基于潜在变量二元回归模型的多传感器数据融合

摘要：

针对目前数据融合算法存在的置信度无法获取的问题,提出了一种基于潜在变量二元回归模型( Latent Variable Binary Regression Model)的多传感器数据融合算法.将每个传感器获取的特征值作为多变量回归模型中的相关变量,通过Gibbs抽样得到潜在变量的分布概率,确定多变量回归模型中的表征量作为融合结果,并以潜在变量的分布概率作为融合结果的置信度.基于实地采集的运动目标震动信号进行仿真实验,结果表明该融合方法拥有较好的识别效果,同时能够给出识别结果的置信度.其中错分类的结果具有较低的置信度,可以提醒观测者做进一步的观察.

关键词：数据融合、潜在变量二元回归模型、Gibbs抽样、置信度

所属期刊栏目：32

分类号：TP391(计算技术、计算机技术)

资助基金：国家重大科技专项2011ZX03005-006;国家重点基础研究发展计划973计划2011CB302906

在线出版日期：2012-05-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：29-33