基于多源传感器融合的导航定位综述方法分析

一、多源传感器融合可以怎么分类

传感器融合根绝传感器种类和功能融合方法甚多，主要以导航和图像中的融合展开叙述。

1、多源导航定位，根据结构特性可分为三类：集中式融合算法，并行式融合算法，序贯式融合算法，多传感器导航目的，导航系统的精度，可靠性，鲁棒性，更高效。

目前的算法，其中比较常用的融合算法有，集中式卡尔曼滤波，动静态滤波，联邦滤波，自适应抗差融合滤波，人工神经网络，因子图的融合算法。

2、多源传感器融合，根据方法可以分为两类：概率统计方法和神经网络方法

概率统计方法：估计理论，卡尔曼滤波，假设检验，贝叶斯方法，统计决策理论以及其他变形方法。

神经网络因为在此方面的应用不成熟，所以没有形成比较经典的方法，基本都是个人根绝具体情况进行定义，比如BP神经网络，RBF神经网络，人工神经网络

1）RBF神经网络

RBF神将网络是一种三层神经网络，其包括输入层、隐层、输出层。从输入空间到隐层空间的变换是非线性的，而从隐层空间到输出层空间变换是线性的。

2）BP神经网络

BP(Back Propagation)神经网络的学习过程由信号的正向传播与误差的反向传播两个过程组成。