传感器数据与融合 第一章课件.pptVIP

4. 数据融合的结构 根据传感器数据在送入融合处理中心之前已经处理的程度来进行分类： 传感器级（分布式）、中央级（集中式）、混合式； 根据数据和处理过程的分辨率来分类： 像素级、特征级和决策级 （1）传感器级数据融合 （2）中央级数据融合 （3）混合式数据融合 （4）像素级融合 （5）特征级融合 （6）决策级融合 5. 数据融合的通用模型 (1) 处理级别1 (2) 处理级别2——态势评估 (3) 处理级别3——威胁估计 (4) 处理级别4——融合系统的优化 * * 近年来,无论是在军事领域还是非军事领域,多传感器数据融合都得到很大关注. 多传感器数据融合并不是新概念. 从人和生物的角度,都能够 利用多种感官提高自身的生存能力.例如不仅仅利用视觉，而是综合应用触觉、嗅觉、味觉等判断食物的质量；再例如，当视觉受到建筑物和植被的限制，听觉就能够帮助人们及时发现危险。 因此任何动物已经自然地应用多传感器数据融合来准确评估周围环境、识别威胁，从而提高生存几率。 发展背景 大量新型传感器的涌现、先进的处理技术和高性能的处理器硬件使得实时数据融合越来越可行。就像上世纪70年代符号处理计算机的发明刺激了人工智能的发展，近期计算和传感技术在软硬件的发展使得模仿人和动物的信息融合能力。 应用方面： 目标跟踪、自动目标识别、自动推理。 数据融合技术从相关领域的松散组合逐渐发展成为具有标准术语、鲁棒数学技术集和已有系统设计准则在内的真正的技术准则。 军事应用 包括 ATR（智能武器）、自动车辆的导航、遥感、战场监视和自动威胁识别系统（如敌-中-我IFFN）系统。 还拓展到武器和机械的状态监控，战士个体健康状况的监控，以及协助推理。 非军事应用：工业制造过程的监测、复杂机械的有条件维护、机器人和医学应用。 数据融合技术 来自包括数字信号处理、统计与估计、控制理论、人工智能和经典数学方法等传统准则。 Multisensor data fusion seeks to combine information from multiple sources (including sensors, human reports, and data from the Internet) to achieve inferences that cannot be obtained from a single sensor or source, or whose quality exceeds that of an inference drawn from any single source. * * the U.S. Department of Defense (DoD) and other defense establishments around the world invested enormous amounts of funds for data fusion systems in applications such as automatic target recognition, target tracking, automated situation assessment, identifi cation-friend-foe-neutral (IFFN) systems, and Smart weapons. 大量新型传感器的涌现、先进的处理技术和高性能的处理器硬件使得实时数据融合越来越可行。就像上世纪70年代符号处理计算机的发明刺激了人工智能的发展，近期计算和传感技术在软硬件的发展使得模仿人和动物的信息融合能力。 如果各传感器使用独立的不同物理信号来产生信息，即接受到物体不同物理特性方面的信号，并且对一个目标不容易产生虚警时，采用传感器级融合结构是对目标进行检测和分类的最好方法。 传感器信息来自独立的物理现象时 像素级，最开始描述图象类的，主要的问题是数据配准 和 数据传输的问题。 关于传感器数量与精度 对于整个系统的融合后 性能增益的提高度. 两个例子. 多传感器数据融合技术（081004C06）wangmin@mail.njust.edu.cn 2011年4月 参考书目： 1．杨万海 . 多传感器数据融合及其应用. 西电出版社. 2004.4 2. [美] Lawrence A.K. 多传感器数据融合理论及应用. 北理工出版社.2004.2 3. [美] 霍尔（Hall D.L.）编. 杨露菁，耿伯英 主译. 多传感器数据融合手册. 电子工业出版社. 2008.5 4. 赵宗贵. 数据融合方法概论.电子部28所. 1998.4 第一章 多传感器数据融合概述 2011.4 1.1 概况 数据