第19章多传感器信息融合技术new.pptVIP

第19章 多传感器数据融合技术 概述 传感器数据融合，是对多种信息的获取、表示及其内在联系进行综合处理和优化的技术。 传感器信息融合技术从多信息的视角进行处理及综合，得到各种信息的内在联系和规律，从而剔除无用的和错误的信息，保留正确的和有用的成分，最终实现信息的优化。 它为智能信息处理技术的研究提供了新的观念。经过融合后的传感器信息具有以下特征：信息冗余性、信息互补性、信息实时性、信息获取的低成本性。 19.1 传感器信息融合分类和结构 19.1.1 传感器信息融合分类 传感器信息融合方法可分为以下四类：组合、综合、融合和相关。 组合是由多个传感器组合成平行或互补方式来获得多组数据输出的一种处理方法，是一种最基本的方式，涉及的问题有输出方式的协调、综合以及传感器的选择。在硬件这一级上应用。 综合是信息优化处理中的一种获得明确信息的有效方法。例如使用两个分开设置的摄像机同时拍摄到一个物体的不同侧面的两幅图像，综合这两幅图像可以复原出一个准确的有立体感的物体的图像。 19.1 传感器信息融合分类和结构 融合是当将传感器数据组之间进行相关或将传感器数据与系统内部的知识模型进行相关，而产生信息的一个新的表达式。 相关是通过处理传感器信息获得某些结果，不仅需要单项信息处理，而且需要通过相关来进行处理，获悉传感器数据组之间的关系，从而得到正确信息，剔除无用和错误的信息。 相关处理的目的：对识别、预测、学习和记忆等过程的信息进行综合和优化。 19.1 传感器信息融合分类和结构 19.1.2 信息融合的结构 信息融合的结构分为串联、并联，如图19-1所示。 19.1 传感器信息融合分类和结构 串联融合时，当前传感器要接收前一级传感器的输出结果，每个传感器既有接收处理信息的功能，又有信息融合的功能，各个传感器的处理同前一级传感器输出的信息形式有很大关系。最后一个传感器综合了所有前级传感器数出的信息，得到的输出为串联融合系统的结论。 并行融合时，各个传感器直接将各自的输出信息传输到传感器融合中心，传感器之间没有影响，融合中心对各信息按适当的方法综合处理后，输出最终结果。 还可将串行融合和并行融合方式结合组成混合融合方式，或总体串行局部并行，或总体并行局部串行。 19.1 传感器信息融合分类和结构 19.1.3 信息融合的关键技术 信息融合的关键技术包括数据转换、数据相关、数据库和融合推理的减少融合损失。 1）数据转换：多传感器输出的数据形式、环境描述等都不一样，信息融合中心处理这些不同信息的关键即是把这些数据转换成相同形式，然后进行相关处理。 2）数据相关：数据相关的核心问题是克服传感器测量的不精确性，保持数据的一致性。因此，应控制和降低相关计算的复杂性，开发相关处理、融合处理和系统模拟的算法和模型。 19.1 传感器信息融合分类和结构 3）态势数据库：态势数据库可分为实时数据库和非实时数据库。实时数据库的作用是把当前各传感器的观测结果及时提供给信息融合中心，同时也存储融合处理的最终态势/决策分析结果和中间结果。非实时数据库存储各传感器的历史数据、相关目标和环境的辅助信息以及融合计算的历史信息。态势数据库要求容量大、搜索快、开放互连性好，具有良好的用户接口。 4）融合计算：融合计算涉及到以下问题：对多传感器的相关观测结果进行验证、分析、补充、取舍、修改和状态跟踪估计；对新发现的不相关观测结果进行分析和综合；生成综合态势，并实时地根据对传感器观测结果通过数据融合计算，对综合态势进行修改；态势决策分析。 19.2 传感器信息融合的一般方法 作为一种智能化数据综合处理技术，数据融合是许多传统学科和新技术的集成与应用。 最常用的信息融合方法有三类：嵌入约束法、证据组合法和人工神经网络法。 19.2.1 嵌入约束法 由多种传感器所获得的客观环境(即被测对象)的多组数据就是客观环境按照某种映射关系形成的像，信息融合就是通过像求解原像，即对客观环境加以了解。 19.2 传感器信息融合的一般方法 用数学语言描述就是，所有传感器的全部信息，也只能描述环境的某些方面的特征，而具有这些特征的环境却有很多，要使一组数据对应惟一的环境(即上述映射为一一映射)，就必须对映射的原像和映射本身加约束条件，使问题能有惟一的解。 嵌入约束法最基本的方法有Bayes估计和卡尔曼滤波。 19.2 传感器信息融合的一般方法 1. Bayes估计 Bayes估计是融合静态环境中多传感器低层数据的一种常用方法。其信息描述为概率分布，适用于具有可加高斯噪声的不确定性信息。 假定完成任务所需的有关环境的特征物用向量f表示，通过传感器获得的数据信息用向量d来表示