融合筆記
多源傳感器數據融合自主穩定跟蹤算法（中科大）2016-10：
融合過程首要達到的目的是，當某一個傳感器置信度較低，或者根本無法捕捉，缺少完整數據時，仍然可得到一個可信度和穩定性較高的融合結果，也就是融合算法需有一定的容錯性。
- 融合功能模型
- 融合結構模型
- 融合常用算法
基於模型~：典型的有加權 、極大似然、卡爾曼濾波……
基於統計理論~：代表性：貝葉斯推理、推論、馬爾可夫隨機域……
基於信息論~：自適應神經網絡、聚類分析、信息增量、模糊邏輯……
基於知識的人工智能~
- 基於估計誤差協方差的數據融合算法原理和實現
然而隨着時間的積累新增誤差所佔比重越來越小，歷史數據對誤差協方差的估計結果將起決定作用，此時如果某傳感器數據發生異常，其權值不會按理想情況迅速減小，融合結果的可信度也難以保證。
因此提出了一種通過引入記憶衰減因子來提高新增誤差權重的方法。
創新之處：
目標狀態均值=根據前一時刻狀態的預測的值
最小二乘多項式曲線擬合LSPCF比卡爾曼濾波抗干擾性更強，不易受噪聲和失效數據影響。