Sensordaten Fusionieren?!

Hallo Leute,

ich sitze vor einem kleinen Problem und weiss nicht mehr weiter. Vielleicht könnt ihr mir ja weiterhelfen.

Es geht um folgendes:

ich habe ca 20 verschiedene Sensoren die mir alle einen Binärenwert ausgeben, welches mich über das Eintreten eines Ereignisses informieren soll. Die Qualität der Ergebnisse ist unterschiedlich, d.h. wenn einige Sensoren meinen, dass das Ereigniss eingetreten ist, gibt es wiederum andere die Behaupten es wäre nicht eingetreten.

Ich habe mir mal angeschaut, auf welche Sensoren am meisten verlass ist, und mir eine Rangfolge erstellt. Ich würde gerne die Daten der Sensoren Fusionieren um so ein besseres Ergebnis erhalten zu können.

Hoffentlich kann mir hier jemand weiterhelfen,

Gruß

Wie wäre es wenn du den Wert eines Sensors mit seinem Rang multiplizerst, diese Werte addierst und dir dann einen Schwellwert ermittelst bei dem die Wahrscheinlichkeit hoch genug ist, dass das Ereignis eingetreten ist.

@Arkon

Danke für den Tipp. Das war auch mein erster Gedanke, als ich vor diesem Problem stand. Ich dachte eher in Richtung Neuronale Netze, Kalman Filter etc.

Aber da bin ich mir eben nicht sicher, ob das überhaupt möglich ist. Denn ich benötige für den Kalman Filter eine Modellbeschreibung, was hier nicht der Fall ist.

Sowas geht sehr schön mit einem neuronalen Netzwerk.
Das musst du dann nur trainieren mit vielen Besispieldaten, die du ja aufzeichnen kannst. Wenn du Matlab hast da gibt es eine neural networking toolbox. Kalmanfilter ist hier eher nicht geeignet.

Ich habe mal etwas gesucht und bin auf die Dempster Shafer Theorie gestoßen. Aber was ich an Informationen habe ist nur die True Positive Rate und die False Positive Rate. Mir fehlt also True Negative Rate und False Negative Rate um ein verhältnis ausrechnen zu können.

Jemand ne idee?