传感器数据融合方法、装置、存储介质及计算设备

技术领域

本申请涉及数据处理技术领域，具体而言，涉及一种传感器数据融合方法、装置、存储介质及计算设备。

背景技术

结构变形监测数据不仅是对工程安全的直接反馈，还是指导后续设计施工的重要依据，因此对现场监测数据的准确分析处理是施工安全监测的重要基础，数据的有效性是开展数据挖掘工作的一个重要前提。结构变形数据为缓慢变化信号，信号的变化频率相对较小，目前常用人工监测数据采样频率相对较低，而随着自动化监测系统的逐步应用，基于传感器的自动采集系统均实现了数据的实时采集，而实时的数据采集系统数据存在很大的冗余度。

这种冗余度除了大幅增加系统的数据处理量之外，还可能带来数据处理精度方面的弊端，例如，如果采用较高的采样频率，则可能在数据没有大幅度波动时造成数据的大量冗余，而采用较低的采样频率，则可能在数据短时间内波动时造成数据遗漏，从而影响检测精度。

针对上述现有技术中传感器数据采集数据量大、精确度低的技术问题，目前尚未提出有效的解决方案。

发明内容

本申请实施例提供了一种传感器数据融合方法、装置、存储介质及计算设备，以至少解决现有技术中传感器数据采集数据量大、精确度低的技术问题。

根据本申请实施例的一个方面，提供了一种传感器数据融合方法，包括获取用于监测目标对象的传感器的监测数据；以第一采样频率对监测数据进行采样，得到一组第一采样数据；以第二采样频率对第一采样数据进行K次重采样，得到K组第二采样数据，其中，第一采样频率为第二采样频率的K倍，K为整数；对K组第二采样数据进行融合，得到传感器监测数据的融合结果。

根据本申请实施例的另一个方面，提供了一种传感器数据融合装置，包括获取单元，用于获取用于监测目标对象的传感器的监测数据；第一采样单元，用于以第一采样频率对监测数据进行采样，得到一组第一采样数据；第二采样单元，用于以第二采样频率对第一采样数据进行K次重采样，得到K组第二采样数据，其中，第一采样频率为第二采样频率的K倍，K为整数；融合单元，用于对K组第二采样数据进行融合，得到传感器监测数据的融合结果。

在上述任一实施例的基础上，对K组第二采样数据进行融合，得到传感器监测数据的融合结果包括：对K组第二采样数据进行平均，得到一组均值数据组；根据K组第二采样数据中的每一组与均值数据组的相关性，为每一组第二采样数据分配加权系数；根据加权系数对K组第二采样数据进行加权处理，得到一组传感器监测数据的融合结果。

在上述任一实施例的基础上，对K组第二采样数据进行平均，得到一组均值数据组 包括：获取K组第二采样数据

在上述任一实施例的基础上，根据K组第二采样数据中的每一组与均值数据组的相关性，为每一组第二采样数据分配加权系数包括：计算每一组第二采样数据与均值数据组之间的相关系数；根据相关系数，为每一组第二采样数据设置加权系数，其中加权系数与相关系数正相关。

在上述任一实施例的基础上，通过如下公式计算第i组第二采样数据

其中，

在上述任一实施例的基础上，根据相关系数，为每一组第二采样数据设置加权系 数包括：计算每一组第二采样数据与均值数据组之间的相关系数的和

在上述任一实施例的基础上，根据加权系数对K组第二采样数据进行加权处理，得 到一组传感器监测数据的融合结果包括：获取K组第二采样数据

根据本申请实施例的另一个方面，提供了一种存储介质，存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行上述任一实施例的方法。

根据本申请实施例的另一个方面，提供了一种计算设备，包括处理器，处理器用于运行程序，其中，程序运行时执行上述任一实施例的方法。

在本申请实施例中，通过获取用于监测目标对象的传感器的监测数据；以第一采样频率对监测数据进行采样，得到一组第一采样数据；以第二采样频率对第一采样数据进行K次重采样，得到K组第二采样数据，其中，第一采样频率为第二采样频率的K倍，K为整数；对K组第二采样数据进行融合，得到传感器监测数据的融合结果，实现了在不具备传感器测量数据的任何先验知识的情况下，确定融合后的局部决策值并据此得到决策结果，本申请提出的方案能够实现充分挖掘数据的内部信息，且具有数据冗余度低、采样精度高及数据采集可靠的特点，进而解决了现有技术中传感器数据采集数据量大、精确度低的技术问题。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1是根据本申请实施例的一种用于实现传感器数据融合方法的计算机终端（或移动设备）的硬件结构框图；

图2是根据本申请实施例的一种传感器数据融合方法的流程图；

图3是根据本申请实施例的又一种传感器数据融合方法的流程图；

图4是根据本申请实施例的一种传感器数据融合装置的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。

需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

实施例1

根据本申请实施例，还提供了一种传感器数据融合方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

本申请实施例一所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。图1示出了一种用于实现传感器数据融合方法的计算机终端（或移动设备）的硬件结构框图。如图1所示，计算机终端10（或移动设备10）可以包括一个或多个（图中采用102a、102b，……，102n来示出）处理器102（处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置）、用于存储数据的存储器104、以及用于通信功能的传输装置106。除此以外，还可以包括：显示器、输入/输出接口、网络接口、电源和/或相机。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述电子装置的结构造成限定。例如，计算机终端10还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。

应当注意到的是上述一个或多个处理器102和/或其他数据融合电路在本文中通常可以被称为“数据融合电路”。该数据融合电路可以全部或部分的体现为软件、硬件、固件或其他任意组合。此外，数据融合电路可为单个独立的处理模块，或全部或部分的结合到计算机终端10（或移动设备）中的其他元件中的任意一个内。如本申请实施例中所涉及到的，该数据融合电路作为一种处理器控制（例如与接口连接的可变电阻终端路径的选择）。

存储器104可用于存储应用软件的软件程序以及模块，如本申请实施例中的产品激活确定方法对应的程序指令/数据存储装置，处理器102通过运行存储在存储器104内的软件程序以及模块，从而执行各种功能应用以及数据融合，即实现上述的传感器数据融合方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至计算机终端10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机终端10的通信供应商提供的无线网络。在一个实例中，传输装置106包括一个网络适配器（Network Interface Controller，NIC），其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置106可以为射频（Radio Frequency，RF）模块，其用于通过无线方式与互联网进行通讯。

显示器可以例如触摸屏式的液晶显示器（LCD），该液晶显示器可使得用户能够与计算机终端10（或移动设备）的用户界面进行交互。

此处，需要说明的是，在一些可选实施例中，上述图1所示的计算机设备（或移动设备）可以包括硬件元件（包括电路）、软件元件（包括存储在计算机可读介质上的计算机代码）、或硬件元件和软件元件两者的结合。应当指出的是，图1仅为特定具体实例的一个实例，并且旨在示出可存在于上述计算机设备（或移动设备）中的部件的类型。

本申请在上述运行环境下运行如图2所示的一种传感器数据融合方法。图2是根据本申请实施例的一种传感器数据融合方法的流程图，如图2所示，传感器数据融合方法可以包括：

步骤S202：获取用于监测目标对象的传感器的监测数据；

在上述步骤S202中，目标对象例如施工工程，在该工程中布置有至少一个传感器，传感器不间断的采集工程数据，从而得到完整的原始监测数据。此处需要说明的是，本申请不限制传感器种类。在一种可选方式中，传感器为模拟传感器，因此在步骤S202之前，方法还包括：接收传感器输出的模拟信号，对该模拟信号进行预处理，得到上述监测数据，其中对传感器的输出模拟信号进行预处理的具体过程为：对传感器的输出模拟信号依次进行降噪、滤波处理。

步骤S204：以第一采样频率对监测数据进行采样，得到一组第一采样数据；

在上述步骤S204中，第一采样频率例如记为

步骤S206：以第二采样频率对第一采样数据进行K次重采样，得到K组第二采样数据，其中，第一采样频率为第二采样频率的K倍，K为整数；

在上述步骤S206中，第二采样频率例如记为

假设第一采样的采集持续时间为

步骤S208：对K组第二采样数据进行融合，得到传感器监测数据的融合结果。

在上述步骤S206中，融合方式例如可以为加权融合，对K组数据分别赋予不同的权值，并将K组数据中的相同项进行加权求和，由于K组数据的采样起始点非常接近，在以相同的第二采样频率进行采样时，K组数据的同一项的采样数据的采样时间点也较为接近，对这些数据进行局部融合，可以最大限度的减少融合后的数据与真实数据之间的偏差，并且可以尽可能滤除因传感器异常造成的数据突变。

综上，在本申请实施例中，通过获取用于监测目标对象的传感器的监测数据；以第一采样频率对监测数据进行采样，得到一组第一采样数据；以第二采样频率对第一采样数据进行K次重采样，得到K组第二采样数据，其中，第一采样频率为第二采样频率的K倍，K为整数；对K组第二采样数据进行融合，得到传感器监测数据的融合结果，实现了在不具备传感器测量数据的任何先验知识的情况下，确定融合后的局部决策值并据此得到决策结果，本申请提出的方案能够实现充分挖掘数据的内部信息，且具有数据冗余度低、采样精度高及数据采集可靠的特点，进而解决了现有技术中传感器数据采集数据量大、精确度低的技术问题。

本申请所提出的基于信号重采样的传感器数据融合方法，对传感器采集的原始数据以新的采样频率进行重采样，采样频率为原采样频率的1/K，其中K为正整数，即对原始数据的K倍抽取，再分别计算分组后的数据均值以及与K组数据取平均得到数据的相关系数，对分组数据的相关系数进行分析，以相关系数的大小与权值建立对应关系，相关系数越大表示数据与K组数据的共性相似度越高，在数据融合过程中应赋相对较大的权值，而相关系数越小的数据应赋相对较小的权值。这种数据融合方法不要求传感器测量数据的任何先验知识，依据融合后的局部决策值就能够得到决策结果。建立变权值的数据融合方法，提高了单传感器结构变形数据的采集精度。

可选地，步骤S208：对K组第二采样数据进行融合，得到传感器监测数据的融合结果包括：

步骤S2082：对K组第二采样数据进行平均，得到一组均值数据组；

在上述步骤S2082中，对K组第二采样数据进行平均，即对K组第二采样数据中的对应项进行平均，例如对1到K组数据中的K个第一项进行平均，得到的值作为均值数据组的第一项，对1到K组数据中的K个第j项进行平均，得到的值作为均值数据组的第j项，以此类推。由于K组数据的采样起始点非常接近，即K组数据的对应项的采样数据的采样时间点也较为接近，计算对应项的平均值即计算局部数据的平均值，以便于将局部其他数据与该平均值进行比较，从而可以在后续加权系数分配的过程之后，摒弃差别巨大的局部值，强调接近平均值的局部值。

步骤S2084：根据K组第二采样数据中的每一组与均值数据组的相关性，为每一组第二采样数据分配加权系数；

在上述步骤S2084中，把每一组第二采样数据与均值数据组的相关性的大小与该组第二采样数据的加权系数建立对应关系，例如可以给相关性高的一组第二采样数据分配较高的加权系数，给相关性低的一组第二采样数据分配较低的加权系数，从而可实现摒弃差别巨大的局部值，强调接近平均值的局部值这一效果。同时，本申请计算的是一组第二采样数据与均值数据组之间的整体相关性，当其中一组第二采样数据采集的是传感器数据中周期性的环境噪音或者异常噪音时，该组数据可被有效滤除。在一种可选方式中，相关系数越大表示该组数据和这K组数据共性相关度越高，在数据融合过程中应赋相对较大的权值，而相关系数越小的数据应赋相对较小的权值，即权值于相关系数的大小成正比。

步骤S2086：根据加权系数对K组第二采样数据进行加权处理，得到一组传感器监测数据的融合结果。

在上述步骤S2086中，为K组第二采样数据分配K个权值，将K组数据中的K个对应项分别与其对应的K个权值加权求和，得到该对应项的融合值，计算完所有对应项后，即可得到一组传感器监测数据的融合结果。

可选地，步骤S2082：对K组第二采样数据进行平均，得到一组均值数据组包括：

步骤S20822：获取K组第二采样数据

步骤S20824：将K组第二采样数据处理为K个对应的一维数组，其中

步骤S20826：计算K个一维数组中对应项的平均值，得到一组均值数据组

可选地，步骤S2084：根据K组第二采样数据中的每一组与均值数据组的相关性，为每一组第二采样数据分配加权系数包括：

步骤S20842：计算每一组第二采样数据与均值数据组之间的相关系数；

在上述步骤S20842中，通过如下公式计算第i组第二采样数据

其中，

步骤S20844：根据相关系数，为每一组第二采样数据设置加权系数，其中加权系数与相关系数正相关。

在上述步骤S20844中，把相关系数的大小与权值建立对应关系，相关系数越大表示该组数据和这K组数据共性相关度越高，在数据融合过程中应赋相对较大的权值，而相关系数越小的数据应赋相对较小的权值，即权值于相关系数的大小成正比。

在上述步骤S20844中，根据相关系数，为每一组第二采样数据设置加权系数包括：

步骤S208442：计算每一组第二采样数据与均值数据组之间的相关系数的和

步骤S208444：计算每一组第二采样数据与均值数据组之间的相关系数在和

步骤S208446：将每一组第二采样数据与均值数据组之间的相关系数在和

可选地，步骤S2086：根据加权系数对K组第二采样数据进行加权处理，得到一组传感器监测数据的融合结果包括：

步骤S20862：获取K组第二采样数据

步骤S20864：获取K组第二采样数据对应的K个加权系数

步骤S20866：将K组第二采样数据中同一项的K个数值与对应的K个加权系数进行 加权求和，得到一组融合数据

图3是根据本申请实施例的一种传感器数据融合方法的流程图，如图3所示，安装固定传感器，通过传感器进行数据采集，传感器数据融合方法可以包括：

S301：对传感器的输出模拟信号进行预处理；

S302：设定采集持续时间、采样频率

S303：跟据采集持续时间、采样频率

S304：根据重采样的采样频率对原始数据进行多次采样，得到多组数据；

S305：通过每组数据的统计特性建立变权值数据融合；

步骤S301：对传感器的输出模拟信号进行预处理的具体过程为：对传感器的输出模拟信号依次进行降噪、滤波处理。

步骤S305的具体操作为：

步骤S3051：设置所用的采集持续时间为

把这K组数据取平均，得出一组数据：

分别计算每组数据的均值以及和

其中

步骤S3052：对K组数值的相关系数进行从小到大排序，假设排序结果为

步骤S3053：把相关系数的大小与权值建立对应关系，相关系数越大表示该组数据和这K组数据共性相关度越高，在数据融合过程中应赋相对较大的权值，而相关系数越小的数据应赋相对较小的权值，即权值于相关系数的大小成正比。然后根据权值实现各组数据的融合

其中

本申请的基于信号重采样的数据融合方法，对传感器采集的原始数据以新的采样频率进行重采样，采样频率为原采样频率的1/K，其中K为正整数，即对原始数据的K倍抽取，再分别计算分组后的数据均值以及与K组数据取平均得到数据的相关系数，对分组数据的相关系数进行分析，以相关系数的大小与权值建立对应关系，相关系数越大表示数据与K组数据的共性相似度越高，在数据融合过程中应赋相对较大的权值，而相关系数越小的数据应赋相对较小的权值。这种数据融合方法不要求传感器测量数据的任何先验知识，依据融合后的局部决策值就能够得到决策结果。建立变权值的数据融合方法，提高了单传感器结构变形数据的采集精度。

本申请的目的在于克服传统有效数据采集现有技术的缺点，提供了一种基于信号重采样的数据融合算法，该算法及其工作方法能够实现充分挖掘数据的内部信息，且具有数据冗余度低、采样精度高及数据采集可靠的特点。

需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的传感器数据融合方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质（如ROM/RAM、磁碟、光盘）中，包括若干指令用以使得一台终端设备（可以是手机，计算机，服务器，或者网络设备等）执行本申请各个实施例的方法。

实施例2

根据本申请实施例，还提供了一种用于实施上述传感器数据融合方法的传感器数据融合装置，该装置以软件或硬件方式实现。

图4是根据本申请实施例的一种传感器数据融合装置400的结构示意图；如图4所示，该装置包括：获取单元4002，第一采样单元4004，第二采样单元4006，融合单元4008，其中：

获取单元4002，用于获取用于监测目标对象的传感器的监测数据；

第一采样单元4004，用于以第一采样频率对监测数据进行采样，得到一组第一采样数据；

第二采样单元4006，用于以第二采样频率对第一采样数据进行K次重采样，得到K组第二采样数据，其中，第一采样频率为第二采样频率的K倍，K为整数；

融合单元4008，用于对K组第二采样数据进行融合，得到传感器监测数据的融合结果。

此处，需要说明的是，上述获取单元4002，第一采样单元4004，第二采样单元4006，融合单元4008对应于实施例1中的步骤S202至步骤S208，上述四个模块与对应的步骤所实现的实例和应用场景相同，但不限于上述实施例1所公开的内容。

综上，在本申请实施例中，通过获取用于监测目标对象的传感器的监测数据；以第一采样频率对监测数据进行采样，得到一组第一采样数据；以第二采样频率对第一采样数据进行K次重采样，得到K组第二采样数据，其中，第一采样频率为第二采样频率的K倍，K为整数；对K组第二采样数据进行融合，得到传感器监测数据的融合结果，实现了在不具备传感器测量数据的任何先验知识的情况下，确定融合后的局部决策值并据此得到决策结果，本申请提出的方案能够实现充分挖掘数据的内部信息，且具有数据冗余度低、采样精度高及数据采集可靠的特点，进而解决了现有技术中传感器数据采集数据量大、精确度低的技术问题。

本申请所提出的基于信号重采样的传感器数据融合方法，对传感器采集的原始数据以新的采样频率进行重采样，采样频率为原采样频率的1/K，其中K为正整数，即对原始数据的K倍抽取，再分别计算分组后的数据均值以及与K组数据取平均得到数据的相关系数，对分组数据的相关系数进行分析，以相关系数的大小与权值建立对应关系，相关系数越大表示数据与K组数据的共性相似度越高，在数据融合过程中应赋相对较大的权值，而相关系数越小的数据应赋相对较小的权值。这种数据融合方法不要求传感器测量数据的任何先验知识，依据融合后的局部决策值就能够得到决策结果。建立变权值的数据融合方法，提高了单传感器结构变形数据的采集精度。

可选地，融合单元4008还包括：

均值计算单元，用于对K组第二采样数据进行平均，得到一组均值数据组；

权值分配单元，用于根据K组第二采样数据中的每一组与均值数据组的相关性，为每一组第二采样数据分配加权系数；

加权融合单元，用于根据加权系数对K组第二采样数据进行加权处理，得到一组传感器监测数据的融合结果。

此处，需要说明的是，上述均值计算单元，权值分配单元以及加权融合单元对应于实施例1中的步骤S2082至步骤S2086，上述三个模块与对应的步骤所实现的实例和应用场景相同，但不限于上述实施例1所公开的内容。

可选地，均值计算单元包括：

数据获取单元，用于获取K组第二采样数据

数组处理单元，用于将K组第二采样数据处理为K个对应的一维数组，其中

均值数组计算单元，用于计算K个一维数组中对应项的平均值，得到一组均值数据 组

此处，需要说明的是，上述数据获取单元，数组处理单元，均值数组计算单元对应于实施例1中的步骤S20822至步骤S20826，上述三个模块与对应的步骤所实现的实例和应用场景相同，但不限于上述实施例1所公开的内容。

可选地，权值分配单元包括：

相关系数计算单元，用于计算每一组第二采样数据与均值数据组之间的相关系数；

加权系数设置单元，用于根据相关系数，为每一组第二采样数据设置加权系数，其中加权系数与相关系数正相关。

此处，需要说明的是，上述相关系数计算单元，加权系数设置单元对应于实施例1中的步骤S20842至步骤S20844，上述两个模块与对应的步骤所实现的实例和应用场景相同，但不限于上述实施例1所公开的内容。

可选地，相关系数计算单元用于通过如下公式计算第i组第二采样数据

其中，

可选地，加权系数设置单元包括：

相关系数求和单元，用于计算每一组第二采样数据与均值数据组之间的相关系数 的和

占比计算单元，用于计算每一组第二采样数据与均值数据组之间的相关系数在和

加权系数配置单元，用于将每一组第二采样数据与均值数据组之间的相关系数在 和

此处，需要说明的是，上述相关系数求和单元，占比计算单元，加权系数配置单元对应于实施例1中的步骤S208442至步骤S208446，上述三个模块与对应的步骤所实现的实例和应用场景相同，但不限于上述实施例1所公开的内容。

可选地，加权融合单元包括：

采样数据获取单元，用于获取K组第二采样数据

加权系数获取单元，用于获取K组第二采样数据对应的K个加权系数

加权计算单元，用于将K组第二采样数据中同一项的K个数值与对应的K个加权系 数进行加权求和，得到一组融合数据

此处，需要说明的是，上述采样数据获取单元，加权系数获取单元，加权计算单元对应于实施例1中的步骤S20862至步骤S20866，上述三个模块与对应的步骤所实现的实例和应用场景相同，但不限于上述实施例1所公开的内容。

实施例3

本申请的实施例可以提供一种计算设备，该计算设备可以是计算机终端群中的任意一个计算机终端设备。可选地，在本实施例中，上述计算设备也可以替换为移动终端等终端设备。

可选地，在本实施例中，上述计算设备可以位于计算机网络的多个网络设备中的至少一个网络设备。

可选地，在本实施例中，上述计算设备包括一个或多个处理器、存储器、以及传输装置。其中，存储器可用于存储软件程序以及模块，如本申请实施例中的传感器数据融合方法和装置对应的程序指令/模块。处理器通过运行存储在存储器内的软件程序以及模块，从而执行各种功能应用以及数据融合，即实现上述的传感器数据融合方法。

可选地，存储器可包括高速随机存储器，还可以包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器可进一步包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至计算设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

在本实施例中，上述计算设备中的处理器运行存储的程序代码时可以执行以下方法步骤：获取用于监测目标对象的传感器的监测数据；以第一采样频率对监测数据进行采样，得到一组第一采样数据；以第二采样频率对第一采样数据进行K次重采样，得到K组第二采样数据，其中，第一采样频率为第二采样频率的K倍，K为整数；对K组第二采样数据进行融合，得到传感器监测数据的融合结果。

进一步地，在本实施例中，上述计算设备中的处理器运行存储的程序代码时可以执行实施例1中所列举的任一方法步骤，囿于篇幅不再赘述。

实施例4

本申请的实施例还提供了一种存储介质。可选地，在本实施例中，上述存储介质可以用于保存上述传感器数据融合方法所执行的程序代码。

可选地，在本实施例中，上述存储介质可以位于计算机网络中计算机终端群中的任意一个计算机终端中，或者位于移动终端群中的任意一个移动终端中。

可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：获取用于监测目标对象的传感器的监测数据；以第一采样频率对监测数据进行采样，得到一组第一采样数据；以第二采样频率对第一采样数据进行K次重采样，得到K组第二采样数据，其中，第一采样频率为第二采样频率的K倍，K为整数；对K组第二采样数据进行融合，得到传感器监测数据的融合结果。

进一步地，在本实施例中，存储介质被设置为存储用于执行实施例1中所列举的任一方法步骤的程序代码，囿于篇幅不再赘述。

上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。

在本申请的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可为个人计算机、服务器或者网络设备等）执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅是本申请的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。