[发明专利]一种多传感器数据加权融合方法

说明书

本发明公开了一种用于分布式多传感器检测系统的多传感器数据加权融合方法，该方法首先对每个传感器的实际测量数据进行滤波修正，提高单传感器测量数据的可信度，其次基于修正后数据获取传感器间的数据融合权重，提高数据融合权重分配的合理性，最后利用修正数据和基于修正数据获取的传感器间数据融合权重进行多传感器数据的加权融合，因此，利用本发明的数据加权融合方法得到的分布式多传感器融合结果更接近实际情况，可信度更高。

技术领域

本发明属于信息融合领域，特别是涉及一种传感器的数据融合。

背景技术

在分布式多传感器检测系统中，经常使用多个传感器对同一参数进行多次重复测量，通过数据融合的方法来提高系统的检测精度。关于数据融合的方法非常多，相比于贝叶斯决策以及神经网络等融合技术实际运用中主观随意性比较大以及建模的局限性，加权融合方法以其无需先验信息且融合精度比较高的优势得到广泛关注。然而现有技术中多传感器数据加权融合方法都是采用传感器原始测量数据进行传感器间的数据融合，并没有考虑对传感器原始测量数据进行滤波处理，导致融合后的数据可信度不高。因此，如何进一步提高数据融合后的可信度，是本领域技术人员急需要解决的技术问题。

发明内容

本发明主要解决的技术问题是提供一种多传感器数据加权融合方法，解决现有技术中已有的分布式多传感器检测系统中数据融合方法可信度不高的技术问题。

为解决上述技术问题，本发明采用的一个技术方案是：一种多传感器数据加权融合方法，包括步骤S1，对所述多个传感器中的每个传感器数据进行滤波修正，得到所述多个传感器的修正后数据；步骤S2，计算所述多个传感器中不同传感器间数据融合的传感器间融合权重；步骤S3，基于所述修正后数据和所述传感器间融合权重进行二次加权融合，以获取最终融合结果。

在本发明多传感器数据加权融合方法另一实施例中，对所述多个传感器中的每个传感器数据进行滤波修正，得到所述多个传感器的修正后数据包括：

步骤S21，设定传感器数据为所述多个传感器中第i个传感器第j次的测量数据，其中1≤i≤N,N为所述多个传感器的个数，1≤j≤M,M为所述多个传感器中每个传感器的总测量次数；获取所述多个传感器中每个传感器的所有基本数据组其中B(i,j)表示第i个传感器的第j个基本组；

步骤S22，计算每个所述基本数据组B(i,j)的均值EB(i,j)和方差DB(i,j)；

步骤S23，计算所述基本数据组B(i,j)中每个元素在所述基本数据组B(i,j)中出现的一次组内概率PB(i,j)＝[pb(i,1),pb(i,2),...,pb(i,j)]；

步骤S24，根据所述基本数据组B(i,j)和所述一次组内概率PB(i,j)对第i个传感器第j次的测量数据进行修正，得到所有传感器的修正后数据X＝[X₁,X₂,...,X_N]，其中X_i＝[x_i(1),x_i(2),…,x_i(M)]为第i个传感器的修正后数据。

在本发明多传感器数据加权融合方法另一实施例中，所述计算所述多个传感器中不同传感器间数据融合的传感器间融合权重包括：

步骤S31，计算所述多个传感器中每个传感器的所述修正后数据的均值EX_i和方差DX_i；

步骤S32，计算不同传感器数据融合的传感器间融合权重W＝[w₁,w₂,…,w_N]，其中表示第i个传感器的数据融合权重。

在本发明多传感器数据加权融合方法另一实施例中，所述基于所述修正后数据和所述传感器间融合权重进行二次加权融合，以获取最终融合结果包括：