重庆大学信息融合课件 第二章 信息融合系统的模型和结构

传感器2
预处理
关 联
目 标 状 态

传感器N 预处理 跟踪和分类参数 集中式融合系统结构 ＊目标分类 ＊成功说明的概率
分类
24
2.3 通用处理结构——分布式
分布式系统结构
分布式结构与集中式结构的区别在于，每个传感器的检测报告在进 入融合中心以前，先由它自己的数据处理器产生局部多目标跟踪航迹， 然后把处理后的信息送至融合中心，融合中心根据各结点的航迹数据完 成航迹关联和航迹融合，形成全局估计。相对于集中式系统，此类系统 具有造价低、可靠性高、通信量小等特点。
中的数据，对我军要害部位受敌人攻击时的脆弱性做出估计，
以及对作战事件出现的程度和可能性进行估计，并对敌方作 战企图给出指示和告警。
11
2.1 功能模型——第四级处理
第四级处理：过程评估（process assessment）
过程评估是一个更高级的处理阶段。通过建立一定的优
化指标，对整个融合过程进行实时监控与评价，从而实现多 传感器自适应信息获取和处理，以及资源的最优分配，以支
人际接口
数据融合模型
8
2.1 功能模型——第一级处理：目标评估
第一级处理：目标评估（object assessment） 数据配准：就是将时域上不同
步，空域上属于不同坐标系的 主要功能包括数据配准、数据关联、目标位置和运动学 多源观测数据进行时空对准， 从而将多源数据纳入一个统一 参数估计，以及属性参数估计、身份估计等，其结果为更高 数据关联：主 的参考框架中，为数据融合的 要处理分类和 后期工作做铺垫。 级别的融合过程提供辅助决策信息。 组合等问题 身份估计： 处理的是实 定位运动 传感器1 预处理 数据配准 体属性信息 学/属性参 的表征与描 数估计 跟 数据 述 传感器1 预处理 数据配准 踪
信息融合与控制
第二章 信息融合系统的模型和结构
重庆大学 自动化学院 柴毅 chaiyi@
引言
对于目标测量识别，单传感器提取的信息往往是待
识别目标的不完全描述，而利用多个传感器提取的
独立、互补信息，能带来许多特殊效果，因而各种 面向复杂应用背景的多传感器数据系统也随之大量 涌现。 数据融合技术最早由美国军方用于目标跟踪和目标 识别，随着研究的深入和应用领域的扩大，数据融 合技术已成功地应用于军事和民用领域的诸多方面。
16
2.2 融合级别——特征级融合
特征级融合属于中间层次的融合 由每个传感器抽象出自己的特征向量（可以是目标的边缘、 方向和速度等信息），融合中心完成特征向量的融合处理。 一般来说，提取的特征信息应是数据信息的充分表示量或充 分统计量。
优点：实现了可观的数据压缩，降低对通信带宽的要求，有 利于实时处理， 但由于损失了一部分有用信息，使得融合性能有所降低。
传感器1
传感器2

传感器3
特 征 提 取
关 联
特 征 层 融 合
身 份 识 别
融 合 的 身 份 识 别 结 果
17
2.2 融合级别——特征级融合
特征级融合可划分为目标状态信息融合和目标特征信息融
合两大类。
目标状态信息融合主要用于多传感器目标跟踪领域，融合处 理首先对多传感数据进行数据处理，以完成数据校准，然后
23
2.3 通用处理结构——集中式
集中式系统结构
在此结构中，各个传感器录取的检测报告直接被送到融合中心，在 那里进行数据对准、点迹相关、数据互联、航迹滤波、预测与综合跟踪。 这种结构特点是信息损失小，对系统通信要术较高，融合中心计算负担 重，系统的生存能力也较差。
传感器控制 与反馈信息 检测与估计 传感器1 预处理 数 据 对 准 组 合 滤 波 选通和控制
检测与估计 传感器控制与反馈信息 选通和控制
传感器1
预处理
跟踪和分类 数 据 对 准 组 合 滤 波 目标状态
传感器2
预处理
跟踪和分类
关 联

传感器N 预处理 跟踪和分类 跟踪和分类参数 分布式融合系统结构 分类 ＊目标分类 ＊成功说明的概率
25
2.3 通用处理结构——混合式
混合式系统结构
混合式融合系统同时传输检测报告和经过局部结点处理后的航迹 信息，它保留了上述两类系统的优点，但在通信和计算上要付出较昂贵 的代价。此类系统也有上述两类系统难以比拟的优势，在实际场合往往 采用此类结构。
态势评定则关系到对产生观测数据和事件态势的表 示和理解。
态势评定的输入包括事件检测、状态估计以及为 态势评定所生成的一组假设等。 态势评定的输出在理论上是所考虑的各种假设的 条件概率。
10
2.1 功能模型——第三级处理
第三级处理：影响评估（impact assessment）
影响评估是将当前态势映射到未来，对参与者设想或预 测行为的影响进行评估。在军事领域即指威胁估计（threat assessment），是一种多层视图处理过程，用以解释对武 器效能的估计，以及有效地扼制敌人进攻的风险程度。 此外，威胁估计还包括通过汇集技术和军事条令数据库
检测与估计 传感器控制与反馈信息 选通和控制
传感器1
预处理
跟踪和分类 数 据 对 准 组 合 滤 波 目标状态
传感器2
预处理
跟踪和分类
关 联

传感器N 预处理 跟踪和分类 跟踪和分类参数 多路 复用 选择与合并 分类 ＊目标分类 ＊成功说明的概率
检测 参数
混合式融合系统结构
26
第2章 信息融合系统的模型和结构
良好性能稳健性 宽阔的时空覆盖区域
很高的测量维数
良好的目标空间分辨力 ……
4
引言
美国“数据融合联合实验室”在防御系统中通用的 数据融合处理模型： 数据融合分为五级：
第一个层次为检测/判决融合； 第二个层次为空间（位置）融合； 第三个层次为属性数据融合； 第四个层次为态势评估； 第五个层次为威胁估计。
持特定的任务目标，并最终提高整个实时系统的性能。
难点：如何对系统特定任务目标以及限制条件进行建模和优 化，以平衡有限的系统资源，如计算机的运算能力以及通信 带宽等。当前，利用效用理论来开发系统性能及效率模型， 以及利用基于知识的方法来开发基于上下文环境的近似推理
是研究的重点。
12
第2章 信息融合系统的模型和结构
人际接口
数据融合模型
7
2.1 信息融合系统的功能模型
促进系统管理人员、理论研究者、设计人员、评估 人员相互之间更好地沟通和理解，从而使得整个系 统的设计、开发和实施过程得以高效顺利地进行。
数据预处理 一级处理 目标评估 二级处理 态势评估 三级处理 影响评估
数 据 源
数据库管理系统 四级处理 过程评估 支持数据库 融合数据库
2.1 信息融合系统的功能模型 2.2 信息融合的级别 2.3 信息融合系统的通用处理结构
2.4
信息融合要解决的几个关键问题
2.5 信息融合的主要技术和方法
2.5 信息融合的主要技术和方法
6
2.1 信息融合系统的功能模型
功能模型从融合过程出发，描述数据融合包括哪些
主要功能、数据库，以及进行数据融合时系统各组
成部分之间的相互作用过程。
数据预处理 一级处理 目标评估 二级处理 态势评估 三级处理 影响评估
数 据 源
数据库管理系统 四级处理 过程评估 支持数据库 融合数据库
进行数据相关和状态估计。具体数学方法包括卡尔曼滤波理
论、联合概率数据关联、多假设法、交互式多模型法和序贯 处理理论。 目标特征信息融合实际属于模式识别问题，常见的数学方法 有参量模板法、特怔压缩和聚类方法、人工神经网络、K阶
最近邻法等。
18
2.2 融合级别——决策级融合
决策级融合是一种高层次的融合 由每个传感器基于自己的数据作出决策，然后在融合中心完 成的是局部决策的融合处理。 决策级融合是三级融合的最终结果，是直接针对具体决策目 标的，融合结果直接影响决策水平。
2
引言
数据融合
将某一目标的多源信息进行融合，形成比单一信息
源更精确、更完全的估计和判决； 把各个传感器在空间上、时间上冗余或互补的数据， 依据某种准则进行组合，以获得对被测对象的一致 性描述或理解，使系统比组成它的各子系统具有更 优越的性能。
3
引言
数据融合的概念定义为： 把来自多个传感器和信息源的数据加以联合、相关和组 合，以获得精确的位置估计和身份估计，以及对战况和威胁 及其重要程度进行适时的完整评价。
20
2.2 融合级别——三个层次的比较
三个融合层次优缺点的比较：
数据级融合 处理信息量 信息量损失 最大 最小 特征级融合 决策级融合 中等 中等 最小 最大
抗干扰性能
容错性能 算法难度 融合前处理 融合性能
最差
最差 最难 最小 最好
中等
中等 中等 中等 中等
最好
最好 最易 最大 最差
对传感器的依赖程度
处理的场合不同，研究人员提出了通用处理结构的概念。
Heisttand描述了三种处理结构，分别是集中式结构、 分布式结构以及混合式结构。不同处理结构针对不同的 加工对象。
集中式结构：加工的是传感器的原始数据；
分布式结构：加工的是经过预处理的局部数据；
混合式结构：加工的既有原始数据，又有预处理过的数 据。
门
关联

传感器1

预处理

数据配准 ＊量测文件 ＊传感器信息 ＊航迹文件
身份估计
一级处理中的对象评估模型
9
2.1 功能模型——第二级处理
第二级处理：态势评估（situation assessment）
态势评估是对整个态势的抽象和评定。
态势抽象就是根据不完整的数据集构造一个综合的 态势表示，从而产生实体之间一个相互联系的解释。
传感器1 特 征 提 取
身份识别 决 策 层 融 合
传感器2
身份识别
关 联

传感器3

身份识别 决策级融合
融 合 的 身 份 识 别 结 果
19
2.2 融合级别——决策级融合
这种处理方法数据损失量最大，因而相对来说精度最低，但
其具有通信量小，抗干扰能力强，对传感器依赖小，不要求
是同质传感器，融合中心处理代价低等优点。常见算法有 Bayes推断、专家系统、D－S证据推理、模糊集理论等。 特征级和决策级的融合不要求多传感器是同类的。 由于不同融合级别的融合算法各有利弊，所以为了提高信息 融合技术的速度和精度，需要开发高效的局部传感器处理策 略以及优化融合中心的融合规则。
2.1 信息融合系统的功能模型
2.2
信息融合的级别
2.3 信息融合系统的通用处理结构 2.4 信息融合要解决的几个关键问题 2.5 信息融合的主要技术和方法
13
2.2 信息融合的级别
信息融合按照融合系统中数据抽象的层次，融合可
以分为：
数据级融合 特征级融合 决策级融合
14
2.2 融合级别——数据级融合
数据级融合是最低层次的融合 直接对传感器的观测数据进行融合处理，然后基 于融合后的结果进行特征提取和判断决策。
传感器1 数 据 级 融 合 特 征 提 取 身 份 识 别 融 合 的 身 份 识 别 结 果
传感器2
关 联

传感器3
数据级融合
15
2.2 融合级别——数据级融合
最大
中等
最小
21
第2章 信息融合系统的模型和结构
2.1 信息融合系统的功能模型 2.2 信息融合的级别
2.3
信息融合系统的通用处理结构
2.4 信息融合要解决的几个关键问题 2.5 信息融合的主要技术和方法
22
2.3 信息融合系统的通用处理结构
通用处理结构：在整个融合处理流程中，依照实现融合
第一、二两个层次的数据融合适合于任意的多传感器数 据融合系统，后三个层次主要适用于C3I（情报指挥控制与 通讯）系统中的数据融合。
5
第2章 信息融合系统的模型和结构
2.1
信息融合系统的功能模型
2.2 信息融合的级别
2.3 信息融合系统的通用处理结构
2.4 信息融合要解决的几个关键问题
主要优点：只有较少数据量的损失，并能提供其他融合层次 所不能提供的其他细微信息，所以精度最高。 它的局限性包括：
所要处理的传感器数据量大，故处理代价高，处理时间长，实时 性差 这种融合是在信息的最低层进行的，传感器信息的不确定性、不 完全性和不稳定性要求在融合时有较高的纠错处理能力 它要求传感器是同类的，即提供对同一观测对象的同类观测数据 数据通信量大，抗干扰能力差 此级别的数据融合用于多源图像复合、图像分析和理解以及 同类雷达波形的直接合成等。