数据融合系统结构及数据准备
合集下载
- 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)。
12
智能信息处理技术
自动化学院
NUST
2）分布式处理结构
智能信息处理技术
各传感器都有自己的处理器，进行预处理，然后把中间结 果送到中心处理器进行融合处理。
优点如下：
①处理器连到每个传感器上以改进其性能； ②现有的平台数据总线(一般是低速的)可以频繁地使 用； ③分隔容易； ④增加新传感器或改进老传感器，可以更少地 触动系统软件和硬件。
13
自动化学院
NUST
智能信息处理技术
缺点：
①提供给中心处理器的有限数据，降低传感器融合的有效性； ②对于某些传感器，环境的严重干扰限制了处理器部件的选
择，从而增加了成本； ③传感器位置的选择受更多地限制； ④增加的各种单元降低了可维护性，增加了成本。
14
自动化学院
NUST
分布式系统的主要应用
智能信息处理技术
5
中心。
自动化学院
NUST
特点
主要特点
智能信息处理技术
Ø 可利用所有传感器的全部信息进行状态估计、 速度估计和预测值计算。
Ø 利用全部信息，系统的信息损失小，性能好， 目标的状态、速度估计是最佳估计。
主要优点
Ø 把所有的原始信息全部送给处理中心，通信
不足
开销太大，融合中心计算机的存储容量要大。
对计算机要求高及数据关联困难。
说明：
级”的概念并不意味各级之间有时序特性，这些过程经常并 行处理
自动化学院
NUST
三） 数据融合的层次
1、数据层融合
智能信息处理技术
2、特征层融合
3、决策层融合
23
自动化学院
NUST
智能信息处理技术
1、数据层(像素级)融合
特点：
应用：
1)直接在采集到的原始数据层上进行融合； 2)原始观测信息未经预处理或只进行很少 的处理就进行数据综合分析，是最低层次的融合； 3) 参与融合的传感器信息间具有一个像素的配 准精度。
11
自动化学院
NUST
缺点：
①要求专门的数据总线； ②硬件改进或扩充困难； ③由于所有的处理资源都在一个位置，所以易损 性增加了； ④分隔困难； ⑤软件开发和维护困难(因为与一个传感器有关 的变化可以影响到其余部分)。
集中式系统的主要应用
收集来自单个平台上的多个传感器的数据，可形 成诸如舰艇或战斗机的信息显示，也可用于检测对象 相对单一的智能检测系统。
解决方法
硬件系统：
各种高可靠性、高性能传感器系统的应用；
软件系统：
37
开发高速数据处理算法；
ห้องสมุดไป่ตู้
自动化学院
NUST
2、数据的预处理
智能信息处理技术
数据进行二次处理前，通过预处理来提高信号 的质量，主要包括：
1）点迹过滤
2）点迹合并
3）消除粗大误差
38
自动化学院
NUST
原因：
1）点迹过滤
智能信息处理技术
像素级融合
最大 最小 最差 最差 最难 最小 最好 最大
特征级融合
中等 中等 中等 中等 中等 中等 中等 中等
31
决策级融合 最小 最大 最好 最好 最易 最大 最差 最小
自动化学院
NUST
智能信息处理技术
数据融合分类-按融合判决方式
分类：硬判决、软判决
指数据处理活动中用于信号检测、目标识别的判决方式
2)数据通信量较大，抗干扰能力较差；
3)在信息的最低层进行的，由于传感器原始信息的不确定性、不完全性 和不稳定性，要求在数据融合时有较高的纠错能力；
4)各传感器信息之间校准精度要求较高，各传感器信息应来自同质传感器。
25
自动化学院
NUST
2、特征级融合
智能信息处理技术
对来自传感器的原始信息进行特征提取(特征可以是被观 测对象的各种物理量)，然后对特征信息进行综合分析和 处理。
系统有局部融合单元及全局融合单元，这是最复杂的 融合系统，但它非常有潜力。
这种结构方式可进行扩展，即把每个传感器扩展成 一个包含多个传感器的平台。
10
自动化学院
NUST
智能信息处理技术
数据融合系统结构的主要设计实现特点
集中式处理结构：
所有传感器数据都送到中心处理器处理和融合。
优点如下：
①所有数据对中心处理器都是可用的； ②可用较少种类的标准化处理单元； ③传感器在平台位置上的选择受限较少； ④所有的处理单元都在可接近的位置，增强了 处理器的可维护性。
③这种判决方式以经典的数理逻辑为基础，是确定性的。
33
自动化学院
NUST
特点：
2）软判决
智能信息处理技术
①不设置确定不变的判决门限
②无论系统何时收到观测数据都要执行相应分析，都作出适当评 价，也都向更高层次系统传送评判结论意见及有关信息，包括评 判结果的置信度。
③这些评判不一定是确定无疑的，但它可以更充分的发挥所有有 用信息的效用，是信息融合结论更可靠更合理
3)当一个或几个传感器出现错误时，通过适当融合，系统 还能获得正确结果，具有容错性；
4)对传感器的依赖性小，传感器可以是同质的，也可以是 异质的；
5)能有效反映环境或目标各侧面不同类型信息。
30
自动化学院
NUST
融合层次的优缺点比较
智能信息处理技术
处理信息量 信息量损失 抗干扰性能
容错性能 算法难度 融合前处理 融合性能 对传感器的依赖程度
大型军事防御系统，多参数或参数间交叉影响的智能检测系统
15
自动化学院
NUST
智能信息处理技术
二） 数据融合系统的功能模型
数据融合的通用功能模型（军事上，数据融合技术 支持下的综合性信息处理过程）
信息获取
直接： 雷达 各类传感 器 其他
间接： 人工 友邻 其他
16
预
处
一级处理
理
数据校准
采
数据关联
集
目标跟踪
3）识别：
18
主要指身份或属性识别，给出目标的特征，以便进行态势和威胁评估。
自动化学院
NUST
2、第二级处理
主要内容：态势评估
1）态势提取
2）态势分析
1）态势提取
3）态势预测
智能信息处理技术
从大量不完全的数据集合中构造出态势的一般表示，为前级处理提供连 贯的说明。
静态态势包括敌我双方兵力、兵器、后勤支援对比及综合战斗力估计；
具体包括综合环境判断、威胁等级判断及辅助决策。
威胁评估
综合环境判断
威胁等级评估
辅助决策
进进时 攻攻间 能目等 力标级 推推计 理理算
预威威 处胁胁 理等等
级级 推综 理合
确求优 定解化 决决决 策策策 方变指 案量标
21
自动化学院
NUST
4、第四级处理
智能信息处理技术
优化融合处理，包括优化利用资源、优化传感器管理和优化武器控 制，通过反馈自适应，提高系统的融合效果
智能信息处理技术
3、有反馈的分布式融合系统
传感器1
传感器2 ...
传感器n
形成点迹
形成点迹 ...
形成点迹
本地滤波 本地滤波
本地滤波
融 合 融合输出 单 元
特点：
由融合中心到每个传感器有一个反馈通道，这有助 于提高各个传感器状态估计和预测的精度。
增加了通信量，在考虑其算法时，要注意参与计算
之间的相关性。
噪声、干扰大量存在，产生虚警（环境因素及传感器性能）；
当虚警较多时可能产生假目标，因此检测得到的数据不仅包 含运动目标点迹，也可能包含固定目标的点迹和假目标的点 迹（孤立点迹）；
39
自动化学院
NUST
智能信息处理技术
点迹过滤的目的
将非目标点迹减至最少，消除大部分由干扰产生的假点迹或孤立点迹；
减轻计算机数据处理的负担，改善数据融合系统的状态估计精度，提高 系统的性能。
19 动态态势包括意图估计、遭遇点估计、致命点估计等。
自动化学院
NUST
智能信息处理技术
2）态势分析
包括实体合并，协同推理与协同关系分析，敌我各实体的分布和敌 方活动或作战意图分析。
3）态势预测
包括未来时刻敌方位置预测和未来兵力部属推理等。
20
自动化学院
NUST
3 、第三级处理
智能信息处理技术
威胁评估是关于敌方兵力对我方杀伤能力及威胁程度的评估；
管
身份识别
理
四级处理 优化控制
二级处理 态势评估
三级处理 威胁评估
动
态
数 据 库
数 据 库
管
理
系
统
支
持
数
据
库
自动化学院
NUST
通用模型的特点
分为四级处理 第一级处理的主要内容：
1）数据和图像的配准 2）关联 3）跟踪和识别
智能信息处理技术
1）数据配准：
把从各个传感器接收的数据或图像在时间和空间
上进行校准，使它们有相同的时间基准、平台和
第3讲 数据融合系统结构形式
及数据准备
一数据融合系统结构形 式
主要内容
1、数据融合的主要结构 2、数据融合系统的功能模型 3、数据融合的层次
3
智能信息处理技术
自动化学院
NUST
智能信息处理技术
一） 数据融合的主要结构
数据融合系统的主要结构形式
无
有
有
反
反
反
集
馈
馈
馈
中
的
的
的
式
分
分
全
融
布
布
并
合
式
式
行
点迹过滤的基本依据
运动目标、固定目标及假目标跨周期的相关特性不同。利用一定的判 定准则判定点迹的跨周期特性，就可区别运动目标、固定目标及假目 标。
坐标系。时间配准：将各测量值推算到统一的观测时间
17
点上；空间配准：对位置偏差进行估计和补偿。
自动化学院
NUST
智能信息处理技术
2）数据关联：
把各个传感器送来的点迹与数据库中的各个航迹相关联，同时对目 标位置进行预测，保持对目标进行连续跟踪；
关联不上的那些点迹可能是新的点迹，也可能是虚警，保留下来， 在一定条件下，利用新点迹建立新航迹，消除虚警。
27
自动化学院
NUST
2)特征级目标特性融合
智能信息处理技术
在融合前必须先对特征进行相关处理，把特征向量分成有 意义的组合。
优点：
①实现可观的信息压缩，有利于实时处理；
②所提取的特征直接与决策分析有关，融合结果能最大限度 地给出决策分析所需特征信息。
应用：
28
C3I系统
自动化学院
NUST
特点：
3、决策级融合
特征级融合属于中间层次，融合过程为：
1)提取特征信息(数据信息表示量或统计量) 2)按特征信息对多传感器数据进行分类、综合和分析。
特征级融合分类：
1)目标状态数据融合
26
2)目标特性融合
自动化学院
NUST
智能信息处理技术
1）特征级目标状态数据融合
主要应用：
多传感器目标跟踪领域
融合过程：
①对传感器数据进行预处理以完成数据校准； ②实现参数相关的状态向量估计。
6
自动化学院
NUST
智能信息处理技术
2、无反馈的分布式融合系统
传感器1
传感器2 ...
传感器n
形成点迹
形成点迹 ...
形成点迹
本地滤波 本地滤波
本地滤波
融 合 融合输出 单 元
特点：
分布式 融合系统所要求的通信开销小 融合中心计算机所需的存储容量小
融合速度快
7
性能不如集中式融合系统
自动化学院
NUST
8
自动化学院
NUST
智能信息处理技术
4、有反馈的全并行融合系统
传感器 1
形成 点迹
本地 滤波
融合 单元
传感器 2
...
形成 点迹
...
本地 滤波
融合 单元
传感器 n
形成 点迹
本地 滤波
融合 单元
9
估 计 传 输 通 道
自动化学院
NUST
智能信息处理技术
主要特点：
是全并行、有反馈的融合结构
通过传送通道，各传感器都存取其它传感器的当前估 计，各传感器都独立地完成全部运算任务。
智能信息处理技术
1)是一种高层次融合，其结果为检测、控制、指挥、决策提供依据；
2) 首先利用传感器提供的信息对目标属性进行独立处理，再对各传感 器的处理结果进行融合，最后得到整个系统的决策。
29
自动化学院
NUST
主要优点
智能信息处理技术
1)融合中心处理代价低，具有很高灵活性；
2)通信量小，抗干扰能力强；
34
自动化学院
NUST
智能信息处理技术
二数据准备
智能信息处理技术
融合中心数据处理的前提
虚警的处理－剔除假点迹 具体表现为多目标系统点迹与航迹的关联－剔除孤立点迹
36
自动化学院
NUST
智能信息处理技术
1、对传感器信号处理的要求
尽可能消除各种干扰（各类杂波，如雷达系统，地杂波，海 杂波，气象杂波以及人为干扰；声呐系统，多径，反射，折 射，海底地貌等），降低假点迹出现的概率，减小计算机数 据处理的负担，提高数据处理系统的性能。
系
融
融
融
统
合
合
合
系
系
系
4
统
统
统
自动化学院
NUST
1、集中式融合系统
智能信息处理技术
传感器1
传感器2 ...
传感器n
检测判定
检测判定 ...
检测判定
融
合
判 输出 定
检测判定是指，多传感器扫描观测目标，实现信号检测；
扫描过程中，各传感器进行独立的测量和判断，并将各
种测量参数(目标特性参数和状态参数)报告给数据融合
应用：
每个传感器内部或信息融合中心都既可以选用硬判决方 式，也可选用软判决方式
32
自动化学院
NUST
特点：
1）硬判决
智能信息处理技术
①设置有确定的预置判决门限，只有数据样本特征量达到或超过预 置门限时，系统才作出判决断言；
②只有当系统作出了确定的断言时，系统才向更高层次系统传送“ 确定无疑”的判决结论；
优点：
1)能保持尽可能多的现场数据
24 2)提供其他融合层次所不能提供的细微信息
多 源 图 像 复 合、 图 像 分 析 和 理 解
同多 类传 雷感 达器 波数 形据 的融 直合 接的 合卡 成尔
曼 滤 波 自动化等学院
NUST
局限性
智能信息处理技术
1)所处理的传感器数据量大，处理代价高、时间长、实时性差；
智能信息处理技术
自动化学院
NUST
2）分布式处理结构
智能信息处理技术
各传感器都有自己的处理器，进行预处理，然后把中间结 果送到中心处理器进行融合处理。
优点如下：
①处理器连到每个传感器上以改进其性能； ②现有的平台数据总线(一般是低速的)可以频繁地使 用； ③分隔容易； ④增加新传感器或改进老传感器，可以更少地 触动系统软件和硬件。
13
自动化学院
NUST
智能信息处理技术
缺点：
①提供给中心处理器的有限数据，降低传感器融合的有效性； ②对于某些传感器，环境的严重干扰限制了处理器部件的选
择，从而增加了成本； ③传感器位置的选择受更多地限制； ④增加的各种单元降低了可维护性，增加了成本。
14
自动化学院
NUST
分布式系统的主要应用
智能信息处理技术
5
中心。
自动化学院
NUST
特点
主要特点
智能信息处理技术
Ø 可利用所有传感器的全部信息进行状态估计、 速度估计和预测值计算。
Ø 利用全部信息，系统的信息损失小，性能好， 目标的状态、速度估计是最佳估计。
主要优点
Ø 把所有的原始信息全部送给处理中心，通信
不足
开销太大，融合中心计算机的存储容量要大。
对计算机要求高及数据关联困难。
说明：
级”的概念并不意味各级之间有时序特性，这些过程经常并 行处理
自动化学院
NUST
三） 数据融合的层次
1、数据层融合
智能信息处理技术
2、特征层融合
3、决策层融合
23
自动化学院
NUST
智能信息处理技术
1、数据层(像素级)融合
特点：
应用：
1)直接在采集到的原始数据层上进行融合； 2)原始观测信息未经预处理或只进行很少 的处理就进行数据综合分析，是最低层次的融合； 3) 参与融合的传感器信息间具有一个像素的配 准精度。
11
自动化学院
NUST
缺点：
①要求专门的数据总线； ②硬件改进或扩充困难； ③由于所有的处理资源都在一个位置，所以易损 性增加了； ④分隔困难； ⑤软件开发和维护困难(因为与一个传感器有关 的变化可以影响到其余部分)。
集中式系统的主要应用
收集来自单个平台上的多个传感器的数据，可形 成诸如舰艇或战斗机的信息显示，也可用于检测对象 相对单一的智能检测系统。
解决方法
硬件系统：
各种高可靠性、高性能传感器系统的应用；
软件系统：
37
开发高速数据处理算法；
ห้องสมุดไป่ตู้
自动化学院
NUST
2、数据的预处理
智能信息处理技术
数据进行二次处理前，通过预处理来提高信号 的质量，主要包括：
1）点迹过滤
2）点迹合并
3）消除粗大误差
38
自动化学院
NUST
原因：
1）点迹过滤
智能信息处理技术
像素级融合
最大 最小 最差 最差 最难 最小 最好 最大
特征级融合
中等 中等 中等 中等 中等 中等 中等 中等
31
决策级融合 最小 最大 最好 最好 最易 最大 最差 最小
自动化学院
NUST
智能信息处理技术
数据融合分类-按融合判决方式
分类：硬判决、软判决
指数据处理活动中用于信号检测、目标识别的判决方式
2)数据通信量较大，抗干扰能力较差；
3)在信息的最低层进行的，由于传感器原始信息的不确定性、不完全性 和不稳定性，要求在数据融合时有较高的纠错能力；
4)各传感器信息之间校准精度要求较高，各传感器信息应来自同质传感器。
25
自动化学院
NUST
2、特征级融合
智能信息处理技术
对来自传感器的原始信息进行特征提取(特征可以是被观 测对象的各种物理量)，然后对特征信息进行综合分析和 处理。
系统有局部融合单元及全局融合单元，这是最复杂的 融合系统，但它非常有潜力。
这种结构方式可进行扩展，即把每个传感器扩展成 一个包含多个传感器的平台。
10
自动化学院
NUST
智能信息处理技术
数据融合系统结构的主要设计实现特点
集中式处理结构：
所有传感器数据都送到中心处理器处理和融合。
优点如下：
①所有数据对中心处理器都是可用的； ②可用较少种类的标准化处理单元； ③传感器在平台位置上的选择受限较少； ④所有的处理单元都在可接近的位置，增强了 处理器的可维护性。
③这种判决方式以经典的数理逻辑为基础，是确定性的。
33
自动化学院
NUST
特点：
2）软判决
智能信息处理技术
①不设置确定不变的判决门限
②无论系统何时收到观测数据都要执行相应分析，都作出适当评 价，也都向更高层次系统传送评判结论意见及有关信息，包括评 判结果的置信度。
③这些评判不一定是确定无疑的，但它可以更充分的发挥所有有 用信息的效用，是信息融合结论更可靠更合理
3)当一个或几个传感器出现错误时，通过适当融合，系统 还能获得正确结果，具有容错性；
4)对传感器的依赖性小，传感器可以是同质的，也可以是 异质的；
5)能有效反映环境或目标各侧面不同类型信息。
30
自动化学院
NUST
融合层次的优缺点比较
智能信息处理技术
处理信息量 信息量损失 抗干扰性能
容错性能 算法难度 融合前处理 融合性能 对传感器的依赖程度
大型军事防御系统，多参数或参数间交叉影响的智能检测系统
15
自动化学院
NUST
智能信息处理技术
二） 数据融合系统的功能模型
数据融合的通用功能模型（军事上，数据融合技术 支持下的综合性信息处理过程）
信息获取
直接： 雷达 各类传感 器 其他
间接： 人工 友邻 其他
16
预
处
一级处理
理
数据校准
采
数据关联
集
目标跟踪
3）识别：
18
主要指身份或属性识别，给出目标的特征，以便进行态势和威胁评估。
自动化学院
NUST
2、第二级处理
主要内容：态势评估
1）态势提取
2）态势分析
1）态势提取
3）态势预测
智能信息处理技术
从大量不完全的数据集合中构造出态势的一般表示，为前级处理提供连 贯的说明。
静态态势包括敌我双方兵力、兵器、后勤支援对比及综合战斗力估计；
具体包括综合环境判断、威胁等级判断及辅助决策。
威胁评估
综合环境判断
威胁等级评估
辅助决策
进进时 攻攻间 能目等 力标级 推推计 理理算
预威威 处胁胁 理等等
级级 推综 理合
确求优 定解化 决决决 策策策 方变指 案量标
21
自动化学院
NUST
4、第四级处理
智能信息处理技术
优化融合处理，包括优化利用资源、优化传感器管理和优化武器控 制，通过反馈自适应，提高系统的融合效果
智能信息处理技术
3、有反馈的分布式融合系统
传感器1
传感器2 ...
传感器n
形成点迹
形成点迹 ...
形成点迹
本地滤波 本地滤波
本地滤波
融 合 融合输出 单 元
特点：
由融合中心到每个传感器有一个反馈通道，这有助 于提高各个传感器状态估计和预测的精度。
增加了通信量，在考虑其算法时，要注意参与计算
之间的相关性。
噪声、干扰大量存在，产生虚警（环境因素及传感器性能）；
当虚警较多时可能产生假目标，因此检测得到的数据不仅包 含运动目标点迹，也可能包含固定目标的点迹和假目标的点 迹（孤立点迹）；
39
自动化学院
NUST
智能信息处理技术
点迹过滤的目的
将非目标点迹减至最少，消除大部分由干扰产生的假点迹或孤立点迹；
减轻计算机数据处理的负担，改善数据融合系统的状态估计精度，提高 系统的性能。
19 动态态势包括意图估计、遭遇点估计、致命点估计等。
自动化学院
NUST
智能信息处理技术
2）态势分析
包括实体合并，协同推理与协同关系分析，敌我各实体的分布和敌 方活动或作战意图分析。
3）态势预测
包括未来时刻敌方位置预测和未来兵力部属推理等。
20
自动化学院
NUST
3 、第三级处理
智能信息处理技术
威胁评估是关于敌方兵力对我方杀伤能力及威胁程度的评估；
管
身份识别
理
四级处理 优化控制
二级处理 态势评估
三级处理 威胁评估
动
态
数 据 库
数 据 库
管
理
系
统
支
持
数
据
库
自动化学院
NUST
通用模型的特点
分为四级处理 第一级处理的主要内容：
1）数据和图像的配准 2）关联 3）跟踪和识别
智能信息处理技术
1）数据配准：
把从各个传感器接收的数据或图像在时间和空间
上进行校准，使它们有相同的时间基准、平台和
第3讲 数据融合系统结构形式
及数据准备
一数据融合系统结构形 式
主要内容
1、数据融合的主要结构 2、数据融合系统的功能模型 3、数据融合的层次
3
智能信息处理技术
自动化学院
NUST
智能信息处理技术
一） 数据融合的主要结构
数据融合系统的主要结构形式
无
有
有
反
反
反
集
馈
馈
馈
中
的
的
的
式
分
分
全
融
布
布
并
合
式
式
行
点迹过滤的基本依据
运动目标、固定目标及假目标跨周期的相关特性不同。利用一定的判 定准则判定点迹的跨周期特性，就可区别运动目标、固定目标及假目 标。
坐标系。时间配准：将各测量值推算到统一的观测时间
17
点上；空间配准：对位置偏差进行估计和补偿。
自动化学院
NUST
智能信息处理技术
2）数据关联：
把各个传感器送来的点迹与数据库中的各个航迹相关联，同时对目 标位置进行预测，保持对目标进行连续跟踪；
关联不上的那些点迹可能是新的点迹，也可能是虚警，保留下来， 在一定条件下，利用新点迹建立新航迹，消除虚警。
27
自动化学院
NUST
2)特征级目标特性融合
智能信息处理技术
在融合前必须先对特征进行相关处理，把特征向量分成有 意义的组合。
优点：
①实现可观的信息压缩，有利于实时处理；
②所提取的特征直接与决策分析有关，融合结果能最大限度 地给出决策分析所需特征信息。
应用：
28
C3I系统
自动化学院
NUST
特点：
3、决策级融合
特征级融合属于中间层次，融合过程为：
1)提取特征信息(数据信息表示量或统计量) 2)按特征信息对多传感器数据进行分类、综合和分析。
特征级融合分类：
1)目标状态数据融合
26
2)目标特性融合
自动化学院
NUST
智能信息处理技术
1）特征级目标状态数据融合
主要应用：
多传感器目标跟踪领域
融合过程：
①对传感器数据进行预处理以完成数据校准； ②实现参数相关的状态向量估计。
6
自动化学院
NUST
智能信息处理技术
2、无反馈的分布式融合系统
传感器1
传感器2 ...
传感器n
形成点迹
形成点迹 ...
形成点迹
本地滤波 本地滤波
本地滤波
融 合 融合输出 单 元
特点：
分布式 融合系统所要求的通信开销小 融合中心计算机所需的存储容量小
融合速度快
7
性能不如集中式融合系统
自动化学院
NUST
8
自动化学院
NUST
智能信息处理技术
4、有反馈的全并行融合系统
传感器 1
形成 点迹
本地 滤波
融合 单元
传感器 2
...
形成 点迹
...
本地 滤波
融合 单元
传感器 n
形成 点迹
本地 滤波
融合 单元
9
估 计 传 输 通 道
自动化学院
NUST
智能信息处理技术
主要特点：
是全并行、有反馈的融合结构
通过传送通道，各传感器都存取其它传感器的当前估 计，各传感器都独立地完成全部运算任务。
智能信息处理技术
1)是一种高层次融合，其结果为检测、控制、指挥、决策提供依据；
2) 首先利用传感器提供的信息对目标属性进行独立处理，再对各传感 器的处理结果进行融合，最后得到整个系统的决策。
29
自动化学院
NUST
主要优点
智能信息处理技术
1)融合中心处理代价低，具有很高灵活性；
2)通信量小，抗干扰能力强；
34
自动化学院
NUST
智能信息处理技术
二数据准备
智能信息处理技术
融合中心数据处理的前提
虚警的处理－剔除假点迹 具体表现为多目标系统点迹与航迹的关联－剔除孤立点迹
36
自动化学院
NUST
智能信息处理技术
1、对传感器信号处理的要求
尽可能消除各种干扰（各类杂波，如雷达系统，地杂波，海 杂波，气象杂波以及人为干扰；声呐系统，多径，反射，折 射，海底地貌等），降低假点迹出现的概率，减小计算机数 据处理的负担，提高数据处理系统的性能。
系
融
融
融
统
合
合
合
系
系
系
4
统
统
统
自动化学院
NUST
1、集中式融合系统
智能信息处理技术
传感器1
传感器2 ...
传感器n
检测判定
检测判定 ...
检测判定
融
合
判 输出 定
检测判定是指，多传感器扫描观测目标，实现信号检测；
扫描过程中，各传感器进行独立的测量和判断，并将各
种测量参数(目标特性参数和状态参数)报告给数据融合
应用：
每个传感器内部或信息融合中心都既可以选用硬判决方 式，也可选用软判决方式
32
自动化学院
NUST
特点：
1）硬判决
智能信息处理技术
①设置有确定的预置判决门限，只有数据样本特征量达到或超过预 置门限时，系统才作出判决断言；
②只有当系统作出了确定的断言时，系统才向更高层次系统传送“ 确定无疑”的判决结论；
优点：
1)能保持尽可能多的现场数据
24 2)提供其他融合层次所不能提供的细微信息
多 源 图 像 复 合、 图 像 分 析 和 理 解
同多 类传 雷感 达器 波数 形据 的融 直合 接的 合卡 成尔
曼 滤 波 自动化等学院
NUST
局限性
智能信息处理技术
1)所处理的传感器数据量大，处理代价高、时间长、实时性差；