传感器原理与传感器技术第13章　传感器信息融合.ppt

13.3.2　模型建立 (1)传感器系统辨识及其特征值获取；(2)确定系统性能和子系统结构；(3)建立模型方程(传递函数模型、状态模型、性能模型)；(4)确定系统的结构方程。 图13-3　传感器系统的数学方法 13.4　多传感器数据层次化融合的结构 13.4.1　数据级融合算法13.4.2　特征级融合算法13.4.3　决策级融合算法 13.4.1　数据级融合算法 数据级融合是对传感器原始数据进行融合，属于低层次的融合，处理的是同质传感器的数据。 数据级融合所要解决的问题有不同速度传感器的时域协调问题，要求各融合的传感器数据精确地配准；在全局坐标中要解决一致性检验，数据关联，坐标变换，信息同化，传感器盲区滤波，跟踪的建立、维持和终结等问题。 13.4.2　特征级融合算法 特征级融合算法属于中层融合。首先从各传感器提供的原始数据中提取一组特征信息，以得到一个特征向量，然后把这些特征向量融合起来，并根据融合后得到的特征向量进行识别。该层次的融合是数据级融合和决策级融合的折中形式，兼容了两者的优点，因此有较大的应用范围。 13.4.3　决策级融合算法 决策级融合算法属于高层次的数据融合。来自各种传感器的数据通过各自独立的预处理机构进行预处理，并对目标属性进行独立的决策，然后对各个独立决策进行融合，从而获得整体一致的决策结果。该层次的融合具有较好的容错性，即当某一传感器出现错误时，通过适当的融合，能克服单一传感器所引起的错误，并获得正确的决策结果；另外，决策级融合所使用的信息抽象程度较高，对原始的传感信息没有特殊的要求，因此该方法可以使用异质传感器，适应范围非常广。当然，由于需要对原始传感数据进行预处理，并要求获得各自的决策结果，因此预处理的花费较大。 13.5　传感器融合的应用 13.5.1　汽车里的多传感器技术13.5.2　汽车里的多传感器类型 13.5.1　汽车里的多传感器技术 首次在汽车里使用的控制仪表常常只能完成一个具体任务，如点火控制、喷油、驱动、防滑或空调。它们的工作方式为自主式，每一种工作都需要一定数量的传感器用于采集过程信号。这种方法使汽车电子系统变得简单。这将由顾客选择是采用化油器发动机还是电喷发动机。在改装费用不重要的情况下汽车制造集团也可能撤出不可接受的汽车电子市场(如在欧洲不太容易被接受的车载计算机)。 13.5.2　汽车里的多传感器类型 表13-1　自动汽车电子系统的4个功能单元 发动机和驱动装置 　点火、混合准备、电子发动机功率控制、电柴油控制、自动稳定性控制、牵引助动、驱动控制…… 行驶机构 　自动水平控制、电子后轮转向、自动行驶机构确定、车轮气压控制、主动和半主动车轮悬挂…… 安全保障系统 　ABS、运行动态控制、气囊、自动驾驶滚动环、电控制驾驶支持系统、电动窗把手保护…… 舒适系统 　车载计算机、运行控制、偷盗保险、电动行车帮助、司机信息系统(目的地引导)、空调控制、位置存储器、集中门控系统…… 第13章　传感器信息融合 13.1　传感器融合的基础知识13.2　人体生物传感器的融合13.3　数据融合系统的建模13.4　多传感器数据层次化融合的结构13.5　传感器融合的应用13.6　传感器融合研究的重点问题 13.1　传感器融合的基础知识 13.1.1　传感器融合的概念13.1.2　传感器融合的目标13.1.3　传感器融合的优势 13.1.1　传感器融合的概念 图13-1　传感器融合系统结构 13.1.2　传感器融合的目标 每种传感器都有其各自的特点，但是它只能在某一范围内、从某一方面描述被测对象。由于受外界干扰噪声的影响，有时会产生较大的测量误差。因此没有任何一种传感器可以保证在任何时候都能提供全面的、准确无误的信息。单个传感器只能提供部分的、不精确的信息。 13.1.3　传感器融合的优势 (1)能够更加准确地获得被测对象或环境的信息，而且与任何单一传感器所获得的信息相比，具有更高的精度和可靠性。(2)通过各传感器的互补，获得某单一传感器所不能获得的独立的特征信息。(3)与传统的单一传感器相比，能够以更小的时间、更小的代价获得同样的信息。(4)根据系统的先验知识，通过对多传感器信息的融合处理，可以完成分类、判断、决策等任务。 13.2　人体生物传感器的融合 图13-2　人体生物传感器的信息融合模型 13.3　数据融合系统的建模 13.3.1　智能系统任务环境的建模13.3.2　模型建立 13.3.1　智能系统任务环境的建模 多传感器系统的任务环境多种多样，因而任务环境的建模方式及其模型也各不相同。 机器人的外部环境适宜模型为几何描述。目前主要的描述模型有：Durrant-Whyte提出的拓扑几何描述体系；Hager基于Bayes(贝叶斯)决策提出的面向任务的传感器信息