|
- UID
- 1029342
- 性别
- 男
|
3 数据融合算法 在实际的消防报警系统中，由于各单传感器的类型不同、特点不同以及各单传感器所获得的观测维不同等原因，相应的预测模型也就不同，但与此同时多个传感器的状态向量中又往往具有公共的向量元素，即公共维。目前，常用的信息融合方法大致分为以下几类：一是基于估计和统计的经典方法，包括加权平均法、最小二乘法和D-S证据理论等；二是信息论的融合，包括模板法、聚类分析的熵理论等；三是人工智能的融合方法，包括模糊逻辑、产生式规则、神经网络、遗传算法和模糊积分理论以及专家系统等。
在应用于多传感器信息融合时，我们将A看作系统可能决策的集合，B看作传感器的集合，A和B的关系矩阵R A+B中的元素μi表示由传感器i推断决策为i的可能性，X表示各传感器判断的可信度，经过模糊变换得到的Y就是各决策的可能性。
具体的，我们假设有m个传感器对系统进行观测，而系统的决策可能有n个，则：
A:{y1/决策、y2/决策、…、yn/决策n}
B:{x1/传感器、x2/传感器、…、xn/传感器m}
传感器对各个决策的判断用定义在A上的隶属函数表示，设传感器i对系统的判断结果是：
μi1/决策，μi2/决策，…，μin/决策n,0≤μy≤1
即认为结果为决策j的可能性为μij,记作向量μi1,μi2,μi3,…μin,则m个传感器构成A×B的关系矩阵为：
将各传感器判断的可信度用B上的隶属度：X={x1/传感器1×x2/传感器2…、xn/传感器n}表示，那么，根据Y=X*R A*B进行模糊变换，就可得出：y=（y1,y2,y3,…，yn）
即综合判断后的各决策的可能性为y,最后，对各可能判决按照一定的准则（比如最大隶属度方法、中心法等）进行选择，得出最优结果。根据运算的y值，采用以下规则进行判决应注意：①判决结果应有最大的隶属度。②判决结果的隶属度与必须大于某一阀值（一般情况取0.5）。③判决结果的隶属度与其它判决的隶属度值的差必须大于某一阀值（比如0.1）。 |
|
