第11章__传感器信息融合技术.docVIP

第11章 多传感器信息融合技术 6.1信息融合的基本概论 一．信息融合的定义 近十几年来，多传感器信息融合技术（MSIF：Multi-Sensor Information Fusion）获得了普遍的关注和广泛的应用，融合一词几乎无限制地被许多领域所引用。这些应用领域主要有：机器人和智能仪器系统；战场任务和无人驾驶飞机；目标检测与跟踪；自动目标识别；多源图像复合等。显然，信息融合是针对一个系统中使用多种传感器（多个或多类）这一特定问题而展开的一种信息处理新的研究方向，因此，信息融合又称作多传感器融合（MSF）。根据国外研究成果和国内最近出版的一些专著，信息融合比较确切的定义可以概括为： 利用计算机技术将来自多传感器或多源的信息和数据，在一定准则下加以自动分析﹑综合以完成所需要的决策和估计而进行的信息处理过程，以便得出更为准确可信的结论。 信息融合的另一种普遍说法是数据融合，但就信息和数据的内涵而论，用信息融合一词更广泛﹑更合理也更有概括性。一般说来，人们普遍认为，信息不仅包括了数据，而且包括了信号和知识。 二． 信息融合的基本原理 1．信息融合的基本原理 多传感器信息融合是人类和其他生物系统普遍存在的一种基本功能，人类具有将自身的各种功能器官（眼﹑耳﹑鼻﹑四肢）所探测的信息（图像﹑声音﹑气味和触觉）与先验知识进行综合的能力，以便对他周围环境和正在发生的事件作出估计。由于人类的感官有不同的度量特征，因而可以测出不同空间范围内发生的各种物理现象。这一处理过程是复杂的，也是自适应的，它将各种信息转换为对环境的有价值的解释。 多传感器信息融合是对人脑综合处理复杂问题的一种功能模拟。在多传感器系统中，各种传感器提供的信息可能有不同的特征：时变的或非时变的，实时或非实时的，模糊的或确定的，精确的或不完全的，可靠的或非可靠的，互补的或相互矛盾的。多传感器信息融合的基本原理就像人脑综合处理信息的过程一样，它充分利用多个传感器资源，通过对各种传感器及其观测信息的合理支配与使用，将各种传感器在空间和时间上的互补与冗余信息依据某种优化准则组合起来，产生对观测环境的一致性解释和描述。信息融合的目标是基于各传感器分别观测信息，通过对信息的优化组合导出更多的有效信息，它的最终目的是利用多传感器共同联合操作的优势，来提高整个传感器系统的有效性。 2．信息融合的级别 按照数据抽象的三个层次，目标识别的信息融合方法可以分为三级：数据级融合（也称像素级融合）﹑特征级融合和决策级融合。 ①数据级融合 数据级融合是对来自同等量级的传感器原始数据直接进行融合，是在各种传感器的原始测试数据未经预处理之前就进行的综合与分析。这是最低层次的融合。这种融合的主要优点是：能保持尽可能多的现场数据，提供其它融合层次所不能提供的细微信息。其局限性是：所要处理的传感器数据量太大，故处理代价高，时间长，实时性差；这种融合是在信息的最低层进行的，传感器原始信息的不确定性﹑不安全性和不稳定性要求在融合时有较高的纠错能力；由于是原始数据直接关联，故要求各传感器的信息要来自同类型或相同量级的。其融合过程如图11-1所示。数据级信息融合主要用于多源图像复合﹑图像分析及同类雷达波形的直接合成等。 图11-1 数据级融合 ②特征级融合 特征级融合属于中间层次，它先对来自多传感器的原始信息进行特征提取，然后对特征信息进行综合分析和处理。以便作出正确的决策。其融合过程如图11-2所示。 图11-2 特征级融合 特征级融合的优点是：实现了可观的信息压缩，有利于实时处理，并且由于所提取的特征直接与决策分析有关，因而融合结果能最大限度地给出决策分析所需要的特征信息。 ③决策级融合 决策级融合是一种高层次融合，它必须从具体决策问题的需求出发，充分利用特征级融合所提取的测试对象的各种特征信息，采用适当的融合技术来实现。决策级融合是三级融合的最终结果，是直接针对具体决策目标的，融合结果直接影响决策水平。其融合过程如图11-3所示。 图11-3 决策级融合 其主要优点是：灵活性高；能有效反映环境或目标各个侧面的不同类型信息；对传感器的依赖性小，传感器可以是同质的，也可以是异质的；当一个或几个传感器出现错误时，通过适当的融合，系统还能获得正确的结果，所以有容错性。但是，决策级融合首先要对原传感器信息进行预处理以获得各自的判定结果，所以预处理代价高。 三． 信息融合与故障诊断 信息融合技术自80年代一诞生，就引起了各国国防部门的高度重视，并将其列为军事高技术研究和发展领域中的一个重要专题，1984年美国国防部就成立了信息融合专家组(DFS, Data Fusion Subpanel)指导﹑组织并协调有关这一国防关键技术的系统研究，1991年将它列为90年代重点研究开发的二十项关键技术之一，并制