SensorHub数据融合算法.docx
- 文档编号:29759027
- 上传时间:2023-07-26
- 格式:DOCX
- 页数:55
- 大小:619.61KB
SensorHub数据融合算法.docx
《SensorHub数据融合算法.docx》由会员分享,可在线阅读,更多相关《SensorHub数据融合算法.docx(55页珍藏版)》请在冰豆网上搜索。
SensorHub数据融合算法
SensorHub
Author:
Alg
RevisionHistory
Version
Date
Author
Description
1.0
07/08/2015
Alg
文档第一版
1多传感器数据融合算法研究
本片文章阐述了数据融合的估计理论,归纳总结了多传感器系统中各种数据融合结构:
集中式、分布式、混合式;并根据相关线性估计理论,提出了数据融合估计的最优准则。
后边根据多传感器数据融合估计知识,建立了基于卡尔曼滤波的数据融合估计模型,接着给出了不同融合结构的数据融合滤波算法,分别是:
集中式卡尔曼滤波算法、顺序式卡尔曼滤波算法、平行式卡尔曼滤波算法、联合式卡尔曼滤波算法。
然后针对卡尔曼滤波进行研究;后边又给出一种关于估计融合的一般的系统的方法,建立了统一线性数据模型,并给出了不同的情况下的最优的线性融和规则,重点研究了线性最小方差估计和最小二乘估计,最后研究了非线性并也包含线性数据的情况下的最优的线性融合规则。
最后实际应用(军事方面威胁)举例研究威胁估计算法。
2飞行控制系统多传感器信息融合技术研究
本文主要研究的是飞行控制系统中的多传感器信息融合算法。
现在国内外对融合算法研究主要集中在综合平均法、贝叶斯估计法、D-S法、模糊逻辑法、神经网络方法、
卡尔曼滤波法、专家系统方法。
本篇文章主要针对的传感器数据有大气数据计算机、
高度传感器,垂直陀螺、航姿参考系统两种姿态角传感器。
BP神经网络方法。
关于高度数据融合使用的是传统的卡尔曼滤波方法档。
3基于多传感器信息融合关键技术的研究
系统的讨论了信息融合过程中的量测预处理技术、数据关联技术、数据决策技术以及信息融合技术。
这篇文章中主要针对航迹跟踪相关技术背景进行研究。
主要研究的算法为DS。
通过阅读大量的国内外参考文献,介绍了多传感器信息融合的磁念和特点,分析了多传感器信息融合的模型结构,着重介绍了信息融合技术的发展现状和趋势。
主要对量测数据预处理技术中的时空配准技术进行了研究,并研究了野值问题,并提
出了基于新息变化的野值检测方法。
全文最关键的部分,即数据关联技术的研究。
本章主要对关联算法进行了仿真分析。
并提出了基于证据理论的概率数据关联算法对单目标进行跟踪,并在此基础上对算法进
行了拓展,提出了基于证据理论的联合概率数据关联算法对多目标进行跟踪,此外为了减
少算法计算量,引用最大模糊熵思想对关联算法进行简化。
对多传感器数据决策技术的研究,重点研究了DS证据理论方法。
提出了针对冲突的改进DS证据理论算法和基于传感器信任度的DS证据理论改进算法。
多传感器信息融合技术的应用部分,对同类传感器信息融合和异类传感器信息融合算法进行研究,并对基于DS证据理论的多传感器信息融合算法和基于雷达与红外的异类传感器融合算法进行了仿真。
研究的算法可以参考,研究的相关传感器实用方法与手机的相关多传感器融合相关性很小。
简单介绍DS:
DS证据理论也称为Dempster-Shafer理论或信任函数理论,这一理论产生于20世纪60年代,是由Dempster利用概率上下限来处理不确定性问题而首先提出的。
并且由其学生Shafer对该理论进行了一系列系统的理论i#正,使得该理论适用于处
理不精确问题并具有严格的理论推导,通常将该理论简称为DS证据理论。
4可穿戴传感网络中异质传感器数据融合算法研究
本文研究的可穿戴传感器数据融合与sensorhub相关的数据融合相关性较强。
下边
摘录出相关可穿戴的基本内容。
4.1可穿戴传感网络概述
4.1.1可穿戴传感网络概念
目前关于可穿戴计算机还没有
可穿戴传感网络是在可穿戴计算机基础上发展起来的新型网络,可穿戴计算机是近几年兴起的新的研究热点,实际上早在20世纪60年代就形成了可穿戴计算思想的雏形,与传统计算机相比,可穿戴计算机与人的交互更为紧密,它是在科技不断发展,各种超微型、高集成元器件不断产生的背景下应运而生的。
一个明确统一的定义,概括来讲,可穿戴计算机是一种个人移动计算系统,它属于使用者的个人空间,能随时为佩戴者提供信息获取、交换和处理能力,使人机关系更加紧密,从而促成了一种新的“以人为本”的人机交互方式,达到人机的和谐统一。
可穿戴计算机大部分配有头戴式或眼镜式超微型显示器,通常采用多模式交互和多
通道传感技术。
大体而言,可穿戴计算机具备以下几个基本特征:
(1)可在运动状态或移动状态下使用。
采用头戴显示器,使用者可在行走时使用,在关注虚拟世界的同时关注真实世界。
(2)使用时可腾出双手做其它事情。
这种模式需要利用双手以外的其它模式与计算机进行交互,如语音操作、环境感知等等。
(3)穿戴者可以进行控制。
可以通过多模式、多通道与计算机进行交互,从而达到控制的目的。
(4)衣物一体。
体现人机结合的新型关系,实现“以人为本,人机合一”的理念。
(5)具有可持续性。
可持续性的涵义是人机一直保持联系,这是可穿戴计算机与其他移动计算机最大的区别。
(6)多样性。
可穿戴计算机由于功能不同,在构成、形态等很多方面也存在差异。
可穿戴传感网络是可穿戴计算机概念的外延和发展,是利用各种专门穿戴在人体上
的传感器(光、电、温度、湿度、压力等)节点,基于短距离无线通信技术,具有智能收集人体和周围环境信息功能的一种新型独立网络。
由蓝牙和乙gbee等短距离无线通
信技术作为其底层传输手段,从而组建一个无线、高度灵活、自组织,甚至是隐蔽的新型个域网。
可穿戴传感网络的结构主要包括传感器节点、无线通信协议、无线通信模块、
无线通信模块再
数据处理模块,如下图所示。
在该网络中,传感器节点负责采集监测用户的各种生理信息和运动状态,并将这些数据通过无线通信协议发送到无线通信模块,将数据传送到PC机上进行处理。
/
/'
、■/
无线通信模块
图表4-1可穿戴传感网络结构图
可穿戴传感网络与可穿戴计算机相比具备更好的灵活性,并能充分融合现有的个人通信终端,由于现在的通信终端一般都具有存储容量和运算处理能力,因此可穿戴传感网络能进行分散控制。
4.1.2可穿戴传感网络应用背景
目前可穿戴传感网络具有广阔的应用背景。
随着生活水平的提高,人们的健康保健
意识也在逐步增强。
过去,远距离实时监测病患者或高危环境工作者的生理参数是让人
为难的问题。
而现在,利用可穿戴传感网络,智能衣服、智能戒指、智能项链等设备就
可以实现远距离实时监测,因此可穿戴传感网络在医疗保健领域发挥着巨大的作用。
美国密歇根州立大学的电气工程与运动学专业研究部门合作开发出一套新式可穿戴式传感器网络,将可穿戴传感器节点放在实验者的手腕、手臂、小腿上,通过对频率、时间、强度等数值的监测来确定当前用户的运动类型以及其他一些有价值的信息。
文献
针对正在接受治疗的神经肌肉疾病如帕金森氏病、癫痫和中风患者开发了一个可穿戴无线传感网络平台,该网络平台被命名为“Mercury”,利用8个无线传感器节点采集患者的运动和生理信息,与其他类似的网络系统相比,该平台能够为患者提供高达每天12-18小时的佩戴时间,每个独立节点可以对原始信号进行高层计算。
文献[18]将织物
传感器整合到衣物中,设计出一种穿戴式的睡眠呼吸监测系统,能够实时实现胸部、腹部的呼吸监测,这对家庭中的慢性疾病监测与诊断提供一个良好的平台。
另外,特别针对老年人的身心健康护理需求,构建可穿戴传感网络监测老年人活动状态,减少并预防老年人经常发生的跌倒情况。
日本是一个老龄化速度很快的国家,为了更好的照顾老年人生活,日本电信公司NTT(NipponTelegraph&Telephone)研发出一种可穿戴传感器,能够像手表一样戴在腕部,由小型摄像头、加速度传感器、方位传感器、照度传感器及麦克风组成,可以识别人们的日常生活活动。
4.2可穿戴传感网络中的姿态测量技术
可穿戴传感网络主要以人作为传感器节点的载体,除了监测人体的血压、呼吸、心电图等生理信息,还有最重要的一个监测项目就是人体姿态,包括静止姿态和运动姿态。
本文研究的异质传感器数据融合算法是以人体姿态为主要研究目标的算法。
目前,姿态测量方法有很多种,如电磁跟踪法、机械跟踪法、声学跟踪法、光学跟踪法、传感器跟踪法等等,其中光学跟踪法中的视频摄像测量法是应用最广泛的一种,主要由于该方法实时性好,准确性高,但其致命的缺点是暴露了用户的隐私,且监测范围有限,受环境影响很大。
本文讨论的算法属于姿态测量中的传感器跟踪法,该方法是一种接触式测量方法,具备体积小、重量轻、能耗低、成本低、受环境影响较小的优势,因此具有广阔的应用前景。
4.2.1三维坐标系的定义及转换
因此本文涉及两个坐标系:
人体的姿态是人体坐标系和地理坐标系之间的方位关系,人体坐标系和地理坐标系。
地理坐标系即当地水平坐标系,亦称NED坐标系或惯性直角坐标系,同样通过满足右手正交法则的三个互相垂直的向量轴来表示(图2.3所示)。
其原点与人体坐标
系原点重合,N轴沿当地子午线指向地球正北方,E轴沿当地纬线指向地球正东方向,D轴与重力方向重合,指向地球中心。
由于人体姿态是通过人体坐标系和地理坐标系的方位关系来表达的,因此涉及到这
两个坐标系之间的转换。
在数学方法中,一个直角坐标系到另一个直角坐标系的转换需要进行旋转和平移两方面的运算,但因为平移没有改变坐标系的方向,因此这里只考虑
坐标旋转。
两个空间坐标系之间的角度关系可以用一矩阵来表示,即方向余弦矩阵。
设有一三维直角坐标系OXYiZi,其三个轴上的单位向量分别为ii,ji,ki.任一向量L
均可以用它在三个轴上的分量来表示如图2.4所示:
<2I)
这也・分咸匚L\.、―就心向^^[在三牛轴也的投败公式C22)中14是向績
f一的懊.Ifj叭「硝、陽好切是向馆/-打坐抹泵忆]伞轴的火ffja
f2.3>
厶二|斗3昭
I■才=|i|cos6(J,
显然t"牛sM:
],coM:
]、CH釀晞定I汎后.冋「^^£相对聲标系OT/M]的揣向也就确定
r.凶北判心山必:
、CUS昭、zi砒眉为向就丄任覺标糸av,};乙屮的方N余弦*
图表4-4向量在二维直角坐标系OXYZ中的表示
用假设丹有伞二如戌和唯标韻tM丛忑:
JI冲咒,雅相对avj;z,^标系的二个方向余弦
为1;US<,',L4*】、cut.{/:
:
:
/抱对坐畅療的二个丿」向余业为3S必■,CdS<'、
g胡;;:
轴4||对py,T;7,Vt^^n<)-个冇向氽疲为的皿:
:
、心佔:
cnM;:
:
邯虜有方
cos^\'肚切":
;cos(£:
UlM用:
:
U3E优节凯阿优;COS&1'cz您crw必'
公式d中的S丄」分别忐示向気丄彳口££召、00忆中坐标的列何輩:
〔2*刃
13
ihJC;中的九个兀鑑均为两即杯系邯杯轴之间$JZjI匀余.它"腰了两耶也系2间的旳仙n
关窝.闪此妙布C;将岡「河吊丽购帀叱林联系起来「
研究人体的实时运动姿态,需要对人体坐标系和地理坐标系相应三轴之间夹角进行求解,这是姿态算法的核心内容。
姿态的表示方法主要有三种,分别为:
欧拉角、四元数和方向余弦矩阵(也称旋转矩阵)。
这三种表示方法之间具有一定的联系也可以进行相互转换。
4.2.2.1欧拉角
I氏拎侑圧rtViS上坟学凉義尿哈喙欧H畫卑的.他用曲宛曲来揃述刚体任二维欣儿里得帘
何的上I匚対J任何-介参考系-亍刚体的収向是依照呱巾从迄参考系领—个啦拉角的肚
转而说疋的凹.直观坡说.假宦从邯烯黍Gg和:
“帑■卜面■找症转可再利耳戈标話必*八而
UYl也利6址旋转过榨中的过锻屮.机轧JSJ转过歼钳国25肋川凹;
。
儿扎石F儘-科慣/d.百:
用/i「d¥一诜转y土CVIZ
7(<>L*
W—
J*
”"上_-==-----a
酥产:
4
XP
v
图表4-5坐标系OXoYoZo到OXYZ的三次旋转
变优圧、$、孑三个竹度,可戎彤成I虑点ijdVJ;盃+H同的任意三tfrft角坐标系.和文.
任&■个三址S用坐标系OXYZ禺可灿从a叫F*绻经过上述三次旋转而冯到,拚以这三个旋转
弟应叩Rfe拉丹亢个反毗r两金半标系之何的;^应
由復2.5听小肿殆廈转換炜、可叹弹丄捌坐标系O儿儿盃±OXX乙的H向隶弦月r阵:
100lOtusty
fJ-Mil«CO>tt
同理*町以计穴出坐标眾dJtJM丿血转至Of,・"疋」2;尼牡至”at;?
的方向余弓玄她
阵为:
颅坐折爲"札『厶利fJ-VFZ的转换X?
可L-1ffj*2.1«>表示.
x'
=c
y
■rr
■
Lt」
■
_—
公式中.I斗嵐屁r彌kFf讪别左小-冋■冋就乍曲平邯林系中的列向吊’「址苗
牛坐标系之冋进祈帀换的方何弗弦肺序,恨抽;^弦护阡吋鶴递件*R们可以社i勢:
心11)
分别将公式t2J>-*2.9)代入上儿17:
M(2.I2J即为戏拉阳让贰方向余曲I的
谢于kM坐标系血九宦义三个I虫枪角为俯仰册<pilch',欖播"j<roU>和傭航U\<yAw}.
piich代/<绕Y柚的廡转和.即人休向就向石的俯协術MlK?
<绕X帕的徙转仙即人林向a问彳i的侧偏衍+yuw代&绕2轴的蕨转询.即k休向底向牯的祁进方H角・
4.2.2.2四元数
四兀软起濟于J扶址數的二维対屁物・/!
:
1K4?
年湘呛府顿iIHainihon>龙明止儿暑一即
刮用宦芟nft-J罐法性质来等效IX映向肚转功的方法.顾苗剁丈■例兀蠶£山I川个兀索恂诫的
数它的LE數衣达/丿式如卜凹
麹◎可级按规为一个超复数.它的共施艮敷记为:
四元数的向钛农込方式如下:
<2.143
弟中钻是网无數0的标丸:
部仆.q垦向吐制分*对照处代d」m)可lillq是三维空间叩的=个
向呆a将四元数写成二角式:
<2J6J
jtC中.<3为实前.mXi单何向届+也傑为轴怖式tEU總U向屋所在辘5)^转師将0写成律阵
:
1弋为:
四元数的大小用范数來表示:
*h
%
普||创-1’则称O为规范比四元散或单位四元数.
设W有四TtS;
则町以川卜面的式r表刀》四元数Z间的拥賊法;
四尤数之河的乘'去良刘{为:
M中绡tRfniN牛实數部廿ifS方沱如卜,
4.2.2.3方向余弦矩阵
性等散旋转雎威『臥0蝕:
年『辽忡警戏旋轧的金即忙息*I/为旋转瞬轴机嚴转方网.0为转
赳匍1.现fl'対上式期边求出
/?
/=^,1~.所以并冃.
dt
0r0
CO席—亠IIFin—)
<2.27)
十©I?
是H1同单的向绘2M谕四元啟现或「用据叫兀数乘法法则221丿—(2,2?
>可时
0y_厂"0”"
—U®O=—UtOSsir—
22222
比较处式<2.25)和d岛J我们览现衲帀仃边相好,N此可以推出:
将代入」式即対士
4.2.2.4三种姿态表示方法之间的转换
吭H上.卑点的三陣我崩方法Z钊n小足®存fUE,血尼卅辅Hl成”1以唯角:
转换・询
R儿數U及或拉加和网儿魅2闸的转拠力詮、<
C,
t25D
(a)由四元股计卽碇转1区阵的公/;如卞:
若叭C》o.即]%|>£.则炖应的1叫兀数为:
.则先从比'・★、中选取绘kf*j屋.不妫徴q产mil衬旺尽4)・r,|>r,j.
4
且「兀汰对应pq元逆为:
%
iGY』切」'
曲
~Jg/-cJ-q■+1
■
i/:
iq+GJ,4学,
您
」G+G)f阿.
M果:
尼牡或务晨人*训同怦^(|;理£
去对应的四元;£5为’
u)由uy/GijJi算飲拉f首■
创=iirciaiH蹿祁+2%i”S:
-<-甲;+占J
//=aj _2抽、\ (2373 IJ由软坦阵计煤駅拉角.女式(112^是由欧拉卅」计印出來的施转如旳.通过玫埋 7-iirctam加恐+対屈丿M+打-壬-7;* 陳我心可皿狼鲜A4讣勲I攸扌皿: fjt■! ! reiiuU-C^丿0\J #=iirt: sin(<,|) (工一祁】 F=i*i 4.2.3.1加速度传感器 揪速哑件k岸器可I/丄朝晟棘态帝山加速庵.还可以测帛迄动或冲击H啟的动态加速1・f「 三维穹问中,抓速讯: 传恠然静"时三轴平林系ij融理哪杯系币合*、"|加诧頂传j*擀底转杲一 师度忑*呵UUiJTl一抽加達度和匝力的天系,冯到亠个姿态巾】P、卩利伙! ill图2丄卜侨示tIt 中尸足片怔打览面投影之间的先加.妙足F轴与地而*彫之问的光希.朴足Z啡打畫曲轴/ K间前夹加凹. III 臭丄jL m2.6基于加速决怙煎诽的姿态测量用理 从.『II育: C2.3yj ff 护=JR-Tan( C240J fT p=UKlliH、 〔241J 如j U-^K。 暑X舸加m测吐到的丿川速蛊・①也芋轴方M测屋捌的加速曜*心足K轴方 訓前加雀酸, 4.2.3.2磁力传感器 垂川茲力曙黑口rj的特征.主翌用J•汁廉姿恵<fj中的飢向俞<'i-他確力传感器丄朴: 吋-勒池的〔轶幽场强,世井不能4接用作航向i{]的汁&・阖対感力怙燼黑的坐标原点建立在 只冇地国场的环境儿・彳;;仃实他含備: 材料存打.则原白瓷芒®一偏議*造0止计‘犀误秦,因此在 计算航向ftZii讥需吐: 对礙丿」数! 瞄进行楼卅.也体方法如下; 5)木半卽速旋转陋力传感器”采集XY轴的数据人5)将癒力传出器的乙轴放? ^在半行于水乎位誉之后,匀速庭转以采號Z軾数彌; Y〕将诙収锲的齐軸战拥的晟丈值押最小價皱如卜址冲: 疋s=(礼 F.加,™(Eg+■人山1)/2 (2.42) 去4 FjF-S. 孙以—Eg <2.43) 如果在K半也I内进齐测治则此时航向仰为: <2,4*1) 如泉伍三Hr#何仍然用公式(2.-44)il却航向州就卸H观伽科*此1K需姿剧用加速堂传矗! tit 討嚴力他膜那进行倾fn补偿. /前向 「\\ \X\\tt和冊(P. \X/ 木平面 2.7以水平丽宵》^6的琲力愕馬Sts斜 对硒丿」传礬曙进补偿.肯先竝计算出權澆侑时和册仰侑卩.然后计畀出补偿后的用于 il尊航向州怖校准值凹\ Xy=Xtoni护+Fxin0un尸一Zto*0$iuph=yCGSif+Zaiiiff <2.45> 苇^电到角摩的四个釁限.航向和的计鲁公武如2 航时fflh JHO-|: ir IJSOZjt 36O-[Lircian(y^/.V,J*lfiO/7r] 90 27n f.Vj,<0) IA: n0,1;,<0) (心M忑>0) n” 九=0心>01 角速惟传-感器可mil橫找休帝速頂.快冇倆功态件.们吐它是一个间接测帯仗藩.需吐: 的角速曜A时佃域进行积分彳能衙Sft度*慨ffl速度询时.角速用传占誓器的采样间隔为h则 舟度计舒公式为; f2.47) 小弄忽视的是.舟速皮机廿恨容造咸枳勾误琵.血供殆来游包扌占陶方闫: ■绘枳专刖 间即隈择间隔、间隔世lil计號出的的度越精准: 另一占而是怖速度传! 恋器本身的俣杲■需要 檢卄之石才能处川.H[矣衿陆时间的^^^皿不怖黑积"科旅检卅;.『麻时同内逞并不丈「丙此. 角速度传诸器在拘.时何内人冇较人的琴苦价值. 4.3数据融合基本理论 异质传感器数据融合技术是多种传感器信息的获取、表示以其内在联系进行综合处 理和优化的技术,它从多信息的视角进行处理和综合,得到各种信息的内在联系和规律,从而剔除无用的和错误的信息,保留正确的和有用的成分,最终实现信息的优化。 更具体的说法是将经过处理的异质传感器信息进行合成,形成一种对外部环境或被测对象某 一特征的表达方式。 单一传感器只能获取环境或被测对象的部分信息,而异质传感器信 息融合后能够完善地、准确地反映环境的特征。 目前异质传感器数据融合技术大规模应用于信息电子学领域、计算机科学领域、自动化领域等等。 4.3.1数据融合系统的功能模型 数据融合系统的通用功能模型,如图2.8所示,主要包括四个级别的处理: 第一级处理的内容为信息处理级的数据融合,包括数据配准和数据关联。 数据配准 是通过校准技术使全部传感器具有相同的空间和时间基准,数据关联则是把各个传感器 产生的点迹与数据库中已有的标准点迹进行关联,同时预测目标状态,以达到连续跟踪 目标的目的。 第二级处理是属性信息融合。 对来自多个传感器的属性数据进行合并,以便得到对目标身份的联合估计。 第三级处理是态势提取与威胁评估,态势提取是指将不完整的数据通过整合得到统一的态势表示,而威胁评估则是对系统综合环境等进行威胁程度的评估。 第四级处理是对数据融合结果进行最后优化,例如资源优化利用、优化传感器管理 等以提高系统的融合效果。 三级处理 匹级业理斗 图表4-6数据融合系统功能模型 4.3.2数据融合体系结构 数据融合系统可以采用多种融合结构,主要的融合结构有集中式融合结构和分布式融合结构。 集中式融合结构的特点是将局部传感器所采集观测的数据传送到中心融合节点,该 系统能够将所有传感器对整个全局进行观测的数据全部用来进行态势估计。 这种结构形 式的优点是能够利用全部信息,目标姿态估计最佳,信息损失性小。 但由于处理中心要处理所有的原始信息,加大了通信开销,数据融合中心的计算机存储容量要求较大,对计算机要求很高而且数据关联困难。 分布式融合结构中的各个传感器都可以独立完成计算任务,然后把处理过的数据信 息送给数据融合中心,融合中心利用各个传感器所提供的局部估计进行融合,最后给出融合结果,即全局估计。 这种结构形式的优点是能够增加新传感器或对老传感器进行改进,以便更少地触动系统软硬件,现有的平台数据总线可以频繁使用。 但由于提供给中心处理器的数据有限,会降低传感器融合的有效性,某些传感器对环境的干扰会影响到处理器部件的选择,造成成本增加。 4.3.3数据融合层次描述 在异质传感器数据融合中,由于不同传感器的不同工作原理和特征,产生了数据的多样化,因此必须针对具体问题中的不同数据特征、采集的方法等特点进行分级别分步骤地融合。 按照数据处理的抽象程度,将数据融合划分为数据级、特征级和决策级3个级别: (1)数据级融合也称为像素级融合,属于数据融
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- SensorHub 数据 融合 算法