第15章传感器新技术及工程应用.pptVIP

15.3.4 网络传感器所在网络的体系结构 利用网络传感器进行网络化测控的基本系统结构如图15?10所示。 图15?10 网络化测控系统结构 图15?10中 测量服务器：主要负责对各基本测量单元的任务分配和对基本测量单元采集来的数据进行计算、处理与综合及数据存储、打印等。 测量浏览器：为Web浏览器或别的软件接口，主要浏览现场各个测量节点的测量、分析、处理的信息及测量服务器收集、产生的信息。 系统中，传感器不仅可以与测量服务器进行信息交换，而且符合IEEE 1451标准的传感器、执行器之间也能相互进行信息交换，以减少网络中传输的信息量，这有利于系统实时性的提高。 15.4 多传感器数据融合 15.4.1 多传感器数据融合的概念 所谓多传感器数据融合是指把来自许多传感器和信息源的 数据进行联合、相关、组合和估值的处理，以达到精确的估计与身份估计。该定义有三个要点： ① 数据融合是多信源、多层次的处理过程，每个层次代表信息的不同抽象程度； ② 数据融合过程包括数据的检测、关联、估计与合并； ③ 数据融合的输出包括低层次上的状态身份估计和高层次上的总体战术态势的评估。 15.4.2 多传感器数据融合技术 1. 数据融合的基本原理 　 多传感器数据融合的基本原理是充分利用多个传感器资源，通过对这些传感器及其观测信息的合理支配和使用，把多个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，以获得比它的各个子集所构成的系统更优越的性能。 由此定义可以看出：多传感器数据融合的基本目的是通过融合得到比单独的各个输入数据获得更多的信息，使系统的有效性得以增强。它的实质是通过对来自不同传感器的数据进行分析和综合，可以获得被测对象及其性质的最佳一致估计。并形成对外部环境某一特征的一种确切的表达方式。 2. 数据融合技术 　 多传感器数据融合技术可以对不同类型的数据和信息在不同层次上进行综合，它处理的不仅仅是数据，还可以是证据和属性等。多传感器数据融合是分层次的，其数据融合层次的划分主要有两种。 一种是将数据融合划分为低层（数据级或像素级）、中层（特征级）和高层（决策级）。 另一种是将传感器集成和数据融合划分为信号级、证据级和动态级。 3.数据融合方法 1) 数据级(或像素级)融合 　 所谓数据级(或像素级)融合是指对传感器的原始数据及预处理各阶段上产生的信息分别进行融合处理。尽可能多地保持原始信息，并能够提供其它两个层次融合所不具有的细微信息。但它有局限性，其一是由于所要处理的传感器信息量大，故处理代价高；其次是融合是在信息最低层进行的，由于传感器原始数据的不确定性、不完全性和不稳定性，要求在融合时有较高的纠错能力；其三是由于要求各传感器信息之间具有精确到一个像素的精准度，故要求传感器信息来自同质传感器；其四是通信量大。 2）特征级融合 所谓特征级融合是指利用从各个传感器原始数据中提取的特征信息，进行综合分析和处理的中间层次过程。通常所提取的特征信息应是数据信息的充分表示量或统计量，据此对多传感器信息进行分类、汇集和综合。 特征级融合可分为两类：一类是目标状态信息融合；另一类是目标特性融合。所谓目标状态信息融合是指融合系统首先对传感器数据进行预处理以完成数据配准。然后实现参数相关和状态矢量估计。所谓目标特性融合是指在融合前必须先对特征进行相关处理，然后再对特征矢量进行分类组合。 3) 决策级融合 　 所谓决策级融合是指在信息表示的最高层次上进行的融合处理。不同类型的传感器观测同一个目标，每个传感器在本地完成预处理、特征抽取、识别或判断，以建立对所观察目标的初步结论，然后通过相关处理、决策级融合判决，最终获得联合推断结果，从而直接为决策提供依据。决策级融合是直接针对具体决策目标，充分利用特征级融合所得出的目标及各类特征信息，并给出简明而直观的结果。 决策级融合的优点：一是实时性最好；二是在一个或几个传感器失效时仍能给出最终决策，因此具有良好的容错性。 4.数据融合过程 　首先将被测对象转换为电信号，然后经过A／D变换将它们转换为数字量。然后，对处理后的有用信号作特征提取，再进行数据融合；或者直接对信号进行数据融合。最后，输出融合的结果。 15.4.3 多传感器数据融合技术的应用 　 多传感器数据融合技术主要作用可归纳为以下几点： 提高信息的准确性和全面性：它与一个传感器相比，多传感器数据融合可以获得有关周围环境更准确、全面的信息。 降低信息的不确定性：一组相似的传感器采集的信息存在明显的互补性，这种互补性经过适当处理后，可以对单一传感器的不确定性和测量范围的局限性进行补偿。 提高系统的可靠性：某个或某几个传感器失效时，系统仍能正常运行 15.5虚