论文部分内容阅读
针对自适应加权数据融合中最优融合数据获取及融合权值最佳分配问题,提出了一种改进的多传感器自适应融合算法.该算法提出了一种基于Jousselme证据距离的传感器置信距离,利用置信距离构建支持度函数,并在此基础上获取各传感器间的支持度,进而对原始数据中的异常值替换,获得最优融合数据集.另外,基于传感器自身精度的固定方差和传感器测量时的实际方差,提出了一种优化的自适应最优权值分配方法.在实际算例上与其他两种数据融合方法的比较试验表明,该算法计算简单、融合效果好、稳健性强、准确性高,可有效解决目前一些融合算法存在融合稳健性和准确性不高的问题.该研究成果能够在数据级的多传感器融合领域产生一定的启示作用.