一种优化的贝叶斯估计多传感器数据融合方法.pdf

《一种优化的贝叶斯估计多传感器数据融合方法.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第27卷第5期传感技术学报Vo1．27No．5CHINESEJOURNALOFSENSORSANDACTUATORS2014年5月Mav2014AnOptimalMethodofDataFusionforMulti-SensorsBasedonBayesianEstimationZHANGPin，DONGWeihao，GAODadong(DepartmentofCommunicationEngineering，HangzhouDianziUniversity，Hangzhou310018，China)Abstract：Dataprovidedby

2、sensorsisalwaysaffectedbysomeIevelofuncertaintyinthemeasurements．Combiningdatafromseveralsourcesusingmulti—sensordatafusionalgorithmsexploitsthedataredundancytoreducethisuncertaintyandtoachieveimprovedaccuracy．Anoptimalmethodofdatafusionformulti—sensorbasedonBayesianEstimatio

3、nispresented，whichreliesoncombiningaBayesianfusionalgorithmwithKalmanfilterinWSNs．Threedifferentapproachesnamely：Pre-Fihering，Post—FilteringandPre-Post—Filteringaredescribedbasedonhowfilteringisappliedtosensordata，tofuseddataorboth．Acasestudyofestimatingthepositionofamobilero

4、bottoverifyiftheproposedalgorithmisvalidispresented．ExperimentalstudyshowsthatcombiningBayesianfusionalgorithmwithKalmanfiltercanhelpinhandlingtheproblemofuncertaintyandinconsistencyofthedatainbothcentralizedanddecentralizeddatafusionarchitectures．Keywords：wirelesssensornetwo

5、rk；datafusion；Bayesianestimation；KalmanfilterEEACC：6015Pdoi：10．3969／j．issn．1004—1699．2014．05．014一种优化的贝叶斯估计多传感器数据融合方法木张品，董为浩，高大冬(杭州电子科技大学通信工程学院，杭州310018)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

6、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；卡尔曼滤波器中图分类号：TP393文献标识码：A文章编号：1004—1699(2014)05—0643—06多传感器数据融合是20世纪70年代以来形成感器的不一

7、致性。过去的策略常常是模拟这种的一门新兴边缘学科，在军事、国防、航天等高科技不确定性，融合不同类型的数据来得到一致的决策。领域有广泛的应用，目前已成为备受人们关注的热早在二十世纪八十年代，Bar．Shalom_lj研究了两个门领域。多传感器系统首要的目标是将来自多传感子系统之间的相关性，并给出了互协方差阵的个传感器的测量数据及相关数据库的有关信息进行计算公式。九十年代，Carlsonl4提出了著名的联邦联合、相关、组合以获得更全面、具有更高可靠的数Kalman滤波器算法，采用方差上界消除相关和统一据信息。然而会遇到许多问题，比如数据关联，传感的信

8、息分配原则，避免了互协方差阵的计算，但具有器不确定性和数据管理等，而最根本的问题在于传一定的保守性。在1994年，Kim_5提出了极大似