摘
要：单传感器数据融合是十分重要的实际问题。为了提高数据处理的敏感性和精度，在研究基于关系矩阵
的数据融合方法的基础上，提出了基于统计加权的数据融合方法，并对两种方法进行了对比分析。实例仿真表明，基于统计加权的数据融合方法优于基于关系矩阵的数据融合方法，该方法能减小无效测量值的范围，并且对测量值的变化更敏感。
关键词：数据融合，关系矩阵，统计加权中图分类号：TP274
文献标识码：A
基于统计加权的单传感器数据融合算法
李
军，黄力伟
（海军大连舰艇学院，辽宁大连116018）
Single Sensor Data Fusion Method Based on Statistical Weighting
LI Jun ，HUANG Li-wei
（Dalian Naval Academy ，Dalian 116018，China ）
Abstract ：It is important to the question of a single sensor data fusion.For improvingsensitivity
and accuracy of data fusion ，this paper which has studied the data fusion method based on relational
matrix presents a data fusion method based on statistical weighting and compares between two methods.The simulation results show that the data fusion method based on statistical weighting is better than which based on relational matrix.The method can reduce the range of invalid measured values ，and is more sensitive to the measured value changes.
Key words ：
data fusion ，relational matrix ，statistical weighting 0引言
在实际应用中，当单传感器对某特性参数进行
测量时，在较短的时间内，会得到多个测量值。如何对单传感器的多个测量值进行数据融合以得到最佳的融合数据，这一问题具有十分重要的现实意义［1］。在研究基于关系矩阵的数据融合方法的基础上，本文提出一种基于统计加权的数据融合方法，并对两种方法进行了对比分析。
1基于关系矩阵的数据融合算法
基于关系矩阵的数据融合方法根据传感器的
测量值，确定测量值间的置信距离矩阵，然后利用阈值得出测量值间的关系矩阵，根据关系矩阵得出测量值的综合支持程度［2］，从而确定融合集，最后
根据极大似然法确定融合集的最佳融合数据。
用单传感器测量某特性参数时，设测量值X 服从Gauss 分布，
即，x i 、x j 分别表示第i 、j 次的测量值，为了衡量x i 、x j 之间偏差的大小，引入置信距离测
度
，d ij 的值称为传感器
的测量值x i 、x j 的置信距离测度，d ij 可以直接借助误差函数
求得［3-4］
：
（1）
则构成传感器测量值的置信距
离矩阵
为：
文章编号：1002-0640（2016）
10-0184-04Vol.41，No.10Oct ，2016
火力与指挥控制
Fire Control &Command Control 第41卷第10期2016年10月
收稿日期：2015-08-16修回日期：2015-09-16
作者简介：李
军（1988-），男，河南驻马店人，硕士。研究方向：目标识别，数据融合。
184··万方数据