基于变异系数的模糊传感器数据融合方法
基于模糊熵的多传感器加权融合算法
基于模糊熵的多传感器加权融合算法王晶晶;王刚;王睿【摘要】针对目前多传感器数据融合时,各传感器的权值难以确定的问题,结合模糊理论,提出一种基于模糊熵的多传感器加权融合算法.该算法不需要任何的环境先验信息和传感器参数信息,根据各个传感器的当前有效量测数据的模糊程度不同,通过求取实时有效量测集合的模糊熵来确定该传感器在融合时的权值.仿真实验证明:该算法具有很好的环境适应能力,可以在一定程度上提高量测精度.【期刊名称】《传感器与微系统》【年(卷),期】2016(035)007【总页数】4页(P109-112)【关键词】模糊熵;多传感器;数据融合;权值【作者】王晶晶;王刚;王睿【作者单位】空军工程大学防空反导学院,陕西西安710051;空军工程大学防空反导学院,陕西西安710051;空军工程大学防空反导学院,陕西西安710051【正文语种】中文【中图分类】TP212多传感器信息融合[1]就是将来自多个传感器的数据或信息进行综合处理，以获得比任意单个传感器更加准确的状态估计值。
融合算法的关键是如何为各传感器赋予合适的权值。
加权权值与每个传感器的精度有关，精度高的传感器的量测值在融合时分配一个较大的权值;反之,则分配一个较小的权值，而传感器在不同环境下的精度信息由其当前量测的可信程度决定。
本文提出一种基于模糊熵的多传感器加权融合算法，根据各个传感器实时量测是否来自于目标的模糊程度不同为传感器赋予相应的权值，该算法无需任何环境先验信息与传感器的参数信息，即可得到精度更高的状态估计值。
多传感器加权融合算法模型如图1所示。
传统的加权融合算法利用最小二乘准则，使状态的估计值在统计意义上逼近真实值，加权误差平方和达到最小，是理论上的最优加权。
设n个传感器对同一个目标进行测量，第i个传感器的测量值为zi，且)，依据最优加权理论得第i只传感器的权值为该算法中各传感器的量测方差大多是通过传感器自身的方差参数或者经验指定[2]，没有考虑环境干扰等因素，并不能实时反映实际量测的真实方差，进而影响融合效果。
基于修正倒数型距离贴近度的传感器数据模糊加权融合法
基于修正倒数型距离贴近度的传感器数据模糊加权融合法屈强;刘中晅;陈波
【期刊名称】《计算机工程》
【年(卷),期】2016(042)005
【摘要】为提高传感器数据的融合精度和可靠性,提出一种传感器数据模糊加权融合法.对模糊加权融合模型进行研究,得出采用模糊贴近度作为融合权值比隶属度更实用.分析比较5种常用的模糊贴近度方法,其中倒数型距离贴近度分辨率高、计算量最小,但是存在奇异值抑制能力差的问题.针对该问题,建立基于修正倒数型距离贴近度的模糊加权融合模型,以提高算法的可操作性.仿真分析结果说明,与其他模糊贴近度方法相比,采用修正倒数型距离贴近度进行模糊加权融合,具有更高的融合精度和可靠性.
【总页数】4页(P313-316)
【作者】屈强;刘中晅;陈波
【作者单位】装甲兵工程学院信息工程系,北京100072;装甲兵工程学院信息工程系,北京100072;装甲兵工程学院信息工程系,北京100072
【正文语种】中文
【中图分类】TP391
【相关文献】
1.判断矩阵一致性修正的模糊距离和贴近度法 [J], 周丽;吴泽宁;王海政;陈忠平
2.基于模糊贴近度的多传感器数据融合测量 [J], 李雄;王凯;徐宗昌
3.基于相关性函数和模糊贴近度的多传感器数据融合 [J], 韩峰;杨万海;袁晓光
4.基于模糊支持度的分布式多传感器加权融合算法 [J], 刘先省;胡振涛
5.监管部门对未上市机构会计舞弊的批筛查方法探析--基于“红旗标志”、豪斯多夫距离以及模糊理想解逼近法的贴近度排序 [J], 方辰
因版权原因，仅展示原文概要，查看原文内容请购买。
基于模糊理论的多传感器数据融合系统
基于模糊理论的多传感器数据融合系统
基于模糊理论的多传感器数据融合系统
利用模糊理论解决不确定性问题的优点,将其应用于数据融合系统;根据模糊控制数据融合模型,对模型中涉及到的容错处理、时空对准问题进行研究;分析了模糊理论在融合算法中的处理过程;并根据不同的对应情况加以讨论说明;最后通过仿真检验分析,证明该融合系统能有效地提高测量数据精度.
作者：周中良于雷敬军ZHOU Zhong-liang YU Lei JING Jun 作者单位：周中良,ZHOU Zhong-liang(空军工程大学工程学院,西安,710038)
于雷,YU Lei(空军工程大学工程学院,西安,710038;西北工业大学,西安,710072)
敬军,JING Jun(空军驻京丰地区代表室,北京,100063)
刊名：电光与控制ISTIC PKU 英文刊名：ELECTRONICS OPTICS & CONTROL 年，卷(期)：2007 14(2) 分类号：V271.4 TP273.4 关键词：模糊理论数据融合时空校准格罗贝斯判据。
基于遗传算法的多传感器模糊随机信息融合方法(英文)
基于遗传算法的多传感器模糊随机信息融合方法(英文)
胡昌振;谭惠民
【期刊名称】《北京理工大学学报：英文版》
【年(卷),期】2000(0)1
【摘要】建立一种多传感器高维信息融合方法 .根据多传感器模糊随机信息融合的准则 ,完成融合参数编码、初始种群和适性函数建立以及基于模糊控制器的基因操作概率选择等的设计 ;对高维信息融合问题进行了探讨 ,并通过计算机仿真验证了方法的有效性 .针对速度方差为 1 6 4 ,加速度方差为 1 75的模拟运动目标跟踪问题 ,采用该方法的跟踪融合精度分别为速度方差 0 94 ,加速度方差 0 98.
【总页数】6页(P49-54)
【关键词】多传感器;数据融合;模糊随机;遗传算法
【作者】胡昌振;谭惠民
【作者单位】北京理工大学机电工程与控制国家重点实验室
【正文语种】中文
【中图分类】TP212
【相关文献】
1.基于模糊故障特征信息的随机集度量信息融合诊断方法 [J], 徐晓滨;文成林;王迎昌
2.基于期望值的模糊多传感器信息融合方法 [J], 万树平
3.基于模糊集和遗传算法的多传感器信息融合工件识别 [J], 车录锋;周晓军;程耀东
4.基于遗传算法的交通信息模糊融合方法 [J], 刘智平;王晓原;刘海红;吴芳
5.无损检测中基于模糊逻辑的多传感器数据融合(英文) [J], 张兆礼;王祁;孙圣和因版权原因，仅展示原文概要，查看原文内容请购买。
一种传感器数据融合方法
一种传感器数据融合方法传感器数据融合方法在现代化智能制造、智能交通、健康医疗等领域中有广泛应用。
传感器感知物理量，采集数据，传输到数据处理中心进行融合分析，提高数据的可靠性、准确性和实时性，从而为实时监控和决策提供支持。
传感器数据融合方法可以分为基于模型的和基于数据的两种，本文将介绍这两种传感器数据融合方法，并针对其应用场景进行分析比较。
一、基于模型的传感器数据融合方法基于模型的传感器数据融合方法是指将传感器感知的信号与模型预测的信号进行比较，从而获得更可靠的信号。
基于模型的传感器数据融合方法需要依赖于物理或统计模型，可以采用卡尔曼滤波、扩展卡尔曼滤波、粒子滤波等模型来进行融合分析，将传感器数据和预测数据整合在一起，提高数据的可靠性与准确性。
1.卡尔曼滤波卡尔曼滤波是一种基于模型的传感器数据融合方法，最初用于处理随机过程的状态估计。
卡尔曼滤波基于动态方程和测量方程建立模型，以线性高斯系统为前提，采用贝叶斯推理方法，将先验知识和测量知识结合起来，根据加权平均的方法来融合数据。
卡尔曼滤波是一种最优滤波算法，可以消除传感器噪声的影响，提高数据的可靠性与准确性。
2.扩展卡尔曼滤波扩展卡尔曼滤波是卡尔曼滤波的一种推广形式，在非线性问题处理中有广泛应用。
与卡尔曼滤波不同的是，扩展卡尔曼滤波使用线性化处理来获得非线性系统模型，使用Jacobian 矩阵对状态方程进行线性化处理，基于这个线性模型进行滤波处理，以达到提高数据可靠性和准确性的目的。
3.粒子滤波粒子滤波是一种基于随机样本的过滤算法，可以对非线性和非高斯问题进行处理。
在粒子滤波中，状态空间被用一组离散的状态表示，即使用大量的粒子来对系统状态进行估计，以处理大量噪声的情况。
粒子滤波在状态更新过程中，根据重要性重采样操作，对状态进行逐步修正，最终得到粒子的概率分布。
二、基于数据的传感器数据融合方法基于数据的传感器数据融合方法是指根据海量数据进行聚类、分类和分类别投票等方式，降低样本噪声和增强样本的表达能力，从而获得精确的信息。
基于双重模糊理论的无线传感器网络数据融合研究
基于双重模糊理论的无线传感器网络数据融合研究第一章：绪论1.1 研究背景随着智能化技术的不断发展，无线传感器网络作为一种重要的信息采集方式，在许多应用场景中得到了广泛的应用。
然而，由于现实世界中的数据往往会受到噪声、干扰等因素的影响，传感器节点采集到的数据也不可避免地具有一定的不确定性。
因此，对于无线传感器网络数据的融合问题，需要采用一定的数学模型进行建模和处理，以提高数据的准确性和可靠性。
1.2 研究目的本文旨在探究基于双重模糊理论的无线传感器网络数据融合算法，以提高传感器节点采集数据的准确性和可信度，同时为相关领域的进一步研究提供参考依据。
第二章：相关理论和技术2.1 无线传感器网络概述无线传感器网络是由众多具有无线通信能力、自组织能力和数据处理能力的节点组成的网络，通过节点之间的协作完成信息采集、处理和传输等任务。
无线传感器网络具有分布式、自组织、低功耗等特点，广泛应用于各种领域。
2.2 数据融合技术数据融合技术是指利用多个传感器节点采集到的信息进行综合分析处理，从而得到更准确、更完整的信息的技术。
数据融合技术可以增加系统的可靠性和鲁棒性，提高信息的准确性和可靠性。
2.3 双重模糊理论双重模糊理论是一种用于处理带有模糊度和不确定性数据的数学理论，它能够考虑到数据的不确定性和模糊性，提高数据的可靠性和准确性。
第三章：基于双重模糊理论的数据融合算法3.1 数据预处理在实际应用中，无线传感器网络数据可能存在严重的噪声和干扰，需要进行预处理以消除这些干扰。
本文采用小波变换方法对数据进行预处理。
3.2 双重模糊决策在数据融合的过程中，需要对各个传感器节点采集到的数据进行融合。
本文采用双重模糊决策方法进行数据融合，通过设定合适的权重来综合各个节点的数据。
3.3 融合结果评估为了评估本文提出的算法的有效性，我们采用均方误差（MSE）和相关系数（CC）两个指标对融合结果进行评估。
实验结果表明，本文提出的算法可以有效提高数据的融合准确性和可信度。
基于期望值的模糊多传感器信息融合方法
外界环境 的干扰 和 自身质 量的差异 ， 测量结 果往往 会有 其
ｂａ ｅ ｎ ｅ ｐ ｃ ｅ ａ ｕ ｓ ｄ ｏ ｘ ｅ ｔｄ ｖ ｌ ｅ
Ｗ ＡＮ ｈ ｐｎｇ Ｓ ｕ— ｉ
（ ｏｌ ｅｏ ｆｒ ｔ ｎＴ ｃ ｎ ｌｇ ， ｉｎ ｘ ｎｖｒｉ ｆ ｉａ ｃ ｎ Ｃ ｌ ｇ ｆ ｎｏｍａｉ ｅｈ ｏｏ ｙ Ｊａ ｇ ｉ ｉｅｓ ｙｏ ｎ ｎ ｅａ ｄ ｅ Ｉ ｏ Ｕ ｔ Ｆ
ｔｅｓ ｇ ｂｅｔ ｒｇａ ｉｇｏ ｎｍ ｚ ｇｔｅｔａ ｄｖ ｔ ｎｂｔｅｎｔｅｏｊｃ ｐ ｓ ｎ ｅｕ ｋｏ ｎｏｊｃ， ｈ ｉ ｌ ｏｊｃ ｐｏｒｍｍ ｎ ｆ ｉ ｉｎ ｔ ｅｉ ｉ ｅ ｅ ｂｅｔｙ ｅ ｄｔ ｎ ｎｗ ｂｅｔ ｎｅ ｍｉ ｉ ｈ ｏｌ ａｏ ｗ ｈ ｔ ａ ｈ
摘
要 ：通针对 目 标类 型的特征指标值和传感器 的测 量值均 为三角模糊 数的多传 感器类 型识别 问题 ， 提
出 了一种新 的融合方法 。该 方法将三角模糊数决策矩 阵元素转换 为期望值 ， 通过 求解 目标 类型 与未知 目 标属性偏差最小 的优化 问题 得到属性 的权重 ， 根据各 目标 类型 的综 合属性期 望值给 出 目标识 别结果 。较 好地避免 了属性权重选取 的主观性 ， 计算 简单 ， 易于计算 机上实现 ， 仿真 实例表 明了方法 的有效性 和实用
ｔｅｗ ｉ ｔ ｏ ｈ ｔ ｂ ｔ ｒ ｂａ ｅ． ｈ ｅｕ ｆｒｃｇ ｉｏ ｏ ｔｅ ｕ ｋｏ ｎ ｏｊｃ ｉ ｇ ｅ ｙ ｔｅ ｈ ｅ ｈｓ ｆｔ ａ ｒ ｕ ｓ ａｅｏｔｉ ｄ Ｔ ｅｒｓｌ ｏ ｅｏｎｔ ｎ ｆ ｈ ｎ ｎｗ ｂｅｔ ｓ ｉ ｎ ｂ ｈ ｇ ｅ ｔ ｅ ｉ ｎ ｔ ｉ ｒ ｖ
ｍｅ ｓ ｒｍｅ ｔｏ ｅ ｓ ｒ ｒ ｎ ｔ ｅ ｆｒ ｏ ｉ ｎ ｕ ａ ｚ ｙ ｎ ｍｂ ｒ ， ｅ ｕ ｉｎ ｍｅｈ ｄ ｉ ｐ ｏ ｏ ｅ ． ｈ ｔ ｏ ａ ｕ ｅ ｎ ｆｓ ｎ ｏ ｓａ ｅ ｉ ｈ ｏ ｍ ｆｔ ａ ｇ ｌｒｆ ｚ ｕ ｅ ｓ ａ ｎ ｗ ｆ ｓｏ ｔｏ ｓ ｒ ｐ ｓ ｄ Ｔ ｅ ｍｅｈ ｄ ｒ ｕ ｔ ｎ ｆｒ ｈ ａ ｇ ｌ ｒｆ ｚｙ ｎ ｍｂ ｒｅ ｅ ｎｓ ｏ ｅ ｉ ｏ ｔｉ ｎ ｏ ｔ ｅ ｅ ｐ ｃｅ ａｕ ｌ ｍｅ ｔ． ｔ ｒ ｓ ｌｉ ｇ ｒ ｓ ｍｓｔ ｅ ｔ ｎ ｕ ａ ｚ ｕ ｅ ｌｍｅ ｔ ｆ ｃｓ ｎ ｍａｒ ｉｔ ｈ ｘ ｅ ｔｄ Ｖ ｌ ｅ ｅｅ ｎ ｓ Ａｆ ｏ ｖｎ ａ ｏ ｉ ｒ ｕ ｄ ｉ ｘ ｅ
基于模糊聚类的混合多传感器数据融合算法
摘要：针对舰船的多种异质传感器基于不同的数据属性而带来的数据融合问题，研究了自适应模糊C均值(AFCM)
算法对初始聚类中心敏感且不能处理具有混合属性的数据集以及CH-CCFDAC算法不能处理具有噪声和不同密度 的数据集的局限性，提出了一种基于模糊聚类的混合多传感器数据融合算法，主要是把模糊聚类应用到数据融合
2019年12月 第&2卷第6期
舰船电子对抗 SHIPBOARD ELECTRONIC COUNTERMEASURE
Dec.2019 Vol.42 No#
基于模糊聚类的混合多传感器数据融合算法
朱明荣！，盛子恒2
(1.中国船舶重工集团公司第七二三研究所，江苏扬州225101#.新南威尔士大学，悉尼2052)
54
舰船电子对抗
第42卷
(Find Density Peaks Fuzzy C-means Clustering) 算 法，该算法通过引入加权系数并采用高斯核函数找 到局部密度最大的点，并将其作为初始聚类中心，解 决了传统的基于聚类的数据融合算法对初始聚类中 心敏感、无法确定聚类数目、收敛速度慢等问题；文 献［5］提出了 一 种 IIFCM (Improved Intuitionistic Fuzzy C-means)算法，该算法通过在损失函数中引 入了直觉模糊因子，并结合局部空间信息来克服噪 声与空间的不确定性问题;文献［6］提出了一种AFCM(Adaptive Fuzzy C-means)算法，同密度的数据集，但不能处理具有混合属性 的数据集且随机初始化的聚类中心易使其陷入局部 最优；文献［7］提出了一种CH-CCFDAC(a New Clustering Center to Quickly Determine the Clus tering Algorithm )算法，该算法通过结合CCFD (Cluster Center Fast Determine Algorithm)与改进 的迭代爬山算法(Improved Mountain Climbing Al gorithm) 确定了聚类中心，但受截断距离的影响，其 不能处理具有噪声与不同密度的数据集％
模糊聚类信息融合算法在异构多传感器网络中的应用
模糊聚类信息融合算法在异构多传感器网络中的应用
王锦;肖勇
【期刊名称】《计算机测量与控制》
【年(卷),期】2014(22)10
【摘要】在多传感器协同探测的应用背景下,提出将模糊聚类算法应用于多传感器网络的数据融合方向,解决异构多传感器网络由于各传感器探测信息粒度、时空不同而造成的航迹分裂和航迹冗余现象;通过仿真结果表明,该算法可以减少传统统计学方法错关联、漏关联的概率,对于复杂运动轨迹的机动目标(交叉航路目标)能够很好地进行多传感器测量数据的聚类,正确地进行测量数据的关联和融合,并进一步在通用航空监视管理系统的工程应用中加以验证;该算法在通用航空监管、物联网、协同探测信息系统方向均有广泛的应用空间.
【总页数】3页(P3282-3284)
【作者】王锦;肖勇
【作者单位】上海航天电子通讯设备研究所,上海201109;上海航天电子通讯设备研究所,上海201109
【正文语种】中文
【中图分类】TP273.4
【相关文献】
1.数据时空融合算法在无线多传感器网络中的应用 [J], 闫保中;徐志鹏;李晓宇
2.多传感器模糊信息融合算法在煤矿瓦斯监测中的应用 [J], 徐耀松;郭磊;王丹丹
3.无线传感器网络中的信息融合算法 [J], 李强;张旭帆;王加;梁浩聪
4.一种高性能数据融合算法在无线传感器网络中的应用 [J], 蔡宗吟;刘才铭;刘毅;叶秋冬
5.基于免疫模糊聚类RBF网络的交通信息融合算法 [J], 杨立才;叶杨;聂红涛;刘慧慧;林洁
因版权原因，仅展示原文概要，查看原文内容请购买。
基于变异系数法的模糊数学模型在城市生态系统健康评价中的应用
０ ＝（ ， ，… ， Ｒ＝ 『 Ｒ ３ ｌ Ｒ ３ ２ Ｒ ３ ３ Ｒ ３ ４ Ｒ３ ５ Ｒ
●
ｔ
●
２ ． ５ 变 异 系数法确 定 权重
Ｒ５ ｌ Ｒ５ ２ Ｒ５ ３ Ｒ５ ４ Ｒ５ ５
ｒ ｔ Ｊ
由于各 评 价指 标及 要 素 的贡献 率 不 同 ，故 需要 确 定 其权 重 。变 异 系数法 ［ ９ － １ ０ ］ 是 根 据实 际 数据 经 过
影响 ， 是一 种 比较 客观 的 赋权方 法 ， 本 文将 用 此方 法
确定权重。其计算过程如下 ：
设有 １ １ １ 个 评 价指 标 ， ｎ个 年 份 ，则 可 得 到 ／ Ｔ ／ ×１ １
对正向指标而言（ 指标值越大 ， 健康程度越高 ） ， 隶 属 函数 的公式 为 ：
当 Ｒｌ Ｊ ＜ Ｘ １ 时， ｒ ， ｌ ＝ ｌ ， ＝ ｆ ｂ ＝ ＝ 如＝ ０
而对其 他 健康程 度 的隶属 度 为 ０
当 Ｘ ｓ ＞ Ｒ 时， 如 １ ， ｒ ｉ １ ＝ ｒ ｏ ＝ ｒ ａ ＝ ｒ ￣ ＝ ０
式中， ｒ ｏ 为所在要素的第 个指标对第 等级的隶属度 值， 为实际值， 为第 等级 的标准值 ， 户１ ， ２ ， …， ５ 。
．
一
Ｒ 为第 ｉ 个 评 价 要 素 对 第 级 健 康 标 准 的隶 属 度 ； 为第 ｉ 个 评 价 要 素 对 其 中第 ｋ个 指 标 赋 予 的权
定数学处理后获得权重， 不受平均值与量纲不同的
重； 珏 为第 ｋ 个指标对第 级标准的隶属度。
２ ． ４ 隶属 函数 的 建立
城 市 是 经 济 发 展 与环 境 保 护 冲 突 最 严 重 的 区 域 。随着 城市 化进 程 的加快 ，城 市 生态 问题 １ ３ 益 突 出。 健 康 的城市 生态 系统是 城市 可持续 发展 的基 础 。 评价 研究 城市 生态 系统 健 康对城 市社 会 经济 发展 及 生态 建设具 有重 要 的现实 意义 。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
测量数据 ， 避免丢失重要 的极端数据 ， 使结论更符合实 际。仿 真实验表明 ： 法有效 ， 算 非常 简单 。 关键词 ：模糊传感器 ；数据融合 ；特征指标 ； 异系数 变
中 图分 类号 ：Ｔ ２４ ２ Ｐ ７ ． 文 献标 识 码 ：Ａ 文 章 编 号 ：１ ０ －９８ （ ０ ８ １ － ０３－０ ００ ７７２０ ）１ ０６ ３
０ 引 言
１ 变 异 系 数
模糊传感器 是以模 糊理论 为基 础 ， 能产生 和处理 与其
相关 的符号信息 ， 实现对 被测对 象信 息 自然 语言用符 号 化
设有一组 随机变量 Ｘ 一， ， 用来 刻画物体 的不 同特
性。 由于不 同的特性有不 同的度 量单位 ， 因此 ， 需要用一个 不受单位限制 的指标 来反 映各变 量值之 间 的差 异情况 ， 这 就是变异系数 。变异 系数又 叫离散 系数 ， 它是标 准差 与均 值 之 比， 以 ｃ 表示某 随机变 量 的 变异系数 ， 其计 若 则 算公式 为
ｎｅｎ ｔ ｓｕ ｅｔｅｄ ｔｂｔ ｎｆｎ ｔｎ ｎ ｅｎ ｔ ｅ ｎ ｅｒ ａ ｏｓｉ ｍ ｔｘｉ ｌｅｃｄｂ ｕｊｃ ｖ ｃ ｒＩ ｅｄ ’ ａｓｍ ｉｒ ｕｉ ｃｏ ，ｅｄ ’ ｄ ｆ ｅｔ ｅ ｔ ｎｈ ａ ｉ ｎ ｕ ｎｅ ｙｓｂｅｔ ｅｆ ｔ ．ｔ ｈ ｓ ｉ ｏ ｕ ｉ ｉ ｚ ｅ ｓ ｒ ｄ ｔ ｓ ｄ ｉ ｎ ｍ ｔ ｄ ｆ ｒ ｆ ｚ ｙ ｓ ｎ ｏ ａ ａ ｂａ ｅ
ｎ ｍ ● ● ｔｌ ｉ ｔ ● ：： ｌ
０ｎ ０ｅ Ｉ Ｃｌ ｎｔ ０Ｉ Ｃ Ｉ ｌ ｅ Ｖａｒ ａｎＣｅ ｌ
Ｗ ＡＮ ｈ ｐｉ ｇ Ｓ ｕ— ｎ
ｃ ｎ ｍａ ｅ ｆ ｌ ｕ ｅ ｏ ａ ａ ａ ｄ ａ ｏ ｄ ｌ ｓ ｇ ｔ ｅ ｉ ｏ ｔｎ ｘｒ ｍｅ ｄ ｔ ， ｎ ｋ ｈ ｏ ｃｕ ｉ ｎ ｍｏ ｅ ｓ ｉ ｂ ｅ ｆｒ ａ ｋ ｕ ｌ ｓ ｆｄ ｔ ｎ ｖ ｉ ｏ ｉ ｍｐ ｒ ｔ ｔ ｎ ｈ ａ ｅ ｅ ａ ａ ａ ｄ ｍａ ｅ ｔ ｅ ｃ ｎ ｌ ｓ ｒ ｕ ｔ ｌ ｏ ｏ ａ ｔ ｅ ｐ ａ ｔ ｅ Ｔ ｅ ｓｍｕ ａｅ ｘ ｅ ｉ ｎ ｈ ｗｓｔ ａ ｈ ｌ ｏ ｉ ｍ ｓｎ ｔｏ ｌ ｅ ｙ ｅ ｃ ｅ ｔｂ ｔ ｌｏ ｓｍｐ ｅ ｈ ｒ ｃｉ ． ｈ ｉ ｌｔｄ ｅ ｐ ｒ ｃ ｍｅ ｔｓ ｏ ｈ ｔｔｅ ａｇ ｒ ｈ ｉ ｏ ｎ ｙ ｖ ｒ ｆ ｉ ｎ ｕ ｓ ｉ ｌ ． ｔ ｉ ａ Ｋｅ ｒ ｓ ｆ ｚ ｙ ｓ ｎ ｏ ；ｄ ｔ ｆ ｓｏ ；ｃ ａ ａ ｔｒ ｔ ｎ ｅ ；ｃ ｅ ｃｅ ｔｏ ａ ａ ｃ ｙ ｗｏ ｄ ： ｕ ｚ ｅ ｓ ｒ ａａ ｕ ｉ ｎ ｈ ｒ ｃｅ ｉ ｉ ｉｄ ｘ ｏ ｆ ｉｎ ｆ ｒ ｎ ｅ ｓｃ ｉ ｖｉ
Ｃ ｉ ／ ， Ｖ＝ “ （） １
来表示 的智能传感器 。其功能 是实现从 被测量数值域到符
号域 的转换 ， 产生被测信号 的语言符号 。
国内外 许多 的学者针 对多传感 器类型识别问题进行 了 研究 。例如 ： 文献 ［ ］ 出了利 用决 策距 离 寻求最 大 传感 ３提 器组的方法 。文献 ［ ］ 出了运 用椭 圆曲线表 示支持 程度 ４给
（ ｏ ｅｅｏ ｆｒ ｔ ｎＴ ｃｎ ｌ ｙ，ｉｎ ｘ ｉｅｓ ｙｏ ｉａ ｃ ｎ ｃ ｎ ｍｉ， ａ ｃ ａ ｇ３ ０ １ ， ｉａ Ｃ ｌ ｇ ｆ ｎｏｍａｉ ｅｈ ｏｏ Ｊａ ｇｉ ｖｒｉ ｆ ｎ ｎ ｅａ ｄＥ ｏ ｏ ｃ Ｎ ｎ ｈ ｎ ３ ０ ３ Ｃｈｎ ） ｌ Ｉ ｏ ｇ Ｕｎ ｔ Ｆ
ａ ａｙ ｉ ， ｏ ｆ ｃ ｅ ｔ ｆ ｖ ｒ ｎ ｅ ｉ ｕ ｅ ａ ｎ ｗ ｕ ｉｎ ａ ｉ ｍｅｉ ｏ ｕ ｚ ｅ ｓ ｒ ｄ ｔ ｓ ｐ ｏ ｏ ｅ ． ｈ ｔ ｏ ｎ ｌｓｓ ｃ ｅ ｉｎ ａ ｉ ｃ ｓ ｓ ｄ， ｅ ｆ ｓｏ ｒｔ ｉ ｏ ａ ｈ ｔ ｆｒ ｆ ｚ ｙ ｓ ｎ ｏ ａａ ｉ ｒ ｐ ｓ ｄ Ｔ ｅ ｍｅ ｈ ｄ ｃ
２０ ０ ８年 第 ２ ７卷 第 １ 期 ｌ
传感器与微 系统（ ｒ ｓｕｅ ｎ ｃ ｓｓ ｍ Ｔ ｃｎｌｇ ｓ Ｔａ ｄ ｃｒ ｄＭｉ ｏｙｔ ｅｈｏｏｉ ） ｎ ａ ｒ ｅ ｅ
６ ３
基 于 变 异 系数 的模 糊 传 感 器 数 据 融 合 方 法
万 树 平
（ 江西财经大学 信息管理学 院 ， 江西 南 昌 ３ ０ １ ） ３ ０ ３
Ａ ｓ ａｔ ｕｉｇｉ ｏｍ ｔ ｎｆｓ ｎｏ ｓｎｏｓ ｓｍ ｔ ｅｏｊｃ ｓｏｌ ｅｏ ｓｒｅ ｒ ｉｅｅｔａｐ ｃ ， ｅ ｂｔ ｃ ：Ｄ ｒ ｆｒ ａ ｏ ｕｉ ｆ ｅ ｓＰ，ｏ ｅｉ ｂｅｔ ｈｕｄｂ ｂｅｖｄｆ ｍ ｄ ｆ ｎ ｓｅｔ ｔ ｒ ｎ ｎ ｉ ｏ ｍ ｏ ｆｒ ｓｈ ｇａ ｏ ａ ｕｉ ｓｄｓｒ ｉａｉ ｈ ｅ ｎｉｇｔｐ ｆ ｈ ｅｅｒ ｂｅｔＢ ｓｄ ｏ ｈ ｈｏ ｆｓ ｔ ｔ ｏｌ ｆ ｔ ｆｓ ｎ ｉ ｉ ｉ ｎｔ ｇ ｔ ｂ ｌ ｇｎ ｙｅｏ ｅ ｒ ａｃ ｏｊｃ ａｅ ｎｔｅｔｅｒ ｏ ｔ ｉｉ ｄａ ｏ ｃｍ ｎ ｅ ｏ ｔ ｓ ｈ ． ｙ ａｓ ｃ
摘
要 ：在多传感器信 息融合 过程中 ， 时要 利用多传感器对某一对 象进行 不同方面观测 ， 有 而数据融合 的
目的是要对研究 对象进行类型识别 。根据统计分析理论 ， 利用变 异系数 ， 出了一种新 的模糊 传感器数据 给
的融合算法 。该方法 不需 要假 设总体的分布类型 ， 不需 要定义受 主观 因素影 响的关系矩阵 ， 可以充分利用