Datenfusion für WSN mit probabilistischer Methode und Partikelfilter

Nilay Patel

ISBN 10: 620530659X / ISBN 13: 9786205306598

Edité par Verlag Unser Wissen Okt 2022, 2022

A propos de cet article

This item is printed on demand - it takes 3-4 days longer - Neuware -Wir haben einen enormen Anstieg der Nutzung und Anwendung eines winzigen Geräts, eines sogenannten Sensors, in einer Reihe von Bereichen erlebt. Ein einzelnes Netzwerk kann aus vielen kleinen Sensoren bestehen, die unterschiedliche oder gleiche Arten von Daten erfassen. Alle erfassten Daten können aufgrund von Ungenauigkeit, Inkonsistenz, Unrichtigkeit und Unvollkommenheit variieren, so dass eine Methode entwickelt werden sollte, um ein möglichst genaues und korrektes Ergebnis zu erhalten. Die Datenfusion ist der Ansatz, mit dem wir nahezu korrekte Ergebnisse erzielen können. In dieser Arbeit habe ich drei Methoden und zwei Algorithmen simuliert, um die besten posterioren Daten zu erhalten. Alle Methoden wurden simuliert, und das Ergebnis zeigt, wie man Fehler in den von Sensoren erfassten Daten reduzieren und zukünftige Daten auf der Grundlage früherer Daten vorhersagen kann, wobei die in einer Umgebung möglichen Fehlertypen berücksichtigt werden. 68 pp. Deutsch.

N° de réf. du vendeur 9786205306598

Détails bibliographiques

• Titre: Datenfusion für WSN mit probabilistischer Methode und Partikelfilter
• Éditeur: Verlag Unser Wissen Okt 2022
• Date de parution: 2022
• Langue: allemand
• ISBN à 10 chiffres: 620530659X
• ISBN à 13 chiffres: 9786205306598
• Reliure: Taschenbuch
• État de l'article: Neu
• Dimensions: 220 L x 150 H x 5 P (en millimètres) 220 millimètres de largeur par 150 millimètres de hauteur par 5 millimètres de profondeur
• Poids: 119 grammes

A propos de ce titre

Synopsis

Wir haben einen enormen Anstieg der Nutzung und Anwendung eines winzigen Geräts, eines sogenannten Sensors, in einer Reihe von Bereichen erlebt. Ein einzelnes Netzwerk kann aus vielen kleinen Sensoren bestehen, die unterschiedliche oder gleiche Arten von Daten erfassen. Alle erfassten Daten können aufgrund von Ungenauigkeit, Inkonsistenz, Unrichtigkeit und Unvollkommenheit variieren, so dass eine Methode entwickelt werden sollte, um ein möglichst genaues und korrektes Ergebnis zu erhalten. Die Datenfusion ist der Ansatz, mit dem wir nahezu korrekte Ergebnisse erzielen können. In dieser Arbeit habe ich drei Methoden und zwei Algorithmen simuliert, um die besten posterioren Daten zu erhalten. Alle Methoden wurden simuliert, und das Ergebnis zeigt, wie man Fehler in den von Sensoren erfassten Daten reduzieren und zukünftige Daten auf der Grundlage früherer Daten vorhersagen kann, wobei die in einer Umgebung möglichen Fehlertypen berücksichtigt werden.