基于耦合HMM的多传感异步信息融合分类策略

针对多传感异步信息融合分类问题,提出了一种新颖的基于耦合隐马尔可夫模型(CHMM)结构的中期融合分类策略,该策略既考虑到了多传感信息在时间上的相关性,又解决了信息流之间的异步问题;其次,通过限制信息流的状态数量和限制信息流之间的异步程度,简化了模型结构;此外,为解决CHMM的算法实现问题,提出了一种CHMM与双流HMM的等效变换方法,从而利用经典的HMM算法解决了CHMM的模型实现。最后在唇读语音双模态数据库上的实验证明,该异步信息融合策略实现了比早期同步融合更理想的识别结果,证明了该信息融合策略在异步信息融合分类上的有效性。