汽车仪表系统中的数据融合技术研究

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (19): 238-240.

汽车仪表系统中的数据融合技术研究

蓝红莉¹,杨叙²,吴彤峰³,罗文广²

1.广西工学院计算机工程系，广西柳州 545006
2.广西工学院电子信息与控制工程系，广西柳州 545006
3.广西工学院汽车工程系，广西柳州 545006

收稿日期:2007-10-09 修回日期:2008-01-18 出版日期:2008-07-01 发布日期:2008-07-01
通讯作者: 蓝红莉

Development of data fusion technique for automobile meter systems

LAN Hong-li¹,YANG Xu²,WU Tong-feng³,LUO Wen-guang²

1.Department of Computer Engineering，Guangxi University of Technology，Liuzhou，Guangxi 545006，China
2.Department of Electronic and Control Engineering，Guangxi University of Technology，Liuzhou，Guangxi 545006，China
3.Department of Automobile Engineering，Guangxi University of Technology，Liuzhou，Guangxi 545006，China

Received:2007-10-09 Revised:2008-01-18 Online:2008-07-01 Published:2008-07-01
Contact: LAN Hong-li

摘要/Abstract

摘要： 探讨汽车仪表系统中适用的数据融合技术。运用算术平均值算法与分批估计相结合的融合算法，提高单传感器数据的测量精度；提出的汽车仪表系统中基于最大隶属度的多传感器数据融合方法，则提供了安全决策辅助，增加了仪表系统的新功能。测量实例证明了这些方法在汽车仪表系统中应用的有效性和准确性。

关键词: 数据融合, 汽车仪表系统, 算术平均值算法, 分批估计, 最大隶属度原则

Abstract: The data fusion techniques suitable for automobile meter systems are discussed in this paper.The data fusion algorithm that the arithmetic mean algorithm combines with the batch estimate is utilized to enhance single sensor data measurement precision，and the multi-sensor data fusion method based on the maximum membership grade principle is proposed，which provides safety decision assistant，namely adds a new function to automobile meter systems.The measurement examples show the availability and the veracity of these methods used in automobile meter systems.

Key words: data fusion, automobile meter system, arithmetic mean algorithm, batch estimate, the maximum membership grade principle

蓝红莉¹,杨叙²,吴彤峰³,罗文广². 汽车仪表系统中的数据融合技术研究[J]. 计算机工程与应用, 2008, 44(19): 238-240.

LAN Hong-li¹,YANG Xu²,WU Tong-feng³,LUO Wen-guang². Development of data fusion technique for automobile meter systems[J]. Computer Engineering and Applications, 2008, 44(19): 238-240.

[1]	李中道，刘元盛，常飞翔，张军，路铭. 室内环境下UWB与LiDAR融合定位算法研究[J]. 计算机工程与应用, 2021, 57(6): 260-266.
[2]	赵怡，高淑萍，何迪. 基于深度学习的眼动跟踪数据融合算法[J]. 计算机工程与应用, 2021, 57(10): 211-217.
[3]	张红，程传祺，徐志刚，李建华. 基于深度学习的数据融合方法研究综述[J]. 计算机工程与应用, 2020, 56(24): 1-11.
[4]	曹雯雯1，康彬2，颜俊1，丁琬1. 面向多源数据融合的稀疏表示目标跟踪[J]. 计算机工程与应用, 2019, 55(6): 1-7.
[5]	吴会会1，高淑萍1，彭弘铭2，赵怡1. 自适应模糊[C]均值聚类的数据融合算法[J]. 计算机工程与应用, 2019, 55(5): 26-35.
[6]	石乐义，刘佳，刘祎豪，朱红强，段鹏飞. 网络安全态势感知研究综述[J]. 计算机工程与应用, 2019, 55(24): 1-9.
[7]	贾宗璞，王冠琼，彭维平，郭海儒. 低耗能的支持完整性验证的隐私保护融合方案[J]. 计算机工程与应用, 2017, 53(5): 116-120.
[8]	段锁林，杨可，毛丹，任珏朋. 基于模糊证据理论算法在火灾检测中的应用[J]. 计算机工程与应用, 2017, 53(5): 231-235.
[9]	杨健1，赵杭生2，陈曦3. 认知无线网络中频谱预测的协作策略设计[J]. 计算机工程与应用, 2017, 53(15): 111-116.
[10]	王华1，王连华2，邓军3. 数据融合算法在煤自然发火实验系统中的应用[J]. 计算机工程与应用, 2015, 51(23): 226-229.
[11]	倪育德，马宇申，刘萍. ADS-B与TCAS II数据融合算法研究[J]. 计算机工程与应用, 2015, 51(22): 218-221.
[12]	张明阳，沈明玉. 基于WSN的数据融合在水质监测中的研究[J]. 计算机工程与应用, 2014, 50(23): 234-238.
[13]	党小超1，2，高琪1，郝占军1，2. 基于小波变换的分布式WSN数据融合模型研究[J]. 计算机工程与应用, 2014, 50(22): 97-101.
[14]	黄登成1，2，张丽2，尹晓利2，3，王昆2，3. 数据融合技术在提高NPP估算精度中的应用[J]. 计算机工程与应用, 2014, 50(22): 193-198.
[15]	陈咨余，张新伟，叶凌云. 基于LMS算法的多传感器数据加权融合方法[J]. 计算机工程与应用, 2014, 50(20): 86-90.