多傳感器數(shù)據(jù)融合算法

1、如信號(hào)處理、估計(jì)理論、不確定性理論、 多傳感器數(shù)據(jù)融合比較確切的定義可概括 采用計(jì)算機(jī)技術(shù)對(duì)按時(shí)間序列獲得的多、背景介紹:多傳感器數(shù)據(jù)融合是一種信號(hào)處理、辨識(shí)方法，可以與神經(jīng)網(wǎng)絡(luò)、小波變換、kalman濾波技術(shù)結(jié)合進(jìn)一步得到研究需要的更純凈的有用信號(hào)。多傳感器數(shù)據(jù)融合涉及到多方面的理論和技術(shù), 最優(yōu)化理論、模式識(shí)別、神經(jīng)網(wǎng)絡(luò)和人工智能等。 為：充分利用不同時(shí)間與空間的多傳感器數(shù)據(jù)資源，傳感器觀測(cè)數(shù)據(jù)，在一定準(zhǔn)則下進(jìn)行分析、綜合、支配和使用，獲得對(duì)被測(cè)對(duì)象的一致性解釋與描述，進(jìn)而實(shí)現(xiàn)相應(yīng)的決策和估計(jì)，使系統(tǒng)獲得比它的各組成部分更充分的信息。多傳感器信息融合技術(shù)通過對(duì)多個(gè)傳感器獲得的信息進(jìn)行協(xié)調(diào)、

2、組合、互補(bǔ)來克服單個(gè)傳感器的不確定和局限性，并提高系統(tǒng)的有效性能，進(jìn)而得出比單一傳感器測(cè)量值更為精確 的結(jié)果。數(shù)據(jù)融合就是將來自多個(gè)傳感器或多源的信息在一定準(zhǔn)則下加以自動(dòng)分析、綜合以完成所需的決策和估計(jì)任務(wù)而進(jìn)行的信息處理過程。當(dāng)系統(tǒng)中單個(gè)傳感器不能提供足夠的準(zhǔn)確度和可靠性時(shí)就采用多傳感器數(shù)據(jù)融合。數(shù)據(jù)融合技術(shù)擴(kuò)展了時(shí)空覆蓋范圍，改善了系統(tǒng)的可靠性，對(duì)目標(biāo)或事件的確認(rèn)增加了可信度，減少了信息的模糊性， 這是任何單個(gè)傳感器做不到的。實(shí)踐證明：與單傳感器系統(tǒng)相比， 運(yùn)用多傳感器數(shù)據(jù)融合技術(shù)在解決探測(cè)、跟蹤和目標(biāo)識(shí)別等問題方面，能夠增強(qiáng)系統(tǒng)生存能力，提高整個(gè)系統(tǒng)的可靠性和魯棒性，增強(qiáng)數(shù)據(jù)的可信度，并

3、提高精度，擴(kuò)展整個(gè)系統(tǒng)的時(shí)間、 空間覆蓋率，增加系統(tǒng)的實(shí)時(shí)性和信息利用率等。 信號(hào)級(jí)融合方法最簡(jiǎn)單、最直觀方法是加權(quán)平均法，該方法將一組傳感器提供的冗余信息進(jìn) 行加權(quán)平均，結(jié)果作為融合值，該方法是一種直接對(duì)數(shù)據(jù)源進(jìn)行操作的方法?？柭鼮V波主要用于融合低層次實(shí)時(shí)動(dòng)態(tài)多傳感器冗余數(shù)據(jù)。該方法用測(cè)量模型的統(tǒng)計(jì)特性遞推，決定統(tǒng)計(jì)意義下的最優(yōu)融合和數(shù)據(jù)估計(jì)。多傳感器數(shù)據(jù)融合雖然未形成完整的理論體系和有效的融合算法，但在不少應(yīng)用領(lǐng)域根據(jù)各自的具體應(yīng)用背景， 已經(jīng)提出了許多成熟并且有效的融合方法。多傳感器數(shù)據(jù)融合的常用方法基本上可概括為隨機(jī)和人工智能兩大類，隨機(jī)類方法有加權(quán)平均法、卡爾曼濾波法、 多貝葉斯估

4、計(jì)法、產(chǎn)生式規(guī)則等 ；而人工智能類則有模糊邏輯理論、神經(jīng)網(wǎng)絡(luò)、粗集理論、 專家系統(tǒng)等?？梢灶A(yù)見，神經(jīng)網(wǎng)絡(luò)和人工智能等新概念、新技術(shù)在多傳感器數(shù)據(jù)融合中將起 到越來越重要的作用。數(shù)據(jù)融合存在的問題(1)尚未建立統(tǒng)一的融合理論和有效廣義融合模型及算法；(2)對(duì)數(shù)據(jù)融合的具體方法的研究尚處于初步階段；(3)還沒有很好解決融合系統(tǒng)中的容錯(cuò)性或魯棒性問題；(4)關(guān)聯(lián)的二義性是數(shù)據(jù)融合中的主要障礙；(5)數(shù)據(jù)融合系統(tǒng)的設(shè)計(jì)還存在許多實(shí)際問題。二、算法介紹：2.1多傳感器數(shù)據(jù)自適應(yīng)加權(quán)融合估計(jì)算法：設(shè)有n個(gè)傳感器對(duì)某一對(duì)象進(jìn)行測(cè)量，如圖1所示，對(duì)于不同的傳感器都有各自不同的加權(quán)因子，我們的思想是在總均方誤差

5、最小這一最優(yōu)條件下，根據(jù)各個(gè)傳感器所得到的測(cè)量值以自適應(yīng)的方式尋找各個(gè)傳感器所對(duì)應(yīng)的最優(yōu)加權(quán)因子，使融合后的X值達(dá)到最優(yōu)。圖I等傳感器數(shù)據(jù)白適應(yīng)加權(quán)融合估計(jì)模電最優(yōu)加權(quán)因子及所對(duì)應(yīng)的均方誤差：(多傳感器方法的理論依據(jù)：設(shè)n個(gè)傳感器的方差分別為,022,，C2n；所要估計(jì)的真值為X，各傳感器的測(cè)量值分別為X1, X2,，Xn,它們彼此互相獨(dú)立，并且是 X的無偏估計(jì)；各傳感器的加權(quán)因子分別為W, W2,，W,則融合后的X值和加權(quán)因子滿足以下兩式：nnX 八 WpXp, Wp =1P 4p 42 _ n 2 2 n總均方誤差為 2.pm- p#從式可以看出，總均方誤差0是關(guān)于各加權(quán)因子的多元二次函數(shù)

6、，因此0必然存在最小值。該最小值的求取是加權(quán)因子W1 , W2 ,，Wn滿足式約束條件的多元函數(shù)極值求取。根據(jù)多元函數(shù)求極值理論，可求出總均方誤差最小時(shí)所對(duì)應(yīng)的加權(quán)因子： n q *9 _ I.Wp =1/2( PsW = 1,2，川，n)I i Ci2 n 1此時(shí)對(duì)應(yīng)的最小均方誤差為：二min =1/2p仝口 P以上是根據(jù)各個(gè)傳感器在某一時(shí)刻的測(cè)量值而進(jìn)行的估計(jì)，當(dāng)估計(jì)真值X為常量時(shí)，則可根據(jù)各個(gè)傳感器歷史數(shù)據(jù)的均值來進(jìn)行估計(jì)。設(shè)1 knXp kXp ip=1,2,川，n此時(shí)估計(jì)值為刃八WpXp kk i =pm總均方誤差為_22 n 2 2 n疔2=E 正 W；(X-Xp(k) +2 瓦

7、WpWq(X-Xp(k)(X-Xq(k)-P#P#,qT同理，因?yàn)閄1 , X2 ,，X n為X的無偏估計(jì)，所以X 1(k) , X 2(k),X n(k)也一定:Wp(X Xp Jn=Z WpE X X=0 , X為無偏估計(jì)。-P=1p=1同理，由于Xp(p =1 , 2 -,n)為X的無偏估計(jì)，所以n1E |E Wp(XXp(k)n汽WpEXXp(kT嚴(yán)一p=1最小均方誤差估計(jì)在推導(dǎo)過程中，是以均方誤差最小做為最優(yōu)條件，因而該估計(jì)算法的均方誤差一定是最的。 為了進(jìn)一步說明這一點(diǎn)，我們用所得的均方誤差*Lmin與用單個(gè)傳感器均值做估計(jì)和用多傳感器均值平均做估計(jì)的均方誤差相比較。我們用n個(gè)傳感

8、器中方差最小的傳感器L做均值估計(jì)，設(shè)傳感器L的方差o2Lmin為測(cè)量數(shù)據(jù)丘 22 n 1所以* =1 VmiJ三1 min猶 p的個(gè)數(shù)為k,則千乂 h/k, 益=1/n 12卩宀丿下面我們討論與用多個(gè)傳感器均值平均做估計(jì)均方誤差相比較的情況。所謂用多個(gè)傳感器均值平均做估計(jì)是用n個(gè)傳感器測(cè)量數(shù)據(jù)的樣本平均再做均值處理而得1 n到的估計(jì)，即 刃二丄7 Xp k此時(shí)均方誤差為n p=12c 212Q=E(X刃)=X E(XXp(k)2 n2Jn p d,q 4PTEx_Xp(k)EXXq(k)l1 _ 同理，Xp(k)一定為X的無偏估計(jì)，可得 毎=飛 E(XXp(k)= n p毘1n 22 則2 P

9、 n k pm:?22imin若我們事先已經(jīng)將各個(gè)傳感器的方差進(jìn)行排序，且不妨設(shè)2 . 20 22cP21 n-IH - - n，則根據(jù)契比雪夫不等式得 -X二 min n pmp91p各傳感器方差從以上分析可以看出，最佳加權(quán)因子 Wp*決定各個(gè)傳感器的方差 們可根據(jù)各個(gè)傳感器所提供的測(cè)量值，依據(jù)相應(yīng)的算法，將它們求出。設(shè)有任意兩個(gè)不同的傳感器 p、q ,其測(cè)量值分別為 X p、X q ,所對(duì)應(yīng)觀測(cè)誤差分別為 Vp、異的求取皆。一般不是已知的，我是X的無偏估計(jì)，故 占2 =E上 Wp2(X Xp(k)=、W； 卡二-k PA自適應(yīng)加權(quán)融合估計(jì)算法的線性無偏最小方差性1)線性估計(jì)由式可以看出，融

10、合后的估計(jì)是各傳感器測(cè)量值或測(cè)量值樣本均值的線性函數(shù)。2)無偏估計(jì)因?yàn)閄p(p =1 , 2,，n)為X的無偏估計(jì)，即 EX-Xp =0(p =1 , 2，n)，所以可得Xp(k)也一 -定是 X的無偏估計(jì)。k，RPP的時(shí)2,，n)值。因而對(duì)于Rpq =Rp k 口=-HT W WT 丫 _ Hx = 0得V q，即Xp=：XVp； Xq=：XVq，其中，Vp、V q為零均值平穩(wěn)噪聲，則傳感器P方差Cp = E Vp2，因?yàn)閂p、V q互不相關(guān)，與X也不相關(guān)，所以X p、Xq的互協(xié)方差函數(shù) Rpq滿足Rpq =EXpXq卜Exp，X p的自互協(xié)方差函數(shù)Rpp滿足Rpp = EXpXp 卜 E

11、Xp + E V；| 作差得 p = E 卩；=Rpp Rpq 對(duì)于Rpp、Rpq的求取，可由其時(shí)間域估計(jì)值得出。設(shè)傳感器測(cè)量數(shù)據(jù)的個(gè)數(shù)為 間域估計(jì)值為Rpp(k)，Rpq的時(shí)間域估計(jì)值為Rpq(k)，則1 kk11RPPk 二 kXpi Xp i 廠Rppk 1 嚴(yán)k Xp kk -11Rpq =亍 Rpq k-1 fXp k Xq k如用傳感器q(q Mp ；q =1 , 2,，n)與傳感器p做相關(guān)運(yùn)算，則可以得到Rpq(k)(q和；q =1 ,R pq可進(jìn)一步用R pq(k)的均值Rp(k)來做為它的估計(jì)，即nRpqkq呂q=p由此，我們依靠各個(gè)傳感器的測(cè)量值求出了Rpp與Rpq的時(shí)間域

12、的估計(jì)值，從而可估計(jì)出各個(gè)傳感器的方差。2.2基于最小二乘原理的多傳感器加權(quán)融合算法以存在隨機(jī)擾動(dòng)環(huán)境中的不同參數(shù)多傳感器為研究對(duì)象，基于最小二乘原理， 提出了一種加權(quán)融合算法，推導(dǎo)出各傳感器的權(quán)系數(shù)與測(cè)量方差的關(guān)系。并且根據(jù)測(cè)量信息，提出了一種方差估計(jì)學(xué)習(xí)算法，實(shí)現(xiàn)對(duì)各傳感器測(cè)量方差的估計(jì)，從而對(duì)各傳感器的權(quán)值進(jìn)行合理的分配。該算法簡(jiǎn)單，能快速、準(zhǔn)確的估計(jì)出待測(cè)物理量的狀態(tài)信息。同種類型不同參數(shù)的多個(gè)傳感器對(duì)存在隨機(jī)擾動(dòng)環(huán)境中的某一狀態(tài)進(jìn)行測(cè)量時(shí)，如何使?fàn)顟B(tài)的估計(jì)值在統(tǒng)計(jì)意義上更加接近于狀態(tài)的真實(shí)值，針對(duì)這一問題進(jìn)行了研究。 依據(jù)最小二乘原理，推導(dǎo)出了多傳感器的加權(quán)融合公式，并且在最優(yōu)原則下

13、， 得出測(cè)量過程中各傳感器的測(cè)量方差與其權(quán)系數(shù)的關(guān)系。針對(duì)以上不足，充分利用多傳感器測(cè)量這一特點(diǎn)，將傳感器內(nèi)部噪聲與環(huán)境干擾綜合考慮，提出了一種對(duì)各傳感器測(cè)量方差及待測(cè)物理量狀態(tài)進(jìn)行實(shí)時(shí)估計(jì)的算法。設(shè)n個(gè)傳感器對(duì)某系統(tǒng)狀態(tài)參數(shù)的觀測(cè)方程為：Y = Hx e，式中，x為一維狀態(tài)量；Y為n維測(cè)量向量，設(shè) 丫ypHlyn, e為n維測(cè)量噪聲向量，包含傳感器的內(nèi)部噪聲及環(huán)境干擾噪聲，設(shè)e = 5 eJ|leT, H為已知n維常向量。采用加權(quán)最小二乘法從測(cè)量向量丫中估計(jì)出狀態(tài)量x的估計(jì)量。加權(quán)最小二乘法估計(jì)的準(zhǔn)則是使加權(quán)誤差平方和TJw 5? = 丫 - HW W Y - H)?取最小值。其中 W是一個(gè)

14、正定對(duì)角加權(quán)陣，設(shè)W =diag w1 w2 |wn，對(duì)之求偏導(dǎo)，令E(X-X2n、Wiyix_ 土nWii AnE i4l2Wi x-yinWiy-nz7Win工wiWjWjIZ wi I Xix_yi x_yj=1n二 wii =1-yi八winZ wR令偏導(dǎo)數(shù)為零得1圳*心2“得估計(jì)方差為狀態(tài)的估計(jì)時(shí)，其估計(jì)方差可以證明1n 1Ri丄ni =1 Ri說明加權(quán)融合的效果要丄Z WiYi到加權(quán)最小二乘估計(jì)：?= H TWH 一 H TWY二二一Z Wii 4對(duì)測(cè)量噪聲作如下假設(shè)：（1）各傳感器的測(cè)量噪聲為相互獨(dú)立的白噪聲；（2）由于測(cè)量噪聲是傳感器內(nèi)部噪聲和環(huán)境干擾等多種相互獨(dú)立因素引起的，

15、利用概率知識(shí)可以證明：多個(gè)相互獨(dú)立的隨機(jī)變量相加的和接近正態(tài)分布。因而可以假設(shè)測(cè)量噪聲的分布規(guī)律也是正態(tài)的。所以 E _ei2 = (yi= R (i =1,2,川，n )寫作矩陣形式:Ee=O, E-eehR-diagCR R2IHRn ）其中，Ri為第i個(gè)傳感器的測(cè)量方差，R為測(cè)量方差矩陣?？傻霉烙?jì)方差:由于i不等于j時(shí)ei、ej相互獨(dú)立，故 7不難看出，采用加權(quán)融合的估計(jì)方差比任何一個(gè)傳感器的測(cè)量方差都小。當(dāng)以算術(shù)平均作為優(yōu)于算術(shù)平均估計(jì)?？傻?X=rHTWH HTWe, EXI- H TWHH TWE l-d - 0可知基于最小二乘原理的加權(quán)融合算法是一種無偏估計(jì)算法。通過以上的推導(dǎo)，

16、公式）即為基于最小二乘原理的加權(quán)融合算法的計(jì)算公式。測(cè)量方差陣R的計(jì)算方法：進(jìn)行測(cè)量方差的估計(jì)時(shí)， 把傳感器的內(nèi)部噪聲與環(huán)境干擾綜合考慮，將得出一個(gè)隨不確定因m -1m &m）iRoi =0素而變化的測(cè)量方差陣 R的估計(jì)方法。在對(duì)測(cè)量方差進(jìn)行估計(jì)之前，先作如下分析：（1）橫向 分析（針對(duì)多個(gè)傳感器一次采樣結(jié)果的分析）:多個(gè)傳感器單次采樣結(jié)果的算術(shù)平均值是該采 樣時(shí)刻狀態(tài)的無偏估計(jì)?；谶@個(gè)原理，各傳感器測(cè)量方差的估計(jì)可先基于算術(shù)平均值作一 個(gè)粗略的分配估算；以每個(gè)傳感器的測(cè)量值與該次采樣時(shí)各傳感器測(cè)量算術(shù)平均值的偏差平 方作為各傳感器該次采樣的方差分配。橫向分析中利用了多傳感器在某一采樣時(shí)刻的

17、測(cè)量信息。（2）縱向分析（針對(duì)一個(gè)傳感器多次采樣結(jié)果的分析）:以單個(gè)傳感器為研究對(duì)象，測(cè)量方差是傳感器內(nèi)部噪聲與環(huán)境干擾的一種綜合屬性，這一屬性始終存在于測(cè)量的全過程中，因此要將單個(gè)傳感器歷次采樣時(shí)的方差分配與當(dāng)前方差分配的算術(shù)平均值作為當(dāng)前 測(cè)量方差的實(shí)時(shí)估算。亦即在此提出了方差估計(jì)學(xué)習(xí)算法。基于以上分析，方差估計(jì)學(xué)習(xí)算法如下：設(shè)ymi表示第i個(gè)傳感器第m次采樣的結(jié)果，則第m次采樣時(shí)各傳感器測(cè)量算術(shù)平1 n均值為：ym =丄V ymi。第i個(gè)傳感器第m次采樣時(shí)測(cè)量方差的估計(jì)分配Rmi為：n i 4Rmi - lymym 對(duì)各傳感器測(cè)量方差在歷次采樣時(shí)的估計(jì)分配值代求算術(shù)平均值- 1 mFU二

18、丄a尺匚此式即為第m次采樣時(shí)第i個(gè)傳感器測(cè)量方差的估計(jì)值，寫成遞推公式形m y式為：1-Rmi m=1,2川m將結(jié)果代入，便得測(cè)量過程中各傳感器的權(quán)系數(shù)。由測(cè)量方差估計(jì)的計(jì)算過程可以看出，每次新的測(cè)量數(shù)據(jù)都對(duì)各傳感器的測(cè)量方差有調(diào)節(jié)作用，但這種調(diào)節(jié)作用將越來越小。這是因?yàn)榘褌鞲衅髋c測(cè)量環(huán)境綜合起來考慮，測(cè)量向量從統(tǒng)計(jì)意義上說， 它的概率分布是確定的。方差估計(jì)學(xué)習(xí)算法實(shí)際上是隨著采樣時(shí)刻的推移，對(duì)測(cè)量向量分布特性的學(xué)習(xí)過程，而在學(xué)習(xí)過程中，最初的幾個(gè)采樣時(shí)刻是對(duì)測(cè)量向量分布特性從無到有的認(rèn)識(shí)，因而學(xué)習(xí)速度較快，體現(xiàn)在對(duì)測(cè)量方差的估計(jì)中是相鄰采樣點(diǎn)間各傳感器測(cè)量方差估計(jì)值的變化率較大。而隨著采樣的

19、進(jìn)行，這種學(xué)習(xí)過程將趨于穩(wěn)定，體現(xiàn)在對(duì)測(cè)量方差的估計(jì)中是每次新的測(cè)量數(shù)據(jù)對(duì) 各傳感器測(cè)量方差的估計(jì)只起微小的調(diào)節(jié)作用，相鄰采樣點(diǎn)間各傳感器測(cè)量方差估計(jì)值的變化率較小。2.3同類多傳感器自適應(yīng)加權(quán)估計(jì)的數(shù)據(jù)級(jí)融合算法研究針對(duì)同類多傳感器測(cè)量中含有的噪聲，提出了多傳感器數(shù)據(jù)自適應(yīng)加權(quán)融合估計(jì)算法，該算法不要求知道傳感器測(cè)量數(shù)據(jù)的任何先驗(yàn)知識(shí)，依據(jù)估計(jì)的各傳感器的方差的變化，及時(shí)調(diào)整參與融合的各傳感器的權(quán)系數(shù)，使融合系統(tǒng)的均方誤差始終最小，并在理論上證明了該估計(jì)算法的線性無偏最小方差性仿真結(jié)果表明了本算法的有效性，其融合結(jié)果在精度、容錯(cuò)性方面均優(yōu)于傳統(tǒng)的平均值估計(jì)算法。同類多傳感器數(shù)據(jù)的測(cè)量可以看作

20、是從含有噪聲的大量測(cè)量數(shù)據(jù)中估計(jì)一個(gè)非隨機(jī)量， 由于測(cè)量數(shù)據(jù)中存在著噪聲，那么根據(jù)這些測(cè)量數(shù)據(jù)所得到的估計(jì)值也存在估計(jì)誤差，然而這種估計(jì)誤差是隨機(jī)量，一般用均方誤差來評(píng)價(jià)測(cè)量方法的優(yōu)劣，而影響估計(jì)值均方誤差的主要因素是傳感器自身的均方誤差。在單一傳感器測(cè)量時(shí)，為了減少估計(jì)值的均方誤差就必須增大測(cè)量數(shù)據(jù)的數(shù)量，這必然降低實(shí)時(shí)性。為了提高測(cè)量的實(shí)時(shí)性和精度，就需要用同X3 -X2示xi被xj信任程度。bij = f Xj - Xjiji, j =1,2/ ,n其中，0乞f乞1，為連續(xù)下降函數(shù)。般給出融合上限mjj =0，令勺1Xi _Xj0Xi Xj種類的多個(gè)傳感器同時(shí)測(cè)量一個(gè)物理量。數(shù)據(jù)一致性檢

21、驗(yàn)設(shè)有m m個(gè)傳感器對(duì)某一對(duì)象進(jìn)行測(cè)量，首先對(duì)X X i（i i =1=1 ， 2 2，m m）進(jìn)行數(shù)據(jù)檢驗(yàn)，檢驗(yàn)準(zhǔn)則是X Xi , X X 2 ,，X Xm的相鄰兩值之差不應(yīng)超過給定門限& 根據(jù)傳感器精度確定。即自適應(yīng)加權(quán)融合估計(jì)算法理論：與2.2完全相同算法流程：1）根據(jù)遞推式算出采樣時(shí)刻k的Rpp k與Rpq k ； 2）計(jì)算k時(shí)刻Rp k ； 3）計(jì)算2ik -11k時(shí)刻二p ； 4）求出各傳感器k時(shí)刻均值Xp kXp iXpk-1 Xpk ;k i二kk5）求出此時(shí)刻各傳感器最優(yōu)加權(quán)因子W； ; 6）得出此時(shí)刻估價(jià)式 X。從以上運(yùn)算流程可以看出，對(duì)于每個(gè)傳感器所對(duì)應(yīng)的最優(yōu)加權(quán)因子，只

22、是根據(jù)各個(gè)傳感器的測(cè)量數(shù)據(jù)以自適應(yīng)的 方式將它們求取出來，因而，稱該算法為多傳感器數(shù)據(jù)自適應(yīng)加權(quán)融合估計(jì)算法。2.4基于信任度的多傳感器數(shù)據(jù)融合及其應(yīng)用針對(duì)多傳感器信息采集系統(tǒng)中的數(shù)據(jù)不確定性問題，提出了一種基于信任度的多傳感器數(shù)據(jù)融合方法。該方法首先定義一個(gè)模糊型指數(shù)信任度函數(shù)，對(duì)兩傳感器測(cè)得數(shù)據(jù) 間的信任程度進(jìn)行量化處理，并通過信任度矩陣度量各傳感器測(cè)得數(shù)據(jù)的綜合信任程 度，以合理地分配測(cè)得數(shù)據(jù)在融合過程中所占權(quán)重，得到數(shù)據(jù)融合估計(jì)的最終表達(dá)式， 從而實(shí)現(xiàn)了多傳感器數(shù)據(jù)的融合。在多傳感器信息采集系統(tǒng)中，由于不可避免會(huì)受到傳感器精度、傳輸誤差、環(huán)境噪聲和人為干擾等因素的影響，將使得它們的測(cè)得

23、數(shù)據(jù)產(chǎn)生不確定性因此在數(shù)據(jù)融合過程中，必須首先確定被融合數(shù)據(jù)的可信程度：若某些數(shù)據(jù)表現(xiàn)異常， 就不能作為被融合的數(shù)據(jù)；若某些數(shù)據(jù)相互接近，則可以把它們?nèi)诤显谝黄穑瑥亩岣呷诤辖Y(jié)果的精確度和穩(wěn)定性。針對(duì)上述問題，本文充分利用模糊集合理論中隸屬度函數(shù)范圍確定的優(yōu)點(diǎn)，定義了一種模糊型指數(shù)信任度函數(shù)，對(duì)傳感器測(cè)得數(shù)據(jù)間的信任程度進(jìn)行量化處理，并通過信任度矩陣度量各傳感器測(cè)得數(shù)據(jù)的綜合信任程度，合理地分配測(cè)得數(shù)據(jù)在融合過程中所占權(quán)重，得出數(shù)據(jù)融合估計(jì)的最終表達(dá)式，進(jìn)而得到一種對(duì)多個(gè)傳感器測(cè)得數(shù)據(jù)進(jìn)行融合處理的簡(jiǎn)便有效的方法。設(shè)多個(gè)傳感器測(cè)量同一參數(shù)，第 i個(gè)傳感器和第j個(gè)傳感器測(cè)得的數(shù)據(jù)分別為 xi和x

24、j。 如果xi的真實(shí)性越高，xi被其余數(shù)據(jù)所信任的程度就越高。所謂 xi被xj信任程度，即從xj 看xi為真實(shí)數(shù)據(jù)的可能程度，多傳感器測(cè)得數(shù)據(jù)間的這種信任程度被稱為信任度。為了對(duì)測(cè)得數(shù)據(jù)間的信任度進(jìn)行進(jìn)一步地統(tǒng)一量化處理，定義一個(gè)信任度函數(shù)b bij，表二 mij若bj=0，認(rèn)為第i個(gè)傳感器與第j mij個(gè)相互不信任，若 bj=1，則認(rèn)為二者間信任。若一個(gè)傳感器不被其他傳感器信任，或只被少數(shù)傳感器信任，則該傳感器的讀數(shù)在進(jìn)行數(shù)據(jù)融合時(shí)即被刪掉。這樣處理不利于對(duì) 實(shí)際情況做出客觀判別，進(jìn)而使融合結(jié)果受主觀因素的影響過大。X2三；,Xmai aanbiib21bn2binb2nabnni, j =

25、1,2, ,n對(duì)w wi進(jìn)行歸一化處理，得到aierx 刊 x _ x M改進(jìn)方法將bj設(shè)為指數(shù)函數(shù)，bj =0所以信任度矩陣 B B是一個(gè)非負(fù)矩陣，并且該對(duì)稱矩陣存在最大模特征 值 4040,使得 A BA。求出 入及對(duì)應(yīng)特征向量 A A，滿足a ai Q則W A可以作為對(duì)可以作為各傳感器測(cè)得數(shù)據(jù)間綜合信任程度的度量，即wiaiwinZ axi得到對(duì)所有傳感器測(cè)得數(shù)據(jù)融合估計(jì)的最終結(jié)果為恥土a b + =2 -2RijXij22XiG2 =-2Rj22X i打飛2-2% jVar Xij 1 =2 2 -i -j-Ri222，即 Var Xjj Lvar XVar XiJ - Var X： 1Qi2-R