02第二讲 数据融合系统的结构形式

11
四种结构的比较
12
数据融合系统结构的主要设计实现特点
1）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。
48
1、检测
1)多传感器扫描观测目标，实现信号检测；
2)每次扫描，传感器都输出各自观测区域的检 测结果； 3)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) 报告给数据融合中心。
49
2、校准
数据校准的作用： 为统一各传感器的时间和空间参考点。 前提： 各传感器在时空上是独立异步工作的，则必须 事先进行时间和空间校准，即进行时间搬移和坐标 变换，形成融合所需的统一的时间和空间参考点。
55
5、目标识别(属性分类、身份估计)
根据多传感器的观测结果可形成一个N维的特征 向量，其中每一维代表目标的一个独立特征。 若已知被观测的目标有m个类型及每类目标的特 征，则可将实测特征向量与已知类型的特征进行比 较，从而确定目标的类别。 目标识别可看作是目标属性的估计或比较，其 估计结果建立在已知目标类别的先验知识基础上。
5
2、无反馈的分布式融合系统
6
主要特点
每个传感器都要进行滤波，称为局部滤波。
送给融合中心的数据是当前的状态估计，融合中 心利用各个传感器所提供的局部估计进行融合， 最后给出融合结果，即全局估计。
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，且其融合速度快，但 其性能不如集中式融合系统。
4)各传感器信息之间校准精度要求较高，各传 感器信息必须来自同质传感器。
35
2、特征级融合
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。 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。
3
1、集中式融合系统
4
主要特点
特点： 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。 主要优点： 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。 不足： 把所有的原始信息全部送给处理中心，通信开销 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。
4、参数估计(目标跟踪)
传感器每次扫描结束时就将新的观测结果与数 据融合系统原有的观测结果进行融合； 根据传感器的观测值估计目标参数(如位置、速 度、温度、水分等)； 利用这些估计预测下一次扫描中参数的量值， 或目标的位置，预测值又被反馈给随后的扫描，以 便进行相关处理。 状态估计单元的输出是目标的参数与状态估 计，如状态向量航迹等。
15
2）分布式处理结构
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。
16
缺点： ①提供给中心处理器的有限数据，降低传感器
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。
22
3）识别 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。
23
第一级处理的特点
所采用的网络结构不同，所对应的信息处理方 法也有所不同。 对分布式融合系统，所处理的对象是各个传感 器送来的航迹，首先要对它们进行关联，以保证不 同传感器对同一目标观测的航迹得到合并。
24
2、第二级处理
主要内容：态势评估
1）态势提取 2）态势分析 3）态势预测
25
1）态势提取 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价； 动态态势包括意图估计、遭遇点估计、致命点 估计等。
26
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。 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。
38
3、决策级融合
特点： 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)从具体决策问题出发，充分利用特征级融合 的最终结果，直接针对具体决策目标，融合结果直 接影响决策水平。
39
主要优点
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； 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。
50
3、数据相关(数据关联、数据互联)
数据相关的作用： 判别不同时空的数据是否来自同一目标。每次 扫描结束时，相关单元将收集到的多传感器的新的 观测信息与其他传感器的新的观测信息以及该传感 器过去的观测结果进行相关处理。 利用多传感器观测结果对目标进行估计时，要 求这些观测结果来自同一目标。
51
设s个传感器在n个时刻的观测值数据集合为： Z = {Zj} (j=1，2，…,s) Z = {Zji(k)} (i=1，2，…,m;k=1，2，…,n) Zj为第j个传感器的观测值的集合； Zji(k)为第j个传感器在k时刻对i个目标的观测 值； m为观测区域内目标个数，即测量对象数量。
42
融合层次的优缺点比较
43
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。 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。
44
1）硬判决
特点： 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；
第二讲 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 4、数据融合系统的构成
2
2.1 数据融合的主要结构
数据融合系统的主要结构形式
1、集中式融合系统 2、无反馈的分布式融合系统 3、有反馈的分布式融合系统 4、有反馈的全并行融合系统
27
3 、第三级处理
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； 具体包括综合环境判断、威胁等级判断及辅助 决策。
28
4、第四级处理
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。 辅助决策 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。
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； ③这种判决方式以经典的数理逻辑为基础，是 确定性的。
45
2）ห้องสมุดไป่ตู้判决
特点： 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
33
优点： 1)能保持尽可能多的现场数据 2)提供其他融合层次所不能提供的细微信息
34
局限性
1)所处理的传感器数据量大，处理代价高、时 间长、实时性差； 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；
29
DFS模型
30
数据融合技术的综合应用模型，其描述的是数 据融合技术支持下的综合性信息处理过程，而不是 数据融合技术本身。
31
2.3 数据融合的层次
1、数据层(像素级)融合 2、特征级融合 3、决策级融合
32
1、数据层(像素级)融合
特点： 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之前或只进行很少 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。 应用： 多源图像复合、图像分析和理解； 同类雷达波形的直接合成； 多传感器数据融合的卡尔曼滤波等。
52
多传感器目标的观测数据集
53
54
数据融合具有时间性和空间性，必须先进行相 关处理，以判别属于同一目标的数据。在相关的基 础上，将收集到的每个传感器新的观测结果指派给 以下假设中的一个假设： 1)新目标观测集，即建立迄今为止尚未观测到 的新的观测对象的报告。 2)已存在的目标集，即根据以前观测到的观测 对象标识报告的来源。 3)虚警，即假定传感器观测不形成一个实际目 标，并根据进一步的分析删除该观测结果。
46
2.4数据融合系统的构成
数据融合系统基本框图：
47
数据融合系统主要组成
多传感器、校准、相关、识别、估计部分。 校准与相关是为识别和估计做准备的，实际融 合在识别和估计中进行。 数据融合过程： 1）低层处理，对应于数据层融合和特征级融 合，输出状态、特征和属性等；
2）高层处理(行为估计)，对应的是决策级融 合，输出抽象结果，如威胁、企图和目的等。
36
特征级融合分类： 1)目标状态数据融合 2)目标特性融合
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。
37
2)特征级目标特性融合
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： C3I系统
融合的有效性； ②某些传感器对环境的严重干扰可以限制处理
器部件的选择，并增加了成本； ③传感器位置的选择受更多地限制； ④增加的各种单元都降低了可维护性，增加了 计算支持的负担和成本。
17
分布式系统的主要应用
组合和相关来自空间和时间上各不相同的多平 台多个传感器的数据，大型军事防御系统采用这种 融合方式，多参数或参数间交叉影响的智能检测系 统也采用这种融合方式。
13
缺点： ①可能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)。
14
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。
7
3、有反馈的分布式融合系统
8
主要特点
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 算的量之间的相关性。
9
4、有反馈的全并行融合系统
10
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。 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。
40
缺点： 1)对原传感器信息进行预处理以获得各自的判定 结果； 2)预处理代价高。
41
4、跟踪融合(航迹融合)
当用不同空间位置上的多个传感器观测目标运 动航迹时，考虑数据融合的时空性； 实现： 先对各传感器不同时刻的观测值进行数据融 合，得出各传感器的航迹估计 再对各传感器输出的航迹估计进行融合，从而 得出目标的最终航迹，实现目标跟踪。 应用：跟踪扫描系统，如跟踪雷达网等。
18
2.2 数据融合系统的功能模型
数据融合的通用功能模型
19
通用模型的特点
分为四级处理 1、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
20
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 坐标系。
21
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；