多传感器数据融合技术

合集下载
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
– (4)增加系统的实时性。
返回
上一页
下一页
二 基本原理
充分利用多个传感器资源,通过对这些传感器及其观测信 息的合理支配和使用,把多个传感器在空间或时间上的 冗余或互补信息依据某种准则来进行组合,以获得比它 的各组成部分的子集所构成的系统更优越的性能。
– 多传感器数据融合技术可以对不同类型的数据和信息 在不同层次上进行综合,它处理的不仅仅是数据,还 可以是证据和属性等。
返回
上一页
下一页
五 方法
1. 加权平均 2. 卡尔曼滤波 3. 贝叶斯估计 4. 多贝叶斯方法 5. 统计决策理论 6. Dempster-Shafer证据推理法 7. 模糊逻辑法 8. 产生式规则法 9. 神经网络方法
返回
上一页
下一页
神经网络方法
模拟人类大脑而产生的一种信息处理技术,它采 用大量以一定方式相互连接和相互作用的简单 处理单元(即神经元)来处理信息。
– 多传感器数据融合并不是简单的信号处理。信号处理 可以归属于多传感器数据融合的第一阶段,即信号预 处理阶段。
返回
上一页
下一页
三 层次
数据融合层次的划分主要有两种方法。
– 第一种方法是将数据融合划分为低层(数据 级或像素级)、中层(特征级)和高层(决 策级)。
– 另一种方法将是将传感器集成和数据融合划 分为信号级、证据级和动态级。
– 利用外部环境的信息,便于实现知识自动获取及进 行联想推理;
– 能够将不确定环境的复杂关系,经过学习推理,融 合为系统能理解的准确信号;
– 神经网络具有大规模并行处理信息的能力,使得系 统信息处理速度很快。
因此,决策级融合是直接针对具体决策目标,充分利用 特征级融合所得出的目标各类特征信息,并给出简明 而直观的结果。
决策级融合优点:
– 实时性最好
– 在一个或几个传感器失效时仍能给出最终决策,因 此具有良好的容错性。
返回
上一页
下一页
四 过程
首先将被测对象它们转换为电信号,然后经过A/D变 换将它们转换为数字量。数字化后电信号需经过预处 理,以滤除数据采集过程中的干扰和噪声。对经处理 后的有用信号作特征抽取,再进行数据融合;或者直 接对信号进行数据融合。最后,输出融合的结果。
返回
上一页
下一页
定义补充和修改
用状态估计代替位置估计,并加入了检 测(detection)的功能,从而给出了如下 定义:
信息融合是一种多层次、多方面的处理 过程,这个过程是对多源数据进行检测、 结合、相关、估计和组合,以达到精确 的状态估计和身份估计,以及完整及时 的态势评估和威胁估计。
返回
– (1)提高信息的准确性和全面性。与一个传感器 相比,多传感器数据融合处理可以获得有关周围环 境更准确、全面的信息;
– (2)降低信息的不确定性,一组相似的传感器采 集的信息存在明显的互补性,这种互补性经过适当 处理后,可以对单一传感器的不确定性和测量范围 的局限性进行补偿;
– (3)提高系统的可靠性,某个或某几个传感器失 效时,系统仍能正常运行;
神经网络具有较强的容错性和自组织、自学习、 自适应能力,能够实现复杂的映射。
神经网络的优越性和强大的非线性处理能力,能 够很好的满足多传感器数据融合技术的要求。
返回
上一页
下一页
特点:
– 具有统一的内部知识表示形式,通过学习方法可将 网络获得的传感器信息进行融合,获得相关网络的 参数(如连接权矩阵、节点偏移向量等),并且可 将知识规则转换成数字形式,便于建立知识库;
返回
上一页
下一页
特征级融合
利用从各个传感器原始数据中提取的特征信息, 进行综合分析和处理的中间层次过程。
通常所提取的特征信息应是数据信息的充分表示 量或统计量,据此对多传感器信息进行分类、 汇集和综合。
特征级融合分类:
– 目标状态信息融合 – 目标特性融合。
返回
上一页
下一页
决策级融合
在信息表示的最高层次上进行的融合处理。不同类型的 传感器观测同一个目标,每个传感器在本地完成预处 理、特征抽取、识别或判断,以建立对所观察目标的 初步结论,然后通过相关处理、决策级融合判决,最 终获得联合推断结果,从而直接为决策提供依据。
上一页
下一页
定义三个要点:
(1)数据融合是多信源、多层次的处理过 程,每个层次代表信息的不同抽象程度;
(2)数据融合过程包括数据的检测、关联、 估计与合并;
(3)数据融合的输出包括低层次上的状态 身份估计和高层次上的总战术态势的评估。
返回
上一页
下一页
多传感器数据融合
包括:多传感器的目标探测、数据关联、跟踪与 识别、情况评估和预测。
多传感器融合技术
孙静 2011-12-12
Байду номын сангаас 多传感器融合技术
1 概念和意义 2 基本原理 3 层次 4 过程 5 方法 6 应用
返回
上一页
下一页
1 概念与意义
1. 概 念 2. 意 义
返回
上一页
下一页
1.概 念
美国国防部JDL从军事应用的角度将数据融 合定义为这样的一个过程:
把来自许多传感器和信息源的数据进行联 合(association)、相关(coorelation)、 组合(combination)和估值的处理,以 达到精确的位置估计(position estimation)与身份估计(identity estimation),以及对战场情况和威胁及 其重要程度进行适时的完整评价。
返回
上一页
下一页
数据级融合(或像素级融合)
对传感器的原始数据及预处理各阶段上产生的信息分 别进行融合处理。尽可能多地保持了原始信息,能够 提供其它两个层次融合所不具有的细微信息。
局限性: – (1)由于所要处理的传感器信息量大,故处理代价高; – (2)融合是在信息最低层进行的,由于传感器的原始 数据的不确定性、不完全性和不稳定性,要求在融 合时有较高的纠错能力; – (3)由于要求各传感器信息之间具有精确到一个像素 的配准精度,故要求传感器信息来自同质传感器; – (4)通信量大。
基本目的:通过融合得到比单独的各个输入数据 更多的信息。这一点是协同作用的结果,即由 于多传感器的共同作用,使系统的有效性得以 增强。
实质:一种多源信息的综合技术,通过对来自不 同传感器的数据进行分析和综合,可以获得被 测对象及其性质的最佳一致估计。
返回
上一页
下一页
2.意 义
主要作用可归纳为以下几点:
相关文档
最新文档