从广义上讲,数据融合的主要作用可归纳为以下儿点:

(1)提高信息的准确性和全面性。与一个传感器相比， 多传感器数据酷合处理可以获得更准确、全面的周围环境信息。

(2)降低信息的不确定性。一-组相似的传感器采 集的信息存在明显的互补性，这种目补性经过适当处理后，可以对单一传感 器的不确定性和测量范围的局限性进行补偿。

(3)提高系统的可靠性。某个或某几个传感器失效时，系统仍能正常运行。(4)增加系统的实时性。

目前大多数传感器网络的应用都是由大量传感器结点来共同完成信息的采集过程，1感器网络的基本功能就是收集并返回传感器结点所在监测区域的信息。由于传感器网络点的资源十分有限,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,如果各个结点单独地直接传送数据到汇聚结点，则是不合适的，主要原因如下：

(1)浪费通信带宽和能量。在覆盖度较高的传感器网络中.邻近结点报告的信息通电

个网络消存在冗余性，各个结点单独传送数据会浪费通信带宽。另外，传输大量数据会使整耗过多的能量，缩短网络的生存时间。

(2)降低信息收集的效率。多个结点同时传送数据会增加数据链路层的调度瞧度，造成频繁的冲突碰撞，降低了通信效率，从而影响信息收集的及时性。 发据融合(Data

为了避免上述问题的产生，传感器网络在收集数据的过程中需委使用数

Pusion,DF)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。

传感器网络中的数据融合技术主要用于处理同一类型传感器的数据，或者输出复合型异构传感器的综合处理结果。例如，在森林防火的应用中，需要对温度传感器探测到的环”进行融温度进行融合。在目标自动识别的应用中,需婴对图像监洲传感器采集的图像数据

传感器结数据融合技术的具体实现与应用密切相关，例如在森林防火应用中只委处理传

用中，由于各点的位置和报告的温度数值，就实现了用户的要求和目标。但是，在目标识别应从三维空间各个结点的地理位置不同，针对同一目标所报告的图像的拍摄角度也不同.需要的角度综合考虑,所以融合的难度也相对较大。

众所周知,传感器网络是以数据为中心的网络.数据采集和处理是用户部署传感器网络的最终目的。如果从数据采集和信号探测的角度来看，采用传感器数据融合技术会使数据采集功能相对于传统方法具有如下优点:

(1) 增加测量维数提高信度和增加容情功值。改迎系统的可靠性和可维护性。当一个甚至几个传感器出现故障时.系统仍司利用其他传感器庆取环境信息，以维持系统的正常运行。

(2)提高精度。在传感器测量中，不可避免地存在各种噪声而同时使用描述问特征的多个不同信息，可以减小这种由测量不精确所引起的不确定性。品著提高系统的精度。

(3)扩展了空间和时间的覆盖.提高了空间分解率增强适应环境的能力。多种传感器可以描述环境中的多个不同特征，这些互补的特征信息，可以减小对环境模型理解的歧义，提高系统正确决策的能力。

(4) 改进探测性能,增加响应的有效性,降低了对单个传感器的性能要求，提高信息处理的速度。在同等数量的传感器下各传感器分别单独处理与多传感器数据融合处理相比，由于需传感器信息融合中使用了并行结构,采用分布式系统并行算法,可显著提高信息处理的速度。

(5)降低信息获取的成本。信息融合提高了信息的利用效率，可以用多个较康价的传感器获得与昂贵的单一高精度传感器同样甚至更好的效果，因此可大大降低系统的成本。