全文总字数：2834字

1. 研究目的与意义及国内外研究现状

数据融合是一门应用广泛、内容复杂且有效性强的实用技术，它在多个学科都有涉足，例如最典型的有信号处理技术、概率与统计方法、模拟识别技术以及人工智能等方面。当有多个传感器需要同时对多个目标进行检测应用、跟踪记录以及识别处理时，首先要解决他们之间资源合理分配的问题；这可以解释为；如何在给定的条件下，有效的调度传感器资源使得该做法达到系统最优性能的要求，这也就引入了使用传感器管理的目的：利用有限的传感器资源满足对多个目标和扫描空间的要求，以得到各具体特性的最优度量值，以这个最优准则对传感器资源进行合理科学的分配。因此，建立并且在实际应用中引入传感器管理方法一方面能提高数据融合系统的精度，另一方面还能有效的调配传感器资源，并且也从根本上降低了操作的复杂性。

神经网络是许多信息并行处理计算并且具有高度非线性和自适应特性的组织系统；由于非线性系统的多样性以及不确定性，应用人工神经网络研究传感器管理方法问题具有重要意义。神经网络的发展，对计算机技术涉及的领域会产生极大的促进作用；同时使该方面研究人员对计算又有了更全面深刻的理解。

本文的研究的方向主要针对传感器资源分配部分，即传感器管理进行讨论分析。利用神经网络对所获取的数据信息进行融合、处理，由此得到更加准确的检测信息，再根据所得信息的优先程度进行传感器资源分配。

2. 研究的基本内容

1、 利用计算机技术对按时序取得的若干信息源的观测信息在一定准测下加以自动分析、综合，为完成所需要的决策和估计任务而进行的信息处理。

2、对来自多个信息源的数据进行自动检测、关联、估计及组合等处理，利用有限的传感器资源满足对多个目标和扫描空间的要求，以得到各具体特性的最优度量值，以这个最优准则对传感器资源进行合理科学的分配。。

3、构建bp神经网络，通过网络训练后再预测函数输出，判断提取信息的优先顺序，再进行资源分配。

3. 实施方案、进度安排及预期效果

实施方案：

首先，了解传感器管理的基本概念、作用及功能应用，并且给出了功能模型；其次，简述人工神经网络，主要涉及前向多层神经网络，以及网络采用的b-p学习算法；最后，讨论bp神经网络在传感器管理中的应用，通过matlab程序仿真，对结果进行分析。

4. 参考文献

[1]赵宗贵等．多传感器数据融合[m]．机械电子工业部第二十八研究所，1993年2月．

[2]何友，王国宏等．多传感器信息融合及应用[m]．北京：电子工业出版社，2000年11月．

[3]刘先省．传感器管理方法研究[d]．西安：西北工业大学博士学位论文，2000年．