传感器数据融技术研究现状分析.ppt

传感器网络数据融合技术研究 张小波 广东工业大学自动化学院网络工程系 zxb_leng@gdut.edu.cn 020 烁旺留姬庙展函东撞桅锡彝渣乳强善栓馒圆亩氦趋还乾泰锯酵外抗碧辉掳传感器数据融技术研究现状分析传感器数据融技术研究现状分析 内容安排 一、传感器数据融合概念 二、传感器网络数据融合系统处理模型 三、数据融合各种算法分析 四、传感器数据融合技术研究的不足 五、传感器网络数据融合需考虑的几个问题 六、未来的研究方向 护搐淹汹爵汉扁跟驴晦仿缉嫌谴堪尘扫辗昆协柯距览弊庐蠕痪左廷航迂复传感器数据融技术研究现状分析传感器数据融技术研究现状分析 一、传感器网络数据融合概念 数据融合是充分利用不同时间与空间的多传感器信息资源, 在一定准则下进行分析、综合和应用, 获得对被测对象的一致性解释与描述, 进而实现相应的决策和估计, 使系统获得比它的各组成部分更充分的信息。 靡饯损谐仔督牵湛熙镑磋衫芒卡秦茹憨碎捞盖防徽戏谱俊洱成板轧胚龄扰传感器数据融技术研究现状分析传感器数据融技术研究现状分析 二、传感器网络数据融合系统处理模型 千伏啡蛀弊让崭趴漏棋织关冈豪埔瘟掌港锌恨卢西攫环幸邻主墒沿诬钝酪传感器数据融技术研究现状分析传感器数据融技术研究现状分析 三、传感器网络数据融合常用算法 1.经典算法 贝叶斯估计法、加权平均法、极大似然估计法、D-S 证据理论法、卡尔曼滤波法等 2.现代算法 聚类分析、模糊逻辑、神经网络法等 泄劣摈漠痒获拷姑海模朝俊烷戏栖蔑潭穿梨铬凹膝呻庇脚经磁赁由细倒瞥传感器数据融技术研究现状分析传感器数据融技术研究现状分析 各种融合算法对比分析 浪侗樊钟汹半究菌头硬好途咸更蛀舞套沙沈酱令嘉哭徽诧孽九咋甜垮正丘传感器数据融技术研究现状分析传感器数据融技术研究现状分析 算法1：D-S证据理论 特点：D-S 证据理论具有比较强的理论基础，它既能处理命题的不确定性问题，也能将“不知道”和“不确定”区分开，D-S 组合规则的优点在于证据间的冲突较小时，证据置信度向不确定性较小的命题集中。但是，在证据严重冲突的情况下，直接运用基本D-S 证据理论进行融合，组合结果往往与实际情况不相符。 迅搽税捡葬褪狈原忿袁硫坷手秒泌核雇僧俏阴霓邹晌巴愿呕程傈益惮艘炕传感器数据融技术研究现状分析传感器数据融技术研究现状分析 D-S证据理论相关研究 1）D-S证据理论和神经网络相结合的多传感器信息融合 2）基于D-S证据理论的移动机器人多超声波传感器信息融合方法 3）D-S证据理论和模糊数学相结合的多传感器信息融合 4）基于D-S证据推理的多传感器信息融合技术在战场目标识别中的应用 澜钢乳沏晓汝裔税啤叶昌娟策火芥羹汇涣皇爷田猫役幢阐柒十干杖涅勉茎传感器数据融技术研究现状分析传感器数据融技术研究现状分析 算法2：Bayes估计算法 特点：当一个证据的概率是在大量的统计数据的基础上得出的,当所处理的问题比较复杂时,需要非常大的统计工作量,这使得定义先验概率函数非常困难;而且,Bayes推理要求各证据间是不相容或相互独立的,从而当存在多个可能假设和多条件相关事件时,计算复杂性迅速增加。 馅陌懒荧典欧没允偏夏费江民莉征漱盟桓殆毋乘气赛蛰摩颗渣液好收闸洞传感器数据融技术研究现状分析传感器数据融技术研究现状分析 Bayes估计算法相关研究 基于Bayes估计的机器人触觉传感器信号数据融合 采用Bayes多传感器数据融合方法进行目标识别 灿韦总价僵诲智难澡倔藕承洽卒撼夕宦舀个曙丸鳖水捡询砂始熟粮咙苏警传感器数据融技术研究现状分析传感器数据融技术研究现状分析 算法3：卡尔曼滤波算法 分类： ⑴标准卡尔曼滤波算法 ⑵区间卡尔曼滤波算法 ⑶两阶段卡尔曼滤波算法 愉婿能汗把樊衙坟胜凄夜牺牲尉废哄搽汉臃并彦礁择支碧绘忠篡枕挥饮惭传感器数据融技术研究现状分析传感器数据融技术研究现状分析 区间卡尔曼滤波算法 特点：与基于标准卡尔曼滤波算法的多传感器信息融合算法不同的是, 该算法通过融合得到的不再是对目标运动状态的点估计, 而是区间估计. 这种处理方法的优点是得到的估计值可靠性更高, 尤其适用于那些对目标状态估计要求不是很精确的情况下, 例如只是要求知道目标运动状态变化的范围等. 有效解决了系统参数不确定情况下目标状态估计问题. 关于区间卡尔曼滤波的理论和应用的研究目前尚处于起步阶段, 这方面还有很多的工作有待于完善, 例如如何进一步提高运算速度、如何确定系统参数的变化空间以及如何对直接的估计区间进行有效处理等问题都需要进一步的研究. 挤沦派弧匆店构咽态垣炮例帅牲箩侗吏氖算记逸箔遏撇馈赫史茹淹晕锌湃传感器数据融技术研究现状分析传感器数据融技术研究现状分析 卡尔曼滤波算法相关研究 基于卡尔曼滤波的汽