多传感器数据融合技术知识.ppt

多 传 感 器数 据 融 合 技 术;1.3 特点 生存能力强； 扩展了空间覆盖范围； 扩展了时间的覆盖范围； 提高了可信度； 降低了信息的模糊度； 改进了探测性能； 提高了空间分辨率； 增加了测量维数；;2、基本原理、融合过程及关键技术;2.2 融合过程 数据融合过程主要包括多传感器(信号获取) 、数据预处理、数据融合中心(特征提取、数据融合计算) 和结果输出等环节, 其过程如下图 所示。;2.3 关键技术 数据融合的关键技术主要是数据转换、数据相关、态势数据库和融合计算等,其中融合计算是多传感器数据融合系统的核心技术。 ①对多传感器的相关观测结果进行验证、分析、补充、取舍、修改和状态跟踪估计。 ②对新发现的不相关观测结果进行分析和综合。 ③生成综合态势, 并实时地根据多传感器观测结果通过数据融合计算, 对综合态势进行修改。;3、数据融合系统的结构及功能模型;;3.2 功能模型 ;4、数据融合方法;4.1 综合平均法 该方法是把来自多个传感器的众多数据进行综合平均。它适宜于用同样的传感器检测同一个检测目标。如果对一个检测目标进行了k次检测,其平均值 Wi 为分配给第i 次检测的权数。;4.2 贝叶斯估计法 贝叶斯推理技术主要用来进行决策层融合，它是通过先验信息和样本信息合成为后验分布，对检测目标作出推断。 ;4.2 D-S (Dempster-Shafer) 证据推理法 是贝叶斯推理的扩充, 其3个基本要点是: 基本概率赋值函数mi 、信任函数Beli 和似然函数Plsi 。D-S 方法的推理结构是自下而上的,分3级,推理结构如图5所示;4.3 模糊逻辑法 针对数据融合中所检测的目标特征具有某种模糊性的现象,有人利用模糊逻辑方法来对检测目标进行识别和分类。建立标准检测目标和待识别检测目标的模糊子集是此方法的研究基础。但模糊子集的建立,需要有各种各样的标准检测目标,同时又必须建立合适的隶属函数。而确定隶属函数比较麻烦,目前还没有规范的方法可遵循。又由于标准检测目标子集的建立受到各种条件的限制,往往误差较大。; 4.4 神经网络方法 一个人工神经网络(AN) 由多层处理单元或节点组成, 可以用各种方法互联，图6 表示一个具有3层节点的AN , 输入向量是与目标有关的测量参数集, 输入的数据向量经过AN 非线性变换, 得到一个输出向量, 输出向量可能是目标身份。 这样一种变换能够产生从数据到标识分类的映射, 也就把多传感器的数据变换为一个实体的联合标识, 这是一种特有的并行学习方式, 完全不同于传统的基于统计理论的数据融合法。;;5、应 用;4.2 应用实例 （1）军事上应用 多传感器数据融合在军事中已得到了广泛的应用, 如美国ROME 实验室设计了一个大型的先进传感器开发实验装置, 用于研究战况估计, 采用二阶数据融合算法, 可完成景象产生、传感器仿真、CI 仿真、数据融合、评估和控制等。 ; 多传感器数据融合技术 在“C3I”系统中的应用 “C3I”就是指挥自动化技术系统，是用电子计算机将指挥（command） 、控制（control） 、通信（communication）和情报（intelligence）各分系统紧密联在一起的综合系统。;;;预处理器 ：对同类传感器的数据进行融合； 时间和空间配准：为多传感器提供统一参照； 信息融合处理器：将测量参数进行合并，提高目标的分类及态势估计的准确性； 态势数据库：存储实时或历史态势数据； 控制计算机：对目标分类、进行态势估计，并对信息源的使用进行协调； 显示与控制：显示融合与评估的结果。;（2）无人驾驶汽车上应用; 通过惯性传感器、数字地图和差分全球定位系统， 确定汽车行使的地理位置和方向。通过立体图像传感器辨识、跟踪汽车行使路面边缘以及路面的几何形状。通过激光探测器和雷达，完成汽车行驶过程中路况和前方障碍物等信息的检测。将各个传感器输出的信号通过卡尔曼滤波进行数据融合，识别汽车行驶路面情况，通过控制机构实现汽车无人驾驶。;6、研究方向和存在问题;6.2 存在的问题 ① 未形成基本的理论框架和有效广义模型及算 法。 ② 关联的二义性是数据融合中的主要障碍。 ③ 融合系统的容错性或稳健性没有得到很好的 解决。 ④ 对数据融合的具体方法的研究尚处于初步阶 段。 ⑤ 数据融合系统的设计还存在许多实际问题。