數(shù)據(jù)融合與信息融合課件

1、數(shù)據(jù)融合與信息融合傳感器數(shù)據(jù)融合的概念傳感器數(shù)據(jù)融合又稱數(shù)據(jù)融合，是對多種信息的獲取、表示及其內在聯(lián)系進行綜合處理和優(yōu)化的技術。傳感器數(shù)據(jù)融合技術從多信息的視角進行處理及綜合，得到各種信息的內在聯(lián)系和規(guī)律，從而剔除無用的和錯誤的信息，保留正確的和有用的成分，最終實現(xiàn)信息的優(yōu)化。它為智能信息處理技術的研究提供了新的觀念。定義：將經過集成處理的多傳感器信息進行合成，形成一種對外部環(huán)境或被測對象某一特征的表達方式。多傳感器數(shù)據(jù)融合技術是通過對這些傳感器及其觀測信息的合理支配和使用，把多個傳感器在時間和空間上的冗余或互補信息依據(jù)某種準則進行組合，以獲取被觀測對象的一致性解釋或描述。單一傳感器只能獲得環(huán)

2、境或被測對象的部分信息段，而多傳感器信息經過融合后能夠完善地、準確地反映環(huán)境的特征。定義三個要點：（1）數(shù)據(jù)融合是多信源、多層次的處理過程，每個層次代表信息的不同抽象程度；（2）數(shù)據(jù)融合過程包括數(shù)據(jù)的檢測、關聯(lián)、估計與合并；（3）數(shù)據(jù)融合的輸出包括低層次上的狀態(tài)身份估計和高層次上的總戰(zhàn)術態(tài)勢的評估。 多傳感器數(shù)據(jù)融合包括：多傳感器的目標探測、數(shù)據(jù)關聯(lián)、跟蹤與識別、情況評估和預測。基本目的：通過融合得到比單獨的各個輸入數(shù)據(jù)更多的信息。這一點是協(xié)同作用的結果，即由于多傳感器的共同作用，使系統(tǒng)的有效性得以增強。 多傳感器數(shù)據(jù)融合系統(tǒng)可更大程度獲取被探測目標和環(huán)境的信息量。單傳感器信號處理或低層次的數(shù)

3、據(jù)處理方式只是對人腦信息處理的一種低水平模仿。實質：一種多源信息的綜合技術，通過對來自不同傳感器的數(shù)據(jù)進行分析和綜合，可以獲得被測對象及其性質的最佳一致估計。多傳感器數(shù)據(jù)融合：將經過集成處理的多種傳感器信息進行合成，形成對外部環(huán)境某一特征的一種表達方式。數(shù)據(jù)融合的優(yōu)點增加了系統(tǒng)的生存能力擴展了空間覆蓋范圍擴展了時間覆蓋范圍提高了可信度降低了信息的模糊度改善了探測性能提高了空間分辨率增加了測量空間的維數(shù)信息融合組合：由多個傳感器組合成平行或互補方式來獲得多組數(shù)據(jù)輸出的一種處理方法，是一種最基本的方式，涉及的問題有輸出方式的協(xié)調、綜合以及傳感器的選擇。在硬件這一級上應用。綜合：信息優(yōu)化處理中的一種

4、獲得明確信息的有效方法。例：在虛擬現(xiàn)實技術中，使用兩個分開設置的攝像機同時拍攝到一個物體的不同側面的兩幅圖像，綜合這兩幅圖像可以復原出一個準確的有立體感的物體的圖像。融合：當將傳感器數(shù)據(jù)組之間進行相關或將傳感器數(shù)據(jù)與系統(tǒng)內部的知識模型進行相關，而產生信息的一個新的表達式。相關：通過處理傳感器信息獲得某些結果，不僅需要單項信息處理，而且需要通過相關來進行處理，獲悉傳感器數(shù)據(jù)組之間的關系，從而得到正確信息，剔除無用和錯誤的信息。相關處理的目的：對識別、預測、學習和記憶等過程的信息進行綜合和優(yōu)化。信息融合在信息電子學的應用 信息融合技術的實現(xiàn)和發(fā)展以信息電子學的原理、方法、技術為基礎。信息融合系統(tǒng)要

5、采用多種傳感器收集各種信息，包括聲、光、電、運動、視覺、觸覺、力覺以及語言文字等。信息融合技術中的分布式信息處理結構通過無線網絡、有線網絡，智能網絡，寬帶智能綜合數(shù)字網絡等匯集信息，傳給融合中心進行融合。除了自然(物理)信息外，信息融合技術還融合社會類信息，以語言文字為代表，涉及到大規(guī)模漢語資料庫、語言知識的獲取理論與方法、機器翻譯、自然語言解釋與處理技術等，信息融合采用分形、混沌、模糊推理、人工神經網絡等數(shù)學和物理的理論及方法。它的發(fā)展方向是對非線性、復雜環(huán)境因素的不同性質的信息進行綜合、相關，從各個不同的角度去觀察、探測世界。信息融合在計算機科學的應用 在計算機科學中，目前正開展著并行數(shù)據(jù)

6、庫、主動數(shù)據(jù)庫、多數(shù)據(jù)庫的研究。信息融合要求系統(tǒng)能適應變化的外部世界，因此，空間、時間數(shù)據(jù)庫的概念應運而生，為數(shù)據(jù)融合提供了保障?？臻g意味著不同種類的數(shù)據(jù)來自于不同的空間地點，時間意味著數(shù)據(jù)庫能隨時間的變化適應客觀環(huán)境的相應變化。信息融合處理過程要求有相應的數(shù)據(jù)庫原理和結構，以便融合隨時間、空間變化了的數(shù)據(jù)。在信息融合的思想下，提出的空間、時間數(shù)據(jù)庫，是計算機科學的一個重要的研究方向。信息融合在自動化的應用以各種控制理論為基礎，信息融合技術采用模糊控制、智能控制、進化計算等系統(tǒng)理論，結合生物、經濟、社會、軍事等領域的知識，進行定性、定量分析。按照人腦的功能和原理進行視覺、聽覺、觸覺、力覺、知覺

7、、注意、記憶、學習和更高級的認識過程，將空間、時間的信息進行融合，對數(shù)據(jù)和信息進行自動解釋，對環(huán)境和態(tài)勢給予判定。目前的控制技術，已從程序控制進入了建立在信息融合基礎上的智能控制。智能控制系統(tǒng)不僅用于軍事，還應用于工廠企業(yè)的生產過程控制和產供銷管理、城市建設規(guī)劃、道路交通管理、商業(yè)管理、金融管理與預測、地質礦產資源管理、環(huán)境監(jiān)測與保護、糧食作物生長監(jiān)測、災害性天氣預報及防治等涉及宏觀、微觀和社會的各行各業(yè)。 信息融合層次的劃分主要有兩種方法。第一種方法是按照融合對象的層次不同，將信息融合劃分為低層（數(shù)據(jù)級或像素級）、中層（特征級）和高層（決策級）。另一種方法將是將傳感器集成和數(shù)據(jù)融合劃分為信號

8、級、證據(jù)級和動態(tài)級。 信息融合的分類數(shù)據(jù)級融合(或像素級融合)對傳感器的原始數(shù)據(jù)及預處理各階段上產生的信息分別進行融合處理。盡可能多地保持了原始信息，能夠提供其它兩個層次融合所不具有的細微信息。局限性：(1)由于所要處理的傳感器信息量大，故處理代價高；(2)融合是在信息最低層進行的，由于傳感器的原始數(shù)據(jù)的不確定性、不完全性和不穩(wěn)定性，要求在融合時有較高的糾錯能力；(3)由于要求各傳感器信息之間具有精確到一個像素的配準精度，故要求傳感器信息來自同質傳感器；(4)通信量大。監(jiān)測對象傳感器1特征提取傳感器2傳感器N數(shù)據(jù)融合識別決策數(shù)據(jù)級融合(或像素級融合)特征級融合 利用從各個傳感器原始數(shù)據(jù)中提取的

9、特征信息，進行綜合分析和處理的中間層次過程。 通常所提取的特征信息應是數(shù)據(jù)信息的充分表示量或統(tǒng)計量，據(jù)此對多傳感器信息進行分類、匯集和綜合。 特征級融合分類：目標狀態(tài)信息融合目標特性融合。監(jiān)測對象特征融合傳感器1傳感器2傳感器N識別決策特征提取特征提取特征提取特征級融合分類 目標狀態(tài)信息融合主要應用于多傳感器目標跟蹤領域。融合系統(tǒng)首先對傳感器數(shù)據(jù)進行預處理以完成數(shù)據(jù)配準。數(shù)據(jù)配準后，融合處理主要實現(xiàn)參數(shù)相關和狀態(tài)矢量估計。目標特性融合特征層聯(lián)合識別，具體的融合方法仍是模式識別的相應技術，只是在融合前必須先對特征進行相關處理，對特征矢量進行分類組合。在模式識別、圖像處理和計算機視覺等領域，已經對

10、特征提取和基于特征的分類問題進行了深入的研究，有許多方法可以借用。決策級融合 在信息表示的最高層次上進行的融合處理。不同類型的傳感器觀測同一個目標，每個傳感器在本地完成預處理、特征抽取、識別或判斷，以建立對所觀察目標的初步結論，然后通過相關處理、決策級融合判決，最終獲得聯(lián)合推斷結果，從而直接為決策提供依據(jù)。 因此，決策級融合是直接針對具體決策目標，充分利用特征級融合所得出的目標各類特征信息，并給出簡明而直觀的結果。決策級融合優(yōu)點：實時性最好在一個或幾個傳感器失效時仍能給出最終決策，因此具有良好的容錯性。監(jiān)測對象決策融合傳感器1傳感器2傳感器N決策特征提取特征提取特征提取識別識別識別決策級融合信

11、息融合過程 首先將被測對象它們轉換為電信號，然后經過AD變換將它們轉換為數(shù)字量。數(shù)字化后電信號需經過預處理，以濾除數(shù)據(jù)采集過程中的干擾和噪聲。對經處理后的有用信號作特征抽取，再進行數(shù)據(jù)融合；或者直接對信號進行數(shù)據(jù)融合。最后，輸出融合的結果。信息融合結構形式三種結構形式：串聯(lián)、并聯(lián)和混合融合形式。1. 加權平均 2. 嵌入約束法：卡爾曼濾波、貝葉斯估計 3. 多貝葉斯方法 4. 統(tǒng)計決策理論 5. 證據(jù)組合法：概率統(tǒng)計方法、 Dempster-Shafer證據(jù)推理法 6. 模糊邏輯法 7. 產生式規(guī)則法 8. 神經網絡方法 信息融合的一般方法1. 加權平均 加權平均是最簡單、最直觀的數(shù)據(jù)融合方法

12、。該方法將一組傳感器提供的冗余信息進行加權平均，結果作為融合值。 由多種傳感器所獲得的客觀環(huán)境(即被測對象)的多組數(shù)據(jù)，就是客觀環(huán)境按照某種映射關系形成的像，信息融合就是通過像求解原像，即對客觀環(huán)境加以了解。 用數(shù)學語言描述就是，所有傳感器的全部信息，也只能描述環(huán)境的某些方面的特征，而具有這些特征的環(huán)境卻有很多，要使一組數(shù)據(jù)對應惟一的環(huán)境(即上述映射為一一映射)，就必須對映射的原像和映射本身加約束條件，使問題能有惟一的解。嵌入約束法最基本的方法：Bayes估計和卡爾曼濾波2. 嵌入約束法Bayes估計是融合靜態(tài)環(huán)境中多傳感器低層數(shù)據(jù)的一種常用方法。其信息描述為概率分布，適用于具有可加高斯噪聲的

13、不確定性信息。假定完成任務所需的有關環(huán)境的特征物用向量f表示，通過傳感器獲得的數(shù)據(jù)信息用向量d來表示，d和f都可看作是隨機向量。信息融合的任務就是由數(shù)據(jù)d推導和估計環(huán)境f。假設p(f，d)為隨機向量f和d的聯(lián)合概率分布密度函數(shù)，則上式為概率論中的Bayes公式，是嵌入約束法的核心。 信息融合通過數(shù)據(jù)信息d做出對環(huán)境f的推斷，即求解p(f|d)。由Bayes公式知，只須知道p(d|f)和p(f)即可。因為p(d)可看作是使p(f|d)p(f)成為概率密度函數(shù)的歸一化常數(shù)，p(d|f)是在已知客觀環(huán)境變量f的情況下，傳感器得到的d關于f的條件密度。當環(huán)境情況和傳感器性能已知時，p(f|d)由決定環(huán)

14、境和傳感器原理的物理規(guī)律完全確定。而p(f)可通過先驗知識的獲取和積累，逐步漸近準確地得到，因此，一般總能對p(f)有較好的近似描述。 在嵌入約束法中，反映客觀環(huán)境和傳感器性能與原理的各種約束條件主要體現(xiàn)在p(f|d) 中，而反映主觀經驗知識的各種約束條件主要體現(xiàn)在p(f)中。 在傳感器信息融合的實際應用過程中，通常的情況是在某一時刻從多種傳感器得到一組數(shù)據(jù)信息d，由這一組數(shù)據(jù)給出當前環(huán)境的一個估計f。因此,實際中應用較多的方法是尋找最大后驗估計g，即即最大后驗估計是在已知數(shù)據(jù)為d的條件下，使后驗概率密度p(f)取得最大值得點g，根據(jù)概率論，最大后驗估計g滿足當p(f)為均勻分布時，最大后驗估

15、計g滿足 此時，最大后驗概率也稱為極大似然估計。當傳感器組的觀測坐標一致時，可以用直接法對傳感器測量數(shù)據(jù)進行融合。在大多數(shù)情況下，多傳感器從不同的坐標框架對環(huán)境中同一物體進行描述，這時傳感器測量數(shù)據(jù)要以間接的方式采用Bayes估計進行數(shù)據(jù)融合。間接法要解決的問題是求出與多個傳感器讀數(shù)相一致的旋轉矩陣R和平移矢量H。在傳感器數(shù)據(jù)進行融合之前，必須確保測量數(shù)據(jù)代表同一實物，即要對傳感器測量進行一致性檢驗。常用以下距離公式來判斷傳感器測量信息的一致：式中x1和x2為兩個傳感器測量信號，C為與兩個傳感器相關聯(lián)的方差陣，當距離T小于某個閾值時，兩個傳感器測量值具有一致性。這種方法的實質是剔除處于誤差狀態(tài)

16、的傳感器信息而保留“一致傳感器”數(shù)據(jù)計算融合值。 卡爾曼濾波(KF) 用于實時融合動態(tài)的低層次冗余傳感器數(shù)據(jù)，該方法用測量模型的統(tǒng)計特性，遞推決定統(tǒng)計意義下最優(yōu)融合數(shù)據(jù)合計。如果系統(tǒng)具有線性動力學模型，且系統(tǒng)噪聲和傳感器噪聲可用高斯分布的白噪聲模型來表示，KF為融合數(shù)據(jù)提供惟一的統(tǒng)計意義下的最優(yōu)估計，KF的遞推特性使系統(tǒng)數(shù)據(jù)處理不需大量的數(shù)據(jù)存儲和計算。 KF分為分散卡爾曼濾波(DKF)和擴展卡爾曼濾波(EKF)。 DKF可實現(xiàn)多傳感器數(shù)據(jù)融合完全分散化，其優(yōu)點：每個傳感器節(jié)點失效不會導致整個系統(tǒng)失效。而EKF的優(yōu)點：可有效克服數(shù)據(jù)處理不穩(wěn)定性或系統(tǒng)模型線性程度的誤差對融合過程產生的影響。 應

17、用卡爾曼濾波器對n個傳感器的測量數(shù)據(jù)進行融合后，既可以獲得系統(tǒng)的當前狀態(tài)估計，又可以預報系統(tǒng)的未來狀態(tài)。 應用領域：目標識別、機器人導航、多目標跟蹤、慣性導航和遙感等。 嵌入約束法傳感器信息融合的最基本方法之一。其缺點：需要對多源數(shù)據(jù)的整體物理規(guī)律有較好的了解，才能準確地獲得p(d|f)，但需要預知先驗分布p(f)。3. 多貝葉斯方法 DurrantWhyte將任務環(huán)境表示為不確定幾何物體集合的多傳感器模型，提出了傳感器信息融合的多貝葉斯估計方法。多貝葉斯估計把每個傳感器作為一個貝葉斯估計，將各單獨物體的關聯(lián)概率分布組合成一個聯(lián)合后驗概率分布函數(shù)，通過使聯(lián)合分布函數(shù)的似然函數(shù)最小，可以得到多傳

18、感器信息的最終融合值。 4. 統(tǒng)計決策理論 與多貝葉斯估計不同，統(tǒng)計決策理論中的不確定性為可加噪聲，從而不確定性的適應范圍更廣。不同傳感器觀測到的數(shù)據(jù)必須經過一個魯棒綜合測試以檢驗它的一致性，經過一致性檢驗的數(shù)據(jù)用魯棒極值決策規(guī)則融合。 5. 證據(jù)組合法由Dempster首先提出，由Shafer發(fā)展。 一種不精確推理理論，貝葉斯方法的擴展。貝葉斯方法必須給出先驗概率， 證據(jù)理論則能夠處理這種由不知道引起的不確定性。在多傳感器數(shù)據(jù)融合系統(tǒng)中，每個信息源提供了一組證據(jù)和命題，并且建立了一個相應的質量分布函數(shù)。因此，每一個信息源就相當于一個證據(jù)體。在同一個鑒別框架下， 將不同的證據(jù)體通過Dempst

19、er合并規(guī)則并成一個新的證據(jù)體，并計算證據(jù)體的似真度，最后用某一決策選擇規(guī)則，獲得最后的結果。 證據(jù)組合法認為完成某項智能任務是依據(jù)有關環(huán)境某方面的信息做出幾種可能的決策，而多傳感器數(shù)據(jù)信息在一定程度上反映環(huán)境這方面的情況。因此，分析每一數(shù)據(jù)作為支持某種決策證據(jù)的支持程度，并將不同傳感器數(shù)據(jù)的支持程度進行組合，即證據(jù)組合，分析得出現(xiàn)有組合證據(jù)支持程度最大的決策作為信息融合的結果。 證據(jù)組合法是對完成某一任務的需要而處理多種傳感器的數(shù)據(jù)信息，完成某項智能任務，實際是做出某項行動決策。它先對單個傳感器數(shù)據(jù)信息每種可能決策的支持程度給出度量(即數(shù)據(jù)信息作為證據(jù)對決策的支持程度)，再尋找一種證據(jù)組合方

20、法或規(guī)則，在已知兩個不同傳感器數(shù)據(jù)(即證據(jù))對決策的分別支持程度時，通過反復運用組合規(guī)則，最終得出全體數(shù)據(jù)信息的聯(lián)合體對某決策總的支持程度。得到最大證據(jù)支持決策，即信息融合的結果。證據(jù)組合法較嵌入約束法優(yōu)點：(1)對多種傳感器數(shù)據(jù)間的物理關系不必準確了解，即無須準確地建立多種傳感器數(shù)據(jù)體的模型；(2)通用性好，可以建立一種獨立于各類具體信息融合問題背景形式的證據(jù)組合方法，有利于設計通用的信息融合軟、硬件產品；(3)人為的先驗知識可以視同數(shù)據(jù)信息一樣，賦予對決策的支持程度，參與證據(jù)組合運算。常用證據(jù)組合方法：概率統(tǒng)計方法、Dempster-Shafer證據(jù)推理利用證據(jù)組合進行數(shù)據(jù)融合的關鍵在于：

21、選擇合適的數(shù)學方法描述證據(jù)、決策和支持程度等概念建立快速、可靠并且便于實現(xiàn)的通用證據(jù)組合算法結構概率統(tǒng)計方法假設一組隨機向量x1，x2，xn分別表示n個不同傳感器得到的數(shù)據(jù)信息，根據(jù)每一個數(shù)據(jù)xi可對所完成的任務做出一決策di。xi的概率分布為pai(xi)， ai為該分布函數(shù)中的未知參數(shù)，若參數(shù)已知時，則xi的概率分布就完全確定了。用非負函數(shù)L(ai ，di)表示當分布參數(shù)確定為ai時，第i個信息源采取決策dj時所造成的損失函數(shù)。在實際問題中， ai是未知的，因此，當?shù)玫絰i時，并不能直接從損失函數(shù)中定出最優(yōu)決策。先由xi做出ai的一個估計，記為ai(xi)，再由損失函數(shù)L ai(xi),d

22、i決定出損失最小的決策。其中利用xi估計ai的估計量ai(xi) 有很多種方法。概率統(tǒng)計方法適用于分布式傳感器目標識別和跟蹤信息融合問題Dempster-Shafer證據(jù)推理(簡稱D-S推理)假設F為所有可能證據(jù)所構成的有限集，為集合F中的某個元素即某個證據(jù)，首先引入信任函數(shù)B(f)0，1表示每個證據(jù)的信任程度：從上式可知，信任函數(shù)是概率概念的推廣，因為從概率論的知識出發(fā)，上式應取等號。 引入基礎概率分配函數(shù)m(f)0，1 由基礎概率分配函數(shù)定義與之相對應的信任函數(shù)： 當利用N個傳感器檢測環(huán)境M個特征時，每一個特征為F中的個元素。第i個傳感器在第k-1時刻所獲得的包括k1時刻前關于第j個特征的

23、所有證據(jù)，用基礎概率分配函數(shù)表示，其中i=1，2，m。第i個傳感器在第k時刻所獲得的關于第j個特征的新證據(jù)用基礎概率分配函數(shù)表示。由和可獲得第i個傳感器在第k時刻關于第j個特征的聯(lián)合證據(jù)。類似地，利用證據(jù)組合算法，由和可獲得在k時刻關于第j個特征的第i個傳感器和第i+1個傳感器的聯(lián)合證據(jù)。如此遞推下去，可獲得所有N個傳感器在k時刻對j特征的信任函數(shù)，信任度最大的即為信息融合過程最終判定的環(huán)境特征。 D-S證據(jù)推理優(yōu)點：算法確定后，無論是靜態(tài)還是時變的動態(tài)證據(jù)組合，其具體的證據(jù)組合算法都有一共同的算法結構。但其缺點：當對象或環(huán)境的識別特征數(shù)增加時，證據(jù)組合的計算量會以指數(shù)速度增長。6. 模糊邏輯

24、法 模糊邏輯實質上是一種多值邏輯，在多傳感器數(shù)據(jù)融合中，將每個命題及推理算子賦予0到1間的實數(shù)值，以表示其在登記處融合過程中的可信程度，又被稱為確定性因子，然后使用多值邏輯推理法，利用各種算子對各種命題（即各傳感源提供的信息）進行合并運算，從而實現(xiàn)信息的融合。7. 產生式規(guī)則法 人工智能中常用的控制方法。產生式規(guī)則法中的規(guī)則一般要通過對具體使用的傳感器的特性及環(huán)境特性進行分析后歸納出來的，不具有一般性，即系統(tǒng)改換或增減傳感器時，其規(guī)則要重新產生。特點：系統(tǒng)擴展性較差，但推理較明了，易于系統(tǒng)解釋，所以也有廣泛的應用范圍。 8. 人工神經網絡法通過模仿人腦的結構和工作原理，設計和建立相應的機器和模

25、型并完成一定的智能任務。神經網絡根據(jù)當前系統(tǒng)所接收到的樣本的相似性，確定分類標準。這種確定方法主要表現(xiàn)在網絡權值分布上，同時可采用神經網絡特定的學習算法來獲取知識，得到不確定性推理機制。神經網絡多傳感器信息融合的實現(xiàn)，分三個重要步驟：根據(jù)智能系統(tǒng)要求及傳感器信息融合的形式，選擇其拓撲結構；各傳感器的輸入信息綜合處理為一總體輸入函數(shù)，并將此函數(shù)映射定義為相關單元的映射函數(shù),通過神經網絡與環(huán)境的交互作用把環(huán)境的統(tǒng)計規(guī)律反映網絡本身結構；對傳感器輸出信息進行學習、理解，確定權值的分配，完成知識獲取信息融合，進而對輸入模式做出解釋，將輸入數(shù)據(jù)向量轉換成高層邏輯(符號)概念。基于神經網絡的傳感器信息融合

26、特點：具有統(tǒng)一的內部知識表示形式，通過學習算法可將網絡獲得的傳感器信息進行融合，獲得相應網絡的參數(shù)，并且可將知識規(guī)則轉換成數(shù)字形式，便于建立知識庫；利用外部環(huán)境的信息，便于實現(xiàn)知識自動獲取及并行聯(lián)想推理；能夠將不確定環(huán)境的復雜關系，經過學習推理，融合為系統(tǒng)能理解的準確信號；由于神經網絡具有大規(guī)模并行處理信息能力，使得系統(tǒng)信息處理速度很快。神經網絡的優(yōu)越性和強大的非線性處理能力，能夠很好的滿足多傳感器數(shù)據(jù)融合技術的要求。神經網絡具有較強的容錯性和自組織、自學習、自適應能力，能夠實現(xiàn)復雜的映射?；谏窠浘W絡的多傳感器信息融合 處理過程(l)用選定的N個傳感器檢測系統(tǒng)狀態(tài)；(2)采集N個傳感器的測量

27、信號并進行預處理；(3)對預處理后的N個傳感器信號進行特征選擇；(4)對特征信號進行歸一化處理，為神經網絡的輸入提供標準形式；(5)將歸一化的特征信息與已知的系統(tǒng)狀態(tài)信息作為訓練樣本，送神經網絡進行訓練，直到滿足要求為止。該訓練好的網絡作為已知網絡，只要將歸一化的多傳感器特征信息作為輸入送人該網絡，則網絡輸出就是被測系統(tǒng)的狀態(tài)。一. 信息融合的民事應用領域工業(yè)過程監(jiān)視及工業(yè)機器人遙感與金融系統(tǒng)空中交通管制與病人照顧系統(tǒng)船舶避碰與交通管制系統(tǒng)生物特征的身份識別二. 信息融合技術軍事上的應用采用多傳感器的自主式武器系統(tǒng)和自備式運載器情報收集系統(tǒng)采用多傳感器進行截獲、跟蹤和指揮制導的火控系統(tǒng)軍事力量

28、的指揮和控制站敵情指示和預警系統(tǒng)傳感器信息融合的實例一種雷達測量的信息融合結構傳感器故障檢測系統(tǒng)信息融合系統(tǒng)結構的實例局部處理器局部處理器 外部邏輯中央處理器傳感器信號傳感器信號先驗信息修正信息先驗信息修正信息控制和信息融合計算機自主移動裝配機器人裝配機械手力覺傳感器觸覺傳感器視覺傳感器超聲波傳感器激光測距傳感器多傳感器信息融合自主移動裝配機器人機器人中的傳感器信息融合 多傳感器在移動機器人中的應用外界環(huán)境視覺視覺超聲波傳感器紅外接近覺立體視覺地標識別障礙探測目標物探測景物識別內部傳感器融合力覺觸覺環(huán)境模型定位避障操作規(guī)劃學習路徑規(guī)劃任務規(guī)劃：執(zhí)行機構控制指令感覺功能海軍艦船傳感器信息融合系統(tǒng)

29、行掃描處理器紅外探測器 直流偏壓AGC搜索器萬向支架慣性導航系統(tǒng)圖像攝像機萬向支架圖像處理共享存儲器數(shù)據(jù)融合處理器環(huán)境控制顯示記錄人機界面圖像攝像機傳感器艦船上的傳感器信息融合 傳感器信號處理ADC單片機顯示翻譯1 Ren C.Luo, Michael G.Kay. Multisensor Integration and Fusion in Intelligent Systems. IEEE Transactions on Systems, Man, and Cybernetics, 1989, 19(5): 901-931.2 P. K. Varshney. Multisensor Data

30、 Fusion. Electronics & Communication Engineering Journal, 1997, 12: 245-253.3 M. Kokar, K. Kim. Review of Multisensor Data Fusion Architectures and Techniques. In: Proceedings of the 1993 International Symposium on Intelligent Control. Chicago:1993, 261-266.4 Ren C. Luo. Chih-Chen Yih. Kuo Lan Su. M

31、ultisensor Fusion and Integration: Approaches, Applications, and Future Research Directions. IEEE Sensors Journal. 2002, 2(2):107-119.5 Dale Umbach, Kerry N. Jones. A Few Methods for Fitting Cireles to Data. IEEE Transactions on Instrumentation and Measurement, 2003,52(6):1881-1885. Syllabus傳感器網絡概述無

32、線傳感器網絡應用信息融合技術信息獲取的意義信息處理流程信息獲取信息傳遞信息處理信息認知信息再生信息執(zhí)行(全信息角度)信息獲取傳遞計算/處理智能/控制（利用角度）信息的來源直接信息：人獲取信息是靠器官完成，獲取的信息量受限間接信息：科學技術的發(fā)展，獲取信息的渠道增多語言信息、文字信息、照像、攝像等，聲光電的轉換成為信息獲取的主體，如網絡、電視、廣播、雜志等信息獲取的方式傳感器感知實現(xiàn)信息采集，通過網絡通信的方式，將信息傳遞出去，進而實現(xiàn)信息的認知與利用網絡信息檢索通過搜索引擎進行操作數(shù)據(jù)采集系統(tǒng)傳感器信號處理ADC計算機/單片機顯示信號處理DAC非電量傳感器介紹在機電一體化系統(tǒng)中有各種不同的物理

33、量(如位移、壓力、速度等)需要測量與控制，如果沒有傳感器對原始的各種參數(shù)進行精確而可靠的檢測，那么對機電產品的各種控制是無法實現(xiàn)的。因此能把各種不同的非電量轉換成電量的傳感器便成為機電一體化系統(tǒng)中不可缺少的組成部分。作為一個獨立器件，傳感器的發(fā)展正進入集成化、智能化研究階段。把傳感器件與信號處理電路集成在一個芯片上，就形成了信息型傳感器；若再把微處理器集成到信息型傳感器的芯片上，就是所謂的智能型傳感器。 傳感器的定義傳感器傳感器是一種以一定的精確度將被測量(如位移、力、加速度等)轉換為與之有確定對應關系的、易于精確處理和測量的某種物理量(如電量)的測量部件或裝置。傳感器的組成傳感器由敏感元件、

34、轉換元件、電子線路等組成。敏感元件：直接感受被測量、并以確定關系輸出物理量。如彈性敏元件將力轉換為位移或應變輸出。轉換元件：將敏感元件輸出的非電物理量(如位移、應變、光強)轉換成電量參數(shù)(如電阻、電感、電容)等?；巨D換電路：將電路參數(shù)量轉換成便于測量的電量，如電壓、電流、頻率等。直接轉換與間接轉換敏感元件轉換元件電子線路電量被測量傳感器的分類傳感器的分類方法有多種 按被測物理量的性質分位移傳感器、溫度傳感器、壓力傳感器等按工作機理分電阻式、電感式、電容式、光電式按輸出信號的性質分類可分為開關型(二值型) 、數(shù)字型和模擬型按信息的傳遞方式有線傳感器無線傳感器，研究熱點傳感器的分類傳感器網絡基本

35、概念計算設備：越來越小型化，高效低能巨型機-小型機-工作站-PC-PDA-WSN節(jié)點-生物芯片網絡設施：連網和數(shù)據(jù)交換需求越來強計算設備無處不在、聯(lián)網無處不在;設備之間數(shù)據(jù)傳輸量越來越大信息處理：內容主導由數(shù)據(jù)為中心-內容為中心傳感器網絡一組傳感器節(jié)點，自組織方式, 協(xié)作地感知、采集和處理感知對象的信息, 并匯聚給觀察者. 造價低、能量敏感、通信能力有限、計算能力弱、動態(tài)變化Mica2dotMica2配置較低：如Mica2 CPUAtmel 128 (8MHz, 8bit)存儲128K Flash, 4K RAM, 4K EEPROM通信能力:范圍: 500 feet數(shù)據(jù)速率: 38.4Kba

36、ud局限于標量信息壓力、濕度、溫度、光、震動, 等.節(jié)點能力有限 無線傳感器網絡概述無線網絡的分類WSN概述無線傳感器網絡（wireless sensor network, WSN）系統(tǒng)是當前在國際上備受關注的、涉及多學科高度交叉、知識高度集成的前沿熱點研究領域。它綜合了傳感器技術、嵌入式計算技術、現(xiàn)代網絡及無線通信技術、分布式信息處理技術等。WSN概述（續(xù)）無線傳感器網絡（wireless sensor network, WSN）就是由部署在檢測區(qū)域內大量的廉價衛(wèi)星傳感器節(jié)點組成，通過無線通信方式形成的一個多跳的自組織的網絡系統(tǒng)，目的是協(xié)作地感知、采集和處理網絡覆蓋區(qū)域中感知的對象信息，并發(fā)

37、送給觀察者?；ヂ?lián)網和衛(wèi)星任務管理節(jié)點用戶匯聚節(jié)點監(jiān)測區(qū)域傳感器節(jié)點BACWSN概述（續(xù)）影響力美國商業(yè)周刊和MIT技術評論在預測未來技術發(fā)展報告中將無線傳感器網絡列為21世紀最有影響的21項技術和改變世界的10大技術之一。傳感器網絡被列為未來3大高科技產業(yè)一。美國的技術評論將無線傳感器網絡列為第一項未來新興技術。商業(yè)周刊 預測的未來4大新技術中，無線傳感器網絡也列入其中等。WSN技術的歷史及發(fā)展現(xiàn)狀國外：起源于美國，根源可追溯到1978年由國防部高級研究計劃署在卡內基-梅隆大學發(fā)起的分布式傳感器研討會具有代表性的項目包括：1993-1999年間由美國國防高級研究計劃署資助，加州大學洛杉磯分校(

38、UCLA)承擔的WINS項目1999-2001年DAPRA資助UCBerkeley承擔的SmartDust項目1998-2002年DARPA資助，加州大學伯克利分校等25個機構聯(lián)合承擔的SensIT計劃 1999-2004年間海軍研究辦公室的SeaWeb計劃等歷史以及發(fā)展現(xiàn)狀（續(xù)）國內：中國的一些研究機構近年開始研究：中國科學技術大學、清華大學、中科院計算所、上海微系統(tǒng)所、沈陽自動化所以及合肥智能所等研究單位 。之所以國內外都投入巨資研究機構紛紛開展無線傳感器網絡的研究，很大程度歸功于其廣闊的應用前景和對社會生活的巨大影響。單層WSN拓撲結構圖簇簇首簇成員層次型網絡拓撲結構在層次型無線傳感器網

39、絡中，網絡通常被劃分為簇(cluster)。 簇的組成：簇首(cluster head)和簇成員(cluster member)。任務管理中心 Internet、衛(wèi)星或移動通信網絡等匯聚節(jié)點監(jiān)測區(qū)域傳感器節(jié)點WSN的體系結構傳感器網絡結構WSN的體系結構（續(xù)）傳感器節(jié)點結構WSN的體系結構（續(xù)）傳感器網絡協(xié)議棧WSN的協(xié)議MAC協(xié)議在無線傳感器網絡中，介質訪問控制協(xié)議決定無線信道的使用方式，在傳感器節(jié)點之間分配有限的無線通信資源，用來構建傳感器網絡系統(tǒng)的底層基礎結構。設計MAC協(xié)議時考慮 節(jié)省能量 可擴展性 網絡效率WSN的協(xié)議（續(xù)）MAC協(xié)議MAC網絡能量浪費主要原因： 數(shù)據(jù)重傳，耗費節(jié)點更

40、多能量。 節(jié)點接受不必要的數(shù)據(jù)。 節(jié)點不需要發(fā)送數(shù)據(jù)時，過度偵聽。 信道分配時，控制消息過多。WSN的協(xié)議（續(xù)）MAC協(xié)議節(jié)點無線通信模塊的狀態(tài)包括：發(fā)送狀態(tài)、接受狀態(tài)、偵聽狀態(tài)、睡眠狀態(tài)。各狀態(tài)耗能按上述順序依次減少，因此通常采用”偵聽/睡眠”交替使用的無線信道使用策略。WSN的協(xié)議（續(xù)）MAC協(xié)議針對不同的傳感器網絡應用，提出不同的MAC協(xié)議，主要分3類：時分復用（TDMA）的MAC協(xié)議。隨機競爭的MAC協(xié)議。其他MAC協(xié)議。如：頻分復用或碼分復用等協(xié)議。WSN的特征WSN與無線網絡的區(qū)別傳感器網絡集成了監(jiān)測、控制以及無線通信的網絡系統(tǒng)，節(jié)點數(shù)目龐大（上千甚至上萬），分布密集，因環(huán)境和能量的耗盡，容易出現(xiàn)故障，節(jié)點通常固定不動。能量、處理能力、存儲能力、通信能力有限。不同于傳統(tǒng)無線網絡的高服務質量和高效的帶寬的利用，節(jié)能是其設計的首要考慮因素。節(jié)點的限制電池能量有限通信能力有限計算和存儲能力有限WSN的特征（續(xù)）傳感器網絡的特點大規(guī)模網絡自組織網絡動態(tài)性網絡可靠性網絡應用性相關的網絡以數(shù)據(jù)為中心的網絡Syllabus傳感器網絡概述無線傳感器網絡