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
- Bayes估计法
- 假设检验法
- 滤波跟踪
- 聚类分析
- 人工智能
- 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。
