多传感器一致性测度：基于自支持度与互支持度

"考虑自支持度和互支持度的多传感器一致性测度算子 (2012年) - 西安交通大学学报" 本文主要探讨的是在多传感器数据融合估计中，如何处理和识别可能存在的虚假或错误观测数据的问题。作者提出了一种新的测度算子，用于度量多传感器观测结果的一致性。这种方法的关键在于，它不仅基于Hampel的粗差鉴别理论，还同时考虑了传感器的自支持度和传感器间的互支持度。 自支持度是指一个传感器自身的观测结果在统计上的一致性，即传感器独立多次观测的同一目标时，其测量值应保持稳定且符合预设的精度标准。而互支持度则反映了不同传感器之间观测数据的相互验证程度，即多个传感器对同一目标的观测结果应具有一致性。通过综合这两个因素，该算子可以更全面地评估传感器观测结果的可靠性。 在实际应用中，该一致性测度算子首先对多传感器的数据进行一致性检验，识别出不一致或异常的观测结果，这些可能是由于传感器故障、环境干扰等因素导致的虚假或错误信息。识别出问题后，可以剔除这些失效传感器的数据，从而提高整体数据融合的准确性和稳定性。 仿真实验结果显示，该方法具有简单高效的特点，能准确识别并剔除传感器的虚假和错误观测，同时还能对传感器观测结果的质量进行评估。这对于多传感器系统的数据融合过程至关重要，因为它可以确保只使用可靠的数据进行估计，从而提升数据融合的准确性和决策的可信度。 总结起来，这篇文章的核心贡献在于提供了一个结合自支持度和互支持度的多传感器一致性测度工具，这一工具对于优化多传感器系统中的数据融合过程，降低错误信息的影响，以及提高系统性能具有重要的理论和实践价值。在实际的工程应用，如智能交通、环境监测、军事侦察等多传感器集成系统中，这种一致性测度方法可以显著提升系统的稳健性和准确性。