32、物联网医疗环境感知的云平台探索

物联网医疗环境感知的云平台探索

1. 背景介绍

在当今的数据驱动时代，从多个数据源（如传感器）获取有价值的知识，数据融合与集成是关键的第一步。多传感器数据融合和数据聚合技术被用于整合来自不同传感器的数据，了解这些技术有助于我们理解在物联网（IoE）环境中利用传感器数据时所面临的问题本质及可能的解决方案。

1.1 数据融合

数据融合技术是用于聚合两个或多个传感器数据的方法和算法，也被称为多传感器和传感器数据融合。处理低级别或高级别传感器数据时，存在多个级别的技术。低级别数据融合通常处理传感器的原始输入，以及用于处理和清理不完美输入数据的技术；高级别数据融合技术则常用于从输入传感器中提取有意义的信息。

以下是基本的JDL模型传感器融合的级别：
| 级别 | 描述 |
| — | — |
| 级别0 | 源预处理/主题评估 |
| 级别1 | 对象评估 |
| 级别2 | 态势评估 |
| 级别3 | 影响评估（或威胁细化） |
| 级别4 | 过程细化 |
| 级别5 | 用户细化（或认知细化） |

处理原始传感器数据时，过程总是从级别0开始，每个步骤都需要对原始传感器数据应用许多处理步骤。传感器融合算法需要处理不完美、相关、不一致和/或不同的数据。在数据融合的更高级别，当获取到对象和高级信息时，会广泛使用数据清理算法，如去重。在传感器融合的最高级别，从融合的传感器数据中检测和提取事件。

例如，在检测心脏病发作的系统中，输入传感器数据来自不同的有线和无线设备，如心电图（ECG）、脑电图（EEG）、氧气传感器、心率监测器，以及可能来自2D或3D