由于大多数无线传感器网络应用都是由大量传感器节点构成的，共同完成信息收集、目标监视和感知环境的任务。因此，在信息采集的过程中，采用各个节点单独传输数据到汇聚节点的方法显然是不合适的。因为网络存在大量冗余信息，这样会浪费大量的通信带宽和宝贵的能量资源。此外，还会降低信息的收集效率，影响信息采集的及时性。为避免上述问题，人们采用了一种称为数据融合（或称为数据汇聚）的技术。所谓数据融合是指将多份数据或信息进行处理，组合出更高效、更符合用户需求的数据的过程。在大多数无线传感器网络应用当中，许多时候只关心监测结果，并不需要收到大量原始数据，数据融合是处理该类问题的有效手段。 篮球打气筒 1．数据融合技术的产生背景来自于数据融合的几个重要作用
（1）节省能量
由于部署无线传感器网络时，考虑了整个网络的可靠性和监测信息的准确性（即保证一定的精度），需要进行节点的冗余配置。在这种冗余配置的情况下，监测区域周围的节点采集和报告的数据会非常接近或相似，即数据的冗余程度较高。如果把这些数据都发给汇聚节点，在已经满足数据精度的前提下，除了使网络消耗更多的能量外，汇聚节点并不能获得更
镀镍铜带多的信息。而采用数据融合技术，就能够保证在向汇聚节点发送数据之前，处理掉大量冗余的数据信息，从而节省了网内节点的能量资源。
（2）获取更准确的信息
由于环境的影响，来自传感器节点的数据存在着较高的不可靠性。通过对监测同一区域的传感器节点采集的数据进行综合，有效地提高获取信息的精度和可信度。
异形注塑模板
（3）提高数据收集效率
网内进行数据融合，减少网络数据传输量，降低传输拥塞，降低数据传输延迟，减少传输数据冲突碰撞现象，可在一定程度上提高网络收集数据的效率。数据融合技术可以从不同角度进行分类，主要的依据是三种：融合前后数据信息含量、数据融合与应用层数据语义的关系以及融合操作的级别。
2，根据融合前后数据信息含量划分为无损融合和有损融合
空气源热泵技术
前者在数据融合过程中，所有细节信息均被保留，只去除冗余的部分信息。后者通常会省略一些细节信息或降低数据的质量。
3．根据数据融合与应用层数据语义的关系划分为依赖于应用的数据融合、独立于应用的数据融合以及两种结合的融合技术
依赖于应用的数据融合可以获得较大的数据压缩，但跨层语义理解给协议栈的实现带来了较大的难度。独立于应用的数据融合可以保持协议栈的独立性，但数据融合效率较低。以上两种技术的融合可以得到更加符合实际应用需求的融合效果。
4．根据融合操作的级别划分为数据级融合、特征级融合以及决策级融合
数据级融合是指通过传感器采集的数据融合，是最底层的融合，通常仅依赖于传感器的类型。特征级融合是指通过一些特征提取手段，将数据表示为一系列的特征向量，从而反映事物的属性，是面向监测对象的融合。决策级融合是根据应用需求进行较高级的决策，是最高级的融合。
5. 无线传感器网络的数据融合技术可以结合网络的各个协议层来进行
立式导热油加热器
在应用层，可通过分布式数据库技术，对采集的数据进行初步筛选，达到融合效果；在网络层，可以结合路由协议，减少数据的传输量；在数据链路层，可以结合MAC，减少MAC
层的发送冲突和头部开销，达到节省能量目的的同时，还不失去信息的完整性。无线传感器网络的数据融合技术只有面向应用需求的设计，才会真正得到广泛的应用。
（1）应用层和网络层的数据融合
无线传感器网络通常具有以数据为中心的特点，因此应用层的数据融合需要考虑以下因素：无线传感器网络能够实现多任务请求，应用层应当提供方便和灵活的查询提交手段；应用层应当为用户提供一个屏蔽底层操作的用户接口，用户使用时无须改变原来的操作习惯，也不必关心数据是如何采集上来的；由于节点通信代价高于节点本地计算的代价，应用层的数据形式应当有利于网内的计算处理，减少通信的数据量和减小能耗。
从网络层来看，数据融合通常和路由的方式有关，例如以地址为中心的路由方式（最短路径转发路由），路由并不需要考虑数据的融合。然而，以数据为中心的路由方式，源节点并不是各自寻最短路径路由数据，而是需要在中间节点进行数据融合，然后再继续转发数据。如图1所示，这里给出了两种不同的路由方式的对比。网络层的数据融合的关键就是数据融合树（aggregatton tree）的构造。在无线传感器网络中，或汇聚节点收集数据时是通过反向组播树的形式从分散的传感器节点将数据逐步汇聚起来的。当各个传感器节
点监测到突发事件时，传输 数据的路径形成一棵反向组播树，这个树就成为数据融合树。如图2所示，无线传感器网络就是通过融合树来报告监测到的事件的。
传感器网络的基本功能是收集并返回其传感器节点所在监测区域的信息。上篇中提到过传感器节点的资源十分有限，主要体现在电池能量、处理能力、存储容量以及通信带宽等几个方面。在收集信息的过程中采用各个节点单独传送数据到汇聚节点的方法是不合适的，主要有一下两个原因：
(1) 浪费通信带宽和能量:在覆盖度较高的传感器网络中，邻近节点报告的信息存在冗余性，各个节点单独传送数据会浪费通信带宽；同时，传输大量数据会使整个网络消耗过多的能量，缩短网络的生存时间；
(2) 降低信息收集的效率：多个节点同时传送数据会增加数据链路层的调度难度，造成频繁的冲突碰撞，降低了通信效率，从而影响了信息收集的及时性。
为避免上述问题，传感器网络在数据收集的过程中需要使用数据融合(data aggregation或data fusion)技术。数据融合是将多份数据或信息进行处理，组合出更有效、更符合用户需
求的数据的过程。数据融合的方法普遍应用于日常生活中，比如在辨别一个事物的时候通常会综合各种感官信息，包括视觉、触觉、嗅觉和听觉等。单独依赖一种感官获得的信息往往不足以对事物做出准确判断，而综合多种感官数据，对事物的描述会更准确。在传统的传感器应用中，许多时候只关心监测结果，并不需要收到大量原始数据，数据融合是实现此目的的重要手段。
对于传感器网络的应用，数据融合技术主要用于处理同一类型传感器的数据。例如在森林防火的应用中，需要对多个温度传感器探测到的环境温度数据进行融合；在目标自动识别应用中，需要对图像监测传感器采集的图像数据进行融合处理。数据融合技术的具体实现与应用密切相关，森林防火应用中只要处理传感器节点的位置和报告的温度数值，比较容易实现；而在目标识别应用中，由于各个节点的地理位置不同，针对同一目标所报告的图像的拍摄角度也不同，需要进行三维空间的考虑，所以融合难度相对较大。
数据融合的作用
在传感器网络中，数据融合起着十分重要的作用，主要表现在节省整个网络的能量、增强所收集数据的准确性以及提高收集数据的效率三个方面。
1. 微型压力传感器芯片节省能量
传感器网络是由大量的传感器节点覆盖到监测区域而组成的。鉴于单个传感器节点的监测范围和可靠性是有限的，在部署网络时，需要使传感器节点达到一定的密度以增强整个网络的鲁棒性和监测信息的准确性，有时甚至需要多个节点的监测范围互相交叠。这种监测区域的相互重叠导致邻近节点报告的信息存在一定程度的冗余。比如对于监测温度的传感器网络，每个位置的温度可能会有多个传感器节点进行监测，这些节点所报告的温度数据会非常接近或完全相同。在这种冗余度很高的情况下，把这些节点报告的数据全部发送给汇聚节点与仅发送一份数据相比，除了使网络消耗更多的能量外，汇聚节点并未获得更多的信息。数据融合就是要针对上情况对冗余数据进行网内处理，即中间节点在转发传感器数据之前，首先对数据进行综合，去掉冗余信息，在满足应用需求的前提下将需要传输的数据量最小化。网内处理利用的是节点的计算资源和存储资源，其能量消耗与传送数据相比要小很多。
2. 获得更准确的信息
传感器网络有大量低廉的传感器节点组成，部署在各种各样的环境中，从传感器节点获得
的信息存在着较高的不可靠性。这些不可靠因素主要来自于以下几个方面：
(1) 受到成本及体积的限制，节点配置的传感器精度一般较低；
(2) 无线通信的机制使得传送的数据更容易受到干扰而遭破坏；
(3) 恶劣的工作环境除了影响数据传送外，还会破坏节点的功能部件，令其工作异常，报告错误的数据。
由此看来，仅收集少数几个分散的传感器节点的数据较难确保的到信息的正确性，需要通过对监测同一对象的多个传感器所采集的数据进行综合，来有效地提高所获得信息的精度和可信度。另外，由于邻近的传感器节点监测同一区域，其获得的信息之间差异性很小，如果个别节点报告了错误的或误差较大的信息，很容易在本地处理中通过简单的比较算法进行排除。
需要指出的是，虽然可以在数据全部单独传送到汇聚节点后进行集中融合，但这种方法得到的结果往往不如在网内进行融合处理的结果精确，有时甚至会产生融合错误。数据融合一般需要数据源局部信息的参与，如数据产生的地点、产生数据的节点归属的组(簇)等。
相同地点的数据，如果属于不同的组可能代表完全不同的数据含义。如对于树下和树上的节点分别测量不同高度情况下目标区域的温度，虽然从二维环境下看它们在同一个地点，但这两个节点的温度数据是不能够融合的。正是这些局部信息的参与使得局部信息融合比集中数据融合有更多的优势。
3. 提高数据收集效率
在网内进行数据融合，可以在一定程度上提高网络收集数据的整体效率。数据融合减少了需要传输的数据量，可以减轻网络的传输拥塞，降低数据的传输延迟；即使有效数据量并未减少，但通过对多个数据分组进行合并减少了数据分组个数，可以减少传输中的冲突碰撞现象，也能提高无线信道的利用率。
