扩展卡尔曼与改进D-S证据理论结合的多传感器数据融合OA

提升传感器探测精度对于增强分辨率与优化探测性能具有重要意义,而采用数据融合技术是实现这一目标的有效手段。提出了一种扩展卡尔曼滤波(Extended Kalman Filter,EKF)与改进D-S(Dempster-Shafer)证据理论结合的多传感器数据融合算法,将EKF算法应用于像素级融合,同时引入了D-S证据理论进行决策级融合,通过两层面的融合策略提升数据融合的效能。在融合过程中首先采用EKF对多传感器探测的初始数据进行像素级融合,并比较EKF处理后各结果间的欧氏距离,以D-S证据理论为支撑,选出每一时刻的最佳EKF数据集。通过计算各个融合阶段的均方根误差来评估融合效果。结果表明,该方法能够在保证较高可靠性与较低复杂性的前提下提高融合效果,进而提高传感器的测量精度。