1. 数据融合处理的一般过程

2. 多传感器数据融合体系结构

目标状态估计

2.1 集中式数据融合结 2.2 分布式数据融合结构

3. 数据融合的常用算法

按技术原理分类

1. Bayes估计法
2. 假设检验法
3. 滤波跟踪
4. 聚类分析
5. 人工智能
6. 模式识别

3.1 经典统计理论:

• 将被测参数看做一个固定值，没有充分利用其先验信息;
• 精度和信度是预定的，不依赖于样本。

3.2 Bayes估计理论:

• Bayes方法具有严格的理论基础，应用广泛;·
• 采用归推理的方法对多源信息进行有效地融合;·
• 充分利用了测量对象的先验信息。

3.3 滤波跟踪型数据融合算法:

• 利用数字滤波方法根据测量值估计被测量真值;
• 利用当前和历史测量数据估计目标未来状态。

3.4 神经网络方法:

• 是一种规则透明的非线性映射方法;·
• 信息存储于网络结构和连接权值;·
• 增强了信息处理的容错性;
• 具有自组织和自学习能力。

4.  传感器信息的不确定性

• 传感器输出不可能包含被测量全部、完整的信息
• 可靠度、精度、目标因素、噪声破坏

5. 总结

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贡献一点微薄之力。