2.3数据融合系统结构及数据准备资料

一数据融合系统结构形式2全文共56页，当前为第1页。智能信息处理技术2主要内容1、数据融合的主要结构2、数据融合系统的功能模型3、数据融合的层次2全文共56页，当前为第2页。智能信息处理技术3一）数据融合的主要结构数据融合系统的主要结构形式无反馈的分布式融合系统有反馈的分布式融合系统有反馈的全并行融合系统集中式融合系统2全文共56页，当前为第3页。智能信息处理技术41、集中式融合系统输出检测判定是指，多传感器扫描观测目标，实现信号检测；扫描过程中，各传感器进行独立的测量和判断，并将各种测量参数(目标特性参数和状态参数)报告给数据融合中心。2全文共56页，当前为第4页。智能信息处理技术5主要特点特点

可利用所有传感器的全部信息进行状态估计、速度估计和预测值计算。主要优点利用全部信息，系统的信息损失小，性能好，目标的状态、速度估计是最佳估计。不足把所有的原始信息全部送给处理中心，通信开销太大，融合中心计算机的存储容量要大。对计算机要求高及数据关联困难。2全文共56页，当前为第5页。智能信息处理技术62、无反馈的分布式融合系统特点：分布式融合系统所要求的通信开销小融合中心计算机所需的存储容量小融合速度快性能不如集中式融合系统2全文共56页，当前为第6页。智能信息处理技术73、有反馈的分布式融合系统特点：由融合中心到每个传感器有一个反馈通道，这有助于提高各个传感器状态估计和预测的精度。增加了通信量，在考虑其算法时，要注意参与计算之间的相关性。2全文共56页，当前为第7页。智能信息处理技术84、有反馈的全并行融合系统2全文共56页，当前为第8页。智能信息处理技术9主要特点：是全并行、有反馈的融合结构通过传送通道，各传感器都存取其它传感器的当前估计，各传感器都独立地完成全部运算任务。系统有局部融合单元及全局融合单元，这是最复杂的融合系统，但它非常有潜力。这种结构方式可进行扩展，即把每个传感器扩展成一个包含多个传感器的平台。2全文共56页，当前为第9页。智能信息处理技术10数据融合系统结构的主要设计实现特点集中式处理结构：所有传感器数据都送到中心处理器处理和融合。

①所有数据对中心处理器都是可用的；

②可用较少种类的标准化处理单元；

③传感器在平台位置上的选择受限较少；

④所有的处理单元都在可接近的位置，增强了处理器的可维护性。

优点如下：2全文共56页，当前为第10页。智能信息处理技术11

①要求专门的数据总线；

②硬件改进或扩充困难；

③由于所有的处理资源都在一个位置，所以易损性增加了；

④分隔困难；

⑤软件开发和维护困难(因为与一个传感器有关的变化可以影响到其余部分)。缺点：集中式系统的主要应用

收集来自单个平台上的多个传感器的数据，可形成诸如舰艇或战斗机的信息显示，也可用于检测对象相对单一的智能检测系统。2全文共56页，当前为第11页。智能信息处理技术122）分布式处理结构

优点如下：

①处理器连到每个传感器上以改进其性能；

②现有的平台数据总线(一般是低速的)可以频繁地使用；

③分隔容易；

④增加新传感器或改进老传感器，可以更少地触动系统软件和硬件。各传感器都有自己的处理器，进行预处理，然后把中间结果送到中心处理器进行融合处理。2全文共56页，当前为第12页。智能信息处理技术13①提供给中心处理器的有限数据，降低传感器融合的有效性；②对于某些传感器，环境的严重干扰限制了处理器部件的选择，从而增加了成本；③传感器位置的选择受更多地限制；④增加的各种单元降低了可维护性，增加了成本。缺点：2全文共56页，当前为第13页。智能信息处理技术14分布式系统的主要应用大型军事防御系统，多参数或参数间交叉影响的智能检测系统2全文共56页，当前为第14页。智能信息处理技术15二）数据融合系统的功能模型数据融合的通用功能模型（军事上，数据融合技术支持下的综合性信息处理过程）2全文共56页，当前为第15页。智能信息处理技术16通用模型的特点

分为四级处理

第一级处理的主要内容：

1）数据和图像的配准

2）关联

3）跟踪和识别

把从各个传感器接收的数据或图像在时间和空间上进行校准，使它们有相同的时间基准、平台和坐标系。时间配准：将各测量值推算到统一的观测时间点上；空间配准：对位置偏差进行估计和补偿。1）数据配准：2全文共56页，当前为第16页。智能信息处理技术172）数据关联：把各个传感器送来的点迹与数据库中的各个航迹相关联，同时对目标位置进行预测，保持对目标进行连续跟踪；关联不上的那些点迹可能是新的点迹，也可能是虚警，保留下来，在一定条件下，利用新点迹建立新航迹，消除虚警。主要指身份或属性识别，给出目标的特征，以便进行态势和威胁评估。3）识别：2全文共56页，当前为第17页。智能信息处理技术182、第二级处理主要内容：态势评估1）态势提取2）态势分析3）态势预测1）态势提取从大量不完全的数据集合中构造出态势的一般表示，为前级处理提供连贯的说明。静态态势包括敌我双方兵力、兵器、后勤支援对比及综合战斗力估计；动态态势包括意图估计、遭遇点估计、致命点估计等。2全文共56页，当前为第18页。智能信息处理技术192）态势分析包括实体合并，协同推理与协同关系分析，敌我各实体的分布和敌方活动或作战意图分析。包括未来时刻敌方位置预测和未来兵力部属推理等。3）态势预测2全文共56页，当前为第19页。智能信息处理技术203、第三级处理

威胁评估是关于敌方兵力对我方杀伤能力及威胁程度的评估；

具体包括综合环境判断、威胁等级判断及辅助决策。2全文共56页，当前为第20页。智能信息处理技术

4、第四级处理优化融合处理，包括优化利用资源、优化传感器管理和优化武器控制，通过反馈自适应，提高系统的融合效果说明：级”的概念并不意味各级之间有时序特性，这些过程经常并行处理2全文共56页，当前为第21页。智能信息处理技术22三）数据融合的层次

1、数据层融合2、特征层融合3、决策层融合2全文共56页，当前为第22页。智能信息处理技术231、数据层(像素级)融合特点：

1)直接在采集到的原始数据层上进行融合；2)原始观测信息未经预处理或只进行很少的处理就进行数据综合分析，是最低层次的融合；3)参与融合的传感器信息间具有一个像素的配准精度。应用：多源图像复合、图像分析和理解同类雷达波形的直接合成多传感器数据融合的卡尔曼滤波等优点：1)能保持尽可能多的现场数据2)提供其他融合层次所不能提供的细微信息2全文共56页，当前为第23页。智能信息处理技术24局限性

1)所处理的传感器数据量大，处理代价高、时间长、实时性差；2)数据通信量较大，抗干扰能力较差；3)在信息的最低层进行的，由于传感器原始信息的不确定性、不完全性和不稳定性，要求在数据融合时有较高的纠错能力；

4)各传感器信息之间校准精度要求较高，各传感器信息应来自同质传感器。2全文共56页，当前为第24页。智能信息处理技术252、特征级融合对来自传感器的原始信息进行特征提取(特征可以是被观测对象的各种物理量)，然后对特征信息进行综合分析和处理。特征级融合属于中间层次，融合过程为：1)提取特征信息(数据信息表示量或统计量)2)按特征信息对多传感器数据进行分类、综合和分析。特征级融合分类：1)目标状态数据融合2)目标特性融合2全文共56页，当前为第25页。智能信息处理技术261）特征级目标状态数据融合主要应用：

多传感器目标跟踪领域融合过程：①对传感器数据进行预处理以完成数据校准；②实现参数相关的状态向量估计。2全文共56页，当前为第26页。智能信息处理技术272)特征级目标特性融合

在融合前必须先对特征进行相关处理，把特征向量分成有意义的组合。

优点：①实现可观的信息压缩，有利于实时处理；②所提取的特征直接与决策分析有关，融合结果能最大限度地给出决策分析所需特征信息。

应用：C3I系统2全文共56页，当前为第27页。智能信息处理技术283、决策级融合特点：1)是一种高层次融合，其结果为检测、控制、指挥、决策提供依据；2)首先利用传感器提供的信息对目标属性进行独立处理，再对各传感器的处理结果进行融合，最后得到整个系统的决策。2全文共56页，当前为第28页。智能信息处理技术29主要优点1)融合中心处理代价低，具有很高灵活性；2)通信量小，抗干扰能力强；3)当一个或几个传感器出现错误时，通过适当融合，系统还能获得正确结果，具有容错性；4)对传感器的依赖性小，传感器可以是同质的，也可以是异质的；5)能有效反映环境或目标各侧面不同类型信息。2全文共56页，当前为第29页。智能信息处理技术30融合层次的优缺点比较像素级融合特征级融合决策级融合处理信息量最大中等最小信息量损失最小中等最大抗干扰性能最差中等最好容错性能最差中等最好算法难度最难中等最易融合前处理最小中等最大融合性能最好中等最差对传感器的依赖程度最大中等最小2全文共56页，当前为第30页。智能信息处理技术31数据融合分类-按融合判决方式分类：硬判决、软判决指数据处理活动中用于信号检测、目标识别的判决方式应用：每个传感器内部或信息融合中心都既可以选用硬判决方式，也可选用软判决方式2全文共56页，当前为第31页。智能信息处理技术321）硬判决

特点：①设置有确定的预置判决门限，只有数据样本特征量达到或超过预置门限时，系统才作出判决断言；②只有当系统作出了确定的断言时，系统才向更高层次系统传送“确定无疑”的判决结论；③这种判决方式以经典的数理逻辑为基础，是确定性的。2全文共56页，当前为第32页。智能信息处理技术332）软判决

特点：①不设置确定不变的判决门限②无论系统何时收到观测数据都要执行相应分析，都作出适当评价，也都向更高层次系统传送评判结论意见及有关信息，包括评判结果的置信度。③这些评判不一定是确定无疑的，但它可以更充分的发挥所有有用信息的效用，是信息融合结论更可靠更合理2全文共56页，当前为第33页。智能信息处理技术二数据准备2全文共56页，当前为第34页。智能信息处理技术35融合中心数据处理的前提虚警的处理－剔除假点迹具体表现为多目标系统点迹与航迹的关联－剔除孤立点迹2全文共56页，当前为第35页。智能信息处理技术361、对传感器信号处理的要求尽可能消除各种干扰（各类杂波，如雷达系统，地杂波，海杂波，气象杂波以及人为干扰；声呐系统，多径，反射，折射，海底地貌等），降低假点迹出现的概率，减小计算机数据处理的负担，提高数据处理系统的性能。

解决方法硬件系统：各种高可靠性、高性能传感器系统的应用；软件系统：开发高速数据处理算法；2全文共56页，当前为第36页。智能信息处理技术372、数据的预处理

数据进行二次处理前，通过预处理来提高信号的质量，主要包括：1）点迹过滤2）点迹合并3）消除粗大误差2全文共56页，当前为第37页。智能信息处理技术381）点迹过滤

原因：噪声、干扰大量存在，产生虚警（环境因素及传感器性能）；当虚警较多时可能产生假目标，因此检测得到的数据不仅包含运动目标点迹，也可能包含固定目标的点迹和假目标的点迹（孤立点迹）；2全文共56页，当前为第38页。智能信息处理技术39将非目标点迹减至最少，消除大部分由干扰产生的假点迹或孤立点迹；减轻计算机数据处理的负担，改善数据融合系统的状态估计精度，提高系统的性能。点迹过滤的目的点迹过滤的基本依据运动目标、固定目标及假目标跨周期的相关特性不同。利用一定的判定准则判定点迹的跨周期特性，就可区别运动目标、固定目标及假目标。2全文共56页，当前为第39页。智能信息处理技术40点迹过滤的基本步骤①保留传感器5个采样周期信息，以坐标形式存储。②新的采样信息到来，每个点迹都跟前5周期的各个点迹按由老到新的次序进行逐个比较。根据目标运动速度等因素设置两个窗口，一个大窗口和一个小窗口，并设置p1～p5和GF6个标志位。③新点迹首先跟第1周期的各个点迹进行比较，如果第1周期的点迹中至少有一个点迹与新点迹之差在小窗口内，相应的标志位置成1(p1=1)，否则为0(p1=0)；然后新点迹再跟第2周期的各点迹进行比较，只要第2周期的各点迹至少有一个点迹与新点迹之差在小窗口内，相应的标志位置成1(p2=1)，否则置成0(p2=0)。2全文共56页，当前为第40页。智能信息处理技术41④依此类推，直到第5周期比完为止。最后再一次把新点迹与第5周期的各点迹进行比较，比较结果如至少有一个两者之差在大窗口内，就将相应的标志位GF置成1，否则为0。2全文共56页，当前为第41页。智能信息处理技术42判决准则判决准则：p1～p5和GF根据以上原则产生一组标志,根据这组标志，按照一定准则统计地判定新点迹是属于运动点迹、固定点迹还是孤立点迹或可疑点迹，并在它的坐标数据中加上相应的标志。2全文共56页，当前为第42页。智能信息处理技术43(1)运动点迹：该式表明，第4周期、第5周期小窗口没有符合，但在第5周期时，在大窗口中有符合，新点迹就判定成运动点迹。（2）固定点迹：(p5+p4)(p1p2+p1p3+p2p3)=1

该式表明，如果在第4周期、第5周期小窗口至少有一次符合，同时1、2、3周期小窗口中至少有两次符合，则新点迹就判定为固定点迹。2全文共56页，当前为第43页。智能信息处理技术44

该式表明，如果第4周期、第5周期小窗口没有符合，第5周期时大窗口也没有符合，则说明它是孤立点迹。（3）孤立点迹：（4）可疑点迹：不满足上述准则的点迹，统统被认为是可疑点迹，将其输出，在数据处理时进一步判断。2全文共56页，当前为第44页。智能信息处理技术45

对固定目标，理想的情况下，即不考虑噪声和干扰，不考虑测量误差及信噪比随距离的变化等因素，对每个位置上的固定目标，每个周期就应有一个点迹，即保留的5周期标志信息都应该是1，即p1p2p3p4p5=1。这个条件太苛刻，必须把条件放宽。本质：跨周期相关处理2全文共56页，当前为第45页。智能信息处理技术462）点迹合并

检测过程中，同一目标在同一距离或方位上被多次检测出，被判定为两个目标，产生目标分裂。在产生目标分裂现象时，通过一定的处理将分裂的目标合并成一个目标。

原因：为实现传感器全程检测，对传感器的检测范围进行了分割（距离门），在传感器检测的临界点处，可能出现该现象。方法：设置二维门2全文共56页，当前为第46页。智能信息处理技术473）消除粗大误差由于干扰等因素造成，在数据处理之前必须要被消除目的：剔除大误差。2全文共56页，当前为第47页。3数据对准（数据配准）智能信息处理技术对于分布在不同平台的同构或异构传感器，在对其观测数据进行数据融合前，由于其所在位置各不相同，所选的观测坐标系不一样，加上传感器的采样频率也有很大差别，因此即使是对同一个目标进行观测，各传感器所得到的目标观测数据也会有很大的差异，所以，在进行多传感器数据融合时,首先要做的工作就是统一来自不同平台的多传感器的时间和空间参考点，形成融合所需的统一时空参考系，也就是进行数据对准。数据对准技术包括空间对准和时间对准2全文共56页，当前为第48页。智能信息处理技术49空间对准（坐标变换）

空间对准就是选择一个基准坐标系，把来自不同平台的多传感器数据都统一到该坐标系下。大地坐标系地心空间直角坐标系基准地理直角坐标系2全文共56页，当前为第49页。大地坐标系智能信息处理技术采用具有一定扁率的旋转椭球代替地球的自然表面通常将WGS84坐标系（美国国防部研制的大地坐标系）定义成标准坐标系，其它坐标系与之相比较，确定各种坐标系与标准坐标系间的原点平移参数(L，B，H)定义为k点的大地坐标，L表示该点的大地经度，由起始子午面起算，东经为正，西经为负，B表示该点的大地纬度，由赤道面起算，北纬为正，南纬为负，H称为该点的大地高程2全文共56页，当前为第50页。地心空间直角坐标系智能信息处理技术51地心空间直角坐标系是在参考椭球体内建立的坐标系Oxyz，它的原点在椭球中心O，z轴指向地球北极，x轴与椭球赤道面和格林尼治子午面的交线重合，y轴与xz平面正交，指向东方。x、y、z轴构成右手系，点p的地心直角坐标用（xp，yp，zp）表示。2全文共56页，当前为第51页。基准