机器人多传感器信息神经网络融合.pdfVIP

中南工业大学学报 弟29卷专辑 J．CENT．SOUTHUNIV．TECHNOL 机器人多传感器信息神经网络融合’ ● 管天云周新辉蒋静坪 (浙江太学电机系，杭州，310027) 摘要 本文基于神经网络和证据理论提出了一种多传惠器信息的空间和时问两级数据融合结构模型，并 将其用于机器人的物体识别，实验结襄表明该方法提高了系统的识刖豉果，增强了系统的可靠性． 关键词传感器融合；神控网络；证据理论；物体识别 v 、 √ 体，必须建立适当的体系结构．传统的多传感器信 · 1引言 息融合是在数据级、特征级和决策级上进行的，本 文从时空角度出发，不仅融合传感器属性空间的信 多传感器信息融合是当前机器人研究领域的一 息，还要考察时域空间的信息，以得到完全可靠的 个重要内容，随着自动化技术在各个领域内的深入 决策信息，为此我们提出一种两级融合结构，如图 渗透，有效地运用和传感器所提供的信息进行信号 1所示． 的综合处理，对于促进机器人向智能化、自主化发 展有着极其重要的作用．传统的融合方法大多以 Bayes推理和D—s证据推理为基础的，Bayes融合 方法需要先验概率，在大多数情况下，这种先验信 息难以获得或不够准确，而证据理论却具有很强的 图1敷据融合的结构模型 处理不确定性的信息能力，但是运用证据理论进行 图中传感器空间融合是指将多传感器的信息通 信息融合的时候需要有足够的证据，在有些情况下 过神经网络初步分类，时域信息融合是将不同时刻 这些证据也是不易得到的．神经网络由于具有自组 神经网络的输出经过证据理论综合产生决策信息． 织、自学习和较强的处理不确定性的能力．而受到 普遍关注．在多传感器系统中，各信息源提供的环 境信息都具有一定程度的不确定性，对这些信息的 3神经网络融合方法 融合实质上就是一个不确定性推理过程，因此本文 结合神经网络和证据理论的优点，提出了一种多传 人工神经网络由于具有分布式存储和并行处理 感器信息的两级融合结构，利用神经网络实现多传 方式、自组织和学习的功能以及很强的容错性和鲁 感器空间的信息融合，并将神经网络的输出作为证 棒性等优点，因而在模式识别领域得到了越来越广 据利用证据理论将其在时间域内进行综合决策，从 泛的应用，用于模式识别的神经网络有很多种，这 重 而十分可靠地完成对操作工作目标的识别和分类． 里我们采用三层BP网络，输入节点数为l’，隐层 节点数为H，输出层节点数为C，输入层与隐层之 2数据融合的结构模型 间的权为Ⅵ，。隐层与输出层之间的连接权为Ⅳ” 设输入矢量为X一(z，，屯，…，xr)，输出空间为R =(咄．吡，…