物联网是一个通过互联网连接多个物体的环境，通过万物互联产生大量数据以支撑业务应用及专家系统的智能决策。传感器在物联网中发挥着重要作用，它为物理世界中的大多数应用提供了解决方案。部署在各种环境中的传感器收集数据，并通过网关发送，以便进一步分析。产生大量数据的设备包括智能电表、自主系统、智能机器、智能城市、智能制造、智能可穿戴设备等，根据一项调查，到2025年底，从不同物联网设备收集的数据量可能会增长到79.4ZB。从各种异质传感器收集的数据被积累起来，以便从数据中获得有用的见解。这些数据对各种敏感应用的有效决策也很有帮助。多传感器数据融合是指对不同传感器的数据进行汇总。根据融合发生的地点，多传感器数据融合被分为两种类型：1.集中式 和 2.分散式数据融合。在集中式融合方法中，来自不同传感器的数据转发给云端系统进行集中计算及决策。而在分散融合中，每个传感器可以采取其局部并将其转发给边缘代理作为融合节点进行融合计算。融合传感器数据时会出现各种挑战，包括数据缺陷、数据异常值、数据关联、和数据相关性，因此需要研究优秀的模型算法以保证准确率及其性能先进性。 典型物联网架构如图1 所示，传感层由不同的异质传感器组成，通过传感器集线器连接。集线器是将从多个传感器收集的数据重定向到相应处理单元的地方。网络层提供各种通信协议，如Zigbee、Lora、蓝牙，允许数据在网络内流动。数据处理层起着至关重要的作用，它收集来自传感层的数据并利用这些数据做出有用的决定。应用层，它将数据处理层的结果移交给终端用户，以满足用户的业务功能及应用。 图1.物联网架构设计图 边缘物联代理作为物联网环境中的雾计算节点，降低了处理数据计算和生成的复杂性。雾计算通过将服务带到终端用户，从而提高网络效率，使终端用户受益。通过这种类型的计算，物联网设备的运行成本降低，对网络传输和后端计算依赖更小。
