基于传感器特征可信度的多信息融合模态研究_杨剑锋

《基于传感器特征可信度的多信息融合模态研究_杨剑锋》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、50传感器与微系统(TransducerandMicrosystemTechnologies)2013年第32卷第2期*基于传感器特征可信度的多信息融合模态研究杨剑锋，周宇，侯涛，陈小强(兰州交通大学自动化与电气工程学院，甘肃兰州730070)摘要:信息融合关键在于如何控制信息的数量，处理各种信息之间的关系以及优先级别。提出一种基于信息特征可信度的信息融合方法运用于信息融合的模态构建之中。通过预先优化信息特征的可信度进行信息的一次融合，再通过多信息模态中的特征关联进行信息的二次融合。找到最佳的多信息的模态构建方法，提高信息融合的质量和可信度。关键词:独立传感器;信息融合;特征可

2、信度;多模态中图分类号:TP212文献标识码:A文章编号:1000—9787(2013)02—0050—03Studyonmulti-informationfusionmodalbasedon*featurecredibilityofsensorYANGJian-feng，ZHOUYu，HOUTao，CHENXiao-qiang(SchoolofAutomationandElectricalEngineering，LanzhouJiaotongUniversity，Lanzhou730070，China)Abstract:Thekeyofinformationfusionish

3、owtocontrolamountofinformation，processrelationshipbetweenvariousinformationandprioritylevels．Amethodforinformationfusionbasedoninformationfeaturecredibilitywhichisappliedtomodeconstructionofinformationfusionispresented．First，throughpre-optimizingthecredibilityofinformationfeaturesinformation

4、foronefusion，thenthroughfeatureassociationinmultipleinformationmode，thesecondinformationfusionisrealized．Findthebestmulti-informationmodalconstructionmethod，andimprovequalityandcredibilityofinformationfusion．Keywords:singlesensor;informationfusion;featurecredibility;multi-modal0引言次融合，并在第一次的独

5、立传感器信息融合中加入信息特多传感器信息融合(multi-sensorinformationfusion，征可信度约束和不可信信息的剔除;在第二次的多传感器MSIF)是在20世纪70年代初因军事需求而发展起来的一信息融合中采用一种改进的顺序融合方法。个新兴研究领域。由于科学技术的迅猛发展和交通运输1独立传感器信息质量优化控制系统的复杂化与智能化，该技术在铁路运输领域同样独立传感器是用来接收和感知来自实体目标的信息，得到了推广和应用。但是，目前基本上还没有建立比较完根据不同的情况，派生出各自的一系列指标参数。图1是整的多传感器多信息融合的理论系统框架。2004年，传感器的数学模型

6、，可以看出观测空间获得来自实体和目Mahler提出了有限集合统计学(finitesetstatistics，FISST)标的数据，其中，有狭义观测的对象，且包含观测中不可避理论——随机集理论的特例，从概率论的角度统一表述了［4］免的噪声。信息融合技术的主要方面，并应用于除信息融合以外的其他领域，如，图像处理、系统辨识和非线性时间序列预测［1，2］等。目前，信息融合关心的是如何建立合适的不确定性模［3］型，而不大关心与模型和融合结果相关的可靠性问题。为了避免融合性能的降低，在信息融合的过程中有必要加图1传感器信息融合原理入可靠性因素。本文针对信息特征的可靠性提出信息的二Fig1I

7、nformationfusiontheoryofsensor收稿日期:2012—08—14*基金项目:铁道部科技研究开发计划项目(2011X008—D);高等学校博士学科点专项科研基金资助项目(20116204110002)第2期杨剑锋，等:基于传感器特征可信度的多信息融合模态研究51［6］而多传感器信息融合系统则是通过有效地利用多传感环算法(AllReliefF)，对重要的特征变量进行选取融合。器资源，来最大限度地获取被探测目标和环境的信息量。输入:传感器信息特征以向量的形式输入(向量的每