基于加权最小二乘法的异质传感器数据融合

吉林大学学报(工学版) ›› 2010, Vol. 40 ›› Issue (03): 816-0820.

基于加权最小二乘法的异质传感器数据融合

针对异质传感器受限于测量噪声且数据融合结果精度较低的问题,提出了一种基于加权最小二乘法的数据融合新算法。在分析多传感器测量模型的基础上,依据最小二乘原理,推导出多个异质传感器对多个测量参数进行融合估计的加权融合公式,并得出了各传感器加权融合的权系数以及误差矢量的估计方差阵。通过与单传感器及平均估计的测量误差进行比较,证明了应用加权最小二乘数据融合的异质传感器具有较高的测量精度。数值示例与理论推导一致,进一步验证了所提方法的有效性。

江南大学通信与控制工程学院| 江苏无锡 214122

收稿日期:2008-10-09 修回日期:2008-12-09 出版日期:2010-05-01 发布日期:2010-05-01
通讯作者: 徐保国（1950），男，教授，博士生导师.研究方向:自动控制系统.Email:nbj@jiangnan.edu.cn E-mail:nbj@jiangnan.edu.cn
基金资助:
“863”国家高技术研究发展计划项目 (2006AA10A301,2006AA10Z248).

Dissimilarsensor data fusion based on weighted least square

JIAO Zhu-qing, XIONG Wei-li, XU Bao-guo

School of Communication and Control Engineering, Jiangnan University, Wuxi 214122, China

Received:2008-10-09 Revised:2008-12-09 Online:2010-05-01 Published:2010-05-01

摘要/Abstract

摘要：

针对异质传感器受限于测量噪声且数据融合结果精度较低的问题，提出了一种基于加权最小二乘法的数据融合新算法。在分析多传感器测量模型的基础上，依据最小二乘原理，推导出多个异质传感器对多个测量参数进行融合估计的加权融合公式，并得出了各传感器加权融合的权系数以及误差矢量的估计方差阵。通过与单传感器及平均估计的测量误差进行比较，证明了应用加权最小二乘数据融合的异质传感器具有较高的测量精度。数值示例与理论推导一致，进一步验证了所提方法的有效性。

关键词: 信息处理技术, 异质传感器, 数据融合, 加权最小二乘

Abstract:

To overcome the lower data fusion precision, which is caused by the restriction of noise measurement to dissimilarsensor, a novel data fusion method based on weighted least square is proposed. The multisensor measurement model is analyzed. Then the weighted fusion formula is derived for parameter fusion estimation from multiple dissimilarsensors, which is based on the principle of least square; and the scaling coefficients of weighted fusion of various sensors and estimated variances of erroneous vectors are obtained. Coparing with the error of singlesensor and mean estimation, the measurement accuracy is higher for dissimilarsensor data fusion based on weighted least square. Numerical case result is in consistent with theory deduction that further validates the proposed methodology.

Key words: information processing theology, dissimilarsensor, data fusion, weighted least square

中图分类号:

TP274

焦竹青, 熊伟丽, 徐保国. 基于加权最小二乘法的异质传感器数据融合[J]. 吉林大学学报(工学版), 2010, 40(03): 816-0820.

JIAO Zhu-Jing, XIONG Wei-Li, XU Bao-Guo. Dissimilarsensor data fusion based on weighted least square[J]. 吉林大学学报(工学版), 2010, 40(03): 816-0820.

参考文献

相关文章 15

[1]	苏寒松,代志涛,刘高华,张倩芳. 结合吸收Markov链和流行排序的显著性区域检测[J]. 吉林大学学报(工学版), 2018, 48(6): 1887-1894.
[2]	徐岩,孙美双. 基于卷积神经网络的水下图像增强方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1895-1903.
[3]	黄勇,杨德运,乔赛,慕振国. 高分辨合成孔径雷达图像的耦合传统恒虚警目标检测[J]. 吉林大学学报(工学版), 2018, 48(6): 1904-1909.
[4]	李居朋,张祖成,李墨羽,缪德芳. 基于Kalman滤波的电容屏触控轨迹平滑算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1910-1916.
[5]	应欢,刘松华,唐博文,韩丽芳,周亮. 基于自适应释放策略的低开销确定性重放方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1917-1924.
[6]	陆智俊,钟超,吴敬玉. 星载合成孔径雷达图像小特征的准确分割方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1925-1930.
[7]	刘仲民,王阳,李战明,胡文瑾. 基于简单线性迭代聚类和快速最近邻区域合并的图像分割算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1931-1937.
[8]	单泽彪,刘小松,史红伟,王春阳,石要武. 动态压缩感知波达方向跟踪算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1938-1944.
[9]	姚海洋, 王海燕, 张之琛, 申晓红. 双Duffing振子逆向联合信号检测模型[J]. 吉林大学学报(工学版), 2018, 48(4): 1282-1290.
[10]	全薇, 郝晓明, 孙雅东, 柏葆华, 王禹亭. 基于实际眼结构的个性化投影式头盔物镜研制[J]. 吉林大学学报(工学版), 2018, 48(4): 1291-1297.
[11]	陈绵书, 苏越, 桑爱军, 李培鹏. 基于空间矢量模型的图像分类方法[J]. 吉林大学学报(工学版), 2018, 48(3): 943-951.
[12]	陈涛, 崔岳寒, 郭立民. 适用于单快拍的多重信号分类改进算法[J]. 吉林大学学报(工学版), 2018, 48(3): 952-956.
[13]	孟广伟, 李荣佳, 王欣, 周立明, 顾帅. 压电双材料界面裂纹的强度因子分析[J]. 吉林大学学报(工学版), 2018, 48(2): 500-506.
[14]	林金花, 王延杰, 孙宏海. 改进的自适应特征细分方法及其对Catmull-Clark曲面的实时绘制[J]. 吉林大学学报(工学版), 2018, 48(2): 625-632.
[15]	王柯, 刘富, 康冰, 霍彤彤, 周求湛. 基于沙蝎定位猎物的仿生震源定位方法[J]. 吉林大学学报(工学版), 2018, 48(2): 633-639.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed