[发明专利]基于多维属性相关分析的多传感器融合方法及系统

权利要求书

1.一种基于多维属性相关分析的多传感器融合方法，其特征在于，所述方法包括：

获取传感器数据时间序列的一致性特征和稳定性特征；

基于传感器数据时间序列变化的斜率和标准欧氏距离获取传感器数据时间序列之间的距离，并基于传感器数据时间序列之间的距离获取传感器数据时间序列的相关性特征；

基于传感器的所述一致性特征、所述稳定性特征，以及相关性特征计算传感器数据的可靠性；

基于每个传感器的所述可靠性对多传感器数据进行加权融合。

2.如权利要求1所述的方法，其特征在于，所述获取传感器数据的一致性特征和稳定性特征包括：

基于支持度方法获取传感器数据的一致性特征；基于支持度方差获取传感器数据的稳定性特征。

3.如权利要求1所述的方法，其特征在于，所述基于传感器数据时间序列变化的斜率和标准欧氏距离获取传感器数据时间序列之间的距离，并基于传感器数据时间序列之间的距离获取传感器数据时间序列的相关性特征，包括：

S21、对传感器数据时间序列进行标准化处理；

S22、基于标准化处理后的传感器数据时间序列获取传感器数据时间序列之间的标准欧式距离；

S23、获取标准化处理后的传感器数据时间序列中相邻时间点数据之间的差值，基于所述差值获取传感器数据时间序列变化的斜率，并基于所述斜率的变化量确定每一段数据时间序列的变化状态模式；

S24、基于所述变化状态模式和所述标准欧式距离获取传感器数据中任意不同属性参数之间的相关性特征。

基于所述变化状态模式和所述标准欧式距离获取传感器数据中任意不同属性参数之间的相关性特征。

4.如权利要求1所述的方法，其特征在于，所述方法还包括：

在基于每个传感器的所述可靠性对多传感器数据进行加权融合时，设置并调整调节因子和贡献因子，所述调节因子包括支持度调节因子、稳定性调节因子，以及相关性调节因子；所述贡献因子包括支持度贡献因子、稳定性贡献因子，以及相关性贡献因子。

5.如权利要求1所述的方法，其特征在于，所述方法还包括：

获取多传感器数据集，并对所述多传感器数据集进行预处理，以获取完整的传感器数据时间序列。

6.一种基于多维属性相关分析的多传感器融合系统，其特征在于，所述系统包括：

基础特征获取模块，获取传感器数据时间序列的一致性特征和稳定性特征；

相关性特征获取模块，基于传感器数据时间序列变化的斜率和标准欧氏距离获取传感器数据时间序列之间的距离，并基于传感器数据时间序列之间的距离获取传感器数据时间序列的相关性特征；

可靠性获取模块，基于传感器的所述一致性特征、所述稳定性特征，以及相关性特征计算传感器数据的可靠性；

数据加权融合模块，基于每个传感器的所述可靠性对多传感器数据进行加权融合。

7.如权利要求6所述的系统，其特征在于，所述基础特征获取模块获取传感器数据的一致性特征和稳定性特征包括：

基于支持度方法获取传感器数据的一致性特征；基于支持度方差获取传感器数据的稳定性特征。

8.如权利要求6所述的系统，其特征在于，所述相关性特征获取模块基于传感器数据时间序列变化的斜率和标准欧氏距离获取传感器数据时间序列之间的距离，并基于传感器数据时间序列之间的距离获取传感器数据时间序列的相关性特征，包括：

S21、对传感器数据时间序列进行标准化处理；

S22、基于标准化处理后的传感器数据时间序列获取传感器数据时间序列之间的标准欧式距离；

S23、获取标准化处理后的传感器数据时间序列中相邻时间点数据之间的差值，基于所述差值获取传感器数据时间序列变化的斜率，并基于所述斜率的变化量确定每一段数据时间序列的变化状态模式；

S24、基于所述变化状态模式和所述标准欧式距离获取传感器数据中任意不同属性参数之间的相关性特征。