多传感器信息融合综述.pdfVIP

1.多传感器信息融合概念 多传感器信息融合是指综合来自多个传感器的感知数据, 以产生更可 靠、更准确或更精确的信息。经过融合的多传感器系统能完善地、精确 地反映检测对象特性, 消除信息的不确定性, 提高传感器的可靠性。经 过融合的多传感器信息具有以下特性: 信息的冗余性、信息的互补性、 信息的实时性和信息的低成本性。 2. 多传感器信息融合分类 按融合判断方式分类 （1） 硬判决方式 硬判决方式设置有确定的预置判决门限。只有当数据样本特征量达到或 超过预置门限时，系统才做出判决断言；只有当系统做出了确定的断言 时，系统才向更高层次系统传送 “确定无疑”的判决结论。这种判决方 式以经典的数理逻辑为基础，是确定性的。 （2） 软判决方式 软判决方式不设置确定不变的判决门限。无论系统何时收到观测数据都 要执行相应分析，都要做出适当评价，也都向更高层次系统传送评判结 论意见及其有关信息，包括评判结果的置信度。这种评判不一定是确定 无疑的，但它可以更充分地发挥所有有用信息的效用，使信息融合结论 更可靠更合理。 按传感器组合方式分类 （1） 同类传感器组合 同类传感器组合只处理来自同一类传感器的环境信息，其数据格式、信 息内容都完全相同，因而处理方式相对比较简单。 （2） 异类传感器组合 异类传感器组合同时处理来自各种不同类型传感器采集的数据。优点是 信息内容广泛，可以互相取长补短，实现全源信息相关，因而分析结论 更准确、更全面、更可靠，但处理难度则高很多。 3.信息融合的系统结构 信息融合的系统结构研究包含两部分, 即信息融合的层次问题和信息融 合的体系结构。融合的层次结构主要从信息的角度来分析融合系统, 信 息融合的体系结构则主要是从硬件的角度来分析融合系统。 （1）信息融合的层次 信息融合系统可以按照层次划分, 对于层次划分问题存在着较多的看 法。目前较为普遍接受的是层次融合结构, 即数据层、特征层和决策 层。 数据层融合是指将全部传感器的观测数据直接进行融合, 然后从融 合的数据中提取特征向量, 并进行判断识别。这便要求传感器是同质 的, 如果传感器是异质的, 则数据只能在特征层或者决策层进行融合。 数据层融合的优点是保持了尽可能多的原始信息,缺点是处理的信息量 大, 因而处理实时性较差。 特征层融合是指将每个传感器的观测数据进行特征抽取以得到一个 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 量进行身份判定。特征层融合对通信带宽的要求较低, 但由于数据丢失 使其准确性有所下降。 决策层融合是指每个传感器执行一个对 目标的识别, 将来自每个传 感器的识别结果进行融合。该层次融合对通信带宽要求最低, 但产生的 结果相对来说最不准确。 信息融合的层次结构是按照信息抽象程度来划分的。在多传感器融 合系统的实际工程应用中, 应综合考虑传感器的性能、系统的计算能 力、通信的带宽、期望的准确率以及现有资金的能力, 以确定采用哪种 层次化系统结构模型或者混合的层次模型。而基于信息的层次结构的确 定, 可以为系统硬件体系结构的确定打好基础。 （2)信息融合的体系结构 信息融合的硬件体系结构大致分为三类:集中式、分布式和混合式。 集中式是将各传感器结点的数据都送到中央处理器进行融合处理。该方 法可以实现实时融合, 其数据处理的精度高、解法灵活, 缺点是对处理 器要求高、可靠性较低、数据量大, 故难于实现。分布式是各传感器利 用自己的量测单独跟踪 目标, 将估计结果送到总站, 总站再将子站的估 计合成为 目标的联合估计。该方法对通信带宽要求低、计算速度快、可 靠性和延续性好, 但跟踪精度没有集中式高。混合式是将以上两种形式 进行组合,它可以在速度、带宽、跟踪精度和可靠性等相互影响的各种 制约因素之间取得平衡, 因此 目前的研究着重于混合式结构。 采用何种体系结构完全是为了满足各种不同的实际需要, 在设计数 据融合体系结构时, 应根据确定的系统层次结构来确定相应的体系结 构, 同时还必须考虑数据通