本文总结了在一些国内外出版物中发布的传感器网络目标识别算法。
系统地介绍了用于识别传感器网络目标的技术理论，并揭露并详尽地总结了用于识别来自传感器网络的目标的几种主要算法，并对这些目标进行了强调。定主要的研究问题，并期待研究的未来方向。传感器监测桥梁，仓库和战场检测的应用中，目标识别是重要的环节之一。实际应用中，由于环境干扰和设备本身的故障，每个传感器提供的信息通常包含很多不确定性，这使得很难快速识别目标的类型。果，基于从单个传感器提取信息的目标识别性能通常难以满足实际应用的需求，并且多传感器信息融合的使用已经成为现实。球研究的热点之一。
[1]多传感器信息的融合可以增加测量范围和置信度，提高检测性能和系统的生存能力，扩展时空覆盖范围，恒温阀芯提高可靠性和可靠性。统的可维护性，并在系统内获得其他收益。
享资源可以提高资源的利用率。传感器网络的传感器识别应用中，信息融合技术可以综合多个传感器的数据来确定目标的特征参数，从而解决目标的分类识别问题。存在干扰的情况下，是解决识别多传感器目标问题的关键技术。
文提供了多种传感器目标识别算法。结了这些算法，简要介绍了近年来研究人员提出的新型目标识别算法，并分析了现有目标识别算法存在的问题。标识别包括根据不同传感器测量的目标实体形成N维实体的向量，其中每个维代表一个独立的实体。果我们事先知道有m种类型的目标以及每种目标的特征，则可以将测得特征的向量与已知类别的特征进行比较，以确定目标类别。[2]一般的目标识别过程是：提取特征信息，建立识别样本和目标识别。息融合是分类和识别多传感器目标的关键。前，数据融合方法有数百种，常用的数据融合方法有：统计模式识别法，贝叶斯估计法，DS证明推理法，模糊积分法和神经网络法。据合并的特征，它可以分为三类：位置合并，身份合并和辅助支持算法。实际应用中，这三种算法被集成在一起。置合并算法主要使用统计算法，身份合并算法通常采用基于目标特征的无参数或启发式算法。助支持算法主要包括基本数值方法，数据重读，数据处理技术，数据库管理等。常，随机方法可以应用于所有级别的融合算法，而人工智能方法通常在更高级别上使用。用的算法取决于实际需求。年来，一些研究人员还提出了灰色关联和模糊决策等方法来识别多传感器目标，并介绍了诸如间隔数和熵d等理论改进。’信息。些方法带来严重的环境干扰和极大的信息不确定性。具有良好使用价值的情况下。D-S证据理论是一种不精确的推理方法，适用于目标识别。的主要特征是使用“间隔估计”来描述不确定信息，而不是点估计。
在区分未知响应证据和不准确响应之间有很大的灵活性。是，使用DS证据理论时，基本概率归因函数（BPAF）的获取是与应用密切相关的主题，这极大地限制了该方法的实际应用。据理论。目标识别信息融合系统的应用中，BPAF主要由专家知识确定，并具有一定的主观因素，这些因素经常影响正确识别的结论。定用于识别辐射源的框架是，它代表不同类型的辐射源。据与证据理论相结合后如何决策是一个与具体应用密切相关的问题。
用的决策方法是基于信任函数的决策方法和基于小基本风险的决策方法。色关联分析是一种通过灰色关联度分析和确定系统中不同因素的影响程度或因素对系统主要行为的影响的方法。本思想是根据数据列中各个项目之间的相似度来衡量数据列。计算的参考序列是，其中参考序列的第一特征和参考序列的特征序列。映相似性，相似性越大，未知目标属于目标类型的可能性越大。是传统的灰色关联算法也有其自身的局限性。如，人为地给出了特征指标权重的选择，主观因素相对重要，它们过于经验和绝对。色关联分析仅用于精确的数据情况，不能反映传感器获得的信息是模糊且不确定的。些将影响其在应用过程中的可靠性。标识别是多传感器数据融合的重要应用，也是态势分析和威胁评估的前提。
决结果将直接影响整个合并系统的绩效。统中的各种不确定性，例如系统错误，随机错误以及来自设备本身的密集杂波干扰，是轨道关联在实际应用中遇到的主要问题。外，主要研究雷达，ESM和红外之间的信息融合的异构传感器目标识别技术，由于其在军事领域的特殊应用，将成为未来的重要研究方向。
本文转载自
恒温阀芯 https://www.wisdom-thermostats.com