基于大信息量的異質(zhì)多傳感器數(shù)據(jù)融合.pdf

1、隨著微機(jī)電技術(shù)的發(fā)展，傳感器的性能大大提高，各種面向復(fù)雜應(yīng)用背景的多傳感器信息系統(tǒng)大量涌現(xiàn)。在這些系統(tǒng)中，信息日漸多元化和密集化，使得傳統(tǒng)的信息處理方式不再勝任，從而促使一項(xiàng)新的學(xué)科——多傳感器數(shù)據(jù)融合技術(shù)應(yīng)運(yùn)而生，而狀態(tài)融合估計(jì)作為多傳感器數(shù)據(jù)融合理論的一個(gè)非常重要的研究方向，在需要精確估計(jì)的領(lǐng)域應(yīng)用受到廣泛的關(guān)注。 本文的研究?jī)?nèi)容為多傳感器信息融合理論中的狀態(tài)估計(jì)理論，研究如何利用多傳感器的信息更準(zhǔn)確的估計(jì)系統(tǒng)狀態(tài)，主要針對(duì)

2、多傳感器管理和狀態(tài)融合估計(jì)的算法作了比較深入的研究。 本文首先通過(guò)分析目前存在的傳感器管理算法，建立了一個(gè)綜合傳感器信息增量和處理時(shí)間的目標(biāo)函數(shù)，提出了基于QDPSO(Quanrum—behavedParticleSwarmOptimization)算法的新的傳感器管理的算法模型。在經(jīng)過(guò)傳感器管理?yè)駜?yōu)的傳感器組基礎(chǔ)上，論文提出了一種基于最大熵算法和Bayes理論的多次測(cè)量數(shù)據(jù)融合算法，推導(dǎo)出了被測(cè)參數(shù)的概率分布和融合公式。接著，