第10章 多传感器信息融合技术课件.ppt

《第10章 多传感器信息融合技术课件.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、传感器与智能检测技术第10章多传感器信息融合技术概述多传感器信息融合的分类和结构多传感器信息融合的一般方法多传感器信息融合的实例传感器信息融合又称数据融合，是对多种信息的获取、表示及其内在联系进行综合处理和优化的技术。传感器信息融合技术从多信息的视角进行处理及综合，得到各种信息的内在联系和规律，保留正确的和有用的成分，最终实现信息的优化。定义：将经过集成处理的多传感器信息进行合成，形成一种对外部环境或被测对象某一特征的表达方式。单一传感器只能获得环境或被测对象的部分信息段，而多传感器信息经过融合后能够完善地、准确地反映环境的特征。第一节多传感器信息融合概述多传感器信息融合就像人脑处

2、理信息过程一样，充分利用多个传感器资源，通过对各种传感器及其观测信息的合理支配与使用，将各种传感器的互补与冗余信息依据某种准则组合起来，产生对观测环境的一致性解释和描述。信息融合的目标是基于各传感器分离观测信息，通过对信息的优化组合导出更多的有效信息。它的最终目的是利用多个传感器共同或联合操作的优势，来提高整个传感器系统的有效性。信息融合技术的实现和发展以信息电子学的原理、方法、技术为基础。信息融合系统采用多种传感器收集各种信息，包括声、光、电、运动、视觉、触觉、力觉等。除了自然(物理)信息外，信息融合技术还融合社会类信息，以语言文字为代表，涉及到大规模汉语资料库、语言知识的获取理

3、论与方法、机器翻译、自然语言解释与处理技术等。1、在信息电子学领域应用领域以各种控制理论为基础，信息融合技术采用模糊控制、智能控制、进化计算等系统理论，结合生物、经济、社会、军事等领域的知识，进行定性、定量分析。目前的控制技术，已从程序控制进入了建立在信息融合基础上的智能控制。智能控制系统不仅用于军事，还应用于工厂企业的生产过程控制、城市建设规划、道路交通管理、商业管理、金融管理与预测、地质矿产资源管理、环境监测与保护、粮食作物生长监测、灾害性天气预报及防治等各行各业。2、在自动化领域增加了系统的生存能力扩展了空间、时间覆盖范围提高了可信度降低了信息的模糊度改善了探测性能提高了空间

4、分辨率增加了测量空间的维数优点第二节传感器信息融合分类和结构1、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理方法，涉及的问题有输出方式的协调、综合以及传感器的选择。2、综合：信息优化处理中的一种获得明确信息的有效方法。例：在虚拟现实技术中，使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。3、融合：将传感器数据与系统内部的知识模型进行相关，而产生信息的一个新的表达式。一、传感器信息融合分类二、信息融合系统的结构模型从检测的角度看，检测级融合的结构模型主要有五种，即：分散式结构、并行结构、串行

5、结构、树状结构和带反馈并行结构。(a)分散式结构每个局部决策都是最终决策，可按照某种规则将这些分离的子系统联系起来，看成一个大系统，并遵循大系统中的某种最优化准则来确定每个子系统的工作点。图1分散式结构(b)并行结构每个局部节点的传感器在收到未经处理原始数据之后，在局部节点分别作出局部检测判决，然后，它们在检测中心通过融合得到全局决策。这种结构在分布检测系统中的应用较为普遍。图2并行结构(c)串行结构每个局部节点分别接收各自的检测后，首先由节点1作出局部判决，然后将它通信到节点2，而节点2则将它本身的检测与之融合形成自己的判决，以后，重复前面的过程，并将最后一个节点的判决作为全局判

6、决。图3串行结构(d)树状结构信息传递处理流程是从所有的树枝到树根，最后，在树根即融合节点，融合从树枝传来的局部判决和自己的检测，作出全局判决。图4树状结构(e)反馈结构每个局部检测器在接收到观测之后，把它们的判决送到融合中心，中心通过某种准则组合这些判决，然后把获得的全局判决分别反馈到各局部传感器作为下一时刻局部决策的输入。可明显地改善各局部节点的判决质量。图5带反馈的并行结构1、标准Kalman滤波技术Kalman滤波是对离散线性系统进行状态估计的一种常用方法，它是一组基于递推的数据处理算法。Kalman滤波引入了状态空间模型，其基本思想是利用前一时刻的估计值和当前的观测值来得

7、到对当前状态变量的估计，其估计准则为最小均方误差准则。下面我们通过一个框图来说明卡尔曼滤波所处理的问题。第三节多传感器信息融合一般方法依据前一时刻的估计值以及当前时刻的观测值给出当前时刻的估计值。用状态方程和测量方程描述。状态方程：量测方程：假设是状态变量，例如量测数据与系统的各状态变量之间呈现线性关系。：观测矩阵：观测噪声前提条件：、为互为不相关的高斯白噪声。经过推导，可得到迭代式为：增益矩阵：均方误差阵：图6卡尔曼滤波过程扩展Kalman滤波在多目标多传感器融合中