摘要:由于传感器提供的抽象数据总是受到测量过程中不确定性因素的影响,多传感器利用多源数据融合算法,消除传感器间可能存在的虚假或错误数据,以降低其不确定性。提出一种基于粒子滤波算法(PFA)的改进贝叶斯方法(IBA),其中基于粒子滤波有3种算法结构,即:前置粒子滤波算法(P-IBA)、后置粒子滤波算法(IBA-P)和前后置粒子滤波算法(P-IBA-P)。通过三维点云数据分析实验表明,P-IBA具有最小的CPU运行时间t,P-IBA-P比IBA-P拥有最小的评价函数值EF,可见,在P-IBA-P和IBA-P两种算法中,由于粒子滤波器的存在且起到决定性的作用,使得基于粒子滤波的改进贝叶斯算法(P-IBA-P)误差最小,精度最高,融合效果最好。改进的贝叶斯方法与粒子滤波相结合的技术,有助于处理集中式和分散式融合架构的数据不一致问题,在对测量时间要求不高的情况下,使用P-IBA-P算法的测量效果最好。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社