传感器信息融合及其应用论文.docx

传感器信息融合及其应用综述1　引　　言近年来,多传感器信息融合技术不论在军事领域还是在民事领域都受到了广泛的关注。这一技术正广泛应用于自动目标识别、战场监视、自动飞行器导航、机器人、遥感、医疗诊断、图像处理、模式识别和复杂工业过程控制等领域。多传感器数据融合是指对不同知识源和传感器采集的数据进行融合,以实现对观测现象更好地理解。从表面上看,多传感器融合的概念很直观,但实际上要真正实现一个多传感器融合系统是比较困难的。异质传感器数据的建模、协同与解释都是富有挑战性的工作。尽管有很多困难,但由于多传感器融合系统具有改善系统性能的巨大潜力,人们还是投入了大量的精力进行研究。传感器是智能机器与系统的重要组成部分,其作用类似于人的感知器官,可以感知周围环境的状态,为系统提供必要的信息。例如,一个机器人可以通过位置传感器获得自身当前的位置信息,为下一步的运动任务提供服务。通过传感器可以将系统的输入和输出联系在一起,构成一个闭环的控制回路,这对实际应用有着极其重要的意义。随着工作环境与任务的日益复杂,人们对智能系统的性能提出了更高的要求。单靠一个位置传感器无法消除由于其自身的累积误差对系统造成的影响。另外单个传感器往往无法满足某些系统对鲁棒性的要求。显然,解决这些问题的一种有效途径就是多传感器技术。多传感器技术的使用可以提高系统的性能,但在实际应用中还存在许多问题。目前,针对这些问题的研究已经形成了一个新的研究领域,即多传感器集成与融合。虽然这方面的研究只有短短十几年,但已经取得了许多研究成果,其中多传感器融合的研究更是受到人们的重视,并且已经成为目前该领域的研究热点之一。和国外的研究相比,国内在多传感器融合方面的研究尚处于初始阶段,对这方面系统介绍的文献也相对较少。此外,多传感器融合是一个复杂的信息处理过程,所要研究的问题多,而且解决问题的方法也很多,因此有必要对目前的研究情况进行系统的介绍。图1是多传感器数据融合的示意图,传感器之间的冗余数据增强了系统的可靠性,传感器之间的互补数据扩展了单个的性能。一般而言,多传感器融合系统具有以下优点:　　1)提高系统的可靠性和鲁棒性;　　2)扩展时间上和空间上的观测范围;3)增强数据的可信任度;4)增强系统的分辨能力。图1在设计多传感器融合系统时,应考虑以下一些基本问题:1)系统中传感器的类型、分辨率、准确率;2)传感器的分布形式;3)系统的通信能力和计算能力;4)系统的设计目标;5)系统的拓扑结构(包括数据融合层次和通信结构)。2　问题描述单传感器系统结构如图2所示。单个传感器在某一采样时刻只能获取一组数据,由于数据量少,所以经过处理得到的信息只能用来描述环境的局部特征,在实际应用中单传感器系统往往被认为是一个单入单出的系统。与单传感器系统相比,多传感器系统的结构要复杂得多,如图3。多传感器系统通过多个传感器(可以为同构,也可以为异构)获得更多种类和数量的传感数据,因此经过处理得到的多种信息能够对环境进行更加全面的描述,在实际应用中多传感器系统可以被理解为一个多入多出的系统(包括多入单出系统)。这种结构上的差异导致了多传感器系统的处理过程比单传感器系统更加复杂,其中多传感器融合是整个处理过程中一个重要的组成部分,如图4。图2图3图4在多传感器融合中,包含了大量的不确定信息。首先,无论哪种传感器,其测量数据都会存在一定的误差,造成误差的原因可能是环境中的不确定性,如噪声;也可能是传感器本身存在的问题,如传感器故障或者模型偏差。因此从这样的测量数据中提取的信息必然具有某种不确定性(如随机性)。其次,验前信息是根据系统以往行为得到的一种经验信息,可以是人工产生的,也可以由系统自身产生,它也具有一定不确定性(如模糊性)。以上这些具有不确定性的信息统称为不确定信息。除了上面介绍的两种情况外,在处理过程中由于信息的损失也会产生新的不确定信息。多传感器融合的研究对象就是这些不确定信息,通过融合处理可以降低信息的不确定性,提高对环境特征描述的准确性。研究表明,经融合处理得到的结果比单个传感器得到的结果更准确,同时信息的冗余还可以提高整个系统自身的鲁棒性。多传感器融合是一个复杂的不确定信息处理过程,有待解决的问题很多。2.1　信息描述空间的不同在多传感器系统中,每个传感器得到的信息都是某个环境特征在该传感器空间中的描述。由于各传感器物理特性以及空间位置上的差异,造成这些信息的描述空间各不相同,因此很难对这样的信息进行融合处理。为了保证融合处理的顺利进行,必须在融合前对这些信息进行适当的处理,将这些信息映射到一个共同的参考描述空间中,然后进行融合处理,最后得到环境特征在该空间上的一致描述。例如,在一个多传感器系统中,可以通过视觉传感器得到物体位置信息,也可以用超声波传感器得到物体的位置信息。由于坐标系不同,因此在融合