加权数据融合是什么

加权数据融合是多源冗余信息的加权平均，其结果作为融合值，是一种直接操作数据源的方法。

数据融合是指充分利用不同时间和空之间的多传感器数据资源，利用计算机技术对按照一定准则下的时间序列获得的多传感器观测数据进行分析、综合、支配和利用，从而获得对被测对象一致的解释和描述，进而实现相应的决策和估计，使系统获得比其各个组成部分更充分的信息。加权数据融合是多源冗余信息的加权平均，其结果作为融合值，是一种直接操作数据源的方法。

简介

加权数据融合是指对不同时间和空之间的多传感器数据进行统计分析，然后利用相关的数学方法或实践经验对不同的传感器数据赋予不同的权重，得到数据融合值。如加权平均法、卡尔曼滤波法、人工神经网络法等。加权数据融合是为了更好地表达多源数据特征。

重量的概念和重量的确定

在系统检测过程中，对于某个被测对象的参数，每个测量值都不同程度地反映了其真实值。但在测量过程中，测量人员的变动、检测设备的检修或校对、被测对象的较大不均匀性都会导致测量值与真实值之间的误差波动。

严格来说，绝对等精度观测是不存在的，不等精度观测是绝对的。所谓等精度观测只是近似等精度观测，可以称之为准等精度观测。对于不等精度的测量数据，为了衡量每个数据的不同精度，可以引用标志测量精度的特征数“权重”，即每个测量数据的相对重要性。精度高的数据误差小，权重大；但是精度低的数据误差大，权重要小。通过将测量列的每个数据按其精度乘以权重，然后对平均值进行处理，无疑有利于提高估计值的精度。因此，对于非等精度测量得到的数据，正确给出权重是非常重要的。常用的确定权重的方法有:①根据经验；(2)根据测量的次数；③根据数据的精度参数。

方法

加权平均法

加权平均法是利用过去按时间顺序排列的同一变量的几个观测值，以时间顺序号为权重，计算出观测值的加权算术平均值，并以此号作为趋势预测方法，预测该变量在未来一段时期的预测值。加权平均法是指标综合的基本方法，有加法法则和乘法法则两种形式。

卡尔曼滤波

卡尔曼滤波器是一种有效的递归滤波器(自回归滤波器)，它可以从一系列不完整和有噪声的测量中估计动态系统的状态。卡尔曼滤波器会根据每个测量量在不同时间的值考虑不同时间的联合分布，然后生成未知变量的估计，因此通过仅基于单个测量量的估计方法会更准确。卡尔曼滤波器被命名为鲁道夫·卡尔曼，主要贡献者之一。

卡尔曼滤波器在技术领域有许多应用。常见的有飞机和Tai 空舰的制导、导航和控制。卡尔曼滤波也广泛应用于时间序列分析，如信号处理和计量经济学。卡尔曼滤波也是机器人运动规划和控制的重要课题之一，有时也包括在轨迹优化中。卡尔曼滤波也用于中枢神经系统运动控制的建模。由于发出运动命令和接收感觉神经的反馈之间存在时间差，使用卡尔曼滤波器有助于建立逼真的系统，估计运动系统的状态，更新命令。卡尔曼滤波算法是一个两步程序。在估计步骤中，卡尔曼滤波器将产生状态的估计，包括不确定性。只要观察到下一次测量(必须包含一定程度的误差，包括随机噪声)。估计值会通过加权平均更新，确定性越高，度量的加权比例越高。该算法是迭代的，可以在实时控制系统中执行。它只需要输入测量值、以前的计算值及其不确定度矩阵，不需要其他以前的信息。

卡尔曼滤波器不假设误差是正态分布的，但如果所有误差都是正态分布的，则卡尔曼滤波器可以得到正确的条件概率估计。

还开发了一些扩展或广义卡尔曼滤波器，例如扩展卡尔曼滤波器和无迹卡尔曼滤波器。底层模型类似于隐马尔科夫模型，但是潜在变量空的状态是连续的，所有潜在变量和可观测变量都是正态分布的。

人工神经网络方法

神经网络具有很强的容错性、自学习、自组织和自适应能力，能够模拟复杂的非线性映射。神经网络的这些特点和强大的非线性处理能力正好满足了多传感器数据融合技术的要求。在多传感器系统中，各种信息源提供的环境信息在一定程度上是不确定的，这些不确定信息的融合过程实际上是一个不确定推理过程。神经网络根据当前系统接受的样本相似度确定分类标准。这种确定方法主要表现在网络的权重分配上。同时，由*确定的学习算法可以用来获取知识，获得不确定推理机制。利用神经网络的信号处理能力和自动推理功能，实现多传感器数据融合。

数据融合技术

充分利用多传感器资源，通过合理地控制和使用这些传感器及其观测到的信息和数据，按照一定的准则在空或时间上组合多个传感器的信息和数据，以获得对被测对象的一致解释或描述，从而使信息系统获得比其各种组件组成的系统更好的性能。多传感器数据融合是人类和其他生物的基本功能。将图像、声音、味道、物理形状或组织结构等数据转换为对环境有意义的感受需要大量的数据处理和足以理解融合数据含义的知识库。自20世纪70年代以来，自动系统被用来模拟人类的这种功能，在计算机的帮助下，来自多个传感器的数据可以被处理以获得任何单个传感器都不能提供的有用数据。类似的术语包括多传感器或多源相关、多源合成、传感器混合或数据融合。

数据融合最常见的军事解释是对多源数据和信息进行检测、关联、关联、估计和组合，从而获得对状态和身份的精确估计，并全面、实时地确定情况和威胁。这一定义体现了融合的三个中心内容:①数据融合是对多源数据进行多层次处理的过程；②数据融合的过程，包括检测、关联、相关、估值和数据组合；③数据融合产品，包括较低级别的状态和身份估计以及较高级别的综合战术态势确定。总之，数据融合就是利用多传感器的协同效应来提高系统效率。