傳感器數(shù)據(jù)融合技術(shù)研究現(xiàn)狀分析

傳感器網(wǎng)絡(luò)數(shù)據(jù)融合技術(shù)研究張小波廣東工業(yè)大學(xué)自動化學(xué)院網(wǎng)絡(luò)工程系zxb_leng容安排一、傳感器數(shù)據(jù)融合概念二、傳感器網(wǎng)絡(luò)數(shù)據(jù)融合系統(tǒng)處理模型三、數(shù)據(jù)融合各種算法分析四、傳感器數(shù)據(jù)融合技術(shù)研究的不足五、傳感器網(wǎng)絡(luò)數(shù)據(jù)融合需考慮的幾個問題六、未來的研究方向一、傳感器網(wǎng)絡(luò)數(shù)據(jù)融合概念數(shù)據(jù)融合是充分利用不同時間與空間的多傳感器信息資源,在一定準(zhǔn)則下進(jìn)行分析、綜合和應(yīng)用,獲得對被測對象的一致性解釋與描述,進(jìn)而實(shí)現(xiàn)相應(yīng)的決策和估計(jì),使系統(tǒng)獲得比它的各組成部分更充分的信息。二、傳感器網(wǎng)絡(luò)數(shù)據(jù)融合系統(tǒng)處理模型三、傳感器網(wǎng)絡(luò)數(shù)據(jù)融合常用算法1.經(jīng)典算法貝葉斯估計(jì)法、加權(quán)平均法、極大似然估計(jì)法、D-S證據(jù)理論法、卡爾曼濾波法等2.現(xiàn)代算法聚類分析、模糊邏輯、神經(jīng)網(wǎng)絡(luò)法等各種融合算法對比分析算法1：D-S證據(jù)理論特點(diǎn)：D-S證據(jù)理論具有比較強(qiáng)的理論基礎(chǔ)，它既能處理命題的不確定性問題，也能將“不知道”和“不確定”區(qū)分開，D-S組合規(guī)則的優(yōu)點(diǎn)在于證據(jù)間的沖突較小時，證據(jù)置信度向不確定性較小的命題集中。但是，在證據(jù)嚴(yán)重沖突的情況下，直接運(yùn)用基本D-S證據(jù)理論進(jìn)行融合，組合結(jié)果往往與實(shí)際情況不相符。D-S證據(jù)理論相關(guān)研究1）D-S證據(jù)理論和神經(jīng)網(wǎng)絡(luò)相結(jié)合的多傳感器信息融合2）基于D-S證據(jù)理論的移動機(jī)器人多超聲波傳感器信息融合方法3）D-S證據(jù)理論和模糊數(shù)學(xué)相結(jié)合的多傳感器信息融合4）基于D-S證據(jù)推理的多傳感器信息融合技術(shù)在戰(zhàn)場目標(biāo)識別中的應(yīng)用算法2：Bayes估計(jì)算法特點(diǎn)：當(dāng)一個證據(jù)的概率是在大量的統(tǒng)計(jì)數(shù)據(jù)的基礎(chǔ)上得出的,當(dāng)所處理的問題比較復(fù)雜時,需要非常大的統(tǒng)計(jì)工作量,這使得定義先驗(yàn)概率函數(shù)非常困難;而且,Bayes推理要求各證據(jù)間是不相容或相互獨(dú)立的,從而當(dāng)存在多個可能假設(shè)和多條件相關(guān)事件時,計(jì)算復(fù)雜性迅速增加。Bayes估計(jì)算法相關(guān)研究基于Bayes估計(jì)的機(jī)器人觸覺傳感器信號數(shù)據(jù)融合采用Bayes多傳感器數(shù)據(jù)融合方法進(jìn)行目標(biāo)識別算法3：卡爾曼濾波算法分類：

⑴標(biāo)準(zhǔn)卡爾曼濾波算法

⑵區(qū)間卡爾曼濾波算法

⑶兩階段卡爾曼濾波算法區(qū)間卡爾曼濾波算法特點(diǎn)：與基于標(biāo)準(zhǔn)卡爾曼濾波算法的多傳感器信息融合算法不同的是,該算法通過融合得到的不再是對目標(biāo)運(yùn)動狀態(tài)的點(diǎn)估計(jì),而是區(qū)間估計(jì).這種處理方法的優(yōu)點(diǎn)是得到的估計(jì)值可靠性更高,尤其適用于那些對目標(biāo)狀態(tài)估計(jì)要求不是很精確的情況下,例如只是要求知道目標(biāo)運(yùn)動狀態(tài)變化的范圍等.有效解決了系統(tǒng)參數(shù)不確定情況下目標(biāo)狀態(tài)估計(jì)問題.關(guān)于區(qū)間卡爾曼濾波的理論和應(yīng)用的研究目前尚處于起步階段,這方面還有很多的工作有待于完善,例如如何進(jìn)一步提高運(yùn)算速度、如何確定系統(tǒng)參數(shù)的變化空間以及如何對直接的估計(jì)區(qū)間進(jìn)行有效處理等問題都需要進(jìn)一步的研究.卡爾曼濾波算法相關(guān)研究基于卡爾曼濾波的汽包水位多傳感器信息融合方法研究基于卡爾曼的無線傳感器網(wǎng)絡(luò)時空融合研究基于多卡爾曼濾波器的自適應(yīng)傳感器融合基于無跡卡爾曼濾波的被動多傳感器融合跟蹤算法4：最小二乘算法特點(diǎn)：利用最優(yōu)加權(quán)與遞推最小二乘法相結(jié)合的多傳感器信息融合方法對參數(shù)進(jìn)行檢測時,能夠定量識別各種信息的質(zhì)量,確定對各量測信息的利用程度,充分利用量測數(shù)據(jù),將噪聲最大程度的抑制。在估計(jì)的無偏性和均方誤差最小的前提下,該方法表現(xiàn)出較好的穩(wěn)健性和魯棒性最小二乘算法相關(guān)研究基于最小二乘原理的多傳感器加權(quán)融合算法基于相關(guān)性函數(shù)和最小二乘的多傳感器數(shù)據(jù)融合最優(yōu)加權(quán)與遞推最小二乘相結(jié)合的多傳感器信息融合算法5：聚類算法特點(diǎn)：聚類融合算法采用歐氏距離來定義距離矩陣,通過最小距離聚類方法確定相互支持的傳感器組,可以較好地避免受主觀因素作用的關(guān)系矩陣,提高了數(shù)據(jù)融合結(jié)果的客觀性.該算法簡潔,能避免有效數(shù)據(jù)的損失,數(shù)據(jù)融合精度較高.聚類算法的相關(guān)研究基于模糊聚類的異類多傳感器數(shù)據(jù)關(guān)聯(lián)算法基于聚類的無線傳感器網(wǎng)絡(luò)的分簇算法研究基于證據(jù)聚類的多源傳感器證據(jù)組合研究多傳感器數(shù)據(jù)的聚類融合方法算法6：模糊邏輯算法特點(diǎn)：進(jìn)行卡爾曼濾波計(jì)算時,需要已知初始狀態(tài)矩陣和觀測矩陣等條件,而且對噪聲也作了很大的限制,在實(shí)際應(yīng)用系統(tǒng)中實(shí)現(xiàn)難度很大。而模糊控制融合算法是一種實(shí)效、簡單且具有廣泛應(yīng)用性的數(shù)據(jù)融合算法,能以較小的代價(jià)較大地提高機(jī)載設(shè)備的性能。模糊控制算法是從整體上提高多傳感器的測量精度,它沒有對單一傳感器測量值的噪聲問題進(jìn)行處理。對于這個問題,如果在模糊控制融合算法之前,采用卡爾曼濾波的方法先對各傳感器進(jìn)行濾波,再結(jié)合模糊控制算法,最終的融合效果可能會更優(yōu)。模糊邏輯算法的相關(guān)研究基于模糊推理原理的多傳感器數(shù)據(jù)融合方法基于模糊數(shù)學(xué)與統(tǒng)計(jì)理論集成的多傳感器數(shù)據(jù)融合方法基于測量值模糊貼近度時空融合的多傳感器融合方法多傳感器模糊_概率交互作用的數(shù)據(jù)關(guān)聯(lián)算法多傳感器模糊信息融合算法在煤礦瓦斯監(jiān)測中的應(yīng)