补偿模糊神经网络在多传感器数据融合中的应用研讨.pdfVIP

中国电子学会电路与系统学会第十九届年会论文集 补偿模糊神经网络在多传感器数据融合中的应用研究 苏金泷。 陈一民1 欧阳钟辉2 余道衙3 (上海大学计算机科学与工程学院 上海 200072)1 (泉州师范学院陈守仁工商信．6-学院 福建泉州 362000)3 (北京大学电子学系 北京 100871)’ 摘要：本文提出一种补偿模糊理论和神经网络的混合系统，并将其应用于多传感器数据融台。混合系统引 入了模糊神经元，使网络既能适当调整输入、输出模糊隶属函数，又能借助于补偿逻辑算法动态地优化模糊 推理，大大提高了网络的容错性、稳定性和训练速度。 关键字模糊理论神经网络多传感器数据融台补偿 一、引言 随着传感器技术的迅速发展及其在现代工程中的厂‘泛应fE}j，应用系统越来越大，产品功 能也越来越复杂，采用单一传感器的检测技术己不能满足要求，多传感器技术应运而生。多 传感器技术就是对同一检测对象采用不同的传感器和不同的处理方法，以获得全面的检测信 息，从而提高检测精度和可靠性。在多传感器数据融合系统中，传感器的管理包括两个方面 的问题，一是如何优化分配现有的传感器去更好地实现融合任务：二是如何消除外界环境变 化或者某些传感器出现故障时带来的影响。多传感器系统中，信息表现为多样性、复杂性以 及大容量，信息处理不同于单一的传感检测处理技术，多传感器信息融合技术已成为当前的 一个重要研究领域”4J。 和一些传统的多传感器数据融合方法相比，人工神经网络技术具有良好的容错性、白组 织性和自适应性。与此同时模糊理论也在自身的领域中取得了引人注目的进展，模糊逻辑模 仿人脑的思维，用于处理模型未知或不精确的控制问题。二者结合实际是人脑结构与功能的 模拟[5_7】。 补偿模糊神经网络技术应用于多传感器信息融合具有许多优越性：(1)补偿模糊神经网络 的信息统一存储在网络的联接权值和联接结构上，使得传感器的信息表示具有统一的形式， 便于管理和建立知识库。(2)补偿模糊神经网络可增加信息处理的容错性，当某个传感器出现 故障或检测失效时，补偿模糊神经网络的强容错功能可以使检测系统正常工作，并输出可靠 的信息。(3)iF偿模糊神经网络的自学习和自组织功能，使系统能适应检测环境的不断变化和 检测信息的不确定性。(4)补偿模糊神经网络的并行结构和并行处理机制，使得信息处理速度 快，能够满足信息的实时处理要求。 二、补偿模糊神经网络原理 模糊逻辑系统由模糊产生器、知识库、模糊推理机、反模糊化器组成。模糊产生器将论 域u上的点逐一映射为U上的模糊集合。模糊推理机根据模糊规则库中的模糊推理知识以及 由模糊产生器产生的模糊集合，基于模糊逻辑中的蕴涵关系及推理规则．推理出模糊结论， 即论域上的模糊集，再由反模糊化器将其逐一映射为V上的点。(如图1) 补偿模糊神经网络结合了模糊逻辑系统和神经网络的特点，引入了各种模糊神经元。其 中包括模糊化神经元，模糊推理神经元，反模糊化神经元，孙偿模糊神经元。补偿模糊神经 元有消极模糊神经元和积极模糊神经元。 VIIl一596 中国电子学会电路与系统学会第十九届年会论文集 补偿模糊神经网络结构有五层结构，即输入层、模糊化层、模糊推理层、补偿运算层、 反模糊化层。(如图2) 图l模糊逻辑系统 图2补偿模糊神经网络结构 三、补偿模糊神经网络与多传感器数据融合 经过融合的多传感器信息具有以下特征…1】：信息的冗余性、信息的互补性、信息的实时 一性以及信息的低成本性。多传感器系统中，各传感器所提供的信息都具有一定程度的不确定 性，对这些不确定信息的融合过程实质上是一个不确定的推理过程a多传感器信息的融台可 中国电子学会电路与系统学会第十九届年会论文集 以得到比单一传感器更全面、更准确的信息。依据推理方法不同，多传感器信息融合主要有 贝叶斯估计、卡尔曼滤波、D—S证据推理、模糊推理和神经网络技术等方法。模糊推理利用模 糊集合和隶属函数来表示不确定性推理。多传感器信息融合技术与采用单一传感器的信号处 理技术有着本