1.一种感知数据获取方法，其特征在于，方法步骤为：

步骤一、布置感知设备采集数据，对收集到的数据定义为 其中t为数据采集时刻，k为感知数据编号，data为感知数据原始值，τ为感知数据置信度，si为可缺省的感知节点；

步骤二、将感知数据进行归类，分配识别关联感知节点，根据感知设备在空间中的时空关系，求取感知数据关联度步骤三、根据关联度 对感知数据置信度τ进行优化，并由置信度需求 对感知数据进行筛选。

2.根据权利要求1所述的一种感知数据获取方法，其特征在于，步骤二中所述的关联度包括空间维度关联度 和时间维度关联度 空间维度关联度计算方法如下，其中，▽表示归一化，loci表示对应感知节点位置坐标，ri表示对应感知节点感知半径；

时间维度关联度计算方法如下：

其中，ti表示感知数据 的采集时刻，t0表示节点采集频率间隔，▽表示归一化。关联度与空间维度关联度和时间维度关联度的关系如下，其中，wt为时间维度关联度的权值，ws为空间维度关联度的权值。

3.根据权利要求1所述的一种感知数据获取方法，其特征在于，步骤二中所述的关联度还能表示为基于概率图模型的关联度，通过贝叶斯网络结构节点随机变量的条件概率分布CPD，即已知父节点时变量Di的条件概率分布，Di与其非子节点条件独立，那么可以把联合概率分布分解为节点CPD的乘积：其中， 表示变量Di的父节点，之间关系依赖于BN网络结构，BN网络的结构和参数是通过物理过程以及数据关系求解得到。

4.根据权利要求1所述的一种感知数据获取方法，其特征在于，步骤三中所述的感知数据置信度优化的方法为，由关联数据中置信度高的感知数据与关联度 优化其关联数据的置信度，计算如下，其中，τ′i为所求感知数据的优化置信度，τi为关联数据中低置信度的感知数据原置信度，τj为关联数据中高置信度的感知数据的置信度。

5.根据权利要求1所述的一种感知数据获取方法，其特征在于，步骤三中所述的感知数据筛选方法是指，将优化后得到的n(n≤4)个感知节点联合感知测量时的置信度 与需求置信度 对比，选取合适的感知数据；其中，

6.根据权利要求1,2,4，5任一项所述的一种感知数据获取方法，其特征在于，所述的感知数据包括温度、湿度、光强度等数据。