多传感器融合是许多现代应用程序中的关键技术,如智能无人驾驶系统、物联网(物联网),机器人,智能交通,智能制造,等等。这些系统有一个共同的特点:他们有多个相同或不同类型的传感器。状态估计方法的基本方法之一多传感器状态,使被测变量的真正价值基于传感器测量数据。基于评估方法的各种技术有广泛的应用,如检测、定位和跟踪技术,非线性滤波,导航等等。这些方法一直是多传感器信息融合的关键技术。

多传感器信息融合技术可以有效地处理有限的传感器数据,甚至实时获得最好的结果。由于巨大的传感器和计算机存储技术的发展,越来越多的传感器是近年来用于现有的系统。大量的测量数据记录和恢复。传感器系统的发展带来了许多新的挑战,多传感器信息融合理论及其应用。例如,在无人驾驶车辆系统、定位和跟踪技术可以有效地提高汽车的身体位置的理解和提高汽车身体的自我控制决策,这是对无人驾驶车辆的性能具有重要意义。我们必须考虑如何处理大量的传感器数据实时控制模型和多传感器系统中基于大量数据。因此,它仍然需要进一步研究的可能创新信息融合。

这个特殊问题的目的是报告的多传感器信息融合方法的创新的想法和解决方案。我们欢迎提交讨论跟踪技术基于状态估计理论。此外,提交重点发展,采纳和应用程序也鼓励。

潜在的主题包括但不限于以下:

• 估计在复杂的多传感器系统
• 位置在复杂的多传感器系统
• 在复杂多传感器跟踪系统
• 多传感器系统的控制
• 从多传感器系统造型大数据
• 人工智能的多传感器融合技术
• 多传感器系统的结构和/或水平
• 应用多传感器系统(如物联网、机器人、交通系统、智能制造、等等)。