多传感器数据融合技术及应用-read.doc

多传感器数据融合技术及应用 目录 第一章概论 1 1.1数据融合的目的和应用 1 1.2数据融合的理论基础 3 1.2.1数据融合的基本原理 3 1.2.2数据融合的级别 4 第二章状态估计理论 8 2.1估计问题的构成 8 2.2状态估计问题 9 2.3离散线性系统的最优估计——Kalman滤波技术 10 第三章多传感器信息融合系统中的状态估计 15 3.1引言 15 3.2集中式多传感器信息融合系统中的状态估计 15 3.2.1单传感器的状态估计 15 3.2.2集中式多传感器状态估计 17 3.3分布式多传感器信息融合系统中的状态估计 19 第四章多传感器概率数据关联算法 23 4.1概率数据关联滤波器 23 4.1.1预备知识 23 4.1.2概率数据关联滤波器的基本思想 24 4.1.3关联概率的计算 26 4.1.4协方差P(k|k)的计算 29 4.2多传感器概率数据关联算法 31 4.2.1多传感器概率数据关联滤波器 31 第五章分布式多传感器信息融合中的 35 5.1引言 35 5.2模糊因数集与隶属度函数 35 5.2.1模糊因素集 35 5.2.2隶属度函数的选择 37 5.3模糊因素的确定与模糊集A的动态分配 38 5.3.1模糊因素与权向量初值的确定 38 5.3.2模糊因素权集的动态分配 39 5.4模糊航迹关联算法 41 5.4.1模糊航迹关联算法 41 5.5多局部节点情况下的模糊关联算法 42 第六章多传感器多模型概率数据关联算法 44 6.1多模型算法(Multiple-Model Approach) 44 6.2相互作用多模型—概率数据关联算法 47 第七章多传感器信息融合系统中的身份估计 57 7.1基于Bayes统计理论的身份识别 57 7.2基于D-S证据理论的身份识别 57 7.2.1基本理论 58 7.2.2证据理论的组合规则 59 7.2.3D-S证据理论的身份识别中应用例子 60 7.3基于多级神经网络的类型融合 63 7.3.1基于模糊专家规则的传感器子网 64 7.3.2融合子网 74 第一章概论 1.1数据融合的目的和应用 在未来战争中，电磁环境将异常复杂，无论是空战、海战还是陆战以至于陆、海、空相结合的立体战争，都将日益依赖于各种传感器设备。在实战中，传感器将受到各种欺骗和干扰，检测目标的数量日益增多，运动速度越来越快，而且多数目标采用隐身技术和低空/超低空突防技术，使传感器难以捕获和跟踪。这种现状是数据融合作为一种特殊的作战手段已渗透到几乎所有军事部门和各个作战领域，数据融合已不仅是高技术战争的先导，而且贯穿于战役的全过程，深刻地影响着战争的进程和结局。 目前，要给出数据融合这门学科的一般概念是非常困难的，这种困难是由所研究的内容的广泛性和多样性带来的，自从海湾战争以来，致力于数据融合研究的人数和这一领域著作的数量都显著地增加了这门学科每年都以大量的新成果丰富自己，获得越来越多的内容。（通过查资料大家感受一下） 已给出的数据融合概念的定义都是功能性的。美国国防部从军事应用的角度将数据融合定义为这样的一个过程，即把来自许多传感器和信息源的数据和信息加以联合、相关和组合，以获得精确的位置估计和身份估计，完整而及时的战场态势和威胁估计。这一定义基本上是对数据融合技术所期望达到的功能的描述，包括低层次上的位置和身份估计，以及高层次上的态势评估和威胁估计。 Edward Walts 和Jame Linas对上述定义进行了补充和修改，用状态估计代替位置估计，并加上了检测功能。 关于数据融合研究的范围现在尚无定论，以军事应用为目标的数据融合技术也可用于工业和农业等其他领域。 多传感器数据融合在解决探测、跟踪和识别问题方面，具有如下的性能： 生存能力强----在有若干传感器不能利用或受到干扰，或某个目标/事件不在覆盖范围时，总会有一种传感器可以提供信息。 扩展了空间覆盖范围----通过多个交叠的传感器作用区域，扩展了空间覆盖范围，一种传感器可以探测到其他传感器探测不到的地方。 扩展了时间覆盖范围----用多个传感器的协同作用提高检测概率，某个传感器可以探测到其他传感器不能顾及的目标/事件。 提高了可信度----一种或多种传感器对同一目标/事件加以确认。 降低了信息的模糊度----多传感器的联合信息降低了目标/事件的不确定性。 改进了探测性能----对目标/事件的多种测量的有效融合，提高了探测的有效性。 提高了空间分辨率----多传感器可以获得比任何单一传感器更高的分辨率。 增加了测量空间的维数----使用工作在不同频段的传感器可以测量陆、海、空、天等多维空间目标，同时不宜受到敌方行动或自然现象的破坏。 与单传感器相比，多传感器系统的复杂性大大增加，由此带来一些不利因素。 未来战