Resumen

Cuando el algoritmo de fusión ponderada autoadaptativa multisensor fusiona las fuentes de datos que fueron severamente interferidas por ruido, su precisión de fusión, suavidad de datos y estabilidad del algoritmo se verán reducidas. Para superar esta desventaja, se propuso la idea de un algoritmo mejorado que optimizaba la adquisición de fuentes de datos de fusión con la técnica de filtrado de Kalman discreto, reduciendo así el impacto negativo en el rendimiento de la fusión debido al ruido. Para verificar la efectividad del algoritmo mejorado, este artículo simuló el proceso de fusión de datos de humedad del suelo con muestras de fusión. El resultado demostró que, bajo las mismas circunstancias, el algoritmo mejorado tiene una mayor capacidad de contención del ruido y un mejor rendimiento en precisión de fusión, suavidad de datos y estabilidad del algoritmo en comparación con el algoritmo general.

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Algoritmo; Fusión; Ruido; Fuentes de datos; Rendimiento; Estabilidad
• Keywords:Algorithm; Fusion; Noise; Data sources; Performance; Stability