基于分层传感器信息融合的智能车辆导航

针对智能车辆导航中传感器信息的不确定性,结合BP神经网络和模糊神经网络分别对传感器信息进行了数据层与决策层的两层融合。采用BP神经网络对多超声波传感器信息进行数据层融合,以减少超声波测距传感器信息的不确定性,提高对障碍物距离探测的准确率;采用模糊神经网络融合障碍物距离信息和车体与标志线间偏差信息,实现智能车辆的导航决策控制,使之更适合系统的跟踪避障要求。该方法使智能车辆在跟踪与避障中具有较好的灵活性和鲁棒性。仿真和实车试验验证了方法的有效性。

带反馈多传感器分层融合算法性能研究

Chang K.C.于近期研究了两传感器非实时分层融合算法的稳定性能,其研究结果表明全反馈条件下的算法融合性能要劣于部分反馈算法,特别是当过程噪声较大时提高传感器与融合中心的通信频率并不能改善全反馈算法的性能。与上述研究不同,重点考察了融合系统中传感器数目对非实时有反馈分层融合算法性能的影响。研究结果表明:当过程噪声较大时,增加传感器的数目不仅不能改善全反馈算法的性能反而会使性能降低;所得结论进一步推广和发展了Chang K.C.的研究成果,并从另一侧面验证了融合信息的质量比数量更为重要的论断。