传统的数据融合算法要求获得比较精确的对象数学模型，对于复杂的难于建立模型的场合无法适用。为解决上述问题，提出了一种基于BP神经网络算法的多传感器数据融合方法，对对象的先验要求不高，具有较强的自适应能力。仿真结果表明，采用BP神经网络对传感器数据进行融合处理大大提高了传感器的稳定性及其精度，效果良好。

“自动泊车、公路巡航控制和自动紧急制动等自动驾驶汽车功能在很大程度上是依靠传感器来实现的。重要的不仅仅是传感器的数量或种类，它们的使用方式也同样重要。目前，大多数路面上行驶车辆内的ADAS都是独立工作的，这意味着它们彼此之间几乎不交换信息。只有把多个传感器信息融合起来，才是实现自动驾驶的关键。”现在路面上的很多汽车，甚至是展厅内的很多新车，内部都配备有基于摄像头、雷达、超声波或LIDAR等不同传感器的先进驾驶员辅助系统（ADAS）。这些系统的数量将会随着新法案的通过而不断增加，例如在美国，就有强制要求安装后视摄像头的法案。此外，诸如车险打折优惠和美国公路交通安全管理局（NHTSA）、欧洲新车安

多传感器数据融合理论及应用(第2版) 内容简介 本教材在“对潜在目标的跟踪和识别中多传感器多目标数据融合技术”这门短期课程，做了一些新的数据融合算法进行解释和举例说明。许多读者对其中三个领域特别感兴趣，即贝叶斯推理、人工神经网络和模糊逻辑。本书正是包含了这些新发展起来的内容，满足了对这些知识有需求的读者。 作者简介 作者：(美国)克莱因 译者：戴亚平

多传感器信息融合及应用多传感器信息融合多传感器信息融合及应用及应用多传感器信息融合及应用

包括了论文，结果，源代码。本人的作品，写的不多，得了全国二等奖。希望对建模的同学有所帮助。

多传感器数据融合技术，西安电子科大ppt课件

多传感器数据融合中几个关键技术的研究，多传感器数据融合中几个关键技术的研究

不确定信息的表示和若干个信息的综合是不确定性推理的主要问题，D-S证据理论为不确定信息的表示提供了一个很好的框架，其组合规则在大多数情况下是合理的。但是由于人为或自然环境等因素，信息融合系统中收集的证据常常有较大的冲突，这时使用传统的Dempster组合规则无法有效地处理这些冲突证据。本文总结分析了相关的国内外典型文献的改进思想，并进行系统条理的分析，为证据理论的发展和改进提供了有价值的参考，并为证据理论在不确定性推理方法奠定了良好的基础。

针对矿井安全监测数据不准确、安全评判不可靠的问题,提出了一种基于多传感器数据融合的两级数据融合方法。一级融合先利用分批估计算法对单个传感器数据进行处理,提高数据采集的准确性,再采用自适应加权算法对同类多个传感器数据进行处理,获得矿井各环境参数的融合值;二级融合将矿井各环境参数的融合值与矿井安全标准特征向量进行灰色关联度分析,得到矿井安全状况的一致估计。实例验证了该方法的可行性和有效性。

关于航迹关联 及 数据融合方面的论文