科创中国

一种优化的贝叶斯估计多传感器数据融合方法

原文链接：万方

• 作者：

  张品,董为浩,高大冬

• 摘要：

  由于来自多个传感器的测量数据总是有一定程度的不确定性和不一致性,采用多传感器数据融合算法将多个节点的测量数据进行数据融合,利用数据的冗余度来减小这种不确定性,得到高可靠性的数据信息。提出了一种优化的贝叶斯估计多传感器数据融合方法,将贝叶斯估计和卡尔曼滤波器结合起来,应用于无线传感网络数据融合中。根据滤波器应用到传感数据、融合数据或者两者的方式,提出3种不同的技术,即:前向滤波法、后向滤波法和前后向滤波法。通过一个实例研究估计移动机器人的位置,验证算法的有效性。实验表明,在集中式和分布式两个方面数据融合体系结构,结合卡尔曼滤波器的贝叶斯融合算法能够有效地解决数据的不确定性和不一致性。

• 关键词：

  无线传感器网络 数据融合 贝叶斯估计 卡尔曼滤波器

• 作者单位：

  杭州电子科技大学通信工程学院,杭州,310018

• 基金项目：

  国家自然科学基金项目(61271214)

• 来源期刊：

  传感技术学报

• 年，卷(期)：

  2014005