北航多源信息融合2017课件1信息融合概述

北航多源信息融合2017课件1信息融合概述第一页，共30页。1.2信息融合定义信息融合是一种多层次、多方面的处理过程，包括对多源数据进行检测、相关、组合和估计，从而提高状态和身份估计的精度，以及对战场态势和威胁的重要程度进行适时完整的评价。JDL(美国三军组织实验室理事联合会)定义：利用计算机技术，对不同传感器按时序获得的观测信息，按照一定的准则加以自动分析、优化和综合，为完成所需任务（目的）的估计和决策而进行的信息处理过程。一般定义：第一页2第二页，共30页。1.4信息融合的分类假设检验型滤波跟踪型人工智能按融合技术分类模式识别型聚类分析型基于专家系统的基于人工神经网络以生物为基础第二页3第三页，共30页。硬判决软判决按融合判决方式同类传感器异类传感器按传感器组合方式1.4信息融合的分类第三页4第四页，共30页。集中式分布式按信息融合结构模型检测融合估计融合按融合的目的属性融合1.4信息融合的分类第四页5第五页，共30页。增加系统的生存能力扩展空间和时间覆盖范围提高可信度降低信息的模糊度1.5信息融合的优点改善探测性能提高空间分辨率增加测量空间的维数第五页6第六页，共30页。3数据融合系统模型与处理结构3.1JDL数据融合模型-从军事应用的角度

数据源

人机接口数据预处理一级处理目标评估二级处理态势评估三级处理影响评估四级处理过程评估数据库管理系统支持数据库融合数据库第六页7第七页，共30页。3.1JDL数据融合功能模型（实际应用标准）数据配准、数据关联、目标位置和运动学、属性参数、身份估计，用于提供辅助决策信息。○目标评估在军事上指评价实体之间相互关系，主要包括态势抽象和态势评定。○态势评估将当前态势映射到未来，对参与者设想或预测行为的影响进行评估。○影响评估通过建立一定的优化指标，对融合过程进行实时监控与评价，实现多传感器自适应信息获取与处理、资源最优分配等。○过程评估第七页8第八页，共30页。3.2融合处理的过程融合处理器分析来自所有传感器的数据，并对其进行配准、关联、相关、估计、分类与信息反馈等。配准：将传感器数据统一到同一参考时间和空间中关联：使用某种度量尺度对来自不同传感器的航迹与量测数据进行比较，确定进行相关处理的候选配对相关：对关联后的航迹和报表进行处理以确定它们是否属于同一个目标估计：依据相关处理后的结果对目标的状态变量与估计误差方差进行更新，实现对目标未来位置的预测分类：通过对特征数据的分析，确定目标的类型等第八页9第九页，共30页。决策信息数据环境高层次融合传感器采集筛选、整合和抽象自然环境信息由低层到高层3.2融合处理的过程第九页10第十页，共30页。3.3数据融合的级别数据级融合特征级融合决策级融合按照数据抽象的层次划分第十页11第十一页，共30页。

(1)数据级（像素级）融合

含义

最低层次的融合，直接对传感器的观测数据进行融合处理，然后基于融合后的结果进行特征提取和判断决策。传感器1传感器2传感器N…关联数据级融合特征提取属性判决联合属性判决结果第十一页12第十二页，共30页。不足特点数据损失量较少精度最高实时性差要求传感器是同类的数据通信量大，抗干扰能力差处理的数据量大

(1）数据级融合第十二页13第十三页，共30页。

(2)特征级融合

含义中间层次的融合，每个传感器先抽象出自己的特征向量，然后由融合中心完成融合处理。可划分为目标状态和目标特征信息融合两类传感器1传感器2传感器N…特征提取关联特征层属性融合属性判决联合属性判决结果第十三页14第十四页，共30页。特点进行了数据压缩，对通信带宽的要求低利于实时处理

不足有信息损失融合性能降低

(2)特征级融合第十四页15第十五页，共30页。

(3)决策级融合

含义

高层次的融合，每个传感器先基于自己的数据做出决策，然后由融合中心完成局部决策。传感器1传感器2传感器N…特征提取关联决策层融合联合属性判决结果属性判别属性判别属性判别…第十五页16第十六页，共30页。特点通信量小抗干扰能力强融合中心处理代价低

不足数据损失量最大精度最低

(3)决策级融合第十六页17第十七页，共30页。

(4)不同级别的融合性能比较融合模型计算量容错性信息损失量精度抗干扰性融合方法传感器同质性通信数据量实时性融合水平象素级大差小高差难大大差低特征级中中中中中中中中中中决策级小好大低好易小小好高第十七页18第十八页，共30页。3.4融合处理的结构模型集中式融合结构分布式融合结构混合式融合结构根据信息流通形式和综合处理层次多级式融合结构第十八页19第十九页，共30页。（1）

集中式融合结构优点：信息损失最小集中式融合结构将检测报告传递到融合中心，然后进行数据对准、点迹相关、数据互联、航迹滤波、预测与综合跟踪等。缺点：互联比较困难，并且要求系统必须具备大容量的能力，计算负担重，系统生存能力较差融合结构的模型如下图所示第十九页20第二十页，共30页。（1）

集中式融合结构传感器1传感器2传感器N预处理预处理预处理…坐标转换、数据对正点迹相关、数据互联航迹文件与综合跟踪航迹滤波与更新目标状态融合中心传感器控制/反馈信息…检测与估计第二十页21第二十一页，共30页。（2）

分布式融合结构分布式融合结构中，每个传感器的检测报告在进入融合以前，先由它自己的处理器产生局部多目标跟踪航迹，然后将处理过的信息送至融合中心，完成航迹-航迹相关、航迹合成，形成全局估计。传感器1传感器2传感器N预处理预处理预处理…坐标转换、数据对正航迹与航迹相关航迹合成目标状态融合中心传感器控制/反馈信息…检测与估计多目标跟踪器多目标跟踪器多目标跟踪器第二十一页22第二十二页，共30页。（3）

混合式融合结构传感器1传感器2传感器N预处理预处理预处理…坐标转换、数据对正航迹与航迹相关复合滤波、综合跟踪目标状态融合中心传感器控制/反馈信息…检测与估计多目标跟踪器多目标跟踪器多目标跟踪器多路器选择与

合并第二十二页23第二十三页，共30页。（4）多级式融合结构局部融合节点1局部融合节点2局部融合节点N数据对正、控制参数航迹与航迹相关航迹相关目标状态融合节点…分级融合结构中，各局部节点可以同时或分别是集中式、分布式或混合式的融合中心，系统的融合节点再次对各局部节点传送来的航迹进行相关和合成。第二十三页24第二十四页，共30页。（5）不同融合结构的比较融合方式信息损失通信带宽融合处理融合控制可扩充性集中式小大复杂容易差分布式大小容易复杂好混合式中中中等中等一般第二十四页25第二十五页，共30页。融合算法是融合处理的基本内容，它将多维输入数据根据信息融合的功能，在不同融合层次上采用不同的数学方法，对数据进行综合处理，最终实现融合。目前，已有大量的融合算法，都有各自的优缺点，其中比较流行的算法有贝叶斯方法、证据推理、神经网络以及模糊理论等，这四种算法的研究约站整个信息融合算法的85%。4信息融合算法第二十五页26第二十六页，共30页。融合算法简介贝叶斯方法是最早应用于不确定信息融合的一种推理方法,其基本思想是在设定先验概率的条件下，利用贝叶斯规则计算出后验概率，从而根据后验概率做出决策，这样就可以处理不确定性问题证据理论是经典概率理论的扩展，首先由Dempster提出构造不确定推理模型的一般框架，将命题的不确定问题转化为集合的不确定问题，之后，Shafer对该理论进行了补充，从而形成了处理不确定信息的证据理论。它允许人们对不确定性问题进行建模，并进行推理。其最大特点是对不确定信息采用“区间估计”来描述，而不是用“点估计”的方法。这样在区分不知道与不确定方面有较大的灵活性。第二十六页27第二十七页，共30页。融合算法简介模糊理论是基于分类的局部理论，最先由Zadob于1965年提出。模糊理论进一步放宽了概率论定义中的制约条件，从而可以对数字化信息进行宽松建模。其对估计过程的模糊扩展可以解决信息或判决的冲突问题神经网络是由大量的神经元连接而成的,是一种大规模、分布式的神经元处理系统。由于信息融合过程接近人类思维活动,与人脑神经系统有较强的相似性,因此利用神经网络的结构优势和高速的并行运算能力进行多维信息融合处理是一种有效的技术途径。第二十七页28第二十八页，共30页。融合算法比较算法优点缺点Bayes准则直观性好，具有公理基础易于理解，计算中等要求给出先验概率和概率独立假设适应条件苛刻，要求统一的识别框架不能区分“不确定”和“不知道”信息证据理论