运行在动态与未知环境下的多传感器系统往往会面临环境与自身结构的渐进式变化,导致一般的具有学习能力的融合方法很难适用.本文提出了一种具有渐进学习能力的融合方法,它具有良好的自适应性和鲁棒性.该方法由一种名为接受域加权回归(Receptive Field Weighted Regression)的渐进式学习算法和加权平均的融合算法组成.最后以三个摄像机联合定位作为研究对象,对该方法进行了仿真,验证了其有效性,同时还和基于BP神经网络的融合方法进行了比较.
本文针对无线个域网(WPAN,Wireless Personal Area Network)工作环境复杂的干扰情况,提出将自适应跳频技术应用其中的方案,并以几个WPAN系统为例进行了定量计算.得出了采用AFH技术后系统的误码特性,最后以802.15.1(Bluetooth)及802.15.3系统为例,对其主要的数据速率和1600跳/秒情况进行了数值计算.结果表明,在小区域内存在多种系统工作在同一频段的情况下,采用AFH技术的WPAN系统抗干扰性能差不多提高了1~2个数量级.本文结论也可推广到使用高速跳频技术的其它WPAN系统.