下面关于无线传感器网络数据融合的描述,错误的是_______。
A: 加权平均算法是将传感器节点感知的冗余数据根据各个传感器节点的权值进行加权融合,算法比较简单,易实现,但是没有考虑数据间关联性。
B: 卡尔曼滤波要求测量数据所包含的噪音是服从高斯白躁声分布,当不服从高斯分布时,利用卡尔曼滤波可能会带来较大的失真。
C: 贝叶斯估计法简单、易实现,但必须知道先验概率分布以及条件概率分布;它能处理不确定性和不知道。
D: D-S证据推理法能够处理由不知道引起的不确定性,通常用来对目标的位置、存在与否进行推断。
A: 加权平均算法是将传感器节点感知的冗余数据根据各个传感器节点的权值进行加权融合,算法比较简单,易实现,但是没有考虑数据间关联性。
B: 卡尔曼滤波要求测量数据所包含的噪音是服从高斯白躁声分布,当不服从高斯分布时,利用卡尔曼滤波可能会带来较大的失真。
C: 贝叶斯估计法简单、易实现,但必须知道先验概率分布以及条件概率分布;它能处理不确定性和不知道。
D: D-S证据推理法能够处理由不知道引起的不确定性,通常用来对目标的位置、存在与否进行推断。
举一反三
- 下面关于无线传感器网络数据融合的描述,正确的是 。 A: 加权平均算法是将传感器节点感知的冗余数据根据各个传感器节点的权值进行加权融合,算法比较简单,易实现,但是没有考虑数据间关联性。 B: 卡尔曼滤波要求测量数据所包含的噪音是服从高斯白躁声分布,当不服从高斯分布时,利用卡尔曼滤波可能会带来较大的失真。 C: 贝叶斯估计法简单、易实现,但必须知道先验概率分布以及条件概率分布;它能处理不确定性和不知道。 D: D-S证据推理法能够处理由不知道引起的不确定性,通常用来对目标的位置、存在与否进行推断。
- 下面不是无线传感器网络数据融合方法的是_______ A: 卡尔曼滤波法 B: D-S证据推理法 C: 贝叶斯估计法 D: 人工智能
- 下列哪些是经典卡尔曼滤波的缺点： A: 将模型误差视为白噪声处理 B: 当系统非线性严重时，使用扩展卡尔曼滤波进行线性化会带来较大的误差 C: 卡尔曼滤波算法是递推的 D: 卡尔曼滤波有连续和离散两种算法
- 下列哪些是经典卡尔曼滤波的不足： A: 当系统非线性严重时，使用扩展卡尔曼滤波进行线性化会带来较大的误差 B: 卡尔曼滤波算法是递推的 C: 卡尔曼滤波有连续和离散两种算法 D: 将模型误差视为白噪声处理
- 以下关于无源无线传感器节点的描述中，错误的是（） A: 带有太阳能电池的节点不属于无源无线传感器节点 B: 对无源无线传感网节点的数据进行采集时必须利用无人机 C: 无源无线传感器节点不能实现不间断监测 D: 无源无线传感器节点不主动发送数据