一种复杂环境下多传感器数据融合方法

doi:10.6040/j.issn.1672-3961.0.2017.426

摘要/Abstract

摘要：

针对现有方法没有利用证据数据采集源头的可靠性信息这一问题,结合温度数据采集,提出一种复杂环境下多传感器数据融合算法。从多传感器采集的原始数据出发,通过原始数据分析当前传感器节点的信任度,对当前传感器证据进行相应的修正,从证据源层面修正冲突证据。在证据融合阶段引入支持度修正证据迭代融合思想,比较融合证据与原证据的差异冲突等属性来评估原证据的支持度并修正原证据,将修正后的证据再次融合,多次迭代至最终融合结果收敛。试验仿真与现存的多种融合方法进行比较,仿真结果验证了本研究方法在解决证据冲突问题上的有效性。

关键词: 多传感器, 数据融合, 智慧农业, 迭代, 节点信任度

Abstract:

The existing methods do not use the reliability information of the source of evidence data collection, a multi-sensor data fusion algorithm based on the temperature data in complex environment was proposed. It proceeded from the sensor data source, analyzed the evidence source information, evaluated the confidence measure, and revised the conflict evidence with the confidence measure. In the evidence fusion moment, we used iterative fusion method to revise and fusion evidence until the fusion result convergence. Compared with other fusion methods, this method was effective and had better results in the question of evidence conflict.

Key words: multi-sensor, data fusion, wisdom agriculture, iteration, node confidence

中图分类号:

TP23

田明明,叶继华,王仕民,万叶晶. 一种复杂环境下多传感器数据融合方法[J]. 山东大学学报 (工学版), 2019, 49(3): 32-38.

Mingming TIAN,Jihua YE,Shimin WANG,Yejing WAN. A method of multi-sensor data fusion under the complicated environment[J]. Journal of Shandong University(Engineering Science), 2019, 49(3): 32-38.

图/表 7

图1

表1

表2

表3

表4

表5

图2

参考文献 13

1	徐凯.基于物联网的农业环境监控系统研究开发[D].无锡:江南大学, 2013.
	XU Kai. Research and development of the agricultural environment monitoring system based on internet of things[D]. Wuxi: Jiangnan University, 2013.
2	熊彦铭, 杨战平. 受证据理论启发的传感器数据融合算法[J]. 华中科技大学学报(自然科学版), 2011, 39 (10): 50- 54.
	XIONG Yanming , YANG Zhanping . Data fusion algorithm inspired by evidence theory[J]. Journal of Huazhong University of Science and Technology(Nature Science), 2011, 39 (10): 50- 54.
3	DEMPSTER A P . Upper and lower probabilities induced by a multivalued mapping[J]. The Annals of Mathematical Statistics, 1967, 38 (2): 325- 339. doi: 10.1214/aoms/1177698950
4	向阳辉, 张干清, 庞佑霞, 等. 多源信息的加权证据理论融合识别方法[J]. 机械科学与技术, 2016, 35 (3): 381- 385.
	XIANG Yanghui , ZHANG Ganqing , PANG Youxia , et al. A weighted fusion method for recognizing multi-source information based on weighted evidence theory[J]. Mechanical Science and Technology for Aerospace Engineering, 2016, 35 (3): 381- 385.
5	卢正才, 覃征. 证据合成的一般框架及高度冲突证据合成方法[J]. 清华大学学报(自然科学版), 2011, 51 (11): 1701- 1705, 1716.
	LU Zhengcai , QIN Zheng . General framework for evidence combination and its approach to highly conflicting evidence fusion[J]. Journal of Tsinghua University(Science and Technology), 2011, 51 (11): 1701- 1705, 1716.
6	陈炜军, 景占荣, 袁芳菲, 等. D-S证据理论的不足及其数学修正[J]. 中北大学学报(自然科学版), 2010, 31 (2): 161- 168. doi: 10.3969/j.issn.1673-3193.2010.02.015
	CHEN Weijun , JING Zhanrong , YUAN Fangfei , et al. Shortcoming of D-S evidence theory and its mathematics modification[J]. Journal of North University of China(Natural Science Edition), 2010, 31 (2): 161- 168. doi: 10.3969/j.issn.1673-3193.2010.02.015
7	YAGGER R R . On the dempster-shafer framework and new combination rules[J]. Information Sciences, 1987, 41 (2): 93- 137. doi: 10.1016/0020-0255(87)90007-7
8	MURPHY C K . Combining belief functions when evidence conflicts[J]. Decision Support Systems, 2000, 29 (1): 1- 9.
9	王亮, 吕卫民, 滕克难, 等. 基于分类修正的多证据合成方法[J]. 控制与决策, 2015, 30 (1): 125- 130.
	WANG Liang , LYU Weimin , TENG Kenan , et al. Combination method of multi-evidence based on classification correction[J]. Control and Decision, 2015, 30 (1): 125- 130.
10	叶继华, 聂小斯. 改进证据分类合成方法在农作物生长环境评估中的应用[J]. 数据采集与处理, 2015, 30 (6): 1196- 1204.
	YE Jihua , NIE Xiaosi . Improved evidence classification synthetic method in environment assessment of crop growth[J]. Journal of Data Acquisition and Processing, 2015, 30 (6): 1196- 1204.
11	胡海亮, 钟求喜, 刘浏, 等. 基于迭代合成的D-S证据理论改进方法[J]. 计算机应用研究, 2016, 33 (10): 2985- 2987, 3044. doi: 10.3969/j.issn.1001-3695.2016.10.026
	HU Hailiang , ZHONG Qiuxi , LIU Liu , et al. Improved method to D-S evidence theory based on iterative synthesis[J]. Application Research of Computers, 2016, 33 (10): 2985- 2987, 3044. doi: 10.3969/j.issn.1001-3695.2016.10.026
12	杨国宁, 冯秀芳. D-S证据理论中冲突证据融合新方法[J]. 计算机应用与软件, 2014, 31 (2): 82- 85. doi: 10.3969/j.issn.1000-386x.2014.02.022
	YANG Guoning , FENG Xiufang . A new conflict evidence fusion method in d-s evidence theory[J]. Computer Applications and Software, 2014, 31 (2): 82- 85. doi: 10.3969/j.issn.1000-386x.2014.02.022
13	尹宝全.农业数据处理中的异常检测方法研究[D].北京:中国农业大学, 2016.
	YIN Baoquan. Research on outlier detection approach for agricultural data processing[D]. Beijing: China Agricultural University, 2016.

相关文章 15

[1]	于曰伟,周长城,赵雷雷,邢玉清,石沛林. 基于交替迭代的车辆主动悬架LQG控制器设计[J]. 山东大学学报(工学版), 2017, 47(4): 50-58.
[2]	王强, 徐雷, 彭少峰. 管-环相贯焊接装配面及开孔数学模型与仿真[J]. 山东大学学报(工学版), 2015, 45(6): 71-75.
[3]	韦建明,胡云安,孙美美. 基于广义跟踪误差的一阶非线性时滞系统自适应迭代学习控制[J]. 山东大学学报(工学版), 2013, 43(6): 34-41.
[4]	李景辉,杨立才*. 基于多传感器信息融合的人体姿态解算算法[J]. 山东大学学报(工学版), 2013, 43(5): 49-54.
[5]	李翔1,朱全银1,王尊2. 基于可变基函数和GentleAdaBoost的小波神经网络研究[J]. 山东大学学报(工学版), 2013, 43(5): 31-38.
[6]	张丽,赵春霞*. 一种基于迭代EKF的FastSLAM算法[J]. 山东大学学报(工学版), 2012, 42(4): 41-47.
[7]	蔡荣英,王李进,吴超,钟一文*. 一种求解旅行商问题的迭代改进蚁群优化算法[J]. 山东大学学报(工学版), 2012, 42(1): 6-11.
[8]	孙甲冰1,2,张承进1*. 有丢包的随机不确定参数系统的最优融合滤波[J]. 山东大学学报(工学版), 2011, 41(6): 59-65.
[9]	卿粼波,吕瑞,欧先锋,郑敏,何小海. 基于迭代译码算法的分级分布式视频编码[J]. 山东大学学报(工学版), 2011, 41(2): 58-61.
[10]	吴东洋,业宁. 基于BIRCH的木材缺陷识别[J]. 山东大学学报(工学版), 2010, 40(5): 137-140.
[11]	张明亮李凡长. 一种新的博弈树搜索方法[J]. 山东大学学报(工学版), 2009, 39(6): 1-7.
[12]	宋岱才, 姜凤利, 田秋菊. 某些迭代法的一个收敛性定理[J]. 山东大学学报(工学版), 2009, 39(2): 146-146.
[13]	李杰刘弘. 基于遗传算法的分形艺术图案生成方法[J]. 山东大学学报(工学版), 2008, 38(6): 33-36.
[14]	路永洁,宋岱才,刘晶 . 迭代矩阵谱半径的界限[J]. 山东大学学报(工学版), 2008, 38(4): 123-126 .
[15]	李传夫,李术才,魏建军,张波 . 迭代优化算法在大跨拱桥线形控制中的应用[J]. 山东大学学报(工学版), 2008, 38(3): 23-27 .

多维度评价

Viewed

Full text

Abstract

Cited

Shared

Discussed

℃
传感器	1次	2次	3次	4次	5次
1	19.32	19.16	18.79	18.44	18.94
2	18.37	19.04	19.76	19.93	18.58
3	18.92	18.70	18.68	19.43	18.05

传感器	证据
1	(0, 0.36, 0.64)	(0, 0.78, 0.32)	(0.42, 0.58, 0)	(1, 0, 0)	(0.12, 0.88, 0)
2	(1, 0, 0)	(0, 0.92, 0.08)	(0.48, 0.52, 0)	(0, 0, 1)	(0.84, 0.16, 0)
3	(0.16, 0.84, 0)	(0.6, 0.4, 0)	(0.74, 0.36, 0)	(0, 0.14, 0.86)	(1, 0, 0)
D-S融合结果	无法计算	(0, 1, 0)	(0.58, 0.42, 0)	无法计算	(1, 0, 0)

传感器	证据
1	(0, 0.320 4, 0.569 6, 0.11)	(0, 0.694 2, 0.284, 0.11)	(0.373 8, 0.516 2, 0, 0.11)	(0.89, 0, 0, 0.11)	(0.106 8, 0.783 2, 0, 0.11)
2	(0.66, 0, 0, 0.34)	(0, 0.607 2, 0.052 8, 0.34)	(0.316 8, 0.343 2, 0, 0.34)	(0, 0, 0.66, 0.34)	(0.554 4, 0.105 6, 0, 0.34)
3	(0.124 8, 0.655 2, 0, 0.22)	(0.468, 0.312, 0, 0.22)	(0.577 2, 0.280 8, 0, 0.22)	(0, 0.109 2, 0.670 8, 0.22)	(0.78, 0, 0, 0.22)
修正证据结果	(0.148 3, 0.598, 0.212 7, 0.041)	(0.039, 0.885, 0.057 7, 0.018 3)	(0.533 6, 0.448 5, 0, 0.017 9)	(0.394 8, 0.024 2, 0.532 3, 0.048 8)	(0.679 5, 0.290 4, 0, 0.030 1)

融合证据	D-S方法	Yager方法	王亮方法	胡海亮方法	本研究方法
m₁₂(A, B, C, Θ)	(0.02, 0.95, 0.03, 0.0012)	(0.006, 0.53, 0.012, 0.452)	(0.012, 0.965, 0.014)	(0.012, 0.981, 0.009)	(0.011, 0.983, 0.008)
m₁₂₃(A, B, C, Θ)	(0.025, 0.97, 0.001, 0)	(0.003, 0.24, 0, 0.757)	(0.021, 0.979, 0.001)	(0.012, 0.981, 0.009)	(0.013, 0.99, 0.0003)
m₁₂₃₄(A, B, C, Θ)	(0.13, 0.86, 0.01, 0)	(0.001, 0.006, 0, 0.993)	(0.033, 0.94, 0.027)	(0.012, 0.99, 0.0001)	(0.02, 0.975, 0.005)
m₁₂₃₄₅(A, B, C, Θ)	(0.24, 0.75, 0, 0)	(0.000 8, 0.001 7, 0, 0.997 5)	(0.078, 0.932, 0)	(0.051, 0.949, 0)	(0.032, 0.968, 0)

方法	D-S方法	王亮方法	胡海亮方法	本研究方法
结果估计	17.65	18.15	19.84	18.68
与真实值误差	1.35	0.75	0.84	0.32