| 【中文题名】 | 多传感器融合的技术研究 |
| 【英文题名】 | Research on Technology of Multi-sensor Fusion |
| 【学科专业】 | 控制理论与控制工程 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-4-27 |
| 【中关键词】 | 多传感器融合,先验信息,不确定性信息,模糊积分,, |
| 【英关键词】 | multi-sensor fusion,prior information,uncertain information,fuzzy integral, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化技术及设备>一般性问题>设计、性能分析与综合> |
| 【论文摘要】 |
多传感器融合是把多个传感器所提供的局部环境的不完整信息加以综合,形成对系统环境的相对一致的感知描述,是一个涉及到信息科学、计算机科学、自动化化科学的复合型学科,是一个正处于发展中的研究方向。
本文阐述了融合系统的各个组成部分,分析了目前存在的问题,指出了信息融合的发展方向,着重就融合系统的结构和算法进行了分析研究。介绍了多传感器融合的三大模型——功能模型、结构模型和数学模型。结合众多的相关文献,对功能模型、结构模型进行了详细的分类和介绍。
基于参数推理技术的融合方法最常用的是贝叶斯推理和D-S证据理论。贝叶斯推理和D-S证据理论是基于统计理论的融合方法,需要根据观测空间的先验信息,实现对观测空间里的对象进行识别。本文对这两种方法进行了理论介绍,并结合实验仿真验证了这两种融合方法的有效性。
研究了多传感器信息融合中的不确定性信息融合问题,运用模糊积分理论解决FEI-DEO(特征输入—决策输出)和DEI-DEO(决策输入—决策输出)融合模式下的信息融合问题,通过实验仿真证明了模糊积分方法提高了系统的不确定信息的处理能力和系统的智能度。另外还提出了一种基于模糊理论和最优加权相结合的... |
| 【论文题纲】 |
|
摘要 |
3-4 |
|
Abstract |
4-7 |
|
第一章 绪论 |
7-17 |
|
1.1 多传感器融合的重要意义 |
7-8 |
|
1.2 多传感器融合的发展 |
8-12 |
|
1.3 传感器网络的概念和研究内容 |
12-14 |
|
1.4 现状、存在的问题及发展方向 |
14-16 |
|
1.5 本文主要研究的内容 |
16-17 |
|
第二章 多传感器融合模型 |
17-27 |
|
2.1 多传感器融合的功能模型 |
17-19 |
|
2.2 多传感器融合的结构模型 |
19-22 |
|
2.3 多传感器融合的数学模型 |
22-26 |
|
2.4 小结 |
26-27 |
|
第三章 基于参数的推理技术 |
27-37 |
|
3.1 贝叶斯推理 |
27-30 |
|
3.2 D-S方法 |
30-36 |
|
3.3 小结 |
36-37 |
|
第四章 基于模糊集理论的多传感器融合 |
37-51 |
|
4.1 融合问题的形式描述 |
37 |
|
4.2 融合的期望性质及与不确定性 |
37-39 |
|
4.3 模糊积分的融合方法 |
39-44 |
|
4.4 基于模糊支持度矩阵的多传感器融合方法 |
44-50 |
|
4.5 小结 |
50-51 |
|
第五章 多传感器融合的神经网络方法 |
51-64 |
|
5.1 引言 |
51-52 |
|
5.2 多层感知器网络 |
52-54 |
|
5.3 BP网络融合方法 |
54-56 |
|
5.4 RBF网络融合算法 |
56-59 |
|
5.5 仿真实验 |
59-63 |
|
5.6 小结 |
63-64 |
|
第六章 总结 |
64-66 |
|
致谢 |
66-67 |
|
参考文献 |
67-72 |
|
硕士在读期间发表的论文 |
72 |
|
| 【DOI】 | LunWen.ID:2.2008.382685 |
