APP下载

基于改进Jousselme证据距离的多传感器决策融合方法

2019-08-14张雅媛孙力帆郑国强

仪表技术与传感器 2019年7期
关键词:融合方法

张雅媛,孙力帆,郑国强

(河南科技大学信息工程学院,河南省机器人与智能系统重点实验室,河南洛阳 471203)

0 引言

随着大数据和人工智能技术的飞速发展,单传感器系统由于仅能获取相对有限的资源信息,且易受到自身品质和性能的影响,使得其已无法满足当今智能化的需求,因此面向各种复杂应用环境的多传感器系统应运而生。然而,目前这些系统往往割裂了各传感器信息之间的内在联系,只是将其单独、孤立地处理,不仅会直接影响各种不同信息交互后的特征提取,而且更重要的是有可能做出错误的决策。为解决上述问题,许多国内外专家学者提出了各种不同的多传感器融合方法,例如最小二乘数据融合方法[1]、有偏估计[2]、卡尔曼滤波方法[3]、贝叶斯方法[4]等。但是以上这些方法均要求先验概率已知,而在多传感器系统中所获得数据的先验概率通常非常复杂且难以被使用。鉴于此,本文在D-S证据理论框架内通过对相似性Jaccard系数矩阵分块化处理,以合理准确地描述传感器节点证据冲突,最终提出一种基于改进Jousselme证据距离的多传感器决策融合方法。由于提出的方法无需使用传感器信息的先验概率,因而具有很强的普适性。

D-S证据理论作为一种解决不确定性问题的推理工具[5],虽然已在目标识别[6]、故障诊断、图像融合及跟踪定位[7]等领域得到了广泛应用,但是当证据间存在高度冲突甚至完全冲突时,基于证据理论往往得出与常理相悖的决策结果,而Zadeh首次指出了此弊端,并对其进行验证[8],针对D-S证据理论缺陷所展开的研究,主要分为2类:

登录APP查看全文

猜你喜欢

融合方法
村企党建联建融合共赢
融合菜
从创新出发,与高考数列相遇、融合
宽窄融合便携箱IPFS500
《融合》
学习方法
用对方法才能瘦
四大方法 教你不再“坐以待病”!
赚钱方法
捕鱼