声呐多传感器观测资料数据融合的一种深度学习算法
声呐多传感器观测资料的数据融合问题是声呐设计中的一个重要课题.对于多基阵的声呐信号处理系统,面临的问题往往不仅是单个基阵多传感器的数据融合问题,还有多个基阵的数据融合问题.本文的研究基于数据融合的基本规则,即任何形式的数据融合,从统计平均观点来说,总体观测误差绝不大于任何单个传感器或单个基阵的观测误差.观测资料的增加从统计平均意义来说,只会带来好处,即使有垃圾资料的加入.这一结论对于人工智能领域中的深度学习来说,具有类似结果.文中提出一种用于数据融合的深度学习算法.对于独立的或相关的观测资料进行最佳的线性融合,剔除野值,进行决策级的分块数据融合,以获得统计平均意义上最小误差的结果.系统计算机模拟表明,对于受随机干扰的观测数据,采用野值过滤和数据融合的深度学习方法,能够使决策级误差显著降低.
声呐信号处理、多传感器观测、数据融合、深度学习
48
TH165.3;TN911.7;G471
2019-02-22(万方平台首次上网日期,不代表论文的发表时间)
共8页
1614-1621