Bei der Überwachung und Verfolgung von Objekten und Zuständen ist es erforderlich, alle verfügbaren Informationen im Kontext auszuwerten. Hierbei kann auch das Ausbleiben von Signalen eine signifikante Information darstellen, die allerdings nur in Zusammenhang mit Umgebungsinformationen erfassbar und bewertbar wird. Grundlage für diese Informationsauswertung im Kontext bildet die Bayes'sche Wahrscheinlichkeitstheorie als Methode der Informationsfusion. Am Beispiel der militärischen Objektverfolgung mit Radar wird erläutert, wie auf Grundlage der Kenntnis der Sensoreigenschaften sowie der Eigenschaften der verfolgten Objekte und Umgebung zufällige oder systematische Störeinflüsse - und dadurch ggf. ausbleibende Sensorsignale - durch Einsatz fiktiver Messgleichungen in valide Information gewandelt werden können. Die Sensorauflösung entscheidet hierbei über die verarbeitbare Objektdichte. Die erläuterte Methode zur Informationsgewinnung aus negativer Sensorevidenz kann verallgemeinert werden.


    Zugriff

    Zugriff über TIB

    Verfügbarkeit in meiner Bibliothek prüfen

    Bestellung bei Subito €


    Exportieren, teilen und zitieren



    Titel :

    Verfeinerte Sensormodelle für Tracking-Anwendungen


    Weitere Titelangaben:

    Advanced sensor models for tracking application



    Erschienen in:

    tm - Technisches Messen ; 74 , 3 ; 112-120


    Erscheinungsdatum :

    2007-01-01


    Format / Umfang :

    9 pages



    Medientyp :

    Aufsatz (Zeitschrift)


    Format :

    Print


    Sprache :

    Deutsch




    Systematische Bedatung und Bewertung umfelderfassender Sensormodelle

    Schaermann, Alexander / Technische Universität München | TIBKAT | 2020



    Prädiktion einer langfristigen Fahrzeugzustandsänderung anhand virtueller datengetriebener Sensormodelle

    Sass, Andreas Udo / Technische Universität Clausthal / Verlag Dr. Hut, München | TIBKAT | 2022



    Verfeinerte Technik an Land-Rover 110

    Br.Leyland,Rover,GB | Kraftfahrwesen | 1983