仪表和传感器第13章.ppt

第13章 多传感器数据融合 13.1 多传感器数据融合概述 13.2 多传感器数据融合模型 13.3 多传感器数据融合技术 13.4 多传感器数据融合应用 13.1 多传感器数据融合概述 多传感器数据是针对一个系统中使用多个（种）传感器这一特定问题而提出的信息处理方法，是将来自多传感器或多源的信息和数据进行综合处理，从而对观测对象形成准确结论的过程。 数据融合的目的是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。 13.1 多传感器数据融合概述 从生物学的角度来看，人类和自然界中其他动物对客观事物的认知过程，就是对多源数据的融合过程。 人类不是单纯依靠一种感官，而是通过视觉、听觉、触觉、嗅觉等多种感官获取客观对象不同质的信息，或通过同类传感器（如双耳）获取同质而又不同量的信息，然后通过大脑对这些感知信息依据某种未知的规则进行组合和处理，从而得到对客观对象和谐与统一的理解和认识。 这一处理过程是复杂的，也是自适应的，它将各种信息（图像、声音、气味和触觉）转换为对环境的有价值的解释。自动化数据融合系统实际上就是模仿这种由感知到认知的过程。 13.1 多传感器数据融合概述 应用简例 多传感器系统可以用于地球环境监测。主要应用于对地面的监视、以便识别和监视地貌、气象模式、矿产资源，植物生长、环境条件和威胁情况(如原油泄漏、辐射泄漏等) 如右图所示 13.1 多传感器数据融合概述 数据融合过程主要由数据校准、相关、识别、估计等部分组成。其中校准与相关是识别和估计的基础，数据融合在识别和估计中进行。 校准、相关、识别和估计贯穿于整个多传感器数据融合过程，既是融合系统的基本功能，也是制约融合性能的关键环节。 13.1.1 多传感器数据融合过程 数据检测 数据校准 数据相关 参数估计 目标识别 行为估计 13.1.2 多传感器数据融合形式 数据级融合 13.2.1 多传感器数据融合结构 串联型融合 13.2.1 多传感器数据融合结构 从数据融合的控制关系来看，反馈型多传感器数据融合过程中，传感器或数据融合中心的处理方式及判断规则受数据融合中心最终结论或中间结论的影响。数据处理依赖于一个反馈控制过程，这种反馈可以是正反馈，也可以是负反馈。反馈控制可分为融合结论对传感器的控制、对数据融合中心的控制，以及中间结论对传感器的控制三种。 对传感器的控制多体现在对传感器策略、精度的控制、对传感器跟踪目标的跟踪控制等。对融合中心的控制包括对融合中心判断规则的控制、对融合中心数据融合方式的控制、对融合中心某一参数的控制等。 13.2.1 多传感器数据融合结构 结论对传感器的反馈控制 13.2.2 多传感器数据融合模型 多传感器数据融合系统的模型设计是多传感器数据融合的关键问题，取决于实际需求、环境条件、计算机、通信容量及可靠性要求等，模型设计直接影响融合算法的结构、性能和融合系统的规模。 多传感器数据融合模型实际上是一种数据融合的组织策略，根据任务、要求和设计者认识不同，模型设计千差万别。目前流行的有多种数据融合模型，其中JDL数据融合模型最具通用性。 13.2.2 多传感器数据融合模型 JDL模型 JDL数据融合模型如右图所示，数据融合过程包括五级处理和数据库、人机接口支持等。五级处理并不意味着处理过程的时间顺序，实际上，处理过程通常是并行的。 13.2.2 多传感器数据融合模型 Boyd控制环 Boyd控制环包括四个处理环节： (1)观测环节获取目标信息，与JDL模型的数据预处理功能相当。 (2)定向环节确定对象的基本特征，与JDL模型的目标评估、态势评估和威胁评估功能相当。 (3)决策环节确定最佳评估，制定反馈控制策略，与JDL模型过程优化与评估功能相当。 (4)执行环节利用反馈控制调整传感系统状态，获取额外数据等。JDL模型没有这一环节。 13.2.2 多传感器数据融合模型 Waterfall模型 Waterfall 模型的数据融合过程包括三个层次。 (1)基于传感模型和物理测量模型对原始数据进行预处理 (2)进行特征提取和特征融合以获取信息的抽象表达，减少数据量，提高信息传递效率，第二层次的输出是关于对象特征的估计及其置信度。 (3)利用现有知识对对象特征进行评价，形成关于对象、事件或行为的认识。传感器系统利用第三层次形成的反馈信息不断调整自身状态和数据准备策略，进行重新设置和标定等，提高传感信息的利用率。 。 13.2.2 多传感器数据融合模型 Dasarathy 模型 Dasarathy 模型充分注意到传感器数据融合中