技術(shù)特征：

1.一種基于預(yù)測(cè)的及時(shí)加權(quán)傳感器網(wǎng)絡(luò)數(shù)據(jù)融合方法，其特征在于：包括以下步驟：

步驟S1：初始化處理：初始化融合決策值R₀,采用全部節(jié)點(diǎn)的平均值作為初始融合決策值R₀，具體采用下式：

$R_0={\Σ}_{i=1}^n{r}_{0i}/n;$

其中，R₀為初始化融合決策值，r_0i為傳感節(jié)點(diǎn)i在初始化階段的檢測(cè)匯報(bào)值，n為場(chǎng)景中傳感節(jié)點(diǎn)總數(shù)；

步驟S2：初始化每個(gè)傳感加權(quán)值ω_0i：

采用下式計(jì)算每個(gè)傳感節(jié)點(diǎn)的加權(quán)值ω_0i：

ω_0i＝ω_iP+Δω_0i；

其中，ω_iP為比例加權(quán)因子，它在初始化后幾乎不變，是整個(gè)權(quán)值的重要參與因素；Δω_0i為初始化時(shí)的積分加權(quán)因子，也即時(shí)刻0時(shí)的積分加權(quán)因子，其在系統(tǒng)運(yùn)行的過程中被動(dòng)態(tài)調(diào)節(jié)，從而提高系統(tǒng)的自適應(yīng)特性；所述初始化積分加權(quán)因子Δω_0i的值為0；

步驟S3：進(jìn)入實(shí)時(shí)檢測(cè)：通過Kalman濾波器預(yù)測(cè)：在獲得了t-1時(shí)刻的融合值R_t-1后，系統(tǒng)通過Kalman濾波器預(yù)測(cè)t時(shí)刻的數(shù)據(jù)融合值E_t，從而為后續(xù)的及時(shí)時(shí)間控制做出準(zhǔn)備；

步驟S4：計(jì)算數(shù)據(jù)融合結(jié)果：在t時(shí)刻，每收到一個(gè)傳感節(jié)點(diǎn)i的匯報(bào)r_ti時(shí)都按下式計(jì)算粗略融合結(jié)果R’_t：

$R_t^{\′}={\Σ}_{i=1}^k{\mathrm{\ω}}_{ti}\·r_{ti}/{\Σ}_{i=1}^k{\mathrm{\ω}}_{ti};$

其中，k為當(dāng)前獲得的報(bào)告的傳感節(jié)點(diǎn)的總數(shù)，k＜n，n為場(chǎng)景中所有傳感節(jié)點(diǎn)的個(gè)數(shù)，ω_ti為t時(shí)刻傳感節(jié)點(diǎn)i的加權(quán)值,r_ti為t時(shí)刻傳感節(jié)點(diǎn)i的報(bào)告數(shù)據(jù)；

步驟S5：設(shè)置一個(gè)閾值λ，當(dāng)粗略結(jié)果R’_t與Kalman濾波器預(yù)測(cè)的結(jié)果E_t之間的差小于閾值λ時(shí)，即：

||E_t-R′_t||＜λ；

將粗略結(jié)果R’_t作為t時(shí)刻的數(shù)據(jù)融合最終結(jié)果值R_t，并結(jié)束t時(shí)刻的數(shù)據(jù)融合計(jì)算，停止接收其他傳感節(jié)點(diǎn)的后續(xù)報(bào)告；

S6:根據(jù)新獲得的數(shù)據(jù)融合結(jié)果R_t，按下式修正加權(quán)值：

ω_ti＝ω_iP+Δω_ti；

其中，ω_iP為比例加權(quán)因子，它在初始化后幾乎不變，是整個(gè)權(quán)值的重要參與因素；Δω_ti為t時(shí)刻的積分加權(quán)因子，其在系統(tǒng)運(yùn)行的過程中被動(dòng)態(tài)調(diào)節(jié)，從而提高系統(tǒng)的自適應(yīng)特性；令t＝t+1,并返回步驟S3，進(jìn)入下一時(shí)刻的計(jì)算。

2.根據(jù)權(quán)利要求1所述的一種基于預(yù)測(cè)的及時(shí)加權(quán)傳感器網(wǎng)絡(luò)數(shù)據(jù)融合方法，其特征在于：步驟S2中，所述比例加權(quán)因子ω_iP的計(jì)算在系統(tǒng)初始化確定了R₀后進(jìn)行，依據(jù)各節(jié)點(diǎn)采集值與R₀之間的差確定，計(jì)算式如下：

d_i＝||r_0i-R₀||；

d_i-norm＝δ·(1-d_i/d_max)；

${\mathrm{\ω}}_{iP}=(1/\sqrt{2\mathrm{\π}}\mathrm{\σ})e^{-\frac{{(d_{i-norm}-\mathrm{\μ})}^2}{2{\mathrm{\σ}}^2}};$

其中，d_i表示傳感節(jié)點(diǎn)i的匯報(bào)值與初始化融合值R₀之間的差，d_i-norm為將d_i進(jìn)行標(biāo)準(zhǔn)化操作得到的值，d_max為測(cè)試場(chǎng)景中最大的d_i值，δ為用戶指定的數(shù)值調(diào)整系數(shù)，μ、σ為正態(tài)分布函數(shù)的參數(shù)，由用戶指定。

3.根據(jù)權(quán)利要求1所述的一種基于預(yù)測(cè)的及時(shí)加權(quán)傳感器網(wǎng)絡(luò)數(shù)據(jù)融合方法，其特征在于：步驟S5中，t時(shí)刻的積分加權(quán)因子Δω_ti依賴于t時(shí)刻傳感節(jié)點(diǎn)i的匯報(bào)值r_ti與融合值R_t之間的差值：

d_ti＝||r_ti-R_t||；

其中，r_ti為時(shí)刻t傳感節(jié)點(diǎn)i的匯報(bào)值，R_t為時(shí)刻t計(jì)算出的融合值，計(jì)算出的d_ti為兩者之間的差值；將所有的d_ti從小到大進(jìn)行排序，并設(shè)定調(diào)整參數(shù)ε，當(dāng)與傳感節(jié)點(diǎn)i對(duì)應(yīng)的d_ti位于隊(duì)列的前ε位時(shí)，對(duì)應(yīng)的Δω_ti可獲得增量γ的獎(jiǎng)勵(lì)，即：

Δω_ti＝Δω_(t-1)i+γ；

當(dāng)與傳感節(jié)點(diǎn)i對(duì)應(yīng)的d_ti位于隊(duì)列的后ε位時(shí)，對(duì)應(yīng)的Δω_ti可獲得減量γ的懲罰，即：

Δω_ti＝Δω_(t-1)i-γ。

4.根據(jù)權(quán)利要求1所述的一種基于預(yù)測(cè)的及時(shí)加權(quán)傳感器網(wǎng)絡(luò)數(shù)據(jù)融合方法，其特征在于：所述傳感節(jié)點(diǎn)由任意一種微控制器作為中央處理器構(gòu)成，包括模擬或數(shù)字轉(zhuǎn)換器及相應(yīng)的傳感器器件，并通過有線或無(wú)線的方式組成傳感器網(wǎng)絡(luò)。

5.根據(jù)權(quán)利要求4所述的一種基于預(yù)測(cè)的及時(shí)加權(quán)傳感器網(wǎng)絡(luò)數(shù)據(jù)融合方法，其特征在于：有線組網(wǎng)方式采用：RS-485總線、CAN總線、工業(yè)以太網(wǎng)或常規(guī)以太網(wǎng)方式；無(wú)線組網(wǎng)方式采用：ZigBee蜂窩式網(wǎng)絡(luò)協(xié)議、2.4G RF射頻網(wǎng)絡(luò)方式、無(wú)線以太網(wǎng)WiFi方式或移動(dòng)通信3G/4G網(wǎng)絡(luò)方式。