文档介绍：多传感器数据融合多传感器测量数据的融合处理

　　摘要：传统的传感器测量数据通常的处理方法只是采取算术平均值的数字滤波法，即使这种方法含有一定的抗干扰性，但从统计理论和实际应用情况分析来看，这种方法处理的数据不甚理想，尤其对于多传感器测量的情况时更糟糕。针对这种情况本文提出了采取全局分组方法对多传感器数据进行融合，利用拉依达判别法剔除粗差，能够实现有效、快速地处理数据，处理后的数据表明结果更靠近真实值。
　　关键字：传感器；数据融合；拉依达准则；全局融合
　　0引言
　　多年来，伴随科技的发展，不论在军事领域还是在非军事领域当中，多传感器数据融合技术全部受到了广泛关注。当用多个传感器同类或异类同时测量某环境变量，或假如检测系统对环境变量的测量次数有限时，为了提升测量精度就需要对传感器获取的数据进行预处理，传统的方法是采取多个传感器的算术平均，即使含有一定的抗干扰能力，但在实际应用中表明这不是有效处理数据的最好方法。为了更加好的处理数据，我们从数据误差上进行对应处理12。这种方法就是采取拉依达偏差剔除的方法剔除误差比较大的传感器数据组。然后相邻传感器测量数据不在同一组的分批估量标准对所测量的传感器数据分批估量。这么做不但能削除测量中的不确定性，在很大程度上提升测量结果的反复性和正确性,取得更可靠的实时测量结果，还能够充足利用传感器测量数据在空间上的优势。利用本文提出的数据融合处理方法，处理后的数据表明愈加靠近真实值。
　　
　　传感器信息融合系统中的数据融合处理过程关键包含34:多传感器、数据预处理、数据融合中心和结果输出等步骤。其过程图1所表示。
　　因为被测对象多为含有不一样特征的非电量,如压力、温度、位移等,首先需要经过多传感器将这些非电量转化为电量,然后经过A/D转换器将这些模拟信号转化为能有计算机处理的数字量,数字化后的电信号经过预处理,采取滤波等方法除掉数据采集过程中的干扰和噪声,提取出有用信号,预处理后的有用信号送入融合中心进行信息融合,经过特征存取,并对特征量进行信息融累计算,最终输出融合结果。
　　拉依达准则
　　拉依达判别法5是指当标准差D(x)已知时，用来检验一组预计值中的异常值的方法。依据正态分布规律，当偏差值大于3倍标准差D(x)，测定值出现的概率比较小，是一个小概率事件，能够忽略其存在，即可判定其为异常值而剔除。实际应用中，用样本值计算的样本标准差δ替代D(x)来判定预计值中的异常值。
　　设有n个数据，x1，x2，…xn，令E=|x-xi|(i=1,2,3…n)，若有
　　E>3S,则说明此组数据中有异常值。其中，x=1/n。
　　δ=。
　　全局数据融合
　　为了实现对所测量的数据进行有效、快速的处理，充足利用每个传感器传感器参量，我们从整体对传感器进行分组6。相对于系统采样频率而言，通常是缓慢且含有正态分布的。经过这些传感器首先得出一致性测量数据,然后再根据空间位置上相邻两个传感器不在同一组的标准分成两组,然后再对两组测量数据的平均值采取分批估量的算法,估量出靠近被检参数变量的真实值的融合值：这在很大程度上消除了测量过程中的不确定性。设检测系统测得的第一组的一致性测量数据为Y11，Y12…Y1m(m≥2)；设检测系统测得的第二组的一致性测量数据为