基于平均值迭代的多目标数据融合算法

doi:10.3724/SP.J.1087.2012.01757

计算机应用 ›› 2012, Vol. 32 ›› Issue (06): 1757-1759.DOI: 10.3724/SP.J.1087.2012.01757

基于平均值迭代的多目标数据融合算法

毛关利华,杜昌平

浙江大学航空航天学院，杭州 310027

收稿日期:2011-11-15 修回日期:2012-01-07 发布日期:2012-06-04 出版日期:2012-06-01
通讯作者: 毛关利华
作者简介:毛关利华（1986-），男，浙江丽水人，硕士研究生，主要研究方向：多传感器数据融合；〓杜昌平（1978-），男，安徽和县人，副教授，主要研究方向：航空火控技术、多传感器数据融合。

Data fusion algorithm based on meanvalue iteration

MAO Guan-lihua,DU Chang-ping

School of Aeronautics and Astronautics, Zhejiang University, Hangzhou Zhejiang 310027, China

Received:2011-11-15 Revised:2012-01-07 Online:2012-06-04 Published:2012-06-01
Contact: MAO Guan-lihua

摘要/Abstract

摘要： 针对多平台多目标量测数据的通信、量测等方面的不确定性，提出了一种基于平均值迭代法的多平台集中式数据融合算法。该方法首先采用最近邻法进行多平台多传感器数据关联，进而利用关联后数据的平均值循环迭代更新测量数据中的最大、最小值，直到满足规定的精度要求，从而实现多平台多传感器数据融合。避免了一些传统算法的复杂计算过程，提高了计算速度，且能满足融合结果的精度需求。通过仿真实例，验证了该算法的可行性和有效性。

关键词: 多平台, 多传感器, 不确定性, 迭代平均值, 数据融合

Abstract: Due to the multi-sensor communications and measurement data's uncertainty,and a multi-platform centralized algorithm of meanvalue iteration based on the traditional meanvalue is presented. This method utilizes the nearest neighbor analysis to have the measurement data correlation firstly,then utilizes the meanvalue algorithm to circularly replace the masurement data's maximum and minimum value,until it reaches the required precision to achieve the multi-platform data fusion.This method avoids complex computational process,increases computing speed,and also ensures results'precision.Finally,the simulation proves the validity of the method.

Key words: multi-platform, multi-sensor, uncertainty, meanvalue iteration, data fusion

毛关利华杜昌平. 基于平均值迭代的多目标数据融合算法[J]. 计算机应用, 2012, 32(06): 1757-1759.

MAO Guan-lihua DU Chang-ping. Data fusion algorithm based on meanvalue iteration[J]. Journal of Computer Applications, 2012, 32(06): 1757-1759.

[1]	曹玉红, 徐海, 刘荪傲, 王紫霄, 李宏亮. 基于深度学习的医学影像分割研究综述[J]. 计算机应用, 2021, 41(8): 2273-2287.
[2]	裴仪瑶, 郭会明, 张丹普, 陈文博. 基于定位不确定性的鲁棒3D目标检测方法[J]. 计算机应用, 2021, 41(10): 2979-2984.
[3]	屈景怡, 曹磊, 陈敏, 董樑, 曹烨琇. 基于团簇随机连接的CliqueNet航班延误预测模型[J]. 计算机应用, 2020, 40(8): 2420-2427.
[4]	林政, 吕霞付. 基于改进模糊算法的水面无人艇自主避障[J]. 计算机应用, 2019, 39(9): 2523-2528.
[5]	黄丰雨, 吴业福, 陈镜任, 吴冰. 基于区域道路实况数据的交通行为谱分析方法[J]. 计算机应用, 2019, 39(3): 907-912.
[6]	丁景全, 马博, 李晓. 基于融合时空数据的车辆加油行为多视图深度异常检测框架[J]. 计算机应用, 2019, 39(11): 3370-3375.
[7]	杨晨, 王婕婷, 李飞江, 钱宇华. 基于概率的支持向量数据描述方法[J]. 计算机应用, 2019, 39(11): 3134-3139.
[8]	邱津怡, 罗俊, 李秀, 贾伟, 倪福川, 冯慧. 基于卷积神经网络的多尺度葡萄图像识别方法[J]. 计算机应用, 2019, 39(10): 2930-2936.
[9]	吴仁彪, 李佳怡, 屈景怡. 基于双通道卷积神经网络的航班延误预测模型[J]. 计算机应用, 2018, 38(7): 2100-2106.
[10]	郑毅, 李凤, 张丽, 刘守印. 基于长短时记忆网络的人体姿态检测方法[J]. 计算机应用, 2018, 38(6): 1568-1574.
[11]	徐爽, 张谦, 李琰, 刘嘉勇. 基于距离类别的多源兴趣点融合算法[J]. 计算机应用, 2018, 38(5): 1334-1338.
[12]	屈立成, 高芬芬, 柏超, 李萌萌, 赵明. 雷达引导的视频联动监控模型及算法[J]. 计算机应用, 2018, 38(12): 3625-3630.
[13]	翟俊海, 张素芳, 王聪, 沈矗, 刘晓萌. 基于MapReduce的大数据主动学习[J]. 计算机应用, 2018, 38(10): 2759-2763.
[14]	任晓旭, 吕良福, 崔广泰. 耦合图像间的数据融合算法[J]. 计算机应用, 2018, 38(10): 2862-2868.
[15]	张涛, 马磊, 梅玲玉. 基于单目视觉的仓储物流机器人定位方法[J]. 计算机应用, 2017, 37(9): 2491-2495.

基于平均值迭代的多目标数据融合算法

Data fusion algorithm based on meanvalue iteration

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics