技术应用论点ARGUMENT85基于多源异构数据融合的在线监测方法文/孙红燕，王少华，王芳作为评估数字信息系统安全性能的重要工具之一，多源异构数据融合在线监测的重要性不言而喻。近年来，这种监测方式在数字信息系统监测中的应用较为广泛。实践证明，该检测方式在实时获取并融合多源异构数据、提升数字信息系统结构安全性等方面均表现出显著的积极作用。一、数据融合概述数据融合是指将具有相同结构的数据资源融合成实用、准确的表现形式，确保单一数据和监测点的准确性。在一般情况下，多源异构信息融合可依据数据融合形式分为数据层、特征层以及决策融合层。其中，数据层通常作为数据融合的最底层，其主要借助传感器监测的方式完成初步分析和集成，并通过提取相关融合数据，明确数字信息系统的时程特性。当前，这种方式主要用于融合原始信息、处理海量信息数据等方面。特征层是数据融合的中间层，其不仅需要提取不同类型的监测值以及观测指标的特征向量，还需要将获得的特征向量进行充分融合，进而得到所需信息数据。特征层简单灵活，因而被广泛应用于融合应用中。决策层是数据融合的最高层，在实际应用中，技术人员需要做好专家决策系统分析和数据库推导等工作。相较于特征层，决策层在处理观测指标特征向量时，需要利用模式识别的方式，做好不同类型传感器的监测工作，并通过多源异构监测对数字信息系统的运行状态做出进一步评估，以确保其兼具数据层、特征层的特性。[1]二、多源异构监测数据融合方式多源异构监测数据融合方式的运行原理是，将不同量纲作为监测指标，以达到数据融合的目的。当前，技术人员在采用多源异构监测数据时应按照以下三个步骤进行：（1）利用小波分析方式，监测不同监测点原始时间序列产生的误差，避免干扰因素的产生；（2）将不同监测点的类型和去噪时间序列融合为同一个综合序列；（3）将监测指标综合序列有机地融合为综合监测信息序列，且该综合监测信息序列除包含位移、应力信息外，还应包括倾斜度监测数据信息。此外，在数字信息系统监测过程中，监测数据主要为低频信号和平稳信号。考虑到小波阈值去噪法主要是依据原始监测数据进行后续去噪处理的，因此，在对小波阈值进行去噪处理时，技术人员首先需要合理选择小波基函数与分解层数，并将其分解为不同的尺度层；其次，技术人员以数字信息系统为研究对象，本文首先简要阐述了数据融合的概念；其次深入分析了多源异构监测数据融合方式；再次围绕多源数据融合在线监...
