多传感器数据融合方法综述技术分析.docxVIP

多传感器数据融合方法研究综述 绪论 数据融合是一门集数学、军事科学、计算机科学、自动控制理论、人工智能、通信技术、管理科学等多种学科的综合理论和方法。比较确切的定义为：利用计算机技术对多传感器获得的观测信息按照一定准则加以自动分析、综合以完成所需的决策和估计任务而进行的信息处理过程[1]。多传感器系统是数据融合的硬件基础，多源信息是数据融合的加工对象，协调优化和综合处理是数据融合的核心。 数据融合的概念主要包括下面三层含义： (1)信息的多源性：融合系统要处理的是确定和不确定（模糊）的、同步和非同步的、同类型和不同类型的、数字和非数字的信息，是多源信息。 (2)信息的综合：融合可看作是系统动态过程中所进行的一种信息综合加工处理。 (3)信息的互补过程：融合的目的之一是要解决系统功能上的互补问题；反过来，互补信息的融合可以使系统发生质的飞跃。 数据融合技术是近些年来国内外技术研究的热点。众所周知，协同运用多传感器的传感数据可以提取其所探测环境的尽可能多的有用信息。这种多传感器数据的融合是在人和其他生物的生理活动中均可以观察到的基本功能。将图像、声音、味和物理形状或组织结构之类的数据变换成对环境的有意义的感觉要求大量的不同信息的处理和足以说明适当综合数据的含义的知识基础。因此可以说多传感器数据融合本是人类和其它生物系统的一个基本功能。人类的各感官，诸如眼、耳、鼻、手指就是传感器，通过这些传感器人们获取“数据”=光、声、味、触觉，加上人的先验知识，在人脑很强的关联推理下，带有手工辅助和没有辅助的人都能成功地对传感器和源数据进行综合分析，从而，对周围环境和发生的事件做出估计。20世纪70年代以来，自动系统已经模拟了许多诸如此类的人的功能，它们借助于计算机综合多传感器的数据来获得任何单个传感器不可能单独提供的有用数据。此过程有不同名称：多传感器或多源相关，多源综合，传感、混合或数据融合。 目前，在天气预报、交通管制、战场态势估计、目标分类与跟踪等民用及军事领域中，多传感器数据融合技术得到了广泛的重视和应用。由于多传感器信息的冗余性、互补性、时效性和低代价，使得多传感器数据融合系统具有较强的鲁棒性。从实质上说，数据融合不仅仅是一种处理数据的方法，同时它也是认识和改造世界的方法学。 1数据融合的处理过程 单一传感器只能获得环境特征的部分信息，描述对象和环境特征的某个侧面，而融合多个传感器的信息可以在较短的时间内，以较小的代价得到使用单个传感器所不可能得到的精确特征。数据融合是将不同来源、不同模式、不同媒质、不同时间、不同表示的信息有机的结合[2]，最后得到对被感知对象的更精确的描述。多传感器数据的融合就像人脑综合处理信息一样，充分利用多个传感器资源，通过对多传感器观测信息的合理支配和使用，把多传感器在空间或时间上可冗余或互补信息，依据某种准则来进行组合，以获得被测对象的一致性解释或描述。具体地说，多传感器数据融合处理过程如下： （1）配准：将传感器数据统一到统一参考时间和空间； （2）关联：使用某种度量尺度将来自不同传感器的航迹与测量数据（数据报表）进行比较，以确定要进行相关处理的候选配对； （3）相关：对关联后的航迹和报表进行处理以确定它们是否属于同一目标，从而帮助对所感兴趣的目标进行检测、分类与跟踪； （4）估计：使用相关处理后的结果通过对目标的状态变量与估计误差方差阵进行更新，从而实现对目标未来位置的预测； （5）分类：通过对航迹与目标的特征数据的分析，确定目标的类型； （6）信息反馈：根据融合后的结果对处理器的各种阈值、处理时间以及其他参数进行反馈调整，以提高系统的工作效率。 2数据融合的结构层次 2.1数据融合结构 结构是指一种有多个单元组成的系统，达到个体单元所不能达到的效果和功能。结构决定了系统的设计信息和系统在运行、测试及技术支持上的要求，并且确定了对结构组件的约束。数据融合的结构一般有两种分类标准。其一：根据传感器数据在送入融合处理中心之前的处理程度，融合结构被分为传感器级融合（也被称为自主式融合、分布式融合或后传感器融合等）、中央级数据融合（也被称为集中式融合或前传感器融合等）以及混合式融合，混合式融合是指既有传感器级融合也有中央级融合。其二：根据数据和处理过程的分辨率，融合结构被分为像素级融合、特征级融合和决策级融合。在选择合适的数据融合结构时也需要考虑其他因素，例如数据处理和通信资源以及融合后结果的存放位置等。 2.2数据融合的层次 多传感器数据融合与经典信号处理方法之间也存在本质的区别，其关键在于数据融合所处理的多传感器信息具有更复杂的形式，而且，可以在不同的信息层次上出现，每个层次代表了对数据不同程度的融合过程，这些信息抽象层次包括数据层(像素级)、特征层和决策层[3]。相应的数据融合也主要有数据级、特征级和决策