多传感器数据融合

问题来源：多个同类型传感器的数据融合问题 2019/6/11 待解决

随机类：加权平均、卡尔曼滤波、多贝叶斯估计、DS证据理论、产生式规则
人工智能类： 模糊逻辑理论、神经网络、粗集理论、专家系统

随机类方法

1. 加权平均

2. 卡尔曼滤波

3. 贝叶斯估计
   基于贝叶斯估计的数据融合方法及应用
   贝叶斯估计为数据融合提供了一种手段，是融合静环境中多传感器高层信息的常用方法。它使传感器信息依据概率原则进行组合，测量不确定性以条件概率表示，当传感器组的观测坐标一致时，可以直接对传感器的数据进行融合，但大多数情况下，传感器测量数据要以间接方式采用贝叶斯估计进行数据融合。

   多贝叶斯估计将每一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，通过使用联合分布函数的似然函数为最小，提供多传感器信息的最终融合值，融合信息与环境的一个先验模型提供整个环境的一个特征描述。

4. DS

5. 产生式规则

人工智能类

1. 模糊逻辑理论
2. 神经网络
3. 粗集理论
4. 专家系统

++++++++++++++++++++++++++++++++++++++++++++++++++++