信息融合技術

1、創(chuàng)作時間：二零二一年六月三十日創(chuàng)作時間：二零二一年六月三十日創(chuàng)作時間：二零二一年六月三十日創(chuàng)作時間：二零二一年六月三十日信息融合技術之馬矢奏春創(chuàng)作創(chuàng)作時間：二零二一年六月三十日創(chuàng)作時間：二零二一年六月三十日1 引言融合(Fusion70(Data Fusion)(Information Fusion精確、更明確的推理結果.經過融合的多傳感器信息具有以下特征: 多傳感器信息融合與經典信號處置方法之間存在實質的區(qū)別, 其關鍵在于信息融合所處置的多傳感器信息具有更為復雜的形式, 而且可以在分歧的信息條理上呈現.信息融合的結構模型由于信息融合研究內容的廣泛性和多樣性,目前還沒有統一的關于融合過程的分類

2、.數據層融合通經常使用于多源圖像復合、圖像分折與理解等方面,采納經典的檢測和估計方法.特征層融合可劃分為兩年夜類:一類是目標狀態(tài)信息融合,目標跟蹤領域的年夜體方法都可以修改為多傳感器目標跟蹤方法;另一類是目標特性融合,它實質上是模式識別問題,具體的融合方法仍是模式識另外相應技術.決策層融合是指分歧類型的傳感器觀測同一個目標,每個傳感器在本地完成處置,其中包括頂處置、特征抽取、識別或判決,以建立對所觀察目標的初步結論.然后通過關聯處置、決策層觸合判決,最終獲得聯合推斷結果.JDL(Joint Directors of Laboratories, JDL)和-JDL-JDL 模型為JDL014依照

3、數據流融合的位置進行分類多傳感器融合系統中的 的融合結構,結構的選擇必需綜合考慮計算資源、可用的通信帶 寬、精度要求、傳感器能力等信息融合的典范方法數據融合技術綜合了多種傳統的學科,包括:數字信號處置,統計估算,控制理論,人工智能和經典數字方法.融合方法研究的內容是與信息融合有關的算法.比力典范的融合方法有:加權平均、卡爾曼濾波、貝葉斯估計、統計決策理論、D-S 證據推理、模糊推理、小波變換和神經網絡技術.加權平均方法是對一組冗余的原始傳感數據進行加權平均處置,處置的結果作為最后融合的結果.卡爾曼濾波是用丈量模型的統計特性遞推決定最優(yōu)融合數據的估計.貝葉斯估計理論是將多傳感器作為分歧的貝葉斯估

4、計器, 由他們組成一個決策系統,然后利用某一種決策規(guī)則來選擇對被測對象的最佳假設估計.在D-S力.模糊推理利用模糊集合和隸屬函數來暗示不確定性推理.該方法運用模糊集合的知識通過綜合考慮客觀證據與人的主觀評判,將主客觀之間的信息進行最佳的匹配,由此獲得問題的最優(yōu)解.人工神經網絡具有分布式存儲和并行處置方式、自組織和自學習的功能以及很強的容錯性和魯棒性等優(yōu)點.將神經網絡用于多傳感器信息融合技術,首先要根據系統的要求以及傳感器的特點選擇合適的神經網絡模型,然后再對建立的神經網絡系統進行離線學習.確定網絡的聯接權值和聯接結構,最后把獲得的網絡用于實際的信息融合傍邊.小波分析具有良好的信號時域局部化特征

5、,能處置信號的局部特征信息.將小波分析引入遙感數據融合,是目前正在探索的課題之一.由于處置對象和處置過程的復雜性,而且每種方法都有自己的適用范圍,目前還沒有一套系統的方法可以很好地解決多傳感器融合中呈現的所有問題.比力理想的解決方案就是多種融合方法的綜合使用.典范應用多傳感器信息融合在軍事、工業(yè)、醫(yī)學、交通和金觸等領域等.對信號檢測,多采納并行或串行的結構.并用Nyman- Pearson (D-S發(fā)展方向法的形成、己有算法的改進以及如何綜合這些技術以形成統一的交叉學科的交流和研究將進一步增進信息融合技術的發(fā)展,人工智能和神經網絡方法將繼續(xù)成為信息融合研究的熱點.神經網絡會在目標識別和魯棒多傳感器系統兩個領域里發(fā)揮重要的作用.參考文獻Lambert, D.A.; Grand challenges of information fusion. Information Fusion, 2003. Proceedings ofthe International Conferen