第19章多传感器信息融合技术.ppt

* * * * 决定神经网络性能的几个因素： 神经网络的网络结构：包括神经网络的层数、每层神经元数量； 每层神经元的作用函数； 神经网络训练的目标函数和学习算法； 神经网络权值和阈值的初始值； 神经网络的训练数据。 19.2 传感器信息融合的一般方法 神经网络的应用步骤： 神经网络的设计，包括确定网络结构、作用函数和学习算法； 神经网络初始化； 利用实验方法获得神经网络的训练数据和测试数据； 利用实验数据对网络进行训练和测试； 利用训练后的网络处理相关的输入信息。 19.2 传感器信息融合的一般方法 感知器神经网络特点： 网络结构上可以为单层或多层的前向网络结构； 作用函数为阶跃函数，因此输出为二值变量； 利用输入和误差简单计算权值和阈值调整量，学习算法很简单； 一般用于解决较为简单的线性分类问题。 19.2 传感器信息融合的一般方法 19.2 传感器信息融合的一般方法 基于神经网络的传感器信息融合特点如下： ●具有统一的内部知识表示形式，通过学习算法可将网络获得的传感器信息进行融合，获得相应网络的参数，并且可将知识规则转换成数字形式，便于建立知识库； ●利用外部环境的信息，便于实现知识自动获取及并行联想推理； ●能够将不确定环境的复杂关系，经过学习推理，融合为系统能理解的准确信号； ●由于神经网络具有大规模并行处理信息能力，使得系统信息处理速度很快。 多传感器 数据融合 航迹预测 身份识别 威胁估计 测试技术 多光谱图像 车辆识别 信息融合作为消除系统不确定因素、提供准确观测结果与新的观测信息的智能化处理技术，可直接用于检测、控制、态势评估和决策过程。 19.3 传感器信息融合的应用 数据融合可广泛应用于以下领域。 1、智能检测系统：消除单个或单类出感器检测的不确定性，提高智能检测系统的可靠性，获得检测对象更准确的认识。 2、工业过程监视：识别引起系统状态超出正常运行范围的故障条件，并据此处罚若干报警器。目前，数据融合技术已在核反应堆和石油平台监视系统中获得应用。 19.3 传感器信息融合的应用 19.3 传感器信息融合的应用 3、机器人：传感器融合技术在机器人特别是移动机器人领域有着广泛的应用。自主移动的机器人在未知或动态的环境中工作时，将多传感器提供的数据精心融合，从而准确快速地感知环境信息。而工业机器人更是靠多传感器融合的技术模拟人的智能作业，实现精确的定位和操作。 4、军事舰船：传感器信息融合是提高海军舰船目标识别能力和战斗力的有效手段。海军舰船的各类传感器信号（如雷达、红外、激光等）的融合，将综合和解释所有当前的信息，达到准确快速的军事反应能力。 5、空中交通管制：在目前的空中交通管制系统中，主要由雷达和无线电提供空中图像，并由空中交通管制器承担数据融合的任务。 控制和信 息融合计 算机 自主移动装配机器人 装配机械手 力觉传感器 触觉传感器 视觉传感器 超声波传感器 激光测距传感器 多传感器信息融合自主移动装配机器人 19.3 传感器信息融合的应用 行扫描 处理器 红外探测器 直流偏 压AGC 搜索器万向支架 惯性导 航系统 图像摄像机万向支架 图像 处理 共享 存储器 数据融合 处理器 环境控制 显示 记录 人机 界面 图像摄像机 传感器 海军舰船传感器信息融合系统 19.3 传感器信息融合的应用 传感器 信号处理 ADC 单片机 显示 19.3 传感器信息融合的应用 习题与思考题 习题 1.传感器信息融合的方法有哪些？ 2.D-S方法的推理结构是什么？ 3.简述各种信息融合方法的优缺点。 * * * * * * * * * * * * * * * * * * * * * 基于Bayes统计的目标识别融合模型 19.2 传感器信息融合的一般方法 基于Bayes统计的目标识别融合的一般步骤： 获得每个传感器单元输出的目标身份说明B1，B2，…，Bn； 计算每个传感器单元对不同目标的身份说明的不确定性即 ；i=1,2,…,n 19.2 传感器信息融合的一般方法 计算目标身份的融合概率： 如果B1，B2，…，Bn相互独立，则： 目标识别决策（判据），寻找极大似然估计 19.2 传感器信息融合的一般方法 举例计算 某医院采用以下两种设备检验某种疾病，设备1对该疾病的漏诊率为0.1，误诊率为0.25；设备2对该疾病的漏诊率为0.2，误诊率为0.1。已知人群中该疾病的发病率为0.05。 分析分别利用两台设备和同时使用两台设备时检验结果的概率。 19.2 传感器信息融合的一般方法 方法思路 传感器 A 传感器 C 传感器 B 融合 结果 融合 算法 关 系 矩 阵 置 信 距 离 矩 阵 最佳 融合 数 数 据 选