多传感器信息融合技术及其应用.docxVIP

PAGE 1 PAGE 1 多传感器信息融合技术及其应用  随着科学技术的迅猛发展，信息采集与融合趋于多元化和复杂化。单一的传感器已经无法满意需求。因此，多传感器信息融合技术开始广泛应用于各行各业，并提高了信息处理的精确性和完整性。从概念、结构与分类、关键算法的研究和实际应用等多方面对多传感器信息融合技术进行了介绍，并总结了该技术的发展趋势与将来前景。  0引言  20世纪70年月，概率数据互联（ProbabilisticDataAssociation，PDA）概念被首次提出。它被认为是信息融合技术发展的起点，此后进步快速。信息融合的基本原则就是充分利用目标四周的复杂信息源，并依据某些标准要求对这些信息进行分类组合，以获得更好的目标性能。随着科技的不断发展，仅仅采用一种方式很难对目标的状况作出精确预判。因此，多传感器信息融合技术应运而生。下面对此项技术及其应用进行研究。  1多传感器信息融合技术  1.1定义  传感器是一种用于获取各类特定信息（如温度、压强等）的检测装置，其作用过程是将它感受到的检测信息转换成人们需要的输出信息类型（如电信号）。它就像是人体的感官细胞，可以达到传递信息的目的。随着智能化的不断发展，单一的传感器信息明显无法满意产品的需要。人们期盼产品能够更加“理解”人类的需求。这就需要为目标产品安装更多的“感官细胞”——传感器，即通过获取多个传感器的信息源来解决问题。多传感器信息融合技术就是借助特定准则的引导，利用现代计算机技术进行观测和分析多传感器数据，然后对贰余信息进行排序并整合互补信息，从而对目标作出精确预估。该技术模拟了人类大脑获取、理解、分析和处理感知信息的整套流程。  它利用多个传感器的信息，从不同的角度弥补计算机感知完整性的不足，代表了一种高级的信息处理能力和预判水平。  1.2层次  依据抽象程度的不同，可将多传感器信息融合技术划分为像素层融合、特征层融合以决策层融合三个层次。处理问题时，可以依据不同目标特性进行合理选择。  1.2.1像素层融合  像素层融合又称为数据层融合，即原始数据的直接融合，属于最低层次的融合方式（见图1）。这种方式几乎不处理收集到的同类型数据，而直接对其进行整合研究，保留了更多的初始细节信息。但是过多的信息量会导致系统计算处理时占用更多内存且耗时。该方式的实时效果极差，并且由于数据本身具有很大的不稳定性，要求处理系统具备很好的容错能力。  图1像素层融合  1.2.2特征层融合  特征层融合属于中间层次的融合方式（见图2），但却同时具备低层次和高层次的部分优势。它一般分为目标特征信息融合和目标状态信息融合两类。其中，状态信息融合适用于对目标的跟踪,主要是数据配准实现状态与参数的相互估计；而特征信息融合则适用于组合分类，主要基于传统模式识别技术实现分类融合。特征层融合能够自动提取原始数据中具有代表性特征的信息源，并对其进行整合，保留重要信息，从而为后期的决策供应数据支持。该方式对通信宽带的要求很低。但是，丢失数据会导致相应的精确性降低。  1.2.3决策层融合  决策层融合属于最高层次的融合方式（见图3）。该方式要求在每个传感器独立完成监测数据的特征提取和识别任务的同时，整合多个传感器的结果。它直接面对决策目标，并为最终产生决策结果奠定基础。决策层融合具有敏捷性好、抗干扰能力强等特点，即使部分传感器出现故障或失效，仍能给出合理的决策结果。但是该方式会压缩数据，因此需要高成本地进行处理甚至损失大量的细节信息。  1.3信息融合结构  信息融合技术的体系结构一般分为集中式融合、分布式融合和混合式融合三种。在详细设计时，应当依照详细状况进行合理的选择。表1列出了三种融合结构的性能对比状况。  1.3.1集中式融合结构  在集中式融合结构中，每个传感器都需要将观测数据直接发送至融合中心统一进行推断决策（见图4）。该结构的信息损失率低且基本保留了原始数据，但是需要较大的通信带宽进行传输，并且要求融合中心具有较高的信息处理运算能力。  1.3.2分布式融合结构  在分布式融合结构中,每个传感器都对自己观测的原始数据进行初步预判,然后分别将结果发送至融合中心进行最终的判定（见图5）。该方式降低了融合中心的传输和运算压力,因此具有更好的系统牢靠性。近年来,这种融合结构也更受研究人员的欢迎。  1.3.3混合式融合结构  混合式融合结构（见图6）保留了集中式与分布式结构的优点，能够在不同状况下敏捷地完成任务要求。但是它对结构设计的要求高，而且系统稳定性一般。  1.