《一种优化的贝叶斯估计多传感器数据融合方法》PDF+DOC
作者:张品,董为浩,高大冬
单位:中国微米纳米技术学会;东南大学
出版:《传感技术学报》2014年第05期
页数:6页 (PDF与DOC格式可能不同)
PDF编号:PDFCGJS2014050140
DOC编号:DOCCGJS2014050149
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于超长线状分簇结构的卡尔曼滤波融合算法》PDF+DOC2016年第11期 何斌,李刚,唐利敏,许点红
《WSN数据融合的自适应一致滤波算法的研究》PDF+DOC2015年第21期 袁春艳
《无线传感器网络的数据压缩算法综述》PDF+DOC2012年第09期 林蔚,韩丽红
《无线传感器网络中的数据融合研究》PDF+DOC2010年第10期 张海玉,冯秀芳
《基于模糊神经系统的多传感器数据融合算法》PDF+DOC2010年第03期 荣健,乔文钊
《一种适用于无线传感器网络的遗传粒子滤波跟踪算法》PDF+DOC2010年第03期 邱晓晖,缪飞,刘钦富
《神经网络辅助多目标跟踪数据融合》PDF+DOC2008年第09期 耿峰,祝小平
《无线传感器网络中基于数据融合的移动代理曲线动态路由算法研究》PDF+DOC2007年第06期 周四望,林亚平,聂雅琳,王继良,张锦
《基于动态数据压缩的能量采集无线传感网络数据收集优化》PDF+DOC2018年第08期 谢小军,于浩,陶磊,张信明
《卡尔曼滤波器在传感器软故障诊断中的应用》PDF+DOC2010年第11期 许秀玲
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。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。