本論文主要提出模糊數據融合的概念，應用在卡門濾波器之隨機模型
上，以從事多感測器數據融合之研究。作者由定義並且分類出量測數據”
品質”的好壞。並且根據所架構的模糊推論機構，以用來決定多感測器系
統內量測數據的加權值。此舉將具有改進量測性能指標期望值之功用，使
得其結果將有機會超越傳統統計數據融合方法所估算出之數據值。含卡門
濾波器之模糊決策樹，是以統計法則之最佳估算值為參考點，加上可調整
權值的個別加權，使得其估算結果具有統計估算法則的優點，並且比統計
估算法更為精準之估算結果。卡門濾波器實際上是一個線性、離散、有限
維度的動態系統，濾波器輸入為系統的量測輸出，濾波器輸出為狀態估測
。卡門濾波器主要是以可觀測之量測數值，來更新量測系統之狀態，以期
望在量測值和狀態估算值之間找到一個平衡點，並且對下一次時間點隨狀
態做一番預測。一個誤差較小的量測值，和一個誤差較大的量測值做比較
，前者容易獲取較大的信任，但不表示前者每筆數據皆比後者正確；此時
，統計數據融合法則將無法反應出此現象。故分析每一筆數據之品質，並
賦予不同加權值，則可平衡此一看不見之誤差。本文最後以一個範例來比
較說明，在相同背景條件下，由於模糊方法參考了一些如”主觀判斷”的
外在資訊，使得其模擬結果較傳統統計方法優良。
|