《量测不一致性条件下多传感器融合算法研究》PDF+DOC
作者:徐建亮,顾怡红,魏小华
单位:北京机械工程学会;北京市机械工业局技术开发研究所
出版:《现代制造工程》2018年第08期
页数:6页 (PDF与DOC格式可能不同)
PDF编号:PDFXXGY2018080230
DOC编号:DOCXXGY2018080239
下载格式:PDF + Word/doc 文字可复制、可编辑
《果树靶标精准探测系统研究进展分析》PDF+DOC2016年第10期 张美娜,吕晓兰,常有宏,邱威
《连续动态贝叶斯网络实现多传感器融合跟踪》PDF+DOC2005年第08期 史建国,高晓光,李相民
《面向多源数据融合的贝叶斯估计方法》PDF+DOC2018年第01期 孙振东
《基于混合滤波的无线传感器网络融合跟踪方法》PDF+DOC2010年第09期 李峰荣,刘贵喜,孙庆方
《多传感器状态融合估计理论在成纸定量估计中的应用》PDF+DOC2005年第03期 金学波,孙优贤,孙政荣
《测量方差自学习加权下的多传感器数据融合算法》PDF+DOC2005年第04期 刘先省,胡振涛
《基于修订矩阵的最小二乘法多传感器融合障碍物位置估计》PDF+DOC2011年第05期 包壁祯,杨平,曹虎文
《多传感器分布式信息融合粒子滤波器》PDF+DOC2010年第12期 毛琳,刘胜
《基于分布式网络的分步滤波算法的改进》PDF+DOC2008年第03期 史军杰
《多传感器数据融合技术应用研究》PDF+DOC2013年第06期 张杰,胡一兵,李亮,梁深根
由于传感器提供的抽象数据总是受到测量过程中不确定性因素的影响,多传感器利用多源数据融合算法,消除传感器间可能存在的虚假或错误数据,以降低其不确定性。提出一种基于粒子滤波算法(PFA)的改进贝叶斯方法(IBA),其中基于粒子滤波有3种算法结构,即:前置粒子滤波算法(P-IBA)、后置粒子滤波算法(IBA-P)和前后置粒子滤波算法(P-IBA-P)。通过三维点云数据分析实验表明,P-IBA具有最小的CPU运行时间t,P-IBA-P比IBA-P拥有最小的评价函数值EF,可见,在P-IBA-P和IBA-P两种算法中,由于粒子滤波器的存在且起到决定性的作用,使得基于粒子滤波的改进贝叶斯算法(P-IBA-P)误差最小,精度最高,融合效果最好。改进的贝叶斯方法与粒子滤波相结合的技术,有助于处理集中式和分散式融合架构的数据不一致问题,在对测量时间要求不高的情况下,使用P-IBA-P算法的测量效果最好。
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。