物聯(lián)方案
2023年05月14日
融合過程通常被分為三種模式--低級、中級和高級融合：數(shù)據(jù)層面結(jié)合了幾個相同類型的原始預處理數(shù)據(jù)的來源，產(chǎn)生一個新的數(shù)據(jù)集，預計比輸入的信息量更大，更有用。
數(shù)據(jù)融合是將來自多個傳感器的數(shù)據(jù)和相關(guān)信息結(jié)合起來的過程，以實現(xiàn)比使用單個獨立傳感器所能實現(xiàn)的更具體的推斷。特征級將諸如邊緣、線條、角落、紋理或位置等特征結(jié)合成一個特征圖，用于圖像的分割、物體的檢測等等。決策融合的方法有投票、模糊邏輯和統(tǒng)計方法。
多傳感器數(shù)據(jù)融合的各種方法包括加權(quán)平均、貝葉斯估計器、自適應觀測器、代數(shù)函數(shù)、模糊邏輯、神經(jīng)網(wǎng)絡、軟計算、非線性系統(tǒng)融合和卡爾曼算法。
這些方法的缺點包括必須在車輛定位系統(tǒng)中增加新的傳感器。使用需要以前的信號統(tǒng)計知識的線性估計模型。存在一個以上的故障信號，這是對性能的基本限制。需要了解車輛定位系統(tǒng)的行為以及產(chǎn)生管理規(guī)則。
轉(zhuǎn)自：互聯(lián)網(wǎng)