多傳感器數(shù)據(jù)融合算法(參考版)
2025-05-19 03:22本頁面
【正文】 易證，是x自相關(guān)矩陣，第（i，j）元素為令對z求偏導(dǎo)得， 完美WORD格式編輯 。相關(guān)函數(shù)最佳線性數(shù)據(jù)融合在約束條件a+b=1下，使極小，由Lagrange乘子法解得，即即最佳線性數(shù)據(jù)融合的誤差不大于每一個分量的誤差。本文進(jìn)一步展開數(shù)據(jù)融合算法的討論， 把觀測數(shù)據(jù)的獨立性的條件去掉， 即允許N個觀測資料互相相關(guān)， 這樣可以進(jìn)一步擴(kuò)大數(shù)據(jù)融合的適用范圍。數(shù)據(jù)融合是聲信號處理中非常引人注意的一個課題。另外，代入得：，可以看出，新得到的偽廣義測量方程和原廣義測量方程的Markov 估計結(jié)果相同，兩者等價。其中 ， L =[ lij] 為單位下三角陣 ， D =diag( d 1 ， d 2 ，…， dNm) 且正定，對于單位下三角陣 L ，其逆陣存在，且仍為單位下三角陣，記令j=1，2，...，Nm，則將M分塊陣表示Mii為單位下三角陣；0ij為零矩陣。采用N個傳感器對同一常值參數(shù)進(jìn)行線性測量模型一般表示成測量噪聲vi服從均值為0，方差為Rii的高斯分布，假定各傳感器的測量噪聲相關(guān) ，即的非對角塊不全為0，且R正定。與直接利用原始傳感器測量值的Markov估計數(shù)據(jù)融合方法相比， 兩者的結(jié)果相同 ，但新方法的計算復(fù)雜度大大降低。 文獻(xiàn)則利用實對稱矩陣的正交相似變換實現(xiàn)了多傳感器測量噪聲互協(xié)方差陣的對角化 ，從而實現(xiàn)了各傳感器測量噪聲之間的去相關(guān) ，但是一般來說 ，這種對角化不能在有限步中完成，只能通過迭代步驟求近似值， 所以該方法在實際應(yīng)用時比較困難。但是在實際應(yīng)用中 ， 由于各傳感器通常處于同一測量環(huán)境， 所以傳感器的測量結(jié)果中除由于傳感器自身精度限制而引入的測量誤差外， 共同的環(huán)境噪聲的影響也不容忽略 ， 而這往往會導(dǎo)致各傳感器的測量噪聲之間相關(guān)， 所以對測量噪聲相關(guān)情況下多傳感器測量系統(tǒng)的數(shù)據(jù)融合問題進(jìn)行研究就具有更加廣泛的應(yīng)用價值。所謂多傳感器數(shù)據(jù)融合 ，就是將來自多個同類或異類傳感器的數(shù)據(jù)(信息)進(jìn)行綜合處理，以獲得比單一傳感器更為準(zhǔn)確可靠的結(jié)果。 與直接利用原始傳感器測量值的 Markov 估計數(shù)據(jù)融合方法相比， 兩者的計算精度相同， 但新方法的計算復(fù)雜度卻大大降低。，歸一化權(quán)值為對Y反歸一化，得到各傳感器重建數(shù)據(jù)：算法步驟：1置估計長度I；2對各傳感器測量值作小波閾值去噪處理；3采用MA模型用遞歸方法估計方差；4計算Wj；5計算Y，計算各傳感器重建數(shù)據(jù)。為第j個傳感器在n時刻歸一化后的測量值，由于每個傳感器收到噪聲干擾程度不同，所以偏離真實被測量程度不同，對每個傳感器根據(jù)一定原則確定權(quán)值，可從N個傳感器得到估計值Y。， 計算所有小波系數(shù) ，然后剔除被認(rèn)為跟噪聲有關(guān)的小波系數(shù)?；谛〔ㄈピ爰岸鄠鞲衅鲾?shù)據(jù)融合的傳感器數(shù)據(jù)重建算法：假設(shè)N個傳感器在不同位置對同一測量值Y測量，每個傳感器測量值記為Xj（j=1，2，...N）由于測量中，存在內(nèi)部外部噪聲影響，測量值表示為。為了從受到不同噪聲干擾的各個傳感器測量值中獲得更準(zhǔn)確的各個傳感器數(shù)據(jù) ，減小噪聲對傳感器測量值的影響 .為了更好的重建傳感器信號， 先將各個傳感器測量值進(jìn)行歸一化處理 ，再將歸一化后的各個傳感器測量值做基于最小均方的數(shù)據(jù)融合 .多傳感器數(shù)據(jù)融合目的在于用較大的數(shù)據(jù)量， 充分利用對被測目標(biāo)的在時間與空間的信息 ，獲得對被測量的描述。可以認(rèn)為多傳感器數(shù)據(jù)重建算法給出了對每一個傳感器的更為準(zhǔn)確的測量結(jié)果。為了從被噪聲干擾的各個傳感器測量值中獲得更準(zhǔn)確的測量結(jié)果， 提出了一種基于小波去噪和多傳感器數(shù)據(jù)融合的傳感器數(shù)據(jù)重建算法。目前多傳感器數(shù)據(jù)融合常用的理論方法為線性無偏估計理論(簡稱多傳感器無偏估計數(shù)據(jù)融合)， : 1) 融合結(jié)果可靠性均為定性說明而無法量化表示， 即只能通過比較不同融合結(jié)果的方差定性地判斷融合結(jié)果可靠性的優(yōu)劣。無偏測量過程可以采用方差直接衡量測量可靠性， 即方差越小測量可靠性越高。目前單傳感器測量數(shù)據(jù)的處理方法主要有三種:平均值法[1]、 加權(quán)平均法[2] 和遞推濾波算法[3]. 通過理論推導(dǎo)， 發(fā)現(xiàn)這些方法都是特殊形式的最小二乘估計(Least square estimation， LS)。最后， 證明了多傳感器有偏估計數(shù)據(jù)融合收斂于無偏估計數(shù)據(jù)融合。首先， 基于嶺估計提出了有偏測量過程， 并給出了測量數(shù)據(jù)可靠性定量表示方法， 同時證明了有偏測量可靠度優(yōu)于無偏測量可靠度。求出 λ及對應(yīng)特征向量A，滿足ai≥0，則可以作為對可以作為各傳感器測得數(shù)據(jù)間綜合信任程度的度量，即對 wi 進(jìn)行歸一化處理，得到得到對所有傳感器測得數(shù)據(jù)融合估計的最終結(jié)果為為了提高測量數(shù)據(jù)可靠性， 多傳感器數(shù)據(jù)融合在過程控制領(lǐng)域得到了廣泛應(yīng)用。由于wi值的大小反映了其它傳感器測的數(shù)據(jù)對第i個傳感器測得數(shù)據(jù)xi 的綜合信任程度，可以利用wi對xi進(jìn)行加權(quán)求和，得到數(shù)據(jù)融合的表達(dá)式其中，權(quán)系數(shù)滿足在信任度矩陣B中，信任度函數(shù) bij 僅僅表示測得數(shù)據(jù) xj 對 xi 的信任程度，并不能反映系統(tǒng)中所有傳感器的測得數(shù)據(jù)對xi的信任程度，而xi的真實程
公司管理相關(guān)推薦
鄂ICP備17016276號-1