传感器网络数据融合技术研究.pptVIP

0755传感器网络数据融合技术研究 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 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。 二、传感器网络数据融合系统处理模型 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 各种融合算法对比分析 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。 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