8章传感器信息的一般方法.docVIP

2.5.3 传感器信息融合的一般方法 传感器信息融合的方法有很多，但到目前为止，常用的方法主要有三类：嵌入约束法、证据组合法、人工神经网络法。 1.嵌入约束法 ⑴嵌入约束法的概念 嵌入约束法认为：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。从数学的角度说就是，多种传感器的全部信息，也只能描述环境的某些特征，而具有这些特征的环境却有很多，要使一组数据对应唯一的环境（即上述映射为一一映射），就必须对映射的原像和映射本身施加约束条件，使问题能有唯一的解。因此，嵌入约束法，就是施加约束条件的方法。 ⑵Bayes（贝叶斯）估计 嵌入约束法最基本的方法有Bayes估计和卡尔曼滤波，我们首先讨论一下Bayes估计。 ①Bayes估计的适用范围及数学方法 贝叶斯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，适用于具有可加高斯噪声的不确定性信息。贝叶斯估计的数学描述语言为概率。 传感器低层数据是指传感器输出的未经处理的数据。 ②Bayes公式 假定环境用向量表示，传感器所获得的数据用向量表示，和都可看做是随机向量。信息融合的任务就是由数据推导和估计环境。假设为随机向量和的联合概率分布密度函数，则由概率论知识可知： （2-15） 其中，表示在已知的条件下，关于的条件概率