数据融合的技术/算法

本文为【《可穿戴健康检测系统数据融合》宫继兵 著 科学出版社 】部分读书笔记
其中涉及的算法简单一笔带过，需要重点学习的算法可以查阅其他资料。

1.直接对数据源操作的方法

1.1加权平均法

权重需要对系统和传感器进行详尽的分析才能获得。

1.2神经网络法

能够模拟复杂的非线性映射。需要对传感器输入进行组合，以获得符合条件的输入矩阵。作为重点

2.基于对象的统计特性和概率模型的方法

2.1 卡尔曼滤波法

计算量将会以滤波器纬度的三次方剧增，实时性不足。传感器的增加会导致故障率的增加从而污染整个系统使得可靠性降低。
线性系统，且系统与传感器的误差均符合高斯白噪声模型，使用卡尔曼滤波。
非线性系统，使用扩展卡尔曼滤波。
对系统模型或系统状态有变化的情况，使用基于强跟踪的卡尔曼滤波。

2.2贝叶斯估计法

使得传感器信息依据概率原则进行组合，使用概率分布，适用于具有可加高斯噪声的不确定信息处理。

2.3多贝叶斯估计法

每个传感器作为一个贝叶斯估计，将各个单独物体的关联概率分布合成一个联合的后验的概率分布函数。

2.4统计决策理论法

3.基于规则推理的方法

3.1证据推理法

D-S证据推理是贝叶斯的扩充。

3.2产生式规则

3.3模糊逻辑推理法

3.4粗糙集理论