多感測器融合演算法

Ⅰ 多感測器數據融合技術的優點

多感測器數據融合比單一感測器信息有如下優點，即容錯性、互補性、實時性、經濟性，所以逐步得到推廣應用。應用領域除軍事外，已適用於自動化技術、機器人、海洋監視、地震觀測、建築、空中交通管制、醫學診斷、遙感技術等方面。
有鑒於感測器技術的微型化、智能化程度提高，在信息獲取基礎上，多種功能進一步集成以致於融合，這是必然的趨勢，多感測器數據融合技術也促進了感測器技術的發展。

Ⅱ 多感測器數據融合手冊的融合概念

數據融合又稱作信息融合或多感測器數據融合，對數據融合還很難給出一個統一、全面的定義。隨著數據融合和計算機應用技術的發展，根據國內外研究成果，多感測器數據融合比較確切的定義可概括為：充分利用不同時間與空間的多感測器數據資源，採用計算機技術對按時間序列獲得的多感測器觀測數據，在一定準則下進行分析、綜合、支配和使用，獲得對被測對象的一致性解釋與描述，進而實現相應的決策和估計，使系統獲得比它的各組成部分更充分的信息。
1．2 多感測器數據融合原理
多感測器數據融合技術的基本原理就像人腦綜合處理信息一樣，充分利用多個感測器資源，通過對多感測器及其觀測信息的合理支配和使用，把多感測器在空間或時間上冗餘或互補信息依據某種准則來進行組合，以獲得被測對象的一致性解釋或描述。具體地說，多感測器數據融合原理如下：
（1）N個不同類型的感測器（有源或無源的）收集觀測目標的數據；
（2）對感測器的輸出數據（離散的或連續的時間函數數據、輸出矢量、成像數據或一個直接的屬性說明）進行特徵提取的變換，提取代表觀測數據的特徵矢量Yi；
（3）對特徵矢量Yi進行模式識別處理（如，聚類演算法、自適應神經網路或其他能將特徵矢量Yi變換成目標屬性判決的統計模式識別法等）完成各感測器關於目標的說明；
（4）將各感測器關於目標的說明數據按同一目標進行分組，即關聯；
（5）利用融合演算法將每一目標各感測器數據進行合成，得到該目標的一致性解釋與描述。
2 多感測器數據融合方法
利用多個感測器所獲取的關於對象和環境全面、完整的信息，主要體現在融合演算法上。因此，多感測器系統的核心問題是選擇合適的融合演算法。對於多感測器系統來說，信息具有多樣性和復雜性，因此，對信息融合方法的基本要求是具有魯棒性和並行處理能力。此外，還有方法的運算速度和精度；與前續預處理系統和後續信息識別系統的介面性能；與不同技術和方法的協調能力；對信息樣本的要求等。一般情況下，基於非線性的數學方法，如果它具有容錯性、自適應性、聯想記憶和並行處理能力，則都可以用來作為融合方法。
多感測器數據融合雖然未形成完整的理論體系和有效的融合演算法，但在不少應用領域根據各自的具體應用背景，已經提出了許多成熟並且有效的融合方法。多感測器數據融合的常用方法基本上可概括為隨機和人工智慧兩大類，隨機類方法有加權平均法、卡爾曼濾波法、多貝葉斯估計法、Dempster-Shafer（D-S）證據推理、產生式規則等；而人工智慧類則有模糊邏輯理論、神經網路、粗集理論、專家系統等。可以預見，神經網路和人工智慧等新概念、新技術在多感測器數據融合中將起到越來越重要的作用。

Ⅲ 多感測器信息融合有哪些常用的融合演算法

感測器(英文名稱:transcer/sensor)是一種檢測裝置，能感受到被測量的信息，並能將感受到的信息，按一定規律變換成為電信號或其他所需形式的信息輸出，以滿足信息的傳輸、處理、存儲、顯示、記錄和控制等要求。
感測器的特點包括:微型化、數字化、智能化、多功能化、系統化、網路化。它是實現自動檢測和自動控制的首要環節。感測器的存在和發展，讓物體有了觸覺、味覺和嗅覺等感官，讓物體慢慢變得活了起來。通常根據其基本感知功能分為熱敏元件、光敏元件、氣敏元件、力敏元件、磁敏元件、濕敏元件、聲敏元件、放射線敏感元件、色敏元件和味敏元件等十大類。

Ⅳ 如何進行多感測器融合

單一感測器中，越靠近原始數據，干擾信號和真實信號並存的可能性越大，即越早啟動融合，真實信息的保留和干擾信息的去除效果越好，但同時也為數據同步、處理演算法計算量帶來相應的挑戰。
實際應用中，應結合感知需求、晶元計算能力選擇合適的融合架構和方法，構建由各類感測器信息組成的數字環境，實現智能網聯汽車的環境理解。