传感器的静特性-Read.PPTVIP

9. 5 多传感器数据融合 9.5.1 概念和意义 9.5.2 基本原理 9.5.3 层次 9.5.4 过程 9.5.5 方法 9.5.1 概念与意义 1． 概 念 2． 意 义 1．概 念 美国国防部JDL从军事应用的角度将数据融合定义为这样的一个过程: 把来自许多传感器和信息源的数据进行联合(association)、相关（coorelation）、组合（combination）和估值的处理，以达到精确的位置估计（position estimation）与身份估计（identity estimation），以及对战场情况和威胁及其重要程度进行适时的完整评价。 定义补充和修改 用状态估计代替位置估计，并加入了检测(detection)的功能，从而给出了如下定义： 信息融合是一种多层次、多方面的处理过程，这个过程是对多源数据进行检测、结合、相关、估计和组合，以达到精确的状态估计和身份估计，以及完整及时的态势评估和威胁估计。 定义三个要点： （1）数据融合是多信源、多层次的处理过程，每个层次代表信息的不同抽象程度； （2）数据融合过程包括数据的检测、关联、估计与合并； （3）数据融合的输出包括低层次上的状态身份估计和高层次上的总战术态势的评估。 多传感器数据融合 包括：多传感器的目标探测、数据关联、跟踪与识别、情况评估和预测。 基本目的：通过融合得到比单独的各个输入数据更多的信息。这一点是协同作用的结果，即由于多传感器的共同作用，使系统的有效性得以增强。 实质：一种多源信息的综合技术，通过对来自不同传感器的数据进行分析和综合，可以获得被测对象及其性质的最佳一致估计。 多传感器数据融合：将经过集成处理的多种传感器信息进行合成，形成对外部环境某一特征的一种表达方式。 多传感器数据融合技术应用 最早是围绕军用系统开展研究的。 非军事领域： 智能机器人、计算机视觉、水下物体探测、收割机械的自动化、工业装配线上自动插件安装、航天器中重力梯度的在线测量、信息高速公路系统、多媒体技术和虚拟现实技术、辅助医疗检测和诊断等领域。 2．意 义 主要作用可归纳为以下几点： （1）提高信息的准确性和全面性。与一个传感器相比，多传感器数据融合处理可以获得有关周围环境更准确、全面的信息； （2）降低信息的不确定性，一组相似的传感器采集的信息存在明显的互补性，这种互补性经过适当处理后，可以对单一传感器的不确定性和测量范围的局限性进行补偿； （4）提高系统的可靠性，某个或某几个传感器失效时，系统仍能正常运行； （5）增加系统的实时性。 使用传感器数据融合技术将使测量系统具有如下优势： （1）增加测量维数，增加置信度，提高容错功能，改进系统的可靠性和可维护性。当一个甚至几个传感器出现故障时，系统仍可利用其它传感器获取环境信息，以维持系统的正常运行。 （2）提高精度。在传感器测量中，不可避免地存在各自各种噪声，而同时使用描述同一特征的多个不同信息，可以减小这种由测量不精确所引起的不确定性，显著提高系统的精度。 （3）扩展了空间和时间的覆盖，提高了空间分辩率，提高适应环境的能力。多种传感器可以描述环境中的多个不同特征，这些互补的特征信息，可以减小对环境模型理解的歧义，提高系统正确决策的能力。 （4）改进探测性能，增加响应的有效性，降低了对单个传感器的性能要求，提高信息处理的速度。在同等数量的传感器下，各传感器分别单独处理与多传感器数据融合处理相比，由于多传感器信息融合中使用了并行结构，采用分布式系统并行算法，可显著提高信息处理的速度。 （5）降低信息获取的成本。信息融合提高了信息的利用效率，可以用多个较廉价的传感器获得与昂贵的单一高精度传感器同样甚至更好的效果，因此可大大降低系统的成本。 9.5.2 基本原理 充分利用多个传感器资源，通过对这些传感器及其观测信息的合理支配和使用，把多个传感器在空间或时间上的冗余或互补信息依据某种准则来进行组合，以获得比它的各组成部分的子集所构成的系统更优越的性能。 多传感器数据融合技术可以对不同类型的数据和信息在不同层次上进行综合，它处理的不仅仅是数据，还可以是证据和属性等。 多传感器数据融合并不是简单的信号处理。信号处理可以归属于多传感器数据融合的第一阶段，即信号预处理阶段。 9.5.3 层次 数据融合层次的划分主要有两种方法。 第一种方法是将数据融合划分为低层（数据级或像素级）、中层（特征级）和高层（决策级）。 另一种方法将是将传感器集成和数据融合划分为信号级、证据级和动态级。 数据级融合(或像素级融合) 对传感器的原始数据及预处理各阶段上产生的信息分别进行融合处理。尽可能多地保持了原始信息，能够提供其它两个层次融合所不具有的细微信息。 局限性： (1