第19章多传感器信息融合技术ppt课件

1、第19章 多传感器数据交融技术 C19.1 传感器信息交融分类和构造119.2 传感器信息交融的普通方法19.3 信息交融系统的运用32.概述多传感器问题的引入非关联测试工程丈量不同目的或对同一目的的不同参数进展独立丈量。多传感器测试系统关联的测试工程利用多个传感器对同一目的的一样或不同工程进展丈量，综合丈量结果用于分析目的特性。.当检测对象为多目的或快速机动目的时，单一传感器丈量困难。复杂的电磁环境使检测的目的信号淹没在大量噪声及不相关信号与杂波中。当单一传感器失效或传感器的可靠性有待提高时采用多传感器系统。环境复杂目的复杂可靠性为什么要采用多个传感器丈量同一目的参数？概述.概述 传感器数据

2、交融的定义：对多种信息的获取、表示及其内在联络进展综合处置和优化的技术。从多信息的视角进展处置及综合，得到各种信息的内在联络和规律，从而剔除无用的和错误的信息，保管正确的和有用的成分，最终实现信息的优化。它为智能信息处置技术的研讨提供了新的观念。经过交融后的传感器信息具有以下特征：信息冗余性、信息互补性、信息实时性、信息获取的低本钱性。.19.1 传感器信息交融分类和构造 19.1.1 传感器信息交融分类可分为以下四类：组合、综合、交融和相关。组合:由多个传感器组合成平行或互补方式来获得多组数据输出的一种处置方法，是一种最根本的方式，涉及的问题有输出方式的协调、综合以及传感器的选择。在硬件这一

3、级上运用。综合:信息优化处置中的一种获得明确信息的有效方法。例如运用两个分开设置的摄像机同时拍摄到一个物体的不同侧面的两幅图像，综合这两幅图像可以复原出一个准确的有立体感的物体的图像。.19.1 传感器信息交融分类和构造 交融:当将传感器数据组之间进展相关或将传感器数据与系统内部的知识模型进展相关，而产生信息的一个新的表达式。相关:经过处置传感器信息获得某些结果，不仅需求单项信息处置，而且需求经过相关来进展处置，得悉传感器数据组之间的关系，从而得到正确信息，剔除无用和错误的信息。相关处置的目的：对识别、预测、学习和记忆等过程的信息进展综合和优化。.19.1 传感器信息交融分类和构造 19.1.

4、2 信息交融的构造 传感器1传感器2传感器1输入传感器1输出传感器2输入传感器2输出传感器N传感器N输入最终结果串行交融方式图19-1 多传感器信息交融的构造方式信息交融的构造分为串联、并联，如图19-1所示。串行交融时，当前传感器要接纳前一级传感器的输出结果，每个传感器既有接纳处置信息的功能，又有信息交融的功能，各个传感器的处置同前一级传感器输出的信息方式有很大关系。最后一个传感器综合了一切前级传感器数出的信息，得到的输出为串联交融系统的结论。 .19.1 传感器信息交融分类和构造 并行交融时，各个传感器直接将各自的输出信息传输到传感器交融中心，传感器之间没有影响，交融中心对各信息按适当的方

5、法综合处置后，输出最终结果。还可将串行交融和并行交融方式结合组成混合交融方式，或总体串行部分并行，或总体并行部分串行。传感器1传感器1输入传感器2传感器2输入传感器3传感器3输入信息交融中心最终结果b) 并行交融方式图19-1 多传感器信息交融的构造方式.19.1 传感器信息交融分类和构造 19.1.3 信息交融的关键技术 包括数据转换、数据相关、数据库和交融推理的减少交融损失。1数据转换：多传感器输出的数据方式、环境描画等都不一样，信息交融中心处置这些不同信息的关键即是把这些数据转换成一样方式，然后进展相关处置。2数据相关：数据相关的中心问题是抑制传感器丈量的不准确性，坚持数据的一致性。因此

6、，应控制和降低相关计算的复杂性，开发相关处置、交融处置和系统模拟的算法和模型。.19.1 传感器信息交融分类和构造 3态势数据库：态势数据库可分为实时数据库和非实时数据库。实时数据库的作用是把当前各传感器的观测结果及时提供应信息交融中心，同时也存储交融处置的最终态势/决策分析结果和中间结果。非实时数据库存储各传感器的历史数据、相关目的和环境的辅助信息以及交融计算的历史信息。态势数据库要求容量大、搜索快、开放互连性好，具有良好的用户接口。4交融计算：涉及到以下问题，对多传感器的相关观测结果进展验证、分析、补充、取舍、修正和形状跟踪估计；对新发现的不相关观测结果进展分析和综合；生成综合态势，并实时

7、地根据对传感器观测结果经过数据交融计算，对综合态势进展修正；态势决策分析。.19.2.1 数据交融处置的普经过程19.2 传感器信息交融的普通方法 .1目的形状估计集中式数据交融构造分布式数据交融构造综合式数据交融构造2目的身份估计数据级数据交融构造特征级数据交融构造决策级数据交融构造19.2 传感器信息交融的普通方法 .目的形状估计集中式数据交融构造19.2 传感器信息交融的普通方法 .目的形状估计分布式数据交融构造19.2 传感器信息交融的普通方法 .目的身份估计数据级数据交融构造19.2 传感器信息交融的普通方法 .目的身份估计特征级数据交融构造19.2 传感器信息交融的普通方法 .目的

8、身份估计决策级数据交融构造19.2 传感器信息交融的普通方法 .人工智能假设检验法Bayes估计法聚类分析方式识别数据交融算法按技术原理分类滤波跟踪 19.2.2 信息交融方法19.2 传感器信息交融的普通方法 .传感器信息的不确定性传感器输出不能够包含被丈量全部、完好的信息噪声破坏可靠度精度目的要素19.2 传感器信息交融的普通方法 .19.2 传感器信息交融的普通方法 最常用的信息交融方法有三类：嵌入约束法、证据组合法和人工神经网络法。1 嵌入约束法由多种传感器所获得的被测对象的多组数据按照某种映射关系构成的像，信息交融就是经过像求解原像，即对客观环境加以了解。.19.2 传感器信息交融的

9、普通方法用数学言语描画就是，一切传感器的全部信息，也只能描画环境的某些方面的特征，而具有这些特征的环境却有很多，要使一组数据对应独一的环境(即上述映射为一一映射)，就必需对映射的原像和映射本身加约束条件，使问题能有独一的解。嵌入约束法最根本的方法有Bayes估计和卡尔曼滤波。.Bayes统计实际在思索可靠度情况下传感器丈量需求处理的一个关键问题：真值和丈量值。调查一个随机实验，在该实验中n个互不相容的事件A1，A2，An必然会发生一个，且只能发生一个，用PAi表示Ai发生的概率，那么有：设利用一传感器对A事件的发生进展检测，检测结果为B，那么Ai为真值，B为丈量值。19.2 传感器信息交融的普

10、通方法 先验知识：P(A1) 、 P(A2) 、 P(An) 表示事件A1，A2，An发生的概率，这是实验前的知识称为“先验知识。Bayes统计实际以为，人们在检验前后对某事件的发生情况的估计是不同，而且一次检验结果不同对人们的最终估计的影响是不同的。19.2 传感器信息交融的普通方法 后验知识：由于一次检验结果B的出现，改动了人们对事件A1，A2，An发生情况的认识，这是实验后的知识称为“后验知识。检验后事件A1，A2，An发生的概率表现为条件概率：显然有：19.2 传感器信息交融的普通方法 Bayes估计是检验过程中对先验知识向后验知识的不断修正。条件概率公式：或全概率概率公式：其中Ai为

11、对样本空间的一个划分，即Ai为互斥事件且19.2 传感器信息交融的普通方法 Bayes公式： 对一组互斥事件Ai，i=1，2，n，在一次丈量结果为B时，Ai发生的概率为：利用Bayes统计实际进展丈量数据交融：充分利用了丈量对象的先验信息。是根据一次丈量结果对先验概率到后验概率的修正。19.2 传感器信息交融的普通方法 基于Bayes估计的身份识别方法假设由n个传感器对一未知目的参数进展丈量，每一传感器根据丈量结果利用一定算法给出一个关于目的的身份阐明。设A1，A2，An为n个互斥的穷举目的，Bi为第j个传感器给出的目的身份阐明，且Ai满足：那么：19.2 传感器信息交融的普通方法 基于Bay

12、es统计的目的识别交融模型19.2 传感器信息交融的普通方法 基于Bayes统计的目的识别交融的普通步骤：获得每个传感器单元输出的目的身份阐明B1，B2，Bn；计算每个传感器单元对不同目的的身份阐明的不确定性即 ；i=1,2,n19.2 传感器信息交融的普通方法 计算目的身份的交融概率：假设B1，B2，Bn相互独立，那么：目的识别决策判据，寻觅极大似然估计19.2 传感器信息交融的普通方法 举例计算某医院采用以下两种设备检验某种疾病，设备1对该疾病的漏诊率为0.1，误诊率为0.25；设备2对该疾病的漏诊率为0.2，误诊率为0.1。知人群中该疾病的发病率为0.05。分析分别利用两台设备和同时运用

13、两台设备时检验结果的概率。19.2 传感器信息交融的普通方法 方法思绪传感器A传感器C传感器B交融结果交融算法关 系矩 阵置 信距 离矩 阵最正确交融数数 据选 择19.2 传感器信息交融的普通方法 根本实际和方法置信间隔和置信间隔矩阵利用多个传感器丈量某参数的过程中有两个随机变量，一是被测参数，二是每个传感器的输出Xi，i=1，2，m。普通以为它们服从正态分布，用xi表示第i个丈量值的一次丈量输出，它是随机变量Xi的一次取样。设：19.2 传感器信息交融的普通方法 为对传感器输出数据进展选择，必需对其可靠性进展估计，为此定义各数据间的置信间隔。用Xi、Xj表示第i个和第j个传感器的输出，那么

14、其一次读数xi和xj之间的置信间隔定义为：19.2 传感器信息交融的普通方法 假设Xi、Xj服从正态分布，那么上式中：故可知：当 时，当 时，19.2 传感器信息交融的普通方法 置信间隔矩阵：对m个传感器的一次丈量数据，利用上述方法可以分别计算恣意两个传感器数据之间的置信间隔得到一个 m X m 矩阵。19.2 传感器信息交融的普通方法 根据详细问题选择适宜的临界值 由 对数据的可靠性进展断定。由此得到一个二值矩阵，称为关系矩阵。19.2 传感器信息交融的普通方法 设被测参数 ，第k个传感器的丈量数据 ，经过删选，选择l个数据作为最正确交融数。交融结果 为：19.2 传感器信息交融的普通方法

15、基于Bayes估计的数据交融普通步骤计算m个传感器数据的置信间隔矩阵，为简化计算，当测试数据服从正态分布时可利用误差函数计算置信间隔。19.2 传感器信息交融的普通方法 选择适宜的间隔临界值，由置信间隔矩阵产生关系矩阵。由关系矩阵对多传感器数据进展选择，产生最正确交融数。19.2 传感器信息交融的普通方法 将 、 和最正确交融数对应的 、 代入Bayes交融估计公式求的参数估计值。19.2 传感器信息交融的普通方法 传感器编号12345678方差25.7323.8124.9525.7535.6521.3323.9422.96测量值848.1850.5851.9849.9854.6849.384

16、8.0848.3利用8个传感器对一个恒温槽的温度进展丈量，知恒温槽温度满足正态分布，其中 =850.50， =4.50258个传感器的丈量结果如下：举例计算19.2 传感器信息交融的普通方法 19.2 传感器信息交融的普通方法 卡尔曼滤波(KF)用于实时交融动态的低层次冗余传感器数据，该方法用丈量模型的统计特性，递推决议统计意义下最优交融数据合计。KF的递推特性使系统数据处置不需大量的数据存储和计算。.19.2 传感器信息交融的普通方法 KF分为分散卡尔曼滤波(DKF)和扩展卡尔曼滤波 (EKF)。DKF可实现多传感器数据交融完全分散化，其优点为每个传感器节点失效不会导致整个系统失效。EKF的

17、优点是可有效抑制数据处置不稳定性或系统模型线性程度的误差对交融过程产生的影响。嵌入约束法传感器信息交融的最根本方法之一，但其缺陷在于需求对多源数据的整体物理规律有较好的了解，才干准确地获得p(d|f)，但需求预知先验分布p(f)。.19.2 传感器信息交融的普通方法 2 证据组合法根本思想：完成某项智能义务是根据有关环境某方面的信息做出几种能够的决策，而多传感器数据信息在一定程度上反映环境这方面的情况。因此，分析每一数据作为支持某种决策证据的支持程度，并将不同传感器数据的支持程度进展组合。并将分析得出现有组合证据支持程度最大的决策作为信息交融的结果。.19.2 传感器信息交融的普通方法 证据组

18、合法是对完成某一义务的需求而处置多种传感器的数据信息。完成某项智能义务，实践是做出某项行动决策。它先对单个传感器数据信息每种能够决策的支持程度给出度量(即数据信息作为证据对决策的支持程度)，再寻觅一种证据组合方法或规那么。在知两个不同传感器数据(即证据)对决策的分别支持程度时，经过反复运用组合规那么，最终得出全体数据信息的结合体对某决策总的支持程度。得到最大证据支持决策，即信息交融的结果。.19.2 传感器信息交融的普通方法 利用证据组合进展数据交融的关键在于： 选择适宜的数学方法描画证据、决策和支持程度等概念；建立快速、可靠并且便于实现的通用证据组合算法构造。证据组合法较嵌入约束法有以下优点

19、：(1)对多种传感器数据间的物理关系不用准确了解，即无须准确地建立多种传感器数据体的模型；(2)通用性好，可以建立一种独立于各类详细信息交融问题背景方式的证据组合方法，有利于设计通用的信息交融软、硬件产品；(3)人为的先验知识可以视同数据信息一样，赋予对决策的支持程度，参与证据组合运算。常用证据组合方法有概率统计方法和Dempster- Shafer证据推理。.概率统计方法假设一组随机向量 分别表示n个不同传感器得到的数据信息，根据每一个数据 可对所完成的义务做出一决策 。 的概率分布为 ， 为该分布函数中的未知参数，假设参数知时，那么 的概率分布就完全确定。用非负函数 表示当分布参数确定为

20、时，第i个信息源采取决策 时所呵斥的损失函数。在实践问题中， 是未知的，因此当得到 时，并不能直接从损失函数中定出最优决策。19.2 传感器信息交融的普通方法 .19.2 传感器信息交融的普通方法 先由 做出 的一个估计，记为 ，再由损失函数 决议出损失最小的决策。其中利用 估计 的估计量 有很多种方法。概率统计方法适用于分布式传感器目的识别和跟踪信息交融问题。Dempster-Shafer证据推理(简称D-S推理)D-S证据推理是Bayes推理的扩展，在多传感器目的识别、军事指挥和防御方向得到了广泛的运用。一个完好的推理系统需求用几个不同推理级来确保准确的可信度表示。.19.2 传感器信息交

21、融的普通方法 D-S推理的构造自上而下可分为三级：第一级为目的合成，其作用十八来自几个独立传感器的观测结果合成一个总的输出结果；第二级为推断，其作用是获取传感器的观测结果并进展推断，将传感器的观测结果扩展成为目的报告;第三级为更新，由于传感器存在随机误差，在时间上充分独立的来自同一传感器的一组延续报告，比任何单一报告都可靠，因此在进展推断和多传感器合成之前要更新传感器的观测信息。.19.2 传感器信息交融的普通方法 下面引见一下D-S推理的原理。假设F为一切能够证据所构成的有限集，f为集合F中的某个元素即某个证据。首先引入信任函数 0，1表示每个证据的信任程度：从上式可知，信任函数是概率概念的

22、推行，由于从概率论的知识出发，上式应取等号。.19.2 传感器信息交融的普通方法 进一步可得： 引入根底概率分配函数m(f)0，1 由根底概率分配函数定义与之相对应的信任函数：.19.2 传感器信息交融的普通方法 当利用N个传感器检测环境M个特征时，每一个特征为F中的一个元素。第i个传感器在第k-1时辰所获得的包括k-1时辰前关于第j个特征的一切证据，用根底概率分配函数 表示，其中 。第i个传感器在第k时辰所获得的关于第j个特征的新证据用根底概率分配函数表示 。由 和 可获得第i个传感器在第k时辰关于第j个特征的结合证据 。类似地，利用证据组合算法，由 和 可获得在k时辰关于第j个特征的第i个

23、传感器和第i+1个传感器的结合证据 。.19.2 传感器信息交融的普通方法 如此递推下去，可获得一切N个传感器在k时辰对j特征的信任函数，信任度最大的即为信息交融过程最终断定的环境特征。D-S证据推理优点： 算法确定后，无论是静态还是时变的动态证据组合，其详细的证据组合算法都有一共同的算法构造。缺陷： 当对象或环境的识别特征数添加时，证据组合的计算量会以指数速度增长。.19.2 传感器信息交融的普通方法 人工神经网络法神经网络是由数个至数十亿个被称为神经元的细胞组成我们大脑的微小细胞所组成，它们以不同方式衔接而型成网络。人工神经网络就是尝试模拟这种生物学上的体系构造及其操作用于信息处置技术。人

24、工神经网络是利用多个简单计算模型有机构成一个计算网络用以实现一个复杂的规那么。.神经网络技术的主要用途？利用一定数据在一定误差下逼近一个解析式未知的函数。利用人工神经网络实现空间的线性或非线性划分，以此实现目的分类。神经网络的实现是基于数据的，最终的规那么对用户是透明的。19.2 传感器信息交融的普通方法 .19.2 传感器信息交融的普通方法 .由上图可得：19.2 传感器信息交融的普通方法 19.2 传感器信息交融的普通方法 .决议神经网络性能的几个要素：神经网络的网络构造：包括神经网络的层数、每层神经元数量；每层神经元的作用函数；神经网络训练的目的函数和学习算法；神经网络权值和阈值的初始值

25、；神经网络的训练数据。19.2 传感器信息交融的普通方法 .神经网络的运用步骤：神经网络的设计，包括确定网络构造、作用函数和学习算法；神经网络初始化；利用实验方法获得神经网络的训练数据和测试数据；利用实验数据对网络进展训练和测试；利用训练后的网络处置相关的输入信息。19.2 传感器信息交融的普通方法 .感知器神经网络特点：网络构造上可以为单层或多层的前向网络构造；作用函数为阶跃函数，因此输出为二值变量；利用输入和误差简单计算权值和阈值调整量，学习算法很简单；普通用于处理较为简单的线性分类问题。19.2 传感器信息交融的普通方法 .19.2 传感器信息交融的普通方法 基于神经网络的传感器信息交融特点如下：具有一致的内部知识表示方式，经过学习算法可将网络获得的传感器信息进展交融，获得相应网络的参数，并且可将知识规那么转换成数字方式，便于建立知识库；利用外部环境的信息，便于实现知识自动获取及并行联想推理；可以将不确定环境的复杂关系，经过学习推理，交融为系统能了解的准确信号；由于神经网络具有大规模并行处置信息才干，使得系统信息处