一种实用的数据融合算法

《一种实用的数据融合算法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、一种实用的数据融合算法胡振涛.等一种实用的数据融合算法APracticalDataFusionAlgorithm胡旅满M先消(河南大学计算机与信息工程学院，开封475001)摘要文章分析了目前一些数据融合算法中对先验信息要求苛刻，定义数据间支持度中门限预先设定对融合结果的不利影响，提出了一种实用的数据融合算法，该算法中定义了一种新的数据间支持度函数，避免了门限预先设定问题。最后，通过数值仿真证明了该算法的有效性。关键词数据融合相对距离支持度函数AbehadThehanmduleffectsofexcessivedemandson两oninformationandprese

2、ttingthethresholdofsupport吨degreeamongdataincertaindatafu-sionalgorithms，analyzed.Apracticaldatafusionalgorithmisproposed,inwhicha，functionofsupportingdegreeisdefined.Thusthepresetofthresholdisavoided.Theeffectivenessofthisalgorithmisverified场numericalsimulation.KeywordsDatafusionRelative

3、distanceFunctionofsupportingdegree然上述算法在一定的程度上解决了测量数据不符合正0引言态分布的数据融合间题，但算法中计算置信距离中的数据采集与处理环节是工业自动化系统中一个十支持区间时，均存在门限的设置问题，而门限设置的优分重要的组成部分，其数据采集和处理的优劣直接影劣直接关系到对冗余信息和互补信息的利用程度，这响着被控系统的稳定性和实效性。数据采集主要受硬些因素对最终滤波结果的影响是决定性的。件条件的限制，而对于数据处理环节，则主要依据所采针对以上问题，本文提出了一种新的计算数据间用算法的好坏。传统的数据处理方法是:通常认为测相互支持度

4、的方法，该方法充分利用数据自身蕴含的量数据服从正态分布，对所得的测量数据运用一定的信息，避免了门限预先设定的问题。从而降低了主观检验法进行异常值的判断和处理，如格拉布斯法等;然性，提高了算法的可操作性，最后通过数值仿真实例验后再利用处理后的测量数据(认为其不再包含异常值)证了该算法的有效性。来确定被测对象特征参数的估计值，如算术平均值、实1随机测A的数据融合算法验标准差等。但由于任何一个实际测量过程几乎都会涉及到测量的对象、人员、仪器、方法、环境等因素，因针对被研究对象某一时刻的物理特性，利用测量而具备各自的特点，同时也会受到这些因素的影响，因设备在一个周期内得到n个测量

5、值zl(i二1,2,...n),而会带来这样两个问题:一是测量数据实际分布大多由于综合考虑了传输误差、计算误差、环境噪声、人为情况下都或多或少地偏离正态分布，许多试验都证明，干扰、传感器自身的精度及被测对象自身性质等因素，大多数仪器的示值分布不是正态的，而是介于均匀与z‘将并不严格服从正态分布，所以基于数据为正态分正态之间;二是个别异常值可能无法被清除而与正常布模型的一些数据处理方法(野值剔出和数据融合算值一样作为有用数据来处理。对于以上问题，国内外法)将不可避免地增加数据处理的系统误差。这样对学者做了大量的研究工作，并提出了许多改进算法。测量数据的真伪程度只能由数据x1

6、,x2,-x。的自身文献【11首先提出了一种利用置信距离对数据进行一来确定，即x‘的真实性越高，则:‘被其余的数据所支致性检验的数据融合算法，文献【2]将该方法扩展到模持的程度就越高。所谓x‘被xi支持程度即从数据xi糊集的情形，即利用模糊集合理论中的隶属度函数对来看数据x‘为真实数据的可能程度。针对数据间支传感器的测量数据进行局部一致性检验，文献〔3」则在持程度问题这里引人相对距离[f5]的概念。定义测量数统计意义下给出了一种新的确定不确定信息支持区间据间的相对距离为dy，其表达形式如下:和支持概率的方法，文献〔41对数据间相互支持度在置心=Ix‘一xjIi,j二1,2

7、,---n(1)信距离的基础上给出了一种简单的定量计算方法，虽由d4的表达形式可知，d4越大则表明两数据间的《自动化仪表》第26卷第8期2005年8月差别越大，即两数据间的相互支持程度就越小。相对aV二RV，可得到其对应的特征向量y=Iy1Iv2...vn1T距离的定义形式完全建立在现有数据隐含信息的基础令上，降低了对于先验信息的要求。进而可以定义一个公i(6)支持度函数，，，本身应满足以下两个条件:VI+v2+.”+叭①，应与相对距离成反比关系;则m‘即为第i个测量数据的x‘的自身的权系数，对n②r#E(0,11使数据的处理