Fuzija večsenzorskih podatkov je postopek pridobivanja več nizov podatkov iz več senzorjev z namenom izdelave natančnejšega nabora podatkov. Ta vrsta fuzije informacij, ki se pogosto šteje za natančnejšo od podatkov z enim senzorjem, ima veliko aplikacij. Na primer, združevanje podatkov iz temperaturnega senzorja s senzorjem za hlajenje vetra lahko pomaga nekomu v notranjosti razumeti, kako hladno je zunaj. Poleg meteoroloških aplikacij se lahko multisenzorska analiza podatkov uporablja tudi za analizo okolja, upravljanje prevoza in sledenje ciljem.
Številne aplikacije večsenzorske fuzije podatkov kažejo, kako koristna je lahko zlitje informacij. Ko podatki prihajajo iz več virov, je mogoče posebne nize podatkov revidirati, zamenjati ali izrezati iz združenih podatkov. Na primer, morski biolog, ki ga zanima sledenje kitov, bi lahko uporabil fuzijo podatkov za spremljanje dejavnikov, za katere meni, da bi lahko vplivali na navade kitov. Končni rezultat procesov fuzije večsenzorskih podatkov bi lahko bil vizualni zemljevid gibanja kitov, povezan s temperaturo morske vode ali drugimi dejavniki. Te vrste aplikacij se zanašajo na številne tehnike, vključno s fizično opremo, algoritmi in s tem povezano matematiko fuzije informacij.
Tehnologija senzorjev, matematični procesi in uporaba združenih podatkovnih nizov določajo praktično uporabo fuzije večsenzorskih podatkov. Tehnologijo in procese, ki se uporabljajo za združevanje integriranih podatkov, je mogoče obravnavati kot posnemanje naravne človeške sposobnosti zaznavanja okolja in sprejemanja odločitev na podlagi petih čutil. Tehnološki zasnovani senzorji in z njimi povezane tehnike, potrebne za fuzijo podatkov, pa so lahko bolj specifični kot človeško zaznavanje.
Kombinacija teh specifičnih nizov podatkov je odločilna značilnost fuzije večsenzorskih podatkov in razlikuje fuzijo informacij od integracije podatkov. Integracija podatkov pa je velik del procesa združevanja podatkov z več senzorji in se lahko šteje za gradnik za gradnjo naprednejših podatkovnih nizov. Senzor lahko na primer zabeleži veliko različnih nizov temperatur v določenem časovnem obdobju in kasneje v daljšem časovnem obdobju zgradi večji niz. Ta postopek pa se razlikuje od analitike podatkov z več senzorji, ker na splošno ne vključuje informacij iz številnih različnih virov.
Kot del procesa združevanja podatkov je integracija podatkov neločljiva. Brez informacij, ki jih zagotavlja močna integracija podatkov, ne bi bilo podlage za zlitje podatkov z več senzorji. Pravzaprav je običajna vrsta analitike podatkov z več senzorji zlitje podatkov na nizki ravni. Ta postopek se nanaša na kombinacijo neobdelanih podatkov za ustvarjanje novih podatkovnih nizov, za katere se na splošno pričakuje, da bodo bolj specifični in sintetični kot neobdelani podatki.
SmartAsset.