多传感器一致性鲁棒测度：可信度评价与稳定性分析

"这篇论文是2013年发表在《西安交通大学学报》上的科研成果，由司刚全、张寅松和赵为犁共同撰写。文章探讨了多传感器一致性测度的问题，提出了一种考虑可信度评价的鲁棒测度方法，旨在解决传统方法在处理时间序列数据时存在的不足，提高对传感器观测结果可靠性和可信度的评估。通过使用一致性测度结果队列的中值作为鲁棒估计，并利用方差描述结果的稳定性，该方法能更好地识别和剔除性能不稳定的传感器，从而增强数据融合的一致性。" 在多传感器系统中，一致性测度是评估不同传感器观测结果之间一致性的关键技术。传统的一致性测度方法通常仅关注特定时刻的观测结果，忽略了时间序列数据的变化，这可能导致在某些情况下测度结果的不可靠。为了克服这个问题，本研究引入了一个创新的方法，它不仅考虑了时间序列的影响，而且对一致性测度结果进行了可信度评价。 具体来说，论文提出采用一致性测度结果队列的中值作为测度结果的鲁棒估计。中值作为一种统计量，对异常值具有较强的抵抗能力，因此更能反映传感器观测的一般情况，不受极端值的干扰。同时，通过计算一致性测度结果队列的方差，可以评估测度结果的稳定性，方差小意味着结果更加稳定，传感器的观测性能更可靠。 仿真实验的结果证实了这种方法的有效性。通过可信度加权处理多传感器观测数据的一致性测度，可以显著提升测度的鲁棒性，减少因传感器性能波动带来的影响。这使得系统能够准确识别出性能不稳定的传感器，并将它们从数据融合中剔除，从而保证了融合数据的质量和一致性。 关键词涵盖了多传感器一致性测度、可信度评价和数据融合，表明该研究主要集中在这些领域。中图分类号TP212属于自动控制与计算机技术类别，文献标志码A表示这是一篇具有较高学术价值的科研论文。文章编号0253-987X(2013)08-0007-05则是该文章在期刊中的唯一标识。 这篇论文提供了一种改进的多传感器一致性测度策略，该策略充分考虑了时间序列数据的影响和测度结果的可信度，对于提升传感器系统的整体性能和数据融合的可靠性具有重要意义。