数据融合技术在声全息测量中的应用

被引：5

作者：

高印寒 ^{[1
]}

周晓华 ^{[2
]}

梁杰 ^{[1
]}

常鑫 ^{[2
]}

机构：

[1] 吉林大学测试科学实验中心

[2] 吉林大学仪器科学与电气工程学院

来源：

光学精密工程 | 2007年 / 07期

基金：

高等学校博士学科点专项科研基金;

关键词：

声全息; 声源识别; 神经网络; 证据理论;

D O I：

暂无

中图分类号：

O438.1 [全息光学]; O422.5 [声的干涉、衍射和散射];

学科分类号：

070207 ; 0803 ; 070206 ; 082403 ;

摘要：

提出了基于神经网络和证据理论的数据融合技术。首先,根据声全息的测量原理,建立了由传感器子网和融合子网组成的数据融合模型。接着,给出了基于神经网络的传感器子网结构,实现了从目标特征参数到目标类型的映射,得到初步的输出结果。然后,采用证据理论将目标信息融合起来,达到对目标的有效识别得到最后的识别结果。最后,给出了数据融合技术应用于声全息法识别声源的实例计算。实验结果表明:数据融合后的声源识别率为94.2%,比融合前提高了11.7%。该技术减小了由于信息量不足或存在较大偶然误差而带来的不利影响,使声源的识别结果更可靠。

引用

页码：1104 / 1111

页数：8

共 10 条

[1] 一种基于证据理论和条件规则的目标识别方法 [J].