計(jì)算智能在土壤數(shù)據(jù)融合中的應(yīng)用研究.pdf

1、多傳感器數(shù)據(jù)融合技術(shù)首先是從軍事領(lǐng)域發(fā)展起來的，并且已經(jīng)發(fā)展成為一個(gè)新的學(xué)科方向和研究領(lǐng)域。本文介紹了數(shù)據(jù)融合系統(tǒng)的基本理論、發(fā)展及研究現(xiàn)狀，研究了數(shù)據(jù)融合中的不確定方法，結(jié)合在研的國(guó)家“863”重大項(xiàng)目——車載農(nóng)田土壤信息快速采集關(guān)鍵技術(shù)與產(chǎn)品研發(fā)，構(gòu)建土壤參數(shù)融合模型，在智能計(jì)算理論的基礎(chǔ)上，對(duì)多傳感器數(shù)據(jù)融合算法提出了新的思路，并進(jìn)行了深入的研究。
　　 對(duì)基于神經(jīng)網(wǎng)絡(luò)與信任度函數(shù)的多傳感器數(shù)據(jù)融合算法進(jìn)行了研究，構(gòu)造信任

2、度函數(shù)矩陣，采用該矩陣度量各傳感器測(cè)得數(shù)據(jù)之間的綜合信任程度，合理分配測(cè)得數(shù)據(jù)在融合過程中的權(quán)重，作為BP神經(jīng)網(wǎng)絡(luò)的輸入，經(jīng)過訓(xùn)練好的網(wǎng)絡(luò)，取得良好的融合效果，以削弱白噪聲對(duì)測(cè)量精度的影響。
　　 提出了兩種基于粒子群優(yōu)化算法(PSO)的傳感器融合方法。一種方法是對(duì)粒子群優(yōu)化算法中的固定慣性權(quán)重進(jìn)行改進(jìn)，分析了慣性權(quán)值因子在粒子群優(yōu)化算法中的作用，在現(xiàn)有線性遞減權(quán)值方法上，提出一種非線性權(quán)值遞減策略，并將其嘗試性的運(yùn)用到多傳感器

3、數(shù)據(jù)融合的領(lǐng)域，運(yùn)用該算法對(duì)加權(quán)因子進(jìn)行調(diào)整，得到良好的融合效果。另一種是基于量子空間的粒子群算法(QDPSO)和BP神經(jīng)網(wǎng)絡(luò)的多傳感器融合算法，經(jīng)過QDPSO訓(xùn)練的BP神經(jīng)網(wǎng)絡(luò)具有較好的穩(wěn)定性和收斂性，將其運(yùn)用于多傳感器數(shù)據(jù)融合中，通過仿真取得了比常規(guī)算法更高的精度，是一種較有潛力的融合算法。
　　 研究小波變換的特性，提出了基于小波包變換的多分辨率多傳感器信息融合模型。利用小波變換的理論，研究小波在像素級(jí)、特征級(jí)融合中的新算