多傳感器數(shù)據(jù)融合技術(shù)講解課件

多傳感器

數(shù)據(jù)融合技術(shù)引言基本原理、融合過程及關(guān)鍵技術(shù)數(shù)據(jù)融合系統(tǒng)的結(jié)構(gòu)及功能模型數(shù)據(jù)融合方法應(yīng)用研究方向和存在問題多傳感器

數(shù)據(jù)融合技術(shù)引言11、引言1.1定義數(shù)據(jù)融合，是多元信息綜合處理的一項新技術(shù),它有多種譯名,如多傳感器相關(guān)、多源相關(guān)、多傳感器融合、信息融合等。數(shù)據(jù)融合從20世紀(jì)70年代末被提出，多年來“融合”一詞幾乎無限制地被眾多領(lǐng)域所引用。數(shù)據(jù)融合比較確切的定義可概括為:充分利用不同的時間和空間的多傳感器信息資源,采用計算機技術(shù)對按時序獲得的多傳感器觀測信息在一定的準(zhǔn)則下加以自動分析、綜合、支配和使用,獲得被測對象的一致性解釋與描述,以完成所需的決策和估計任務(wù),使系統(tǒng)獲得比它的各個組成部分更優(yōu)越的性能。1、引言1.1定義21.2內(nèi)容數(shù)據(jù)關(guān)聯(lián):確定從多傳感器來的數(shù)據(jù)是否反映同一個目標(biāo)。多傳感器ID/軌跡估計:假設(shè)從多源來的報告反映的是同一目標(biāo),對這些數(shù)據(jù)進(jìn)行綜合以改進(jìn)對該目標(biāo)的估計,或是改進(jìn)對整個當(dāng)前/未來情況的估計。采集管理:給定傳感器環(huán)境的一種認(rèn)識狀態(tài),通過分配多個信息捕獲和處理源,以最大限度地發(fā)揮其性能,從而使其操作成本降到最低。簡言之,傳感器的數(shù)據(jù)融合功能主要包括多傳感器的目標(biāo)探測、數(shù)據(jù)關(guān)聯(lián)、跟蹤與識別、情況評估和預(yù)測。1.2內(nèi)容31.3特點生存能力強；擴展了空間覆蓋范圍；擴展了時間的覆蓋范圍；提高了可信度；降低了信息的模糊度；改進(jìn)了探測性能；提高了空間分辨率；增加了測量維數(shù)；1.3特點42、基本原理、融合過程及關(guān)鍵技術(shù)2.1基本原理多傳感器數(shù)據(jù)融合就像人腦綜合處理信息一樣,其基本原理就是充分利用多傳感器資源，通過對這些傳感器及觀測信息的合理支配和使用，把多傳感器在空間或時間上的冗余或互補信息依據(jù)某種準(zhǔn)則進(jìn)行組合，以獲得被測對象的一致性解釋或描述。數(shù)據(jù)融合的目的是通過數(shù)據(jù)信息組合而不是出現(xiàn)在輸入數(shù)據(jù)中的任何個別信息，推導(dǎo)出更多的信息，得到最佳協(xié)同作用的結(jié)果。也就是利用多個傳感器共同或聯(lián)合操作的優(yōu)勢，提高傳感器系統(tǒng)的有效性，消除單個或少量傳感器的局限性。在多傳感器數(shù)據(jù)融合系統(tǒng)中，各種傳感器的數(shù)據(jù)可以具有不同的特征，可能是實時的或非實時的、模糊的或確定的、互相支持的或互補的，也可能是互相矛盾或競爭的。2、基本原理、融合過程及關(guān)鍵技術(shù)2.1基本原理52.2融合過程數(shù)據(jù)融合過程主要包括多傳感器(信號獲取)、數(shù)據(jù)預(yù)處理、數(shù)據(jù)融合中心(特征提取、數(shù)據(jù)融合計算)和結(jié)果輸出等環(huán)節(jié),其過程如下圖所示。2.2融合過程62.3關(guān)鍵技術(shù)

數(shù)據(jù)融合的關(guān)鍵技術(shù)主要是數(shù)據(jù)轉(zhuǎn)換、數(shù)據(jù)相關(guān)、態(tài)勢數(shù)據(jù)庫和融合計算等,其中融合計算是多傳感器數(shù)據(jù)融合系統(tǒng)的核心技術(shù)。①對多傳感器的相關(guān)觀測結(jié)果進(jìn)行驗證、分析、補充、取舍、修改和狀態(tài)跟蹤估計。②對新發(fā)現(xiàn)的不相關(guān)觀測結(jié)果進(jìn)行分析和綜合。③生成綜合態(tài)勢,并實時地根據(jù)多傳感器觀測結(jié)果通過數(shù)據(jù)融合計算,對綜合態(tài)勢進(jìn)行修改。2.3關(guān)鍵技術(shù)73、數(shù)據(jù)融合系統(tǒng)的結(jié)構(gòu)及功能模型3.1結(jié)構(gòu)3、數(shù)據(jù)融合系統(tǒng)的結(jié)構(gòu)及功能模型3.1結(jié)構(gòu)8多傳感器數(shù)據(jù)融合技術(shù)講解課件93.2功能模型3.2功能模型104、數(shù)據(jù)融合方法表1各種融合方法的比較融合方法運行環(huán)境信息類型信息表示不確定性融合技術(shù)適用范圍加權(quán)平均動態(tài)冗余原始讀數(shù)值加權(quán)平均低層數(shù)據(jù)融合卡爾曼濾波動態(tài)冗余概率分布高斯噪聲系統(tǒng)模型濾波低層數(shù)據(jù)融合貝葉斯估計靜態(tài)冗余概率分布高斯噪聲貝葉斯估計高層數(shù)據(jù)融合統(tǒng)計決策理論靜態(tài)冗余概率分布累加噪聲極值決策高層數(shù)據(jù)融合證據(jù)推理靜態(tài)冗余互補命題邏輯推理高層數(shù)據(jù)融合模糊推理靜態(tài)冗余互補命題隸屬度邏輯推理高層數(shù)據(jù)融合神經(jīng)元網(wǎng)絡(luò)動、靜態(tài)冗余互補神經(jīng)元輸入學(xué)習(xí)誤差神經(jīng)元網(wǎng)絡(luò)低P高層產(chǎn)生式規(guī)則靜態(tài)冗余互補命題置信因子邏輯推理高層數(shù)據(jù)融合4、數(shù)據(jù)融合方法表1各種融合方法的比較融合方法運行環(huán)境信息114.1綜合平均法該方法是把來自多個傳感器的眾多數(shù)據(jù)進(jìn)行綜合平均。它適宜于用同樣的傳感器檢測同一個檢測目標(biāo)。如果對一個檢測目標(biāo)進(jìn)行了k次檢測,其平均值

Wi為分配給第i次檢測的權(quán)數(shù)。4.1綜合平均法124.2貝葉斯估計法貝葉斯推理技術(shù)主要用來進(jìn)行決策層融合，它是通過先驗信息和樣本信息合成為后驗分布，對檢測目標(biāo)作出推斷。

4.2貝葉斯估計法134.2D-S(Dempster-Shafer)證據(jù)推理法是貝葉斯推理的擴充,其3個基本要點是:基本概率賦值函數(shù)mi、信任函數(shù)Beli和似然函數(shù)Plsi。D-S方法的推理結(jié)構(gòu)是自下而上的,分3級,推理結(jié)構(gòu)如圖5所示4.2D-S(Dempster-Shafer)證據(jù)推理144.3模糊邏輯法針對數(shù)據(jù)融合中所檢測的目標(biāo)特征具有某種模糊性的現(xiàn)象,有人利用模糊邏輯方法來對檢測目標(biāo)進(jìn)行識別和分類。建立標(biāo)準(zhǔn)檢測目標(biāo)和待識別檢測目標(biāo)的模糊子集是此方法的研究基礎(chǔ)。但模糊子集的建立,需要有各種各樣的標(biāo)準(zhǔn)檢測目標(biāo),同時又必須建立合適的隸屬函數(shù)。而確定隸屬函數(shù)比較麻煩,目前還沒有規(guī)范的方法可遵循。又由于標(biāo)準(zhǔn)檢測目標(biāo)子集的建立受到各種條件的限制,往往誤差較大。4.3模糊邏輯法15

4.4神經(jīng)網(wǎng)絡(luò)方法一個人工神經(jīng)網(wǎng)絡(luò)(AN)由多層處理單元或節(jié)點組成,可以用各種方法互聯(lián)，圖6表示一個具有3層節(jié)點的AN,輸入向量是與目標(biāo)有關(guān)的測量參數(shù)集,輸入的數(shù)據(jù)向量經(jīng)過AN非線性變換,得到一個輸出向量,輸出向量可能是目標(biāo)身份。這樣一種變換能夠產(chǎn)生從數(shù)據(jù)到標(biāo)識分類的映射,也就把多傳感器的數(shù)據(jù)變換為一個實體的聯(lián)合標(biāo)識,這是一種特有的并行學(xué)習(xí)方式,完全不同于傳統(tǒng)的基于統(tǒng)計理論的數(shù)據(jù)融合法。4.4神經(jīng)網(wǎng)絡(luò)方法16多傳感器數(shù)據(jù)融合技術(shù)講解課件175、應(yīng)用4.1應(yīng)用領(lǐng)域隨著多傳感器數(shù)據(jù)融合技術(shù)的發(fā)展,應(yīng)用的領(lǐng)域也在不斷擴大,多傳感器融合技術(shù)已成功地應(yīng)用于眾多的研究領(lǐng)域。工業(yè)過程監(jiān)視系統(tǒng)智能檢測系統(tǒng)工業(yè)機器人空中交通管制全局監(jiān)視自備式運載器軍事應(yīng)用5、應(yīng)用4.1應(yīng)用領(lǐng)域184.2應(yīng)用實例（1）軍事上應(yīng)用多傳感器數(shù)據(jù)融合在軍事中已得到了廣泛的應(yīng)用,如美國ROME實驗室設(shè)計了一個大型的先進(jìn)傳感器開發(fā)實驗裝置,用于研究戰(zhàn)況估計,采用二階數(shù)據(jù)融合算法,可完成景象產(chǎn)生、傳感器仿真、CI仿真、數(shù)據(jù)融合、評估和控制等。4.2應(yīng)用實例19

多傳感器數(shù)據(jù)融合技術(shù)在“C3I”系統(tǒng)中的應(yīng)用

“C3I”就是指揮自動化技術(shù)系統(tǒng)，是用電子計算機將指揮（command）、控制（control）、通信（communication）和情報（intelligence）各分系統(tǒng)緊密聯(lián)在一起的綜合系統(tǒng)。多傳感器數(shù)據(jù)融合技術(shù)20多傳感器數(shù)據(jù)融合技術(shù)講解課件21多傳感器數(shù)據(jù)融合技術(shù)講解課件22預(yù)處理器：對同類傳感器的數(shù)據(jù)進(jìn)行融合；時間和空間配準(zhǔn)：為多傳感器提供統(tǒng)一參照；信息融合處理器：將測量參數(shù)進(jìn)行合并，提高目標(biāo)的分類及態(tài)勢估計的準(zhǔn)確性；態(tài)勢數(shù)據(jù)庫：存儲實時或歷史態(tài)勢數(shù)據(jù)；控制計算機：對目標(biāo)分類、進(jìn)行態(tài)勢估計，并對信息源的使用進(jìn)行協(xié)調(diào)；顯示與控制：顯示融合與評估的結(jié)果。預(yù)處理器：對同類傳感器的數(shù)據(jù)進(jìn)行融合；23（2）無人駕駛汽車上應(yīng)用（2）無人駕駛汽車上應(yīng)用24通過慣性傳感器、數(shù)字地圖和差分全球定位系統(tǒng)，確定汽車行使的地理位置和方向。通過立體圖像傳感器辨識、跟蹤汽車行使路面邊緣以及路面的幾何形狀。通過激光探測器和雷達(dá)，完成汽車行駛過程中路況和前方障礙物等信息的檢測。將各個傳感器輸出的信號通過卡爾曼濾波進(jìn)行數(shù)據(jù)融合，識別汽車行駛路面情況，通過控制機構(gòu)實現(xiàn)汽車無人駕駛。通過慣性傳感器、數(shù)字地圖和差分全球定位系統(tǒng)，確256、研究方向和存在問題6.1研究方向①建立同類型信息融合的數(shù)值處理方法和不同類型信息融合的符號處理方法基礎(chǔ)理論。②兼有穩(wěn)健性和準(zhǔn)確性的融合算法和模型的研究。③研究數(shù)據(jù)融合用的數(shù)據(jù)庫和知識庫,高速并行檢索和推理機制。④開發(fā)推理系統(tǒng),尤其是不確定性推理,以進(jìn)行融合過程中的狀態(tài)估計和決策分析。⑤研究數(shù)據(jù)融合的分布式數(shù)據(jù)處理體系結(jié)構(gòu)。⑥把處理算法分解成適于在并行機上實現(xiàn)的并行處理。⑦將神經(jīng)網(wǎng)絡(luò)用于探測跟蹤、分類和估計等問題。⑧數(shù)據(jù)融合系統(tǒng)的工程化設(shè)計方法和系統(tǒng)評估方法。6、研究方向和存在問題6.1研究方向266.2存在的問題①未形成基本的理論框架和有效廣義模型及算法。②關(guān)聯(lián)的二義性是數(shù)據(jù)融合中的主要障礙。③融合系統(tǒng)的容錯性或穩(wěn)健性沒有得到很好的解決。④對數(shù)據(jù)融合的具體方法的研究尚處于初步階段。⑤數(shù)據(jù)融合系統(tǒng)的設(shè)計還存在許多實際問題。6.2存在的問題27多傳感器

數(shù)據(jù)融合技術(shù)引言基本原理、融合過程及關(guān)鍵技術(shù)數(shù)據(jù)融合系統(tǒng)的結(jié)構(gòu)及功能模型數(shù)據(jù)融合方法應(yīng)用研究方向和存在問題多傳感器

數(shù)據(jù)融合技術(shù)引言281、引言1.1定義數(shù)據(jù)融合，是多元信息綜合處理的一項新技術(shù),它有多種譯名,如多傳感器相關(guān)、多源相關(guān)、多傳感器融合、信息融合等。數(shù)據(jù)融合從20世紀(jì)70年代末被提出，多年來“融合”一詞幾乎無限制地被眾多領(lǐng)域所引用。數(shù)據(jù)融合比較確切的定義可概括為:充分利用不同的時間和空間的多傳感器信息資源,采用計算機技術(shù)對按時序獲得的多傳感器觀測信息在一定的準(zhǔn)則下加以自動分析、綜合、支配和使用,獲得被測對象的一致性解釋與描述,以完成所需的決策和估計任務(wù),使系統(tǒng)獲得比它的各個組成部分更優(yōu)越的性能。1、引言1.1定義291.2內(nèi)容數(shù)據(jù)關(guān)聯(lián):確定從多傳感器來的數(shù)據(jù)是否反映同一個目標(biāo)。多傳感器ID/軌跡估計:假設(shè)從多源來的報告反映的是同一目標(biāo),對這些數(shù)據(jù)進(jìn)行綜合以改進(jìn)對該目標(biāo)的估計,或是改進(jìn)對整個當(dāng)前/未來情況的估計。采集管理:給定傳感器環(huán)境的一種認(rèn)識狀態(tài),通過分配多個信息捕獲和處理源,以最大限度地發(fā)揮其性能,從而使其操作成本降到最低。簡言之,傳感器的數(shù)據(jù)融合功能主要包括多傳感器的目標(biāo)探測、數(shù)據(jù)關(guān)聯(lián)、跟蹤與識別、情況評估和預(yù)測。1.2內(nèi)容301.3特點生存能力強；擴展了空間覆蓋范圍；擴展了時間的覆蓋范圍；提高了可信度；降低了信息的模糊度；改進(jìn)了探測性能；提高了空間分辨率；增加了測量維數(shù)；1.3特點312、基本原理、融合過程及關(guān)鍵技術(shù)2.1基本原理多傳感器數(shù)據(jù)融合就像人腦綜合處理信息一樣,其基本原理就是充分利用多傳感器資源，通過對這些傳感器及觀測信息的合理支配和使用，把多傳感器在空間或時間上的冗余或互補信息依據(jù)某種準(zhǔn)則進(jìn)行組合，以獲得被測對象的一致性解釋或描述。數(shù)據(jù)融合的目的是通過數(shù)據(jù)信息組合而不是出現(xiàn)在輸入數(shù)據(jù)中的任何個別信息，推導(dǎo)出更多的信息，得到最佳協(xié)同作用的結(jié)果。也就是利用多個傳感器共同或聯(lián)合操作的優(yōu)勢，提高傳感器系統(tǒng)的有效性，消除單個或少量傳感器的局限性。在多傳感器數(shù)據(jù)融合系統(tǒng)中，各種傳感器的數(shù)據(jù)可以具有不同的特征，可能是實時的或非實時的、模糊的或確定的、互相支持的或互補的，也可能是互相矛盾或競爭的。2、基本原理、融合過程及關(guān)鍵技術(shù)2.1基本原理322.2融合過程數(shù)據(jù)融合過程主要包括多傳感器(信號獲取)、數(shù)據(jù)預(yù)處理、數(shù)據(jù)融合中心(特征提取、數(shù)據(jù)融合計算)和結(jié)果輸出等環(huán)節(jié),其過程如下圖所示。2.2融合過程332.3關(guān)鍵技術(shù)

數(shù)據(jù)融合的關(guān)鍵技術(shù)主要是數(shù)據(jù)轉(zhuǎn)換、數(shù)據(jù)相關(guān)、態(tài)勢數(shù)據(jù)庫和融合計算等,其中融合計算是多傳感器數(shù)據(jù)融合系統(tǒng)的核心技術(shù)。①對多傳感器的相關(guān)觀測結(jié)果進(jìn)行驗證、分析、補充、取舍、修改和狀態(tài)跟蹤估計。②對新發(fā)現(xiàn)的不相關(guān)觀測結(jié)果進(jìn)行分析和綜合。③生成綜合態(tài)勢,并實時地根據(jù)多傳感器觀測結(jié)果通過數(shù)據(jù)融合計算,對綜合態(tài)勢進(jìn)行修改。2.3關(guān)鍵技術(shù)343、數(shù)據(jù)融合系統(tǒng)的結(jié)構(gòu)及功能模型3.1結(jié)構(gòu)3、數(shù)據(jù)融合系統(tǒng)的結(jié)構(gòu)及功能模型3.1結(jié)構(gòu)35多傳感器數(shù)據(jù)融合技術(shù)講解課件363.2功能模型3.2功能模型374、數(shù)據(jù)融合方法表1各種融合方法的比較融合方法運行環(huán)境信息類型信息表示不確定性融合技術(shù)適用范圍加權(quán)平均動態(tài)冗余原始讀數(shù)值加權(quán)平均低層數(shù)據(jù)融合卡爾曼濾波動態(tài)冗余概率分布高斯噪聲系統(tǒng)模型濾波低層數(shù)據(jù)融合貝葉斯估計靜態(tài)冗余概率分布高斯噪聲貝葉斯估計高層數(shù)據(jù)融合統(tǒng)計決策理論靜態(tài)冗余概率分布累加噪聲極值決策高層數(shù)據(jù)融合證據(jù)推理靜態(tài)冗余互補命題邏輯推理高層數(shù)據(jù)融合模糊推理靜態(tài)冗余互補命題隸屬度邏輯推理高層數(shù)據(jù)融合神經(jīng)元網(wǎng)絡(luò)動、靜態(tài)冗余互補神經(jīng)元輸入學(xué)習(xí)誤差神經(jīng)元網(wǎng)絡(luò)低P高層產(chǎn)生式規(guī)則靜態(tài)冗余互補命題置信因子邏輯推理高層數(shù)據(jù)融合4、數(shù)據(jù)融合方法表1各種融合方法的比較融合方法運行環(huán)境信息384.1綜合平均法該方法是把來自多個傳感器的眾多數(shù)據(jù)進(jìn)行綜合平均。它適宜于用同樣的傳感器檢測同一個檢測目標(biāo)。如果對一個檢測目標(biāo)進(jìn)行了k次檢測,其平均值

Wi為分配給第i次檢測的權(quán)數(shù)。4.1綜合平均法394.2貝葉斯估計法貝葉斯推理技術(shù)主要用來進(jìn)行決策層融合，它是通過先驗信息和樣本信息合成為后驗分布，對檢測目標(biāo)作出推斷。

4.2貝葉斯估計法404.2D-S(Dempster-Shafer)證據(jù)推理法是貝葉斯推理的擴充,其3個基本要點是:基本概率賦值函數(shù)mi、信任函數(shù)Beli和似然函數(shù)Plsi。D-S方法的推理結(jié)構(gòu)是自下而上的,分3級,推理結(jié)構(gòu)如圖5所示4.2D-S(Dempster-Shafer)證據(jù)推理414.3模糊邏輯法針對數(shù)據(jù)融合中所檢測的目標(biāo)特征具有某種模糊性的現(xiàn)象,有人利用模糊邏輯方法來對檢測目標(biāo)進(jìn)行識別和分類。建立標(biāo)準(zhǔn)檢測目標(biāo)和待識別檢測目標(biāo)的模糊子集是此方法的研究基礎(chǔ)。但模糊子集的建立,需要有各種各樣的標(biāo)準(zhǔn)檢測目標(biāo),同時又必須建立合適的隸屬函數(shù)。而確定隸屬函數(shù)比較麻煩,目前還沒有規(guī)范的方法可遵循。又由于標(biāo)準(zhǔn)檢測目標(biāo)子集的建立受到各種條件的限制,往往誤差較大。4.3模糊邏輯法42

4.4神經(jīng)網(wǎng)絡(luò)方法一個人工神經(jīng)網(wǎng)絡(luò)(AN)由多層處理單元或節(jié)點組成,可以用各種方法互聯(lián)，圖6表示一個具有3層節(jié)點的AN,輸入向量是與目標(biāo)有關(guān)的測量參數(shù)集,輸入的數(shù)據(jù)向量經(jīng)過AN非線性變換,得到一個輸出向量,輸出向量可能是目標(biāo)身份。這樣一種變換能夠產(chǎn)生從數(shù)據(jù)到標(biāo)識分類的映射,也就把多傳感器的數(shù)據(jù)變換為一個實體的聯(lián)合標(biāo)識,這是一種特有的并行學(xué)習(xí)方式,完全不同于傳統(tǒng)的基于統(tǒng)計理論的數(shù)據(jù)融合法。4.4神經(jīng)網(wǎng)絡(luò)方法43多傳感器數(shù)據(jù)融合技術(shù)講解課件445、應(yīng)用4.1應(yīng)用領(lǐng)域隨著多傳感器數(shù)據(jù)融合技術(shù)的發(fā)展,應(yīng)用的領(lǐng)域也在不斷擴大,多傳感器融合技術(shù)已成功地應(yīng)用于眾多的研究領(lǐng)域。工業(yè)過程監(jiān)視系統(tǒng)智能檢測系統(tǒng)工業(yè)機器人空中交通管制全局監(jiān)視自備式運載器軍事應(yīng)用5、應(yīng)用4.1應(yīng)用領(lǐng)域454.2應(yīng)用實例（1）軍事上應(yīng)用多傳感器數(shù)據(jù)融合在軍事中已得到了廣泛的應(yīng)用,如美國ROME實驗室設(shè)計了一個大型的先進(jìn)傳感器開發(fā)實驗裝置,用于研究戰(zhàn)況估計,采用二階數(shù)據(jù)融合算法,可完成景象產(chǎn)生、傳感器仿真、CI仿真、數(shù)據(jù)融合、評估和控制等。4.2應(yīng)用實例46

多傳感器數(shù)據(jù)融合技術(shù)在“C3I”系統(tǒng)中的應(yīng)用

“C3I”就是指揮自動化技術(shù)系統(tǒng)，是用電子計算機將指揮（command）、控制（control）、通信（communication）和情報（intelligence）各分系統(tǒng)緊密聯(lián)在一起的綜合系統(tǒng)。多傳感器數(shù)據(jù)融合技術(shù)47多傳感器數(shù)據(jù)融合技術(shù)講解課件48多傳感器數(shù)據(jù)融合技術(shù)講解課件49預(yù)處理器：對同類傳感器的數(shù)據(jù)進(jìn)行融合