传感数据是由感知设备或传感设备感受、测量及传输的数据。传感数据种类有很多，如人身体的传感数据，网络信号的传感数据和气象的传感数据。传感数据可以用于数据分析。
传感数据是由感知设备或传感设备感受、测量及传输的数据。感知设备或传感设备可以包括 1 个或多个传感器。这些感知设备或传感设备实时和动态地收集大量的时序传感数据资源在物联网中。传感数据种类有很多，如人身体的传感数据，网络信号的传感数据和气象的传感数据。传感数据可以用于数据分析。
简介
传感设备是穿戴于用户身上的装置和设置于现实环境中的传感装置。传感数据是指由传感设备收集和测量的数据，尽管传感设备的类型各有不同，但其获取的数据可以分为 2 类：实时状态数据。表示某个时刻运行状态，例如速度、功率等；累加数据。表示一定范围内的数据累加量，例如里程、热消耗等。通常情况下，传感器以一定的频率采集数据，并将数据发送至相应的数据接收端。数据接收端将收到一组或多组在时间上存在严格先后顺序的一组或多组观测值序列，即“时间序列数据”。这些时序数据精准地记录着某个具体参数的实时变化情况，并在一定的时间范围内反映该参数的发展趋势和变化规律。因此基于传感设备所采集的时间序列数据不仅为后续的数据趋势展现等数据可视化工作提供了重要的数据来源，同时也是后续数据挖掘工作（分类、聚类、关联、预测）的基础与前提。
传感数据估计的需求分析
由于无线传感器节点受成本限制、自身资源受限和周围环境的不良影响，使得获得的传感数据出现缺失、丢失现象，甚至这种情况十分严重。这种现象从部署在英特尔-伯克利联合实验室的无线传感器网络采集的数据集和加州大学伯克利分校在红杉树上的无线传感器网络采集的数据集中也可以看出数据丢失或者缺失是不可避免的，这给无线传感器网络后期数据处理方法应用带来了巨大的挑战。在进行后期数据处理之前，都需要对数据缺失现象进行数据预处理，一般采用缺失值的估计或者直接删除。直接删除势必会影响数据的原始特性。而传感数据估计则是解决数据丢失的最好方法。除了解决数据缺失问题外，传感数据的估计还能解决数据查询、节省能量、预警等作用。在无线传感器网络中，传感数据估计起着关键性的作用：
节省能量消耗，延长网络寿命。在 WSN 中，传感器节点往往是电池供电的，因此整个网络的能量十分有限。而无线射频通信消耗着无线传感器节点的绝大部分能量。为了降低整个网络的能耗，可以轮流地让网络内一部分节点进入休眠，利用 WSN 中传感数据的空间相关性，用相关的活动节点的传感数据来估计休眠节点的传感数据。从而降低整个网络的能耗。同时还可以在每一个活动节点上估计下一个传感数据值，如果估计值和真实传感值相差小于一定的阈值，则不发送数据，这也在一定程度上降低网络能耗。
有效解决监测数据的缺失、丢失和传输错误问题。在 WSN 中，人们通过各种传感器进行传感、各种传输技术，从而得到监测数据序列，实现对被监测对象的感知，目的就是为了分析处理这些传感数据序列，以发现有价值的信息和知识，为决策行为提供必要的支持。然而，在实际 WSN 系统中的传感器节点的能量、通信距离、存储容量和计算能力等资源都非常有限，以及周围环境的不良干扰或影响，使得在传输过程中出现传输错误、丢失或者缺失。这给后期在这些数据上进行的深层次处理方法提出了严峻的挑战，而数据估计是解决这些问题的有效方法。及时预警，达到减险减灾的目的。在 WSN 中，被传感参数往往是缓慢变化的，具有很强的时间相关性。同时传感器节点间也具有很强的空间相关性。因此可以在数据中心的应用层，通过传感数据的估计方法对未来的传感参数进行估计。能够实现对将要出现的灾情和危险情况起到及时预警的目的，从而达到减、险减灾的目的。
