融合笔记
多源传感器数据融合自主稳定跟踪算法(中科大)2016-10:
融合过程首要达到的目的是,当某一个传感器置信度较低,或者根本无法捕捉,缺少完整数据时,仍然可得到一个可信度和稳定性较高的融合结果,也就是融合算法需有一定的容错性。
- 融合功能模型
- 融合结构模型
- 融合常用算法
基于模型~:典型的有加权 、极大似然、卡尔曼滤波……
基于统计理论~:代表性:贝叶斯推理、推论、马尔可夫随机域……
基于信息论~:自适应神经网络、聚类分析、信息增量、模糊逻辑……
基于知识的人工智能~
- 基于估计误差协方差的数据融合算法原理和实现
然而随着时间的积累新增误差所占比重越来越小,历史数据对误差协方差的估计结果将起决定作用,此时如果某传感器数据发生异常,其权值不会按理想情况迅速减小,融合结果的可信度也难以保证。
因此提出了一种通过引入记忆衰减因子来提高新增误差权重的方法。
创新之处:
目标状态均值=根据前一时刻状态的预测的值
最小二乘多项式曲线拟合LSPCF比卡尔曼滤波抗干扰性更强,不易受噪声和失效数据影响。