基于近邻量测认知信息的多传感器融合估计

doi:10.3969/j.issn.1000-3428.2012.08.001

计算机工程 ›› 2012, Vol. 38 ›› Issue (08): 1-3. doi: 10.3969/j.issn.1000-3428.2012.08.001

• 博士论文 • 下一篇

基于近邻量测认知信息的多传感器融合估计

张鹏 ¹，张建业 ²，王占磊 ¹，谢文俊¹

(1. 空军工程大学工程学院，西安 710038；2. 空军工程大学科研部，西安 710051)

收稿日期:2011-09-02 出版日期:2012-04-20 发布日期:2012-04-20
作者简介:张鹏(1979－)，男，讲师、博士，主研方向：信息融合与挖掘；张建业，副教授、博士；王占磊，硕士研究生；谢文俊，副教授、博士研究生
基金资助:
国家自然科学基金资助项目(61074007)；陕西省自然科学基金资助项目(2009JM8002-7)

Multi-sensor Fusion Estimation Based on Adjacent Measurement Cognitive Information

ZHANG Peng ¹, ZHANG Jian-ye ², WANG Zhan-lei ¹, XIE Wen-jun ¹

(1. Engineering Institute, Air Force Engineering University, Xi’an 710038, China; 2. Department of Science, Air Force Engineering University, Xi’an 710051, China)

Received:2011-09-02 Online:2012-04-20 Published:2012-04-20

摘要/Abstract

摘要： 在构建传感器模糊量测认知偏差的基础上，提出一种新的多传感器融合估计方法。运用相邻量测样本均值和协方差度量传感器可靠性，确保融合权重分配的客观性和灵敏性。实验结果表明，与基于均值融合算法和支持度融合算法相比，使用该方法得到的融合权值分配方式更加合理，可进一步提高估计精度。

关键词: 多传感器融合, 一致性序列, 量测认知偏差, 近邻信息, 可靠性度量, 权重分配

Abstract: On the basis of constructing the fuzzy measurement cognitive bias, a novel independent quota fusion algorithm for the multi-sensor data is proposed. And the given sensor’s reliability can be obtained by using mean value and covariance value of the adjacent information, which can ensure the objectivity and sensitivity for the fusion weight assignment. Experimental result shows that compared with the mean and support degree based data fusion techniques, the more reasonable fusion weight assignment can improve the fusion precision further by the proposed method.

Key words: multi-sensor fusion, consensus sequence, measurement cognitive bias, adjacent information, reliability measurement, weight assignment

中图分类号:

TP319

张鹏, 张建业, 王占磊, 谢文俊. 基于近邻量测认知信息的多传感器融合估计[J]. 计算机工程, 2012, 38(08): 1-3.

ZHANG Feng, ZHANG Jian-Ye, WANG Tie-Lei, XIE Wen-Dun. Multi-sensor Fusion Estimation Based on Adjacent Measurement Cognitive Information[J]. Computer Engineering, 2012, 38(08): 1-3.

https://www.ecice06.com/CN/Y2012/V38/I08/1

参考文献

[1] Zhang Peng, Li Xueren, Zhang Jianye. Amnesic Multi-sensor Fusion Algorithm for Streaming Time Series[C]//Proceedings of the 8th International Conference on Electronic Measurement & Instruments. Xi’an, China: [s. n.], 2007: 50-54.
[2] 王华, 邓军, 王连华, 等. 改进的一致性数据融合算法及其应用[J]. 中国矿业大学学报, 2009, 38(4): 590-594.
[3] 张秋余, 郑鲁宁, 孙磊. 云理论和多传感器加权平均的性能指标描述[J]. 计算机工程与设计, 2009, 30(11): 2753-2755.
[4] 高媛, 徐慧勤, 邓自立, 等. 多传感器系统模型参数和噪声统计的一种信息融合辨识方法[J]. 科学技术与工程, 2009, 17(9): 4896-4900.
[5] 杨佳, 宫峰勋. 改进的动态加权多传感器数据融合算法[J]. 计算机工程, 2011, 37(11): 97-99.
[6] 王炯琦, 周海银, 赵德勇, 等. 非标准多传感器信息融合下的状态估计[J]. 系统工程与电子技术, 2008, 30(8): 1415-1420.
[7] John M R. Fusion of Multi-sensor Data[J]. Journal of Robotics Research, 1998, 7(6): 78-96.
[8] 孙勇, 张劼, 景博. 一种改善分布式参数检测数据性能的新方法[J]. 电测与仪表, 2004, 41(6): 8-10.
[9] Sun Shuli. Multi-sensor Optimal Information Fusion Kalman Filters with Applications[J]. Aerospace Science and Technology, 2004, (8): 57-62.
[10] 段战胜, 韩崇昭, 陶唐飞. 基于最近统计距离的多传感器一致性数据融合[J]. 仪器仪表学报, 2005, 26(5): 478-481.
[11] 胡振涛, 刘先省. 一种改进的一致性数据融合算法[J]. 传感器技术, 2005, 24(8): 65-70.
[12] 孙勇, 景博. 基于支持度的多传感器一致可靠性融合[J]. 传感技术学报, 2005, 18(3): 537-539.
[13] 岑明, 罗代升, 刘兴法. 不确定量测信息的融合估计[J]. 四川大学学报: 工程科学版, 2009, 41(6): 211-215.

选择文件类型/文献管理软件名称

选择包含的内容

基于近邻量测认知信息的多传感器融合估计

Multi-sensor Fusion Estimation Based on Adjacent Measurement Cognitive Information

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 4

编辑推荐

Metrics

本文评价

[1]	叶智奇, 章国宝, 朱宏伟. 一种面向室内动态行人场景的激光SLAM算法[J]. 计算机工程, 2024, 50(6): 208-217.
[2]	王超学, 潘正茂, 马春森, 董丽丽, 张涛. 改进型加权KNN算法的不平衡数据集分类[J]. 计算机工程, 2012, 38(20): 160-163.
[3]	刘晓娟;温冠华;李建军;严少清. 软件可靠性度量方法[J]. 计算机工程, 2009, 35(3): 57-59.
[4]	孙成立;刘刚;郭军. 基于近邻竞争模型的鲁棒语音确认方法[J]. 计算机工程, 2008, 34(16): 4-6.

模态框（Modal）标题

选择文件类型/文献管理软件名称

选择包含的内容

基于近邻量测认知信息的多传感器融合估计

Multi-sensor Fusion Estimation Based on Adjacent Measurement Cognitive Information

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 4

编辑推荐

Metrics

本文评价