多传感器数据融合技术

– （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：