一种优化的贝叶斯估计多传感器数据融合方法.pdfVIP

第27卷 第5期 传 感 技 术 学 报 Vo1．27 No．5 2014年5月 CHINESE JOURNALOFSENSORSANDACTUATORS Mav2014 AnOptimalMethodofDataFusionforMulti-SensorsBasedonBayesianEstimation ZHANGPin ，DONG Weihao，GAO Dadong (DepartmentofCommunicationEngineering，HangzhouDianziUniversity，Hangzhou310018，China) Abstract：DataprovidedbysensorsisalwaysaffectedbysomeIevelofuncertaintyinthemeasurements．Combining datafrom severalsourcesusingmulti—sensordata fusion algorithmsexploitsthe dataredundancytoreduce this uncertaintyandtoachieveimprovedaccuracy．Anoptimalmethodofdatafusionformulti—sensorbasedonBayesian Estimationispresented，whichreliesoncombiningaBayesianfusion algorithm withKalmanfilterinWSNs．Three differentapproachesnamely：Pre-Fihering，Post—FilteringandPre-Post—Filteringaredescribedbasedonhow filtering isappliedtosensordata，tofuseddataorboth．A casestudyofestimatingthepositionofamobilerobottoverifyif theproposedalgorithm isvalid ispresented．ExperimentalstudyshowsthatcombiningBayesian fusion algorithm withKalmanfiltercanhelpinhandlingtheproblem ofuncertaintyandinconsistencyofthedatainbothcentralized anddecentralizeddatafusionarchitectures． Keywords：wirelesssensornetwork；datafusion；Bayesian estimation；Kalmanfilter EEACC：6015P doi：10．3969／j．issn．1004—1699．2014．05．014 一 种优化的贝叶斯估计多传感器数据融合方法木 张 品 ，董为浩，高大冬 (杭州电子科技大学通信工程学院，杭州 310018) 摘 要 ：由于来 自多个传感器的测量数据总是有一定程度的不确定性和不一致性 ，采用多传感器数据融合算法将多个节点 的测量数据进行数据融合，利用数据的冗余度来减小这种不确定性 ，得到高可靠性的数据信息。提出了一种优化的贝叶斯估 计多传感器数据融合方法，将贝叶斯估计和卡尔曼滤波器结合起来 ，应用于无线传感网络数据融合中。根据滤波器应用到传 感数据、融合数据或者两者的方式，提出3种不同的技术 ，即：前向滤波法、后向滤波法和前后向滤波法。通过一个实例研究估 计移动机器人的位置，验证算法的有效性。实验表明，在集中式和分布式两个方面数据融合体系结构，结合卡尔曼滤波器的 贝叶斯融合算法能够有效地解决数据的不确定性和不一致性。 关键词 ：无线传感器网络；数据融合；贝叶斯估计；卡尔曼滤波器 中图分类号：TP393 文献标识码 ：A 文章编号：1004—1699(2014)05—0643—06 多传感器数据融合是20世纪70年代 以来形成 感器的不一致性 。过去的策略 常常是