智能信息处理（5）信息融合的技术.pptVIP

电气与信息工程学院本科生课程 《智能信息处理》 杨雁的硕士论文答辩演示文稿 * 智能信息处理(5)  —— 信息融合技术 电气与信息工程学院本科生课程 授课单位：控制科学与工程系 5.1 信息融合的起源与发展 5.1.1 信息融合概念 信息融合（Information Fusion）是人类专家智能功能的表现。人类具有将来自五官的信息与先验知识进行综合，对周围环境和发生的事件进行估计、判断和决策的能力。 所谓融合，就是融为一体。 信息融合也成数据融合、多传感器相关、多源相关、传感器混合、多源合成。 信息融合是将来自多个传感器或多源信息进行综合处理，获得更为准确可靠结果的过程。 5.1.2 人类观测 人类的观测过程如下： 感官感知观测对象 周围神经 中枢神经 信息处理 自然语言表述 身体语言表述 文字符号表述 5.1.3 智能系统观测 观测对象 传 感 器 计 算 机 显 示 通 信 接 口 键 盘 信息调理 模拟量 数字量 智能系统观测框图 5.1.4 信息融合技术的起源 信息融合一词最早出现在1979年，20世纪80年代发展成为一门专门技术。美国国防部1984年成立信息融合专家组，研究、组织、指导国防领域信息融合技术研究。 我国从80年代中期开始关注并研究信息融合技术。国防科大、电子科大、海军航空工程学院、哈工大等院校开展信息融合技术研究时间较早，成果较多。 湖南大学的信息融合技术研究起步较晚，但有一定特色，主要集中在电气与信息工程学院。 5.2 多传感器（多源）观测 单传感器观测成本低，系统结构简单，但观测对象单一，准确性与可靠性受到制约。 单传感器可以通过重复观测，获得传感器观测的时间序列，通过信息处理提高准确性与可靠性。但这种方法只适用于单一缓变量观测。 单传感器信号处理或低层次的多传感器数据处理都是对人脑信息处理的一种低水平模仿。 利用多传感器（Multi-sensor）观测，获得多传感器观测的空间阵列，结合信息处理，可以获得对被观测对象更准、更全面、更可靠的了解，甚至可以获得更有价值的新的信息。 多传感器数据融合的基本原理也就像人脑综合处理信息一样，充分利用多个传感器资源，通过对多传感器及其观测信息的合理支配和使用，把多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，以获得被测对象的一致性解释或描述。 在多传感器系统中，各种传感器的信息可能具有不同的特征：实时的或者非实时的，快变的或者缓变的，模糊的或者确定的，相互支持或互补，也可能互相矛盾或竞争。 多传感器信息融合与经典信号处理方法之间存在本质的区别，信息融合所处理的多传感器信息具有更复杂的形式，而且可以在不同的信息层次上出现，这些信息抽象层次包括数据层（即像素层）、特征层和决策层（即证据层）。 5.3 信息融合技术的应用 信息融合技术研究的最早应用目标是C3I系统（command，control，communication，intelligence）。 信息融合技术在以下方面具有广阔应用前景： （1）智能测控领域 （2）机器人领域 （3）图像处理领域 （4）军事领域 （5）系统工程领域 5.4 信息融合技术基础 5.4.1 信息融合层次 信息融合可分为三个层次：像素级融合、特征级融合和决策级融合。 （1）像素级融合 直接对系统观测到的原始数据进行融合，称为像素级融合。这种融合在各种传感器的原始观测信息未经预处理之前就进行数据综合分析，是最低层次的融合。 像素级融合的优点是能保持尽可能多的现场数据。提供其它融合层次所不能提供的细微信息。缺点是数据量大，处理代价高、时间长、实时性差，各传感器信息必须来自同质传感器，要求在信息融合时有较高的纠错能力。 （2）特征级融合 对来自多传感器的原始信息首先进行特征提取，然后对特征信息（表示量或统计量 ）进行综合分析和处理的信息融合称为特征