数据的特征提取与判断决策。数据级融合一般采用集中式融合体系进行融合处理。这类数据融合方法的优点在于由于只是对传感器原始数据进行数值处理，数据量上的损失较小，而且精度较高。但是也存在着一定的不足：对原始数据进行处理涉及海量数据，因此需要的计算资源较多、实时性较差；由于直接在原始数据上进行处理，原始数据反映出传感器的不确定性、不完全性及不稳定性也随之带到融合过程中，因此必须设计纠错的功能；要求传感器必须是同类的并且目标相同；数据通信要求高，抗干扰能力较差。
2）特征级融合
特征级融合属于中间层次的融合，先对来自传感器的原始信息进行特征提取（特征所反映的可以是目标的边缘、方向、速度等，然后对特征信息进行综合分析和处理。特征级融合的优点在于实现了可观的信息压缩，有利于实时处理，并且由于所提取的特征直接与决策分析有关，因而融合结果能最大限度地给出决策分析所需要的特征信息。同时，一些有用的信息可能被忽略，影响融合的性能。特征级融合一般采用分布式或集中式的融合体系。特征级融合可分为两大类：一类是目标状态融合；另一类是目标特性融合。前者主要用于多传感器目标的追踪，后者用于模式识别。
3）决策级融合
决策级融合是高层次的融合，使用不同类型的传感器观测同一个目标，每个传感器在本地完成基本的处理，其中包括预处理、特征抽取、识别或判决，以建立对所观察目标的初步结论。然后通过关联处理进行决策级融合判决，最终获得联合推断结果。这类融合方法得到的结论是数据融合的最终结果，结论往往只在假设中选出，损失的数据量最大，可能损失有用的信息，但是需要的通信量最小，实时性强。
4. 结构介绍
物联网中数据形态的异质性决定了在对数据进行处理时必须建立物联网数据组织模型，包括中心型数据组织模型、分布式数据组织模型、点对点数据组织模型和混合型数据组织模型。每种方法都有各自的优缺点。中心型数据组织方式在集中分析数据时效率高，但是单节点的存储量会成为系统的瓶颈，因此适用于实时性强、数据量小的系统。分布式数据组织方式可以通过增加节点数扩充系统存储量，理论上存储量是无限的，但是由于数据存储分散，统一处理时会增加时延，因此适用于数据量大且对实时性要求不高的系统。点对点数据组织方式比较简单。混合型数据组织方式虽然缓解了中心型数据组织方式和分布式数据组织方式的缺点，但是会使网络构建层的负担增加。
而分布式系统又有多种结构：并行结构、分散式结构、串行结构、树形结构。并行结构中多个传感器得到未经处理的原始数据后，就在节点上做出结论，然后将各局部小结论向总的融合中心上传，最后由融合中心得到最终的结论。分散式结构中，多个传感器将收集的原始数据进行融合，分别得到最终结论，将选择的过程传给上级节点。串行结构中一个传感器将对收集的原始数据进行分析，将得到的结论传到下一个传感器，下一个传感器将其与收集到的数据一同当作参数进行分析，得到的结论再传到下一个传感器，以此类推。最终结论在最后的传感器上得到。树形结构中的数据由传感器端收集上来，融合节点的组成像树一样，父节点以子节点的结论为参数进行融合，在根节点得到最终的结论。