多傳感器數(shù)據(jù)融合算法的研究與應用.pdf

1、隨著科學技術的日新月異，各種傳感器技術層出不窮。為了滿足不斷增多的現(xiàn)實需求，傳感器系統(tǒng)變得越來越復雜。傳統(tǒng)的系統(tǒng)比較簡單，通常從單一傳感器獲取信息。即使采用多傳感器也只是從多個側面單獨地反映目標信息?，F(xiàn)代的大多數(shù)系統(tǒng)比較復雜，需要同時處理來自多個信號源的信息。所以要對多傳感器的觀測信息依據(jù)某種優(yōu)化準則進行組合使用，彌補單一傳感器獲取信息的片面性。并且，通過多傳感器信息的互補與去噪，能提高信息的準確性，容錯性和全面性。因此，研究多傳感器數(shù)

2、據(jù)融合技術很有必要。
　　多傳感器數(shù)據(jù)融合是處理多源數(shù)據(jù)的技術，是一種多層次、多方面的處理過程。本文先對多傳感器數(shù)據(jù)融合的基本理論進行了概述，介紹了數(shù)據(jù)融合的分類和模型。然后，從數(shù)據(jù)級融合和決策級融合兩個層面進行了融合算法的理論研究和實驗論證。在數(shù)據(jù)級融合上，研究了自適應加權融合算法的原理，存在的噪聲和融合精度問題，并對其進行了實驗仿真。在決策級融合上，研究了BP神經網絡的基本原理，網絡設計分析及存在的問題，并對其進行玻璃的質量預

3、測實驗。同時，研究了D-S證據(jù)理論的基本原理，組合規(guī)則及存在的問題，并對其進行玻璃的質量預測實驗。
　　在數(shù)據(jù)級融合研究中，利用融合精度跟融合次數(shù)和傳感器個數(shù)相關的特點，提出了階梯式動態(tài)加權融合算法。通過實驗對比得出該算法比自適應加權融合算法具有更高的準確性。在決策級融合研究中，利用BP神經網絡來解決可信度分配問題和D-S證據(jù)理論來決策融合，得出基于BP神經網絡和D-S證據(jù)理論的改進算法，并對其進行玻璃的質量預測實驗。實驗證明該算