19多传感器数据融合技术.ppt

19.1多传感器数据融合概念 多传感器数据融合是一种针对单一传感器或多传感器数据或信息的处理技术； 通过数据关联、相关和组合等方式以获得对被测环境或对象的更加精确的定位、身份识别及对当前态势和威胁的全面而及时的评估。 19.1多传感器数据融合概念 优点： 增加检测的可信度、 降低不确定度、 改善信噪比、 增加系统鲁棒性、 增加对被测量的时间和空间覆盖程度、 降低成本。 19.1多传感器数据融合概念 应用领域： 目标自动识别 自动导航 战场监测 遥感遥测、无人侦察、卫星侦察及自动威胁识别 工业过程监测和维护 机器人 医疗诊断 环境监测 19.2 多传感器数据融合框架 （1）融合框架中传感器的工作方式 传感器可以看做是一种获取被感知环境在给定时刻的信息装置。 传感器之间的三种工作方式：互补方式、竞争方式、协同方式。 19.2 多传感器数据融合框架 （1）融合框架中传感器的工作方式 互补方式： 各传感器相互独立， 互补依赖，各传感 器提供的信息相互 之间形成互补关系， 没有重合的部分。 互补式传感器 19.2 多传感器数据融合框架 （1）融合框架中传感器的工作方式 竞争方式： 各传感器提供对 同一信息的不同 测量结果。 竞争式传感器 19.2 多传感器数据融合框架 （1）融合框架中传感器的工作方式 协同方式 各传感器独立工作，通过将其各自获取的信息进行融合，可以从中提取出任意单一传感器均无法获得的信息 19.2 多传感器数据融合框架 （2）多传感器数据融合结构 根据信息处理的不同层次，传感器数据融合可以分为数据级、特征级和决策级； 数据级融合：将来自不同传感器的数据直接组合得到统一输出数据，获得对被观测对象的统一数据描述，关键技术有数据转化、相关和关联等。 19.2 多传感器数据融合框架 （2）多传感器数据融合结构 特征融合：获得关于被测对象的统一特征描述。 决策融合：多传感器数据融合的最终目的 19.2 多传感器数据融合框架 （2）多传感器数据融合结构 多传感器数据融合层次图 19.2 多传感器数据融合框架 （2）多传感器数据融合结构 串行融合 19.2 多传感器数据融合框架 （2）多传感器数据融合结构 并行融合结构 19.3 多传感器数据融合算法 （1）基于Kalman滤波的传感器数据融合算法 假设对某一物理量进行观测，如果测量了N次，且假设每次测量使用同一传感器，各次测量互相独立而且精度相同，则可以通过求这N次测量的平均值来获得对被测未知量的一个更准确的估计。 19.3 多传感器数据融合算法 （1）基于Kalman滤波的传感器数据融合算法 表示N次测量值，是随机变量且服从方 差为 的正太分布，被测量的估计可以写成： 19.3 多传感器数据融合算法 （1）基于Kalman滤波的传感器数据融合算法 当每得到一个新的测量值时，就求一次平均，则可得到如下的递推公式： 第一步： 第二步： 第三步： 第n步： 19.3 多传感器数据融合算法 （1）基于Kalman滤波的传感器数据融合算法 对应的，各步方差如下： 第一步 第二步： 第三步： 第n步： 19.3 多传感器数据融合算法 （1）基于Kalman滤波的传感器数据融合算法 上述递推过程可以解释为： 对当前被测对象的估计可以看成两部分组成，一部分是根据上一步的估计得到的对当前被测对象的预测，另一部分是放大了的“新息”，即当前观测值和预测值的差，放大了“新息”可以看做是对当前预测值的修正。 19.3 多传感器数据融合算法 （1）基于Kalman滤波的传感器数据融合算法 Kalman滤波原理示意图 19.3 多传感器数据融合算法 （2）基于贝叶斯决策的多传感器数据融合方法 A和B为事件域E中发生的时间，条件概率： 19.3 多传感器数据融合算法 （2）基于贝叶斯决策的多传感器数据融合方法 设事件域