[工學(xué)]傳感器數(shù)據(jù)融合技術(shù)研究現(xiàn)狀分析-文庫吧
2025-09-17 18:24 本頁面
【正文】 驗 知識 ， 適 用 條 件 比 較 苛 刻需 要 獲 得 對 象 比 較 精 確的 數(shù) 學(xué) 模 型 ， 對 于 復(fù)雜 、 難 于 建 立 模 型 的 場合 無 法 適 用運 算 量 比 較 大 ， 規(guī) 則建 立 難 或 學(xué) 習(xí) 時 間長 ， 不 容 易 實 現(xiàn)算法 1： DS證據(jù)理論 ? 特點： DS 證據(jù)理論具有比較強的理論基礎(chǔ)，它既能處理命題的不確定性問題，也能將“不知道”和“不確定”區(qū)分開， DS 組合規(guī)則的優(yōu)點在于證據(jù)間的沖突較小時，證據(jù)置信度向不確定性較小的命題集中。但是，在證據(jù)嚴(yán)重沖突的情況下，直接運用基本 DS 證據(jù)理論進行融合，組合結(jié)果往往與實際情況不相符。 DS證據(jù)理論相關(guān)研究 ? 1） DS證據(jù)理論和神經(jīng)網(wǎng)絡(luò)相結(jié)合的多傳感器信息融合 ? 2）基于 DS證據(jù)理論的移動機器人多超聲波傳感器信息融合方法 ? 3） DS證據(jù)理論和模糊數(shù)學(xué)相結(jié)合的多傳感器信息融合 ? 4）基于 DS證據(jù)推理的多傳感器信息融合技術(shù)在戰(zhàn)場目標(biāo)識別中的應(yīng)用 算法 2： Bayes估計算法 ? 特點：當(dāng)一個證據(jù)的概率是在大量的統(tǒng)計數(shù)據(jù)的基礎(chǔ)上得出的 ,當(dāng)所處理的問題比較復(fù)雜時 ,需要非常大的統(tǒng)計工作量 ,這使得定義先驗概率函數(shù)非常困難 。而且 ,Bayes推理要求各證據(jù)間是不相容或相互獨立的 ,從而當(dāng)存在多個可能假設(shè)和多條件相關(guān)事件時 ,計算復(fù)雜性迅速增加。 Bayes估計算法相關(guān)研究 ? 基于 Bayes估計的機器人觸覺傳感器信號數(shù)據(jù)融合 ? 采用 Bayes多傳感器數(shù)據(jù)融合方法進行目標(biāo)識別 算法 3：卡爾曼濾波算法 ? 分類： ⑴ 標(biāo)準(zhǔn)卡爾曼濾波算法 ⑵ 區(qū)間卡爾曼濾波算法 ⑶ 兩階段卡爾曼濾波算法 區(qū)間卡爾曼濾波算法 ? 特點：與基于標(biāo)準(zhǔn)卡爾曼濾波算法的多傳感器信息融合算法不同的是 , 該算法通過融合得到的不再是對目標(biāo)運動狀態(tài)的點估計 , 而是區(qū)間估計 . 這種處理方法的優(yōu)點是得到的估計值可靠性更高
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1