多传感器信息融合考点总结讲解.docx

考点1：多传感器数据融合的定义、目的和实质 考点2：多传感器数据融合过程 考点3：JDL功能模型的级别、功能 考点4：数据融合的三个层次以及优缺点 考点5：数据融合方法的结构以及优缺点 考点6：多传感器数据融合技术存在的局限性 考点7：多源信息融合的检测、状态和属性融合的工作原理及其优缺点 考点8：多传感器目标检测的融合结构及各自的优缺点 考点9：分布式融合检测系统二元假设检验问题 考点10：分布式检测融合系统常见的结构 考点11：分布式检测融合系统常见的融合策略。它们的检测概率和虚警概率公式和判决准则公式 考点12：多传感器数据融合常用算法、基本原理、优缺点 考点13：数据关联的步骤 考点14:卡尔曼滤波算法的5条核心公式及其含义 考点15：基于贝叶斯统计理论的属性融合识别过程 考点16：模糊集合与隶属函数的定义 考点17：模糊推理综合评价的步骤和作用 考点18：从功能上看，模糊推理系统的组成和作用 数据融合的目的 基于各独立传感器的观测数据，通过融合导出更丰富的有效信息，获得最佳协同效果，发挥多个传感器的联合优势，提高传感器系统的有效性和鲁棒性，消除单一传感器的局限性。 数据融合的定义 功能定义：将多个信息源的数据进行相关、整合，以获得目标的精确位置、身份，最后对目标进行完整精确评价。 技术定义：充分利用不同时间与空间的多传感器资源，采用计算机技术按时间序列获得多传感器的观测数据，在一定准则下进行分析、综合、支配和使用。获得与被测对象的一致性解释与描述，进而实现相应的决策和估计，使得系统比它的各个组成部分更为充分的信息。 数据融合的实质：一种多源信息的综合技术，通过对来自不同传感器的数据进行分析和综合，可以获得被测对象及其性质的最佳一致估计。 数据融合的过程：分析来自所有传感器和多信息源的数据，并对其进行配准、关联、相关、估计、分类与信息反馈等处理。 配准：将传感器数据统一到同一时间和空间参考系中 关联：使用某种度量尺度对来自不同传感器的数据进行比较，确定进行相关处理的候选配对 相关：对关联后的数据进行处理以确定???们是否属于同一个目标 估计：依据相关处理后的结果对目标的状态变量与估计误差方差进行更新，实现对目标的未来状态预测 分类：通过对特征数据的分析，确定目标的类型等 JDL功能模型的级别、功能 JDL模型是美国国防部数据融合联合指挥实验室提出的，分为四级。 第一级：目标评估，包括数据配准、数据关联、目标位置参数及运动学和属性参数估计，以及身份估计等。 第二级:态势评估，是对整个态势的抽象和评定。分析在各种态势下的数据，包括天气、地形、海况、水下情况、敌情或社会政治因素等。 第三级：威胁评估，它将当前态势映射到未来，对参与者设想或预测的行为的影响进行评估。如实例估计、预测敌方意图、威胁识别、多方面分析、进攻与防御分析。 第四级：过程评估，它是一个更高级的处理阶段，包括融合性能效果评价、融合控制、对特殊信息源要求的处理和任务管理。 数据融合的三个层次以及优缺点： 处理过程定义传递介质融合级别优缺点高层次融合决策决策级融合每个传感器先基于自己的数据做出决策，然后由融合中心完成局部决策。优点：通信量小、抗干扰能力强、融合中心处理代价低。缺点：数据损失量最大、精度最低。筛选、整合和抽象信息特征级融合每个传感器先抽象出自己的特征向量，然后由融合中心完成融合处理。优点：进行了数据压缩、对通信带宽的要求低、利于实时处理。缺点：有信息损失、融合性能降低传感器采集数据数据级融合直接对传感器的观测数据及预处理各阶段产生的信息进行融合处理，然后基于融合后的结果进行特征提取和判断决策。优点：数据损失量较少，精度最高缺点：代价高、要求传感器是同质的、数据通信量大、抗干扰能力差、处理的数据量大。 数据融合方法的结构以及优缺点 集中式融合结构：将检测数据传递到融合中心，然后进行数据对准、点迹相关、数据互联、航迹滤波、预测与综合跟踪等。 优点：信息损失量最小 缺点：互联比较困难。并且要求系统必须具备大容量的存储能力，计算负担重，系统生存能力较差 分布式融合结构：其中的每个传感器的检测数据在进入融合以前，先由它自己的处理器产生局部决策结论，然后将处理过的信息送至融合中心，完成综合决策，形成全局估计。 优点：计算量小，易实现，系统生存能力强 缺点：信息损失量大 混合式融合结构：集中式混合与分布式融合相结合 优点：适合复杂度高、难度大的大系统，可扩充性一般 缺点：在通信和计算上要付出昂贵的代价 多级式融合结构：各