第13篇多传感器数据融合
合集下载
相关主题
- 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、"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、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)。
第13章 多传感器数据融合
13.1 多传感器数据融合概述 13.2 多传感器数据融合模型 13.3 多传感器数据融合技术 13.4 多传感器数据融合应用
13.1 多传感器数据融合概述
❖ 多传感器数据是针对一个系统中使用多个（种）传
感器这一特定问题而提出的信息处理方法，是将来自 多传感器或多源的信息和数据进行综合处理，从而对 观测对象形成准确结论的过程。
❖ 从数据融合的控制关系来看，反馈型多传感器数据融合过程 中，传感器或数据融合中心的处理方式及判断规则受数据融 合中心最终结论或中间结论的影响。数据处理依赖于一个反 馈控制过程，这种反馈可以是正反馈，也可以是负反馈。反 馈控制可分为融合结论对传感器的控制、对数据融合中心的 控制，以及中间结论对传感器的控制三种。
data fusion’’
13.1 多传感器数据融合概述
❖ 数据融合过程主要由数据校准、相关、识别、估计
等部分组成。其中校准与相关是识别和估计的基础， 数据融合在识别和估计中进行。
❖ 校准、相关、识别和估计贯穿于整个多传感器数
据融合过程，既是融合系统的基本功能，也是制约 融合性能的关键环节。
13.1.1 多传感器数据融合过程
❖ 数据融合的目的是基于各独立传感器的观测数据，
通过融合导出更丰富的有效信息，获得最佳协同效果， 发挥多个传感器的联合优势，提高传感器系统的有效 性和鲁棒性，消除单一传感器的局限性。
13.1 多传感器数据融合概述
❖ 从生物学的角度来看，人类和自然界中其他动物对客观事 物的认知过程，就是对多源数据的融合过程。
13.2.2 多传感器数据融合模型
❖ Waterfall模型 Waterfall 模型 的数据融合过程包括三个层次。
❖ (1)基于传感模型和物理测量模 型对原始数据进行预处理
❖ (2)进行特征提取和特征融合以 获取信息的抽象表达，减少数据 量，提高信息传递效率，第二层 次的输出是关于对象特征的估计 及其置信度。
❖ (3)利用现有知识对对象特征进 行评价，形成关于对象、事件或 行为的认识。传感器系统利用第 三层次形成的反馈信息不断调整 自身状态和数据准备策略，进行 重新设置和标定等，提高传感信 息的利用率。 。
13.2.2 多传感器数据融合模型
❖ Dasarathy 模 型
Dasarathy 模型充 分注意到传感器数 据融合中数据融合、 特征融合和决策融 合三者往往交替应 用或联合使用的事 实，根据所处理信 息的类型对数据融 合功能进行了归纳， 明确了五种可能的 融合形式，如表所 示。
❖ 对传感器的控制多体现在对传感器策略、精度的控制、对传 感器跟踪目标的跟踪控制等。对融合中心的控制包括对融合 中心判断规则的控制、对融合中心数据融合方式的控制、对 融合中心某一参数的控制等。
13.2.1 多传感器数据融合结构
❖ 结论对传感器 的反馈控制
❖ 结论对融合中 心的反馈控制
❖ 中间结论对传感 器的反馈控制
13.2.2 多传感器数据融合模型
❖ JDL模型
JDL数据融合模型 如右图所示，数 据融合过程包括 五级处理和数据 库、人机接口支 持等。五级处理 并不意味着处理 过程的时间顺序， 实际上，处理过
程通常是并行的。
13.2.2 多传感器数据融合模型
❖ Boyd控制环 ❖ Boyd控制环包括四个处理环节： ❖ (1) 观 测 环 节 获 取 目 标 信 息 ， 与
13.2.2 多传感器数据融合模型
13.1 多传感器数据融合概述
应用简例 多传感器系统可以用 于地球环境监测。主 要应用于对地面的监 视、以便识别和监视 地貌、气象模式、矿 产资源，植物生长、 环境条件和威胁情况 (如原油泄漏、辐射 泄漏等) 如右图所示
图源：D.L. Hall and J. Llinas, ‘‘An introduction to multisensor
13.2.2 多传感器数据融合模型
❖ 多传感器数据融合系统的模型设计是多传感器数据 融合的关键问题，取决于实际需求、环境条件、计 算机、通信容量及可靠性要求等，模型设计直接影 响融合算法的结构、性能和融合系统的规模。
❖ 多传感器数据融合模型实际上是一种数据融合的组 织策略，根据任务、要求和设计者认识不同，模型 设计千差万别。目前流行的有多种数据融合模型， 其中JDL数据融合模型最具通用性。
JDL 模 型 的 数 据 预 处 理 功 能 相 当 。 ❖ (2)定向环节确定对象的基本特征，
与 JDL 模 型 的 目 标 评 估 、 态 势 评 估和威胁评估功能相当。 ❖ (3)决策环节确定最佳评估，制定 反 馈 控 制 策 略 ， 与 JDL 模 型 过 程 优化与评估功能相当。 ❖ (4)执行环节利用反馈控制调整传 感系统状态，获取额外数据等。 JDL模型没有这一环节。
13.2.2 多传感器数据融合模型
❖ OMNIBUS模型
是 Boyd 控 制 环 、 Dasarathy 模 型 和 Waterfall 模 型 的 混 合，既体现了数据融 合过程的循环本质， 用融合结论调整传感 器系统的状态，提高 信息融合的有效性， 又细化了数据融合过 程中各个环节的任务， 改善了数据融合实现 的可组合性。
❖ 人类不是单纯依靠一种感官，而是通过视觉、听觉、触觉、 嗅觉等多种感官获取客观对象不同质的信息，或通过同类 传感器（如双耳）获取同质而又不同量的信息，然后通过 大脑对这些感知信息依据某种未知的规则进行组合和处理， 从而得到对客观对象和谐与统一的理解和认识。
❖ 这一处理过程是复杂的，也是自适应的，它将各种信息 （图像、声音、气味和触觉）转换为对环境的有价值的解 释。自动化数据融合系统实际上就是模仿这种由感知到认 知的过程。
❖ 数据检测 ❖ 数据校准 ❖ 数据相关 ❖ 参数估计 ❖ 目标识别 ❖ 行为估计
13.1.2 多传感器数据融合形式 ❖ 数据级融合
❖ 特征级融合
❖ 决策级融合
13.2 多传感器数据融合融合模型
13.2.1 多传感器数据融合结构 ❖ 串联型融合
❖ 并联型融合 ❖ 混联型融合
ห้องสมุดไป่ตู้
13.2.1 多传感器数据融合结构
13.1 多传感器数据融合概述 13.2 多传感器数据融合模型 13.3 多传感器数据融合技术 13.4 多传感器数据融合应用
13.1 多传感器数据融合概述
❖ 多传感器数据是针对一个系统中使用多个（种）传
感器这一特定问题而提出的信息处理方法，是将来自 多传感器或多源的信息和数据进行综合处理，从而对 观测对象形成准确结论的过程。
❖ 从数据融合的控制关系来看，反馈型多传感器数据融合过程 中，传感器或数据融合中心的处理方式及判断规则受数据融 合中心最终结论或中间结论的影响。数据处理依赖于一个反 馈控制过程，这种反馈可以是正反馈，也可以是负反馈。反 馈控制可分为融合结论对传感器的控制、对数据融合中心的 控制，以及中间结论对传感器的控制三种。
data fusion’’
13.1 多传感器数据融合概述
❖ 数据融合过程主要由数据校准、相关、识别、估计
等部分组成。其中校准与相关是识别和估计的基础， 数据融合在识别和估计中进行。
❖ 校准、相关、识别和估计贯穿于整个多传感器数
据融合过程，既是融合系统的基本功能，也是制约 融合性能的关键环节。
13.1.1 多传感器数据融合过程
❖ 数据融合的目的是基于各独立传感器的观测数据，
通过融合导出更丰富的有效信息，获得最佳协同效果， 发挥多个传感器的联合优势，提高传感器系统的有效 性和鲁棒性，消除单一传感器的局限性。
13.1 多传感器数据融合概述
❖ 从生物学的角度来看，人类和自然界中其他动物对客观事 物的认知过程，就是对多源数据的融合过程。
13.2.2 多传感器数据融合模型
❖ Waterfall模型 Waterfall 模型 的数据融合过程包括三个层次。
❖ (1)基于传感模型和物理测量模 型对原始数据进行预处理
❖ (2)进行特征提取和特征融合以 获取信息的抽象表达，减少数据 量，提高信息传递效率，第二层 次的输出是关于对象特征的估计 及其置信度。
❖ (3)利用现有知识对对象特征进 行评价，形成关于对象、事件或 行为的认识。传感器系统利用第 三层次形成的反馈信息不断调整 自身状态和数据准备策略，进行 重新设置和标定等，提高传感信 息的利用率。 。
13.2.2 多传感器数据融合模型
❖ Dasarathy 模 型
Dasarathy 模型充 分注意到传感器数 据融合中数据融合、 特征融合和决策融 合三者往往交替应 用或联合使用的事 实，根据所处理信 息的类型对数据融 合功能进行了归纳， 明确了五种可能的 融合形式，如表所 示。
❖ 对传感器的控制多体现在对传感器策略、精度的控制、对传 感器跟踪目标的跟踪控制等。对融合中心的控制包括对融合 中心判断规则的控制、对融合中心数据融合方式的控制、对 融合中心某一参数的控制等。
13.2.1 多传感器数据融合结构
❖ 结论对传感器 的反馈控制
❖ 结论对融合中 心的反馈控制
❖ 中间结论对传感 器的反馈控制
13.2.2 多传感器数据融合模型
❖ JDL模型
JDL数据融合模型 如右图所示，数 据融合过程包括 五级处理和数据 库、人机接口支 持等。五级处理 并不意味着处理 过程的时间顺序， 实际上，处理过
程通常是并行的。
13.2.2 多传感器数据融合模型
❖ Boyd控制环 ❖ Boyd控制环包括四个处理环节： ❖ (1) 观 测 环 节 获 取 目 标 信 息 ， 与
13.2.2 多传感器数据融合模型
13.1 多传感器数据融合概述
应用简例 多传感器系统可以用 于地球环境监测。主 要应用于对地面的监 视、以便识别和监视 地貌、气象模式、矿 产资源，植物生长、 环境条件和威胁情况 (如原油泄漏、辐射 泄漏等) 如右图所示
图源：D.L. Hall and J. Llinas, ‘‘An introduction to multisensor
13.2.2 多传感器数据融合模型
❖ 多传感器数据融合系统的模型设计是多传感器数据 融合的关键问题，取决于实际需求、环境条件、计 算机、通信容量及可靠性要求等，模型设计直接影 响融合算法的结构、性能和融合系统的规模。
❖ 多传感器数据融合模型实际上是一种数据融合的组 织策略，根据任务、要求和设计者认识不同，模型 设计千差万别。目前流行的有多种数据融合模型， 其中JDL数据融合模型最具通用性。
JDL 模 型 的 数 据 预 处 理 功 能 相 当 。 ❖ (2)定向环节确定对象的基本特征，
与 JDL 模 型 的 目 标 评 估 、 态 势 评 估和威胁评估功能相当。 ❖ (3)决策环节确定最佳评估，制定 反 馈 控 制 策 略 ， 与 JDL 模 型 过 程 优化与评估功能相当。 ❖ (4)执行环节利用反馈控制调整传 感系统状态，获取额外数据等。 JDL模型没有这一环节。
13.2.2 多传感器数据融合模型
❖ OMNIBUS模型
是 Boyd 控 制 环 、 Dasarathy 模 型 和 Waterfall 模 型 的 混 合，既体现了数据融 合过程的循环本质， 用融合结论调整传感 器系统的状态，提高 信息融合的有效性， 又细化了数据融合过 程中各个环节的任务， 改善了数据融合实现 的可组合性。
❖ 人类不是单纯依靠一种感官，而是通过视觉、听觉、触觉、 嗅觉等多种感官获取客观对象不同质的信息，或通过同类 传感器（如双耳）获取同质而又不同量的信息，然后通过 大脑对这些感知信息依据某种未知的规则进行组合和处理， 从而得到对客观对象和谐与统一的理解和认识。
❖ 这一处理过程是复杂的，也是自适应的，它将各种信息 （图像、声音、气味和触觉）转换为对环境的有价值的解 释。自动化数据融合系统实际上就是模仿这种由感知到认 知的过程。
❖ 数据检测 ❖ 数据校准 ❖ 数据相关 ❖ 参数估计 ❖ 目标识别 ❖ 行为估计
13.1.2 多传感器数据融合形式 ❖ 数据级融合
❖ 特征级融合
❖ 决策级融合
13.2 多传感器数据融合融合模型
13.2.1 多传感器数据融合结构 ❖ 串联型融合
❖ 并联型融合 ❖ 混联型融合
ห้องสมุดไป่ตู้
13.2.1 多传感器数据融合结构