基于FBayes方法尾矿库多传感器数据融合.docVIP

基于FBayes方法尾矿库多传感器数据融合 　　摘要 尾矿库存在的电离辐射使得各传感器的可靠度估计困难和数据融合结果精度较低。建立一个广义的数据融合模型，提出F-Bayes（F-统计量-Bayes理论）融合方法，通过采用模糊聚类分析对标准化处理后的数据分类，然后用F-统计量确定最佳分类阈值以获得传感数据融合集，改进传统方法中依据经验或请专家确定置信矩阵阈值的办法，最终融合结果偏差值降低到0.000 2。 　　关键词 数据融合；F-统计量；Bayes估计；聚类分析；放射性尾矿库 　　中图分类号：TP302.1 文献标识码：B 文章编号：1671-489X(2011)33-0120-03 　　Multi-sensor Data Fusion on Radioactive Tailing Dam based on F-Bayes Method//Liu Yong, Liu Zhiqin, Wang Yaobin 　　Abstract To solve the problem that ionizing radiation making it difficult in estimating sensors’ reliability and Low-resolution data fusion in radioactive tailing dam, the author has built a generalized data fusion model and proposed F-Bayes (F-statisticshy;-Bayes theory) method, used fuzzy cluster analysis classifying the data that is standardized processing, F-statistic to determine the optimal threshold value for sensor fusion set , and has improved the traditional method based on experience or experts to determine the threshold value of confidence matrix, the measurement deviation has reduced to 0.000 2. 　　Key words data-fusion; F-statistic; Bayes estimation; cluster analysis, radioactive tailing-dam 　　Author’s address School of Computer Science and Technology, Southwest University of Science and Technology, Mianyang, Sichuan, China 621010 　　 　　尾矿库内存在的多种放射性矿渣含有铀、钍等10多种放射性物质，在这种环境下，存在多种电离干扰，因此会直接影响通信数据的可靠性。所以在实际测量中应采用合理的数据融合技术来滤除大部分干扰数据，以能保证数据精度和可靠性。 　　目前的多传感器数据融合方法高层处理工作中主要采用的数学融合理论有Bayes理论、极大似然估计等方法，这些方法对数据融合的精度影响相对较小[1]。但在低层处理中，人们对原始数据的提取方法则各异，如凭借经验的人工估计法，或建立一定的相融矩阵，采取人工方法确定阈值，这些方法会直接影响后期融合结果。 　　本文主要对某尾矿库监测系统中的χ、γ监测射线进行数据融合，对传统依据经验或请专家确定置信矩阵阈值的办法做出改进[2]，提出使用模糊聚类分析中的F-统计量来对多传感数据置信距离矩阵进行聚类分析，以确定最佳估计阈值。 　　1 理论分析 　　设有多个传感器测量同一参数，第i个传感器和第j个传感器测得的数据分别为Xi和Xj，Xi和Xj都服从Gauss分布，以它们的pdf曲线作为传感器的特性函数，记成pi(x)，pj(x)。xi，xj分别为Xi，Xj的一次观测值。为反映xi和xj之间的偏差大小，引进置信距离测度[3]，①。 　　dij的值称为第i个传感器与第j个传感器读数的置信距离测度，dij的值越小，说明i、j两传感器的观测值越相近，否则偏差就越大，因此也称dij为两个传感器的融合度。其值可借助误差函②直接求得，即③。 　　如果有n个传感器测量同一参数，那么置信距离测度dij(i,j=1,2,…,n)构成多传感数据的置信距离矩阵： 　　查阅相关资料，对于矩阵④，一般融合方法是给出一个融合上限λij，⑤