梁洪波
(安徽交通职业技术学院 汽车与机械工程系,安徽 合肥 230051)
数据融合技术兴起较晚,在当前军事和人们日常生活中不断出现的多传感器的应用下,考虑到传感器上提供的数据各不相同,同时表达形式也不同,为了实现对数据的综合利用,研究者提出了数据融合技术[1]。该技术早期出现在西方国家中,主要应用在军事系统中早期研究运用神经网络技术对其中的数据单元进行综合性识别。而该技术也在国内形成了一段时间的研究高潮,在文献[2]中,田明明[2]等学者提出通过原始数据分析传感器节点的信任度,在证据融合阶段引入支持度修正证据迭代融合思想,修正传感器证据,将修正后的证据再次融合,多次迭代得到最终融合结果,完成了传感器数据融合算法。在文献[3]中,刘建锋[3]提出使用互联概率加权,推导并行式和序贯式多传感器数据融合公式,实现传感器联合概率数据在复杂环境下的融合互联。但上述方法在运算中,缺乏对传感数据动态条件下波动情况的考虑,在应用中,精度难以保证。
为此,本文提出设计一种基于DCA的自动驾驶车辆传感数据融合方法。在多尺度环境下,构建多传感数据动态模型,利用DCA算法的抗原对动态矩阵数据进行规范化处理,采用平均加权法调整数据权值,完成了数据的融合。实验证明,本文方法具有较高的精度和较短的时延,具有一定的应用性。
在本文的数据融合设计中,为了使融合方法可以适用于多来源的传感数据,因此默认数据环境为多尺度下的传感数据环境。……