多传感器融合理论及其应用——1

简介: 多传感器融合理论及其应用——1

1.为什么要采用多个传感器测量同一目标参数?

环境复杂:

复杂的电磁环境使检测的目标信号淹没在大量噪声及不相关信号与杂波中。

目标复杂:

当检测对象为多目标或快速机动目标时,单一传感器测量困难。

可靠性:

当单一传感器失效或传感器的可靠性有待提高时采用多传感器系统。

image.jpeg

2. 数据融合的定义

功能定义:

将来自多个传感器和信息源的数据和信息加以联合、相关、组合,以获得对目标精确的位置估计、身份估计、以及对战场情况和威胁及其重要程度进行适时的完整评价。

该定义的重点:


该定义是军事应用方面的功能性定义;

多个传感器对同一目标进行测量;

重点是融合:联合、相关、组合;

目的:状态估计、身份估计、态势估计、威胁估计。

image.jpeg

3. 数据融合技术的应用

航迹预测、身份识别、威胁估计、测试技术、多光谱图像、车辆识别

3.png

4. 数据融合技术发展

  1. 1973年发声纳信息融合研究
  2. 海湾战争是现代化战争的警钟
  3. 1995年我国首次数据融合技术专题会议
  4. 目前主要围绕位置估计和身份识别

image.png

上文带大家认识数据融合的发展现状。后续会教大家更加奇特的操作,欢迎一键三连😂😂😂

在以后的博文中我们将分享更多生活技巧,美好生活每一天!好好学习天天向上,从而实现对外部世界进行感知,充分认识这个有机与无机的环境,科学地合理地进行创作和发挥效益,然后为人类社会发展

目录
相关文章
|
1月前
|
传感器
|
2月前
|
安全
工业机理模型是一种基于设备和产品的仿真和原理化的分析模型
工业机理模型是一种基于设备和产品的仿真和原理化的分析模型
88 6
|
2月前
|
自动驾驶 物联网 5G
波束成形技术在5G中的关键作用
波束成形技术在5G中的关键作用
37 0
|
传感器 机器学习/深度学习 编解码
自动驾驶 | 毫米波雷达视觉融合方案综述(数据级/决策级/特征级融合)
自动驾驶在复杂场景下的目标检测任务至关重要,而毫米波雷达和视觉融合是确保障碍物精准检测的主流解决方案。本论文详细介绍了基于毫米波雷达和视觉融合的障碍物检测方法,从任务介绍、评估标准和数据集三方面展开。
自动驾驶 | 毫米波雷达视觉融合方案综述(数据级/决策级/特征级融合)
|
传感器 机器学习/深度学习 算法
多旋翼无人机组合导航系统-多源信息融合算法(Matlab代码实现)
多旋翼无人机组合导航系统-多源信息融合算法(Matlab代码实现)
|
算法 5G 调度
带你读《5G大规模天线增强技术》——1.4 大规模天线增强技术的主要方向
带你读《5G大规模天线增强技术》——1.4 大规模天线增强技术的主要方向
带你读《5G大规模天线增强技术》——1.4 大规模天线增强技术的主要方向
用于联合通信和传感(JCAS)的多波束优化(Matlab代码实现)
用于联合通信和传感(JCAS)的多波束优化(Matlab代码实现)
106 0
|
传感器 机器学习/深度学习 算法
【多传感器融合】基于卡尔曼、无迹卡尔曼、拓展卡尔曼、粒子滤波实现非移动 GPS 干扰器的多传感器融合和位置估计附matlab代码
【多传感器融合】基于卡尔曼、无迹卡尔曼、拓展卡尔曼、粒子滤波实现非移动 GPS 干扰器的多传感器融合和位置估计附matlab代码
|
传感器 机器学习/深度学习 存储
多传感器融合理论及其应用——2
多传感器融合理论及其应用——2
135 0
|
传感器 机器学习/深度学习 算法
【目标融合】基于扩展卡尔曼滤波器的传感器融合算法附matlab代码
【目标融合】基于扩展卡尔曼滤波器的传感器融合算法附matlab代码