多传感器数据融合技术研究进展

被引：134

作者：

黄漫国 ^{[1
,2
]}

樊尚春 ^{[1
,2
]}

郑德智 ^{[1
]}

邢维巍 ^{[1
]}

机构：

[1] 北京航空航天大学仪器科学与光电工程学院精密光机电一体化教育部重点实验室

[2] 传感技术联合国家重点实验室

来源：

传感器与微系统 | 2010年 / 29卷 / 03期

关键词：

多传感器; 数据融合; 算法; 集成;

D O I：

10.13873/j.1000-97872010.03.015

中图分类号：

TP202 [设计、性能分析与综合];

学科分类号：

摘要：

多传感器数据融合是信息领域一个前景广阔的研究方向。由于单一的数据融合算法具有一定的局限性,将2种或2种以上的数据融合算法进行优势集成已逐渐成为数据融合领域的研究热点。介绍了数据级、特征级和决策级融合3种数据融合方式的主要特点、方法及应用,归纳了常用的数据融合方法,并重点阐述了几种多传感器数据融合集成算法的研究进展,简单介绍了多传感器数据融合技术的应用。

引用

页码：5 / 8+12 +12

页数：5

共 24 条

[1]

智能传感技术与系统.[M].周浩敏; 钱政; 编著.北京航空航天大学出版社.2008,

[2]

多传感器数据融合算法研究.[D].吴艳.西安电子科技大学.2003, 02

[3] Treatment and Assessment of Nonlinear Seismic Data by a Genetic Algorithm Based Neural Network Model [J].

Kerh, Tienfuan ;

Chan, Yaling ;

Gunaratnam, David .

INTERNATIONAL JOURNAL OF NONLINEAR SCIENCES AND NUMERICAL SIMULATION, 2009, 10 (01) :45-56

[4]

Suspended sediment concentration estimation by an adaptive neuro-fuzzy and neural network approaches using hydro-meteorological data.[J].M. Cobaner;B. Unal;O. Kisi.Journal of Hydrology.2009, 1

[5]

Numerical analysis of the learning of fuzzified neural networks from fuzzy if–then rules.[J].Hisao Ishibuchi;Manabu Nii.Fuzzy Sets and Systems.2001, 2

[6] 多传感器数据融合技术综述 [J].

李娟 ;

李甦 ;

李斯娜 ;

陈新亿 .

云南大学学报(自然科学版), 2008, 30 (S2) :241-246

[7] 多传感器数据融合技术及其研究进展 [J].

华鑫鹏 ;

张辉宜 ;

张岚 .

中国仪器仪表, 2008, (05) :40-43

[8] 多传感器信息融合技术及其应用 [J].

白云飞 ;

曲尔光 .

机械管理开发, 2008, (01) :69-70

[9] 多传感器信息融合研究综述 [J].

祝宏 ;

曾祥进 .

计算机与数字工程, 2007, (12) :46-48+126+161

[10] 应用数据融合方法辨识油气两相流流型 [J].

王微微 ;

耿艳峰 ;

黄志尧 .

传感技术学报, 2007, (09) :2128-2132

← 1 2 3 →