17.2 数据融合的基本原理
多传感器数据融合的基本原理模仿人脑综合处理信息的过程，充分利用多个传感器资源，通过对多传感器及其观测信息的合理支配和使用，将多传感器在空间或时间上可冗余或互补的信息依据某种准则进行组合，以获得被测对象的一致性解释或描述，使信息系统获得比其各组成部分子集所构成的系统更优越的性能。
Chapter And Type Index
浏览卡片
当前筛选：多传感器数据融合 / SOURCE
共 617 张公开卡片，当前显示 7 张。
Cards
卡片列表
17.3 数据融合的方法
本文档系统介绍了多传感器数据融合的常用方法，将其分为随机类和人工智能类两大类。随机类方法包括加权平均法、Bayes概率推理法、DempsterShafer证据推理、卡尔曼滤波和产生式规则；人工智能类方法包括模糊逻辑推理、神经网络方法和智能融合方法。文档指出，由于传感器信息具有不确定性，数据融合过程本质上是一个非确定性推理与决策的过程，且该领域尚未形成完...
17.4 数据融合系统的应用
本文件概述了多传感器数据融合系统在五大领域的应用：智能检测系统、过程或状态监视、机器人、空中交通管制和军事应用。文件指出，数据融合可作为智能检测、智能控制和军事控制系统的基本信息处理单元，直接用于检测、控制、态势评估和决策过程。
多传感器数据融合概述
本文档是《多传感器数据融合》章节的概述部分，系统介绍了数据融合技术的起源、目的、定义、特性及优点。文档从人类感知系统的类比出发，阐述了多传感器数据融合作为智能信息处理核心技术的理论基础和工程价值。
数据融合的基本原理（三）：层次性能比较与功能模型
本文是《多传感器数据融合》第17.2节"数据融合的基本原理"的第三部分，重点阐述了数据融合的三个层次（原始层、特征层、决策层）及其性能比较，以及数据融合的处理形态和功能模型。
数据融合的基本原理（二）：态势数据库与融合计算
本文档是《多传感器数据融合》第17.2节“数据融合的基本原理”的第二部分，重点阐述数据融合系统中的两个核心子系统：态势数据库和融合计算。
数据融合的基本原理（四）：功能步骤、结构形式与关键技术
本页是2793第17章多传感器数据融合/17.2数据融合的基本原理3的延续，详细阐述了数据融合的五个核心功能步骤、三种结构形式以及四项关键技术。