基于置信隶属度的多传感器数据模糊融合.pdf

《基于置信隶属度的多传感器数据模糊融合.pdf》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、38传感器与微系统(TransducerandMicrosystemTechnologies)2015年第34卷第9期DOI：10．13873／J．1000-9787(2015)09-0038-03基于置信隶属度的多传感器数据模糊融合何明(江西财经大学信息管理学院。江西南昌330032)摘要：在数据的融合过程中，将每个传感器的数据看成服从正态分布，利用置信水平得到隶属度，构造优越性比较矩阵，进而得到融合后的数据，将该方法运用于实证，并与平均权、概率权等方法进行比较，实证部分验证了该方法的实用性，再进行

2、多次仿真，通过绝对误差的比较，验证了此方法的稳定性和有效性。关键词：多传感器；隶属度；优越性；比较矩阵；置信度中图分类号：TP212文献标识码：A文章编号：1000-9787(2015)09-0038功Multi—sensordatafuzzyfusionbasedonconfidencemembershiplevelHEMing(SchoolofInformationandTechnology，JiangxiUniversityofFinance&Economics，Nanchang330013，C

3、hina)Abstract：Inprocessofdatafusion，takedatafromeachsensorasnormaldistribution，membershipdegreeisobtainedbyconfidencelevel，constructsuperioritycomparisionmatrixandthengetfuseddata，whenthemethodisusedinevidence，andcomparedwiththeaverageweight，theprobabil

4、ityweight，etc．Theempiricalpartverifypracticalityofthismethod，andthenconductanumberofsimulations，bycomparingabsoluteerrorverifystability，andeffectivenessofthismethod．Keywords：multi-sensor；membership；surperiority；comparisonmatrix；confidencelevel0引言融合方法，文献

5、[5～7]利用概率模型方法进行融合；分别数据融合的方法有很多种，多传感器信息融合技术不基于概率权、极大似然法以及贝叶斯估计等理论提出了不论在军事领域还是在民事领域都受到了广泛的关注。这同的融合方法；文献[8，9]利用矩阵特征向量的稳定理论一技术正广泛应用于自动目标识别、战场监视、自动飞行器进行融合；文献[10，l1]分别提出了基于支持度的融合方导航、机器人、遥感、医疗诊断、图像处理、模式识别和复杂法和一种基于模糊贴近度函数的融合算法。本文提出了利工业过程控制等领域。多传感器数据融合是指对不同知识用置信

6、水平确定模糊隶属度，进一步构造优越性比较矩阵源和传感器采集的数据进行融合，以实现对观测现象更好来进行数据的融合。地理解。从表面上看，多传感器融合的概念很直观，但实际1信息融合模上要真正实现一个多传感器融合系统是比较困难的。定义l设在论域U上给定映射近年来，多传感器信息融合实现方法有很多，成熟的多A：u一[0，1]，传感器信息融合方法主要有：经典推理法、卡尔曼滤波法、使得∈，_()∈[0，1]，则称确定了论域U上一的贝叶斯估计法、Dempster—Shafer证据推理法、聚类分析法、一个模糊子集，称为A

7、的隶属函数，()为属于A的参数模板法、物理模型法、熵法、品质因数法、估计理论法和隶属度。易知，隶属度越接近l，则属于A的可能性越专家系统法等。用于多传感器数据融合的计算智能方法主大。要包括：模糊集合理论、神经网络、粗集理论、小波分析理用多只传感器测量同一参数时，单只传感器所到的论和支持向量机等。目前，人们已开始将多传感器信息融系列数据可看成服从正态分布，或者同一时刻多只传感器合应用于复杂工业过程控制系统。测量到的一组数据可看成正态分布。针对多传感器问题，文献[1-4]利用模糊理论给出了显然，可以认为越

8、靠近期望值的数据是越接近真实值收稿日期：2015-01-22基金项目：国家自然科学基金资助项目(71461009，61263018)；江西省自然科学基金资助项目(20114BAB201012)第9期何明：基于置信隶属度的多传感器数据模糊融合39的，因此，考虑在数据融合时，离期望值越近的数据赋予较得到各个传感器的平均权重，可将此权重作为各个传大的模糊隶属度，离期望值较远的数据赋予较小的模糊隶感器的权重在以后的测量中对真实数据进行估计，并可随属度，本文利用置