多传感器信息融合.docVIP

文章编号：１００５－６０３３（２００６）１９－0212-02 ??? 收稿日期：２００６－０４－０４摘 要：介绍了多传感器信息融合技术的概念，分析了多传感器信息融合层次的问题，提出了多传感器信息融合的主要方法，预测了其发展趋势。关键词：多传感器；信息融合；研究方法中图分类号：TP212??? 文献标识码：Ａ近 年来，随着计算机技术、通讯技术的发展，特别是军事上的迫切要求，多传感器信息融合技术得到了迅速的发展。信息融合作为一门跨学科的综合信息处理理论，涉 及系统论、信息论、控制论、人工智能和计算机通信等众多的领域和科学，它被广泛应用于自动目标识别、战场监视、自动飞行器导航、机器人、遥感、医疗诊治、 图像处理等领域。信息融合技术首先应用于军事领域，包括航空目标的探测、识别和跟踪，以及战场监视、战术态势估计和威胁估计等；在地质科学领域上，信息融 合应用于遥感技术，包括卫星图像和航空拍摄图像的研究；在机器人技术和智能航行器研究领域，信息融合主要被应用于机器人对周围环境的识别和自动导航；信息 融合技术也被应用于医疗诊断以及一些复杂工业过程控制领域。１ 多传感器信息融合的定义传感器获得的信息有３类：冗余信息、互补信息和协 同信息。冗余信息是由多个独立传感器提供的关于环境信息中同一特征的多个信息，也可以是某一传感器在一段时间内多次测量得到的信息。在一个多传感器系统 中，若每个传感器提供的环境特征是彼此独立的，即感知的是环境各个不同侧面的信息，则这些信息称为互补信息。在一个多传感器系统中，若一个传感器信息的获 得必须依赖另一个传感器的信息，或一个传感器必须与另一个传感器配合工作才能获得所需的信息时，则这两个传感器提供的信息称为协同信息。多传感器 信息融合，又称多传感器数据融合，指的是对不同知识源和多个传感器所获得的信息进行综合处理，消除多传感器信息之间可能存在的冗余和矛盾，利用信息互补， 降低不确定性，以形成对系统环境相对完整一致的理解，从而提高智能系统决策和规划的科学性、反应的快速性和正确性，进而降低决策风险过程。图１是多传感器 信息融合的示意图，传感器之间的冗余信息增强了系统的可靠性，多传感器之间的互补信息扩展了单个传感器的性能。一般而言，多传感器融合系统具有以下优点：一是提高系统的可靠性和鲁棒性，二是扩展时间上和空间上的观测范围，三是增强数据的可信任度，四是增强系统的分辨能力。２ 多传感器信息融合的层次问题在此，主要介绍普遍为学者所接受的３层融合结构，即数据层、特征层和决策层。数 据层融合见图２，首先将全部传感器的观测数据融合，然后从融合的数据中提取特征向量，并进行判断识别。这便要求传感器是同质的，如果多个传感器是异质的， 那么数据只能在特征层或决策层进行融合。数据层融合不存在数据丢失的问题，得到的结果也是最准确的，但对系统通信带宽的要求很高。特征层融合见图３，每种传感器提供从观测数据中提取有代表性的特征，这些特征融合成单一的特征向量，然后运用模式识别的方法进行处理。这种方法对通信带宽的要求很低，但由于数据的丢失使其准确性有所下降。决策层融合是指在每个传感器对目标做出识别后，将多个传感器的识别结果进行融合（见图４）。由于对传感器的数据进行了浓缩，这种方法产生的结果相对而言最不准确，但它对通信宽带的要求最低。对于多传感器融合系统特定的工程应用，应综合考虑传感器的性能、系统的计算能力、通信宽带、期望的准确率以及资金能力等因素，以确定哪种层次是最优的。另外，在一个系统中，也可能同时在不同的融合层次上进行融合。３ 多传感器信息融合的主要方法国内外多传感器信息融合的方法主要有：概率论方法、Ｄ－Ｓ证据推理、模糊集合理论、神经网络方法。３．１ 概率论方法概 率论方法较早应用于信息的融合。这种方法首先对各种传感器信息作相容性分析，删除可信度很低的错误信息，在假设已知相应的先验概率的前提下，对有用的信息 进行贝叶斯估计，以求得最优的融合信息。Ｈ.Ｐａｎ等认为，贝叶斯方法的优点是简洁，易于处理相关事件；缺点是不能区分不知道与不确定的信息，而且要求处 理的对象相关。特别是在实际应用中很难知道先验概率，当假设的先验概率与实际矛盾时，推理的结果会很差，在处理多重假设和多重条件时会显得相当的复杂。３．２　证据理论证 据理论是对概率论的扩展，依据信任函数运算，解决了一般的不确定问题。它能融合不同层次上的属性信息，能区分不确定性信息与未知性信息，还能较好地解决报 告冲突，容错能力强，但是证据理论也存在着不足，即证据冲突的情况下，Ｄ－Ｓ证据组合将无法进行或组合结果与实际不相符合。３．３　模糊集方法该方法是用某种模型，系统地反映数据融合过程的不确定性，并通过模糊推理来完成数据融合。３．４　神经网络算法神经网络算法是在现代神经