多传感器信息融合技术ppt课件.ppt

《多传感器信息融合技术ppt课件.ppt》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、多传感器信息融合技术主要内容一、概念二、多传感器信息融合层次三、主要方法四、研究方向五、信息融合方法的实际应用多传感器信息融合，又称多源信息融合，是用于包含多个或多类传感器或信息源的系统的一种信息处理方法。Walz将多源信息融合定义为：通过对多个传感器产生的数据或信息进行检测、组合估计、关联等多级操作，从而得到关于观测环境或目标的精确状态、身份估计以及完整、及时的态势评估的过程。多传感器数据融合基本原理如下：１多个不同类型的传感器获取目标的数据；２对输出数据进行特征提取，从而获得特征矢量；３对特征矢量进行模式识别

2、，完成各传感器关于目标的属性说明；４将各传感器关于目标的属性说明数据按同一目标进行分组，即关联；５利用融合算法将每一目标各传感器数据进行合成，得到该目标的一致性解释与描述简而言之：信息融合就是将来自多传感器或多源的信息进行协调优化和综合处理，产生新的有价值的信息，以得出更为准确、可信的结论。一、概念多传感器信息融合的特点(1)提高了信息的可信度。(2)增加了目标特征矢量的维数。(3)降低了获得信息的费用。(4)减少了信息获取的时间。(5)提高了系统的容错能力。(6)提高了整个系统的性能信息的数据融合是对多源数据进

3、行多级处理，每一级处理都代表了对原始数据的不同程度的抽象化，它包括对数据的检测、关联、估计和组合等处理。信息融合按其在传感器信息处理层次中的抽象程度，可以分为三个层次：像素层融合、特征层融合及决策层融合。根据信息融合处理方式的不同，可以将多传感器信息融合的拓扑结构分为集中型、分散型、混合型、反馈型等。二、多传感器信息融合层次(一）、多传感器信息融合的融合层次（二）、多传感器信息融合的融合结构1像素层融合它是最低层次的融合，是在采集到的传感器的原始信息层次上(未经处理或只做很少的处理)进行融合，在各种传感器的原始测

4、报信息未经预处理之前就进行信息的综合和分析。其优点是保持了尽可能多的战场信息;其缺点是处理的信息量大，所需时间长，实时性差。(一）、多传感器信息融合的融合层次2特征层融合属于融合的中间层次，兼顾了数据层和决策层的优点。它利用从传感器的原始信息中提取的特征信息进行综合分析和处理。也就是说，每种传感器提供从观测数据中提取的有代表性的特征，这些特征融合成单一的特征向量，然后运用模式识别的方法进行处理。这种方法对通信带宽的要求较低，但由于数据的丢失使其准确性有所下降。3决策层融合指在每个传感器对目标做出识别后，将多个传感

5、器的识别结果进行融合。这一层融合是在高层次上进行的，融合的结果为指挥控制决策提供依据。决策层融合的优点是：具有很高的灵活性，系统对信息传输带宽要求较低；能有效地融合反映环境或目标各个侧面的不同类型信息，具有很强的容错性；通信容量小，抗干扰能力强；对传感器的依赖性小，传感器可以是异质的；融合中心处理代价低。1集中型集中型融合结构的融合中心直接接收来自被融合传感器的原始信息。由于在此结构中传感器仅起到了信息采集的作用，不预先对数据进行局部处理和压缩，所以对信道容量要求较高。一般这种结构适用于小规模的融合系统。（二）、

6、多传感器信息融合的融合结构2分散型分散型信息融合系统中，各传感器完成一定量的计算和处理任务后，将压缩后的传感器数据送到融合中心，融合中心将接收到的多维信息进行组合和推理，最终得到融合结果。这一结构的优点是结构冗余度高、计算负荷分配合理、信道压力轻，但由于各传感器进行局部信息处理，可能会导致部分信息的丢失。这种结构适合于远距离配置的多传感器系统。3混合型混合型信息融合结构吸收了分散型和集中型信息融合结构的优点，既有集中处理，又有分散处理，各传感器信息均可多次利用。这一结构能得到比较理想的融合结果，适用于大型的多传感

7、器信息融合，但其结构复杂，计算量很大。4反馈型当系统对处理的实时性要求很高的时候，如果总是试图强调以最高的精度去融合多传感器信息融合系统的信息，则无论融合的速度多快都不可能满足要求，这时，利用信息的相对稳定性和原始积累对融合信息进行反馈再处理将是一种有效的途径。当多传感器系统对外部环境经过一段时间的感知，传感系统的融合信息已能够表述环境中的大部分特征，该信息对新的传感器原始信息融合具有很好的指导意义。从人工智能角度看，信息融合进程控制可分为目标驱动（模型驱动）方法和数据驱动方法两大类：目标驱动方法是将多传感器信息

8、融合目标分解为一系列子目标。系统通过对子目标问题求解来完成信息融合；数据驱动是直接对多传感器信息进行推理以得出结论。三、主要方法目前，能够应用于多传感器数据融合的方法可以分为随机类方法和人工智能方法两大类。随机类方法主要有统计决策理论、n-s证据推理、产生式规则、贝叶斯估计法、Kalman滤波等；而人工智能类方法主加权平均法、要包括专家系统、人工神经网络、模糊逻辑理论、粗