Métodos de estimativa

Um dos métodos de fusão mais simples e intuitivos é pegar a média ponderada das informações redundantes provenientes de um grupo de sensores e usá-la como valor de fusão. Este método permite o processamento de dados em tempo real em um nível baixo, o Filtro de Kalman é predominantemente preferido, pois fornece um método próximo

nos requisitos de processamento e, em contraste com a média ponderada, o resultado da fusão é ótimo, no sentido estatístico.

Métodos de inferência

A fusão de informações baseada na inferência bayesiana fornece um formalismo para combinar evidências de acordo com as regras da teoria das probabilidades. A incerteza é representada em termos de probabilidades condicionais que descrevem crenças e que podem ter valores no intervalo [0,1] onde 0 indica total falta de crença e 1 crença absoluta.

Métodos de inteligência artificial

Inferências de alto nível requerem raciocínio humano, como reconhecimento de padrões, planejamento, dedução e aprendizagem. Os processos de inferência utilizados pelos sistemas especialistas começam com um conjunto de dados iniciais (dados anteriores) e algumas regras básicas.

Redes neurais e lógica fuzzy são exemplos deste tipo de métodos.

• - Eletrônica de consumo.

• - Geomática.

• - Bioinformática.

• - Rede de sensores.

• - Sistemas de transporte inteligentes.

• - Mineração de dados.

• - Filtro de Kalman.

• - UMI.

• - Liggins, Martin E., David L. Hall e James Llinas. (2008) Fusão de dados multissensor, segunda edição. Teoria e Prática (Fusão de Dados Multisensor). CRC, ISBN 978-1-4200-5308-1 (em inglês).

• - David L. Hall, Sonya A. H. McMullen (2004) Técnicas matemáticas em fusão de dados multissensor, ISBN 1-58053-335-3 (em inglês).

• - H. B. Mitchell (2007) Multi-sensor Data Fusion – An Introduction, Springer-Verlag, Berlim, ISBN 978-3-540-71463-7 (em inglês).

• - S. Das (2008) Fusão de dados de alto nível Artech House Publishers, Norwood, MA, ISBN 978-1-59693-281-4 e 1596932813 (em inglês).

• - Erik P. Blasch, Eloi Bosse e Dale A. Lambert (2012), Gerenciamento de fusão de informações de alto nível e design de sistemas, Artech House Publishers, Norwood, MA. ISBN 1-60807-151-0 | ISBN 978-1-60807-151-7 (em inglês).

As estruturas hierárquicas permitem a representação eficiente de diferentes formas,

níveis e resolução das informações usadas pelo processamento e controle do sensor.

É possível classificar os diferentes métodos que realizam a fusão de dados com base nos cinco critérios a seguir.

1. • Classificação baseada nas relações dos dados de entrada[1]​.

2. • Classificação baseada em entrada e saída[2]​.

3. • Classificação baseada em níveis de abstração.

4. • Classificação baseada nos níveis de fusão JDL (U.S. Joint Directors of Laboratory)[3].

5. • Classificação baseada em tipos de arquiteturas.

Métodos de estimativa

Um dos métodos de fusão mais simples e intuitivos é pegar a média ponderada das informações redundantes provenientes de um grupo de sensores e usá-la como valor de fusão. Este método permite o processamento de dados em tempo real em um nível baixo, o Filtro de Kalman é predominantemente preferido, pois fornece um método próximo

nos requisitos de processamento e, em contraste com a média ponderada, o resultado da fusão é ótimo, no sentido estatístico.

Métodos de inferência

A fusão de informações baseada na inferência bayesiana fornece um formalismo para combinar evidências de acordo com as regras da teoria das probabilidades. A incerteza é representada em termos de probabilidades condicionais que descrevem crenças e que podem ter valores no intervalo [0,1] onde 0 indica total falta de crença e 1 crença absoluta.

Métodos de inteligência artificial

Inferências de alto nível requerem raciocínio humano, como reconhecimento de padrões, planejamento, dedução e aprendizagem. Os processos de inferência utilizados pelos sistemas especialistas começam com um conjunto de dados iniciais (dados anteriores) e algumas regras básicas.

Redes neurais e lógica fuzzy são exemplos deste tipo de métodos.

• - Eletrônica de consumo.

• - Geomática.

• - Bioinformática.

• - Rede de sensores.

• - Sistemas de transporte inteligentes.

• - Mineração de dados.

• - Filtro de Kalman.

• - UMI.

• - Liggins, Martin E., David L. Hall e James Llinas. (2008) Fusão de dados multissensor, segunda edição. Teoria e Prática (Fusão de Dados Multisensor). CRC, ISBN 978-1-4200-5308-1 (em inglês).

• - David L. Hall, Sonya A. H. McMullen (2004) Técnicas matemáticas em fusão de dados multissensor, ISBN 1-58053-335-3 (em inglês).

• - H. B. Mitchell (2007) Multi-sensor Data Fusion – An Introduction, Springer-Verlag, Berlim, ISBN 978-3-540-71463-7 (em inglês).

• - S. Das (2008) Fusão de dados de alto nível Artech House Publishers, Norwood, MA, ISBN 978-1-59693-281-4 e 1596932813 (em inglês).

• - Erik P. Blasch, Eloi Bosse e Dale A. Lambert (2012), Gerenciamento de fusão de informações de alto nível e design de sistemas, Artech House Publishers, Norwood, MA. ISBN 1-60807-151-0 | ISBN 978-1-60807-151-7 (em inglês).