一种基于时空 - 属性的 CPS 信息融合方法

信息物理系统CPS（Cyber-PhysicSystem）是融合了传感器网络、通信系统、计算机网络等多种网络和技术的新型复杂系统。其结构复杂性决定了网络中会产生大量数据,如何减小网络负载,提高能量利用率是CPS面临的一项重要挑战。数据融合通过将信息综合化,减少在网络内传输的数据量,能够有效地降低网络负载,从而达到节省能量开支的效果。同时通过将各类原始数据融合成具有意义的概括数据,大大提高了网络的数据分析和决策能力。本文将数据融合技术应用于信息物理系统,基于数据的时空和属性特点,提出了同时包含时间融合、空间融合、属性融合的STAC（Spatial-Temporal-AttributeCorrelation）算法。该算法基于时空相关性对原始数据进行首次融合,进而在加权贝叶斯理论的基础上,根据不同类型数据的属性相关性对数据进行二次融合,形成有综合意义的概括数据。基于NS2平台的仿真结果证明,该算法能够有效减少数据包传输量,并且能够准确预测CPS网络事件类型,实现CPS的智能闭环控制。