现代信号处理技术及应用（一）.pptVIP

现代信号处理技术及应用 中国科学技术大学自动化系 陈锋 课程简介 数据融合（40学时） 1. 概述 2. 数据融合结构和功能模型（功能模型、结构模型、无线传感网络等） 3. 分布式检测和数据融合 Bayes融合规则、Neyman-Person融合规则、K/N规则 4. 数据融合的数学基础 证据理论、概率数据关联、kalman滤波、平滑、预测等 基于人工智能的数据融合及其应用实例 小波分析（20学时） 预备知识 连续小波变换 离散小波变换 小波框架、二进小波 多分辨率分析 Mallat算法 正交小波变换 小波变换在信号处理中的应用。 参考资料 西安电子科大：数据融合理论及应用 电子工业出版社：多传感器信息融合及其应用 相关论文 第一章 多传感器数据融合概述 源于仿生学角度 人和动物：感官具有不同的度量特征，可测量出不同空间范围内发生的各种物理现象（自适应的复杂的），将各种信息转换为对环境有价值的解释 数据融合—信息融合 一、数据融合的定义 权威定义（llinas hall）利用计算机技术对按时序获得的若干传感器的观测信息在一定准则下加以自动分析、优化综合以完成所需要的决策和估计任务而进行的信息处理过程。 分析： 相互关系：多传感器—基础，多源信息—加工对象，协调优化和综合处理—核心。 （军事领域）是对来自多传感器的数据进行多级别、多方面、多层次的处理，从而产生新的有意义的信息。 （综合）指对来自不同知识源和传感器采集的数据进行综合处理，从而得出更加准确、可靠的结论 融合被多领域频繁应用、滥用，由于所研究内容的广泛性和多样性造成了统一定义较为困难 二、数据融合的必要性 随着科学技术的发展，传感器的性能得到很大的提高，新型的传感器不断涌现（复合传感器、生物传感器、纳米传感器等） 多传感器系统中信息表现形式的多样性、信息数量的巨大、信息关系的复杂性、实时性的要求超出了人脑的信息综合处理能力。 例：以军事为背景，20世纪70年代以来，随着新型武器（精确制导、远程打击（战斧式巡航导弹））的出现→战场范围扩大（五维空间）→必须应用多传感器系统：微波、毫米波、电视、红外、激光、电子支援措施（ESM），以及电子情报技术→提供观测数据→优化综合→实现：实时发现目标 → 提供火力控制、精确制导、 获取目标状态估计 电子对抗、作战模式和辅助 识别目标属性 决策等作战信息 分析行为意图 态势评估 威胁分析 70年代末，多传感器数据融合迅速的发展起来→新兴学科，并在军事、民用领域得到了广泛的应用 具有代表性的工作： 美国的C3I系统（command, control, communication and intelligence） 目前已经发展至C4I系统（command, control, communication, computer and intelligence） 和C4ISR(surveilance and recon) 三、数据融合的目标 目标 基于个传感器分离观测信息，通过对信息的优化组合导出更多的有效信息。 最终目标 利用多传感器共同操作的优势，提高整个传感系统的有效性。 四、多传感器数据融合系统的优点 冗余信息（增强了可靠性）、互补信息（扩展了单传感器的性能） 提高了系统的可靠性和鲁棒性 扩展了时间或空间的观测范围 增强了系统的可信度 增强了系统的分辨能力 多传感器数据融合与经典信号处理方法的区别 本质上，关键在于数据融合所处理的多传感器信息具有更加复杂的形式，而且在不同的信息层上出现，包括数据、特征和决策层 五、多传感器数据融合的应用 一、军事领域 TMD：战区导弹防御系统（theatre missile defense system） 飞行目标跟踪 C4ISR （二）民用领域 1、机器人（受到重视） 传感器包括：摄像机、声纳、陀螺仪、激光测距仪等 pioneer、月球车、六足机器人（俄罗斯）、火星探测车 Robotcup 制造业机器人 服务机器人 路径规划 2、工业过程监控 识别引起系统状况超出正常运行范围的故障条件→触发报警器 例如： 石油勘探 瓦斯监测 火力发电（发电机组监控） 转炉炼钢（温度和含碳量） 核反应堆 3、遥感图像处理 主要对地面目标或实体进行监视、识别与定位，使用的传感器主要为合成孔径雷达，在多源图像进行融合时，要利用像素级配准 通过高空间分辨率全