多傳感器信息融合技術概論

多傳感器信息融合技術概論多傳感器信息融合技術概論多傳感器信息融合技術概論xxx公司多傳感器信息融合技術概論文件編號：文件日期：修訂次數(shù)：第1.0次更改批準審核制定方案設計，管理制度多傳感器信息融合技術概述摘要：傳感器信息融合，是對多種信息的獲取、表示及其內(nèi)在聯(lián)系進行綜合處理和優(yōu)化的技術。單一傳感器只能獲得環(huán)境或被測對象的部分信息段，而多傳感器信息經(jīng)過融合后能夠完善地、準確地反映環(huán)境的特征。信息融合技術已經(jīng)廣泛應用于信息電子學、計算機科學、自動化等領域，下面從五個方面做概述。關鍵詞：多傳感器；信息融合1多傳感器信息融合基本原理多傳感器信息融合是人類和其他生物系統(tǒng)中普遍存在的一種基本功能。人類本能地具有將身體上的各種功能器官所探測到的信息(景物、聲音、氣味和觸覺等)與先驗知識進行綜合的能力，以便對他周圍的環(huán)境和正在發(fā)生的事件作出估計。多傳感器信息融合的基本原理就像人腦綜合處理信息的過程一樣，它充分地利用多個傳感器資源，通過對各種傳感器及其觀測信息的合理支配與使用，將各種傳感器在空間和時間上的互補與冗余信息依據(jù)某種優(yōu)化準則組合起來，產(chǎn)生對觀測環(huán)境的一致性解釋和描述。信息融合的目標是基于各傳感器分離觀測信息，通過對信息的優(yōu)化組合導出更多的有效信息。它的最終目的是利用多個傳感器共同或聯(lián)合操作的優(yōu)勢，來提高整個傳感器系統(tǒng)的有效性。2多傳感器信息融合的幾種方法卡爾曼濾波(KF)該方法用測量模型的統(tǒng)計特性，遞推決定統(tǒng)計意義下最優(yōu)融合數(shù)據(jù)合計。如果系統(tǒng)具有線性動力學模型，且系統(tǒng)噪聲和傳感器噪聲可用高斯分布的白噪聲模型來表示，則KF為融合數(shù)據(jù)提供惟一的統(tǒng)計意義下的最優(yōu)估計，它的遞推特性使系統(tǒng)數(shù)據(jù)處理不需大量的存儲和計算。KF分為分散卡爾曼濾波(DKF)和擴展卡爾曼濾波(EKF)。DKF可實現(xiàn)多傳感器數(shù)據(jù)融合完全分散化，其優(yōu)點是，單個傳感器節(jié)點失效不會導致整個系統(tǒng)失效。而EKF的優(yōu)點是，可有效克服數(shù)據(jù)處理不穩(wěn)定性或系統(tǒng)模型線性程度的誤差對融合過程產(chǎn)生的影響。人工神經(jīng)網(wǎng)絡法這種方法通過模仿人腦的結(jié)構(gòu)和工作原理，設計和建立相應的機器和模型并完成一定的智能任務。神經(jīng)網(wǎng)絡根據(jù)當前系統(tǒng)所接收到的樣本的相似性，確定分類標準。這種確定方法主要表現(xiàn)在網(wǎng)絡權(quán)值分布上，同時可采用神經(jīng)網(wǎng)絡特定的學習算法來獲取知識，得到不確定性推理機制。神經(jīng)網(wǎng)絡多傳感器信息融合的實現(xiàn)，分三個重要步驟：根據(jù)智能系統(tǒng)要求及傳感器信息融合的形式，選擇其拓撲結(jié)構(gòu)；各傳感器的輸入信息綜合處理為一總體輸入函數(shù)，并將此函數(shù)映射定義為相關單元的映射函數(shù)，通過神經(jīng)網(wǎng)絡與環(huán)境的交互作用把環(huán)境的統(tǒng)計規(guī)律反映到網(wǎng)絡本身結(jié)構(gòu)；對傳感器輸出信息進行學習、理解，確定權(quán)值的分配，完成知識獲取信息融合，進而對輸入模式做出解釋，將輸入數(shù)據(jù)向量轉(zhuǎn)換成高層邏輯概念。概率統(tǒng)計方法假設一組隨機向量x1，x2，…，xn分別表示n個不同傳感器得到的數(shù)據(jù)信息，根據(jù)每一個數(shù)據(jù)xi可對所完成的任務做出決策di。xi的概率分布為pai(xi)，ai為該分布函數(shù)中的未知參數(shù)，若參數(shù)已知，則xi的概率分布是確定的。用非負函數(shù)L(ai，di)表示當分布參數(shù)確定為ai時，第i個信息源采取決策di時所造成的損失函數(shù)。在實際問題中，ai是未知的，因此，當?shù)玫絰i時，并不能直接從損失函數(shù)中定出最優(yōu)決策。先由xi做出ai的一個估計，記為ai(xi)，再由損失函數(shù)L[ai(xi),di]決定出損失最小的決策。其中利用xi估計ai的估計量ai(xi)有很多種方法。

D-S推理假設F為所有可能證據(jù)所構(gòu)成的有限集，Ai為集合F中的某個元素(證據(jù))。引入信任函數(shù)B(f)∈[0，1]，它表示每個證據(jù)的信任程度：，。引入基礎概率分配函數(shù)m(f)∈[0，1]，滿足和，與之相對應的信任函數(shù)：其中當利用N個傳感器檢測環(huán)境M個特征時，每一個特征為F中的—個元素。第i個傳感器在第k-1時刻所獲得的包括k-1時刻前關于第j個特征的所有證據(jù)，用基礎概率分配函數(shù)表示，其中i=1，2，…，m。第i個傳感器在第k時刻所獲得的關于第j個特征的新證據(jù)用基礎概率分配函數(shù)表示。利用證據(jù)組合算法，可獲得在k時刻關于第j個特征的第i個傳感器和第i+1個傳感器的聯(lián)合證據(jù)。如此遞推下去，可獲得所有N個傳感器在k時刻對j特征的信任函數(shù)，信任度最大的即為信息融合過程最終判定的環(huán)境特征。D-S證據(jù)推理優(yōu)點：算法確定后，無論是靜態(tài)還是時變的動態(tài)證據(jù)組合，其具體的證據(jù)組合算法都有一共同的算法結(jié)構(gòu)。其缺點：當對象或環(huán)境的識別特征數(shù)增加時，證據(jù)組合的計算量會以指數(shù)速度增長。Bayes估計這是融合靜態(tài)環(huán)境中多傳感器低層數(shù)據(jù)的一種常用方法，其信息描述為概率分布，適用于具有可加高斯噪聲的不確定性信息。假定完成任務所需的有關環(huán)境的特征物用向量f表示，通過傳感器獲得的數(shù)據(jù)信息用向量d來表示，d和f都可看作是隨機向量。信息融合的任務就是由數(shù)據(jù)d推導和估計環(huán)境f。假設p(f，d)為隨機向量f和d的聯(lián)合概率分布密度函數(shù)，則表示在已知d的條件下，f關于d的條件概率密度函數(shù)；p(d|f)表示在已知f的條件下，d關于f的條件概率密度函數(shù)；p(d)和p(f)分別表示d和f的邊緣分布密度函數(shù)。已知d時，要推斷f，只須掌握p(f|d)即可，即上式為概率論中的Bayes公式。信息融合通過數(shù)據(jù)信息d做出對環(huán)境f的推斷，即求解p(f|d)。由Bayes公式知，只須知道p(f|d)和p(f)即可。因為p(d)可看作是使p(f|d)?p(f)成為概率密度函數(shù)的歸一化常數(shù)，p(d|f)是在已知客觀環(huán)境變量f的情況下，傳感器得到的d關于f的條件密度。當環(huán)境情況和傳感器性能已知時，p(f|d)由決定環(huán)境和傳感器原理的物理規(guī)律完全確定。p(f)可通過先驗知識的獲取和積累，逐步逼近得到。3多傳感器信息融合技術的應用多傳感器信息融合技術的應用領域大致分為軍事應用和民事應用兩大類。軍事應用是多傳感器信息融合技術誕生的源泉，具體應用包括海洋監(jiān)視系統(tǒng)，空對空或地對空防御系統(tǒng)，戰(zhàn)場情報、防御、目標獲取，戰(zhàn)略預警和防御系統(tǒng)。其中，海洋監(jiān)視系統(tǒng)包括潛艇、魚雷、水下導彈等目標的檢測、跟蹤和識別；空對空、地對空防御系統(tǒng)包括檢測、跟蹤、識別敵方飛機、導彈和反飛機武器；戰(zhàn)場情報、防御、目標獲取包括探測、識別陸地上隱蔽目標。在民事應用領域，主要用于機器人、智能制造、智能交通、無損檢測、環(huán)境監(jiān)測、醫(yī)療診斷、遙感、刑偵和保安等領域。其中，機器人被用于完成物料搬運、零件制造、檢驗和裝配等工作；智能制造系統(tǒng)包括各種智能加工機床、工具和材料傳送裝置、檢測和試驗裝置以及裝配裝置；智能交通系統(tǒng)采用多傳感器信息融合技術，實現(xiàn)無人駕駛交通工具的自主道路識別、速度控制以及定位；在環(huán)境監(jiān)測中，主要用于辨識和確定自然現(xiàn)象(如地震、氣候等)；在醫(yī)療診斷中，多傳感器信息融合技術被用于定位和各種病的診斷(如腫瘤的定位與識別)。4多傳感器信息融合技術的不足信息融合作為一門新興的學科，目前尚存在以下的問題：(1)未形成基本的理論框架和廣義融合算法。目前，絕大多數(shù)的融合研究皆是針對特定的應用領域的特定問題展開的。即根據(jù)問題的種類，各自建立直觀的融合準則，形成“最佳”融合方案，未形成完整的理論框架和融合模型，使得融合系統(tǒng)的設計具有一定的盲目性。(2)關聯(lián)的二義性。在一個多傳感器系統(tǒng)中，每一種傳感器所提供的數(shù)據(jù)不可避免地受環(huán)境狀態(tài)和傳感器本身特性的制約，因而不同的傳感器對環(huán)境中同一特征所測的數(shù)據(jù)有時彼此差別很大甚至是矛盾的。(3)信息融合方法與融合系統(tǒng)實施存在的問題。目前，大多數(shù)信息融合是經(jīng)一種簡單的方法合成信息的，并未充分有效地利用多傳感器所提供的冗余信息，融合方法研究還處于初步階段。信息融合系統(tǒng)的設計實施還存在許多實際的問題：傳感器動態(tài)測量誤差模型的建立、傳感器系統(tǒng)優(yōu)化、復雜動態(tài)環(huán)境下系統(tǒng)實時性、大型知識庫的建立與管理、與其它領域的很多新技術的“嫁接和融合”等。5多傳感器信息融合技術的展望信息融合系統(tǒng)是一個具有強烈不確定性的復雜大系統(tǒng)，處理方法受到現(xiàn)有理論、技術、設備的限制。這是一門新發(fā)展的學科，很多理論還不健全，但隨著傳感器技術、數(shù)據(jù)處理技術、計算機技術、網(wǎng)絡通信技術、人工智能技術、并行計算軟件和硬件技術等的發(fā)展，它將不斷完善。它的發(fā)展方向大致有四個：（1）基礎理論研究。研究建立統(tǒng)一的信息融合理論，主要包括多平臺、多傳感器信息的獲取、特征提取、分類、信息融合過程的一般模式，功能結(jié)構(gòu)的建立，優(yōu)化設計以及系統(tǒng)的評估標準。（2）算法和模型研究。包括關聯(lián)處理、融合處理和系統(tǒng)模擬、多傳感器優(yōu)化組合、各種先進技術在信息融合系統(tǒng)中的應用等。（3）推理系統(tǒng)研究。包括在信息融合系統(tǒng)中應用的數(shù)據(jù)庫、知識庫、確定和不確定信息的推理機構(gòu)、融合規(guī)則庫等研究。（4）應用研究。從工程實現(xiàn)角度來講，我們關心的是信息的獲取、融合、傳感器管理和控制一體化系統(tǒng)的研制，而不是單純的融合算法研究。6結(jié)束語本文從原理、基本方法、應用領域、現(xiàn)有不足和技術展望五個方面概述了多傳感器信息融合技術。多傳感器信息融合技術方興未艾，幾乎一切信息處理方法都可以應用于信息融合系統(tǒng)，隨著科學技術的發(fā)展，特別是人工智能、神經(jīng)網(wǎng)絡、遺傳算法等理論和技術的進步，新的更