2017年北航多源信息融合复习课.pdfVIP

《多源测试信息融合》复习课 万江文 Outline 1. 数据融合概述 2. 检测融合 3. 属性融合 4. 基于Bayes统计理论的信息融合技术 5. 基于模糊集合论的信息融合技术 6. 证据理论基础知识及其改进 7. 证据理论在数据融合中的应用 8. 期末考试安排 1. 数据融合概述 关于数据融合 目的：对多源知识和多个传感器所获得的信息进行综 合处理，消除多传感器信息之间可能存在的冗余和矛盾， 利用信息互补来降低不确定性，以形成对系统环境相对完 整一致的理解，从而提高系统智能规划和决策的科学性、 反应的快速性和正确性，进而降低决策风险。 定义：利用计算机技术，对不同传感器按时序获得的 观测信息，按照一定的准则加以自动分析、优化和综合， 为完成所需的决策和估计任务而进行的信息处理过程。 1. 数据融合概述 数据融合过程： 分析来自所有传感器的数据，并对其进行配准、关联、相 关、估计、分类与信息反馈等。 配准：将传感器数据统一到同一时间和空间参考系中 关联：使用某种度量尺度对来自不同传感器的数据进行比较， 确定进行相关处理的候选配对 相关：对关联后的数据进行处理以确定它们是否属于同一个 目标 估计：依据相关处理后的结果对目标的状态变量与估计误差 方差进行更新，实现对目标的未来状态预测 分类：通过对特征数据的分析，确定目标的类型等 1.1 数据融合级别 每个传感器先基于自己的数据做出 高 决策，然后由融合中心完成局部决策。 层 决策级融合 次 决策 优点：通信量小、抗干扰能力强、融 融 合 合中心处理代价低 不足：数据损失量最大、精度最低 由 每个传感器先抽象出自己的特征向 低 和筛 量，然后由融合中心完成融合处理。 层 抽选 特征级融合 象 、 优点：进行了数据压缩、对通信带宽 到 整 信息 高 合 的要求低、利于实时处理 层 不足：有信息损失、融合性能降低 直接对传感器的观测数据进行融合 处理，然后基于融合后的结果进行特征 传 感 数据级融合 提取和判断决策。 器 数据 优点：数据损失量较少，精度最高 采 集 不足：实时性差、要求传感器是同类的、 数据通信量大、抗干扰能力差、处理的 数据量大 1.2 数据融合方法的分类 集中式融合结构将检测数据传递到融合中心，然后进行数据