信息融合發(fā)展應(yīng)用

信息融合發(fā)展應(yīng)用第一頁(yè)，共四十頁(yè)，2022年，8月28日第一節(jié)概述一、概念傳感器信息融合又稱(chēng)數(shù)據(jù)融合，是對(duì)多種信息的獲取、表示及其內(nèi)在聯(lián)系進(jìn)行綜合處理和優(yōu)化的技術(shù)。傳感器信息融合技術(shù)從多信息的視角進(jìn)行處理及綜合，得到各種信息的內(nèi)在聯(lián)系和規(guī)律，從而剔除無(wú)用的和錯(cuò)誤的信息，保留正確的和有用的成分，最終實(shí)現(xiàn)信息的優(yōu)化。它也為智能信息處理技術(shù)的研究提供了新的觀念。第二頁(yè)，共四十頁(yè)，2022年，8月28日第一節(jié)概述定義：將經(jīng)過(guò)集成處理的多傳感器信息進(jìn)行合成，形成一種對(duì)外部環(huán)境或被測(cè)對(duì)象某一特征的表達(dá)方式。單一傳感器只能獲得環(huán)境或被測(cè)對(duì)象的部分信息段，而多傳感器信息經(jīng)過(guò)融合后能夠完善地、準(zhǔn)確地反映環(huán)境的特征。經(jīng)過(guò)融合后的傳感器信息具有以下特征：信息冗余性、信息互補(bǔ)性、信息實(shí)時(shí)性、信息獲取的低成本性。第三頁(yè)，共四十頁(yè)，2022年，8月28日二、意義及應(yīng)用1、在信息電子學(xué)領(lǐng)域信息融合技術(shù)的實(shí)現(xiàn)和發(fā)展以信息電子學(xué)的原理、方法、技術(shù)為基礎(chǔ)。信息融合系統(tǒng)要采用多種傳感器收集各種信息，包括聲、光、電、運(yùn)動(dòng)、視覺(jué)、觸覺(jué)、力覺(jué)以及語(yǔ)言文字等。信息融合技術(shù)中的分布式信息處理結(jié)構(gòu)通過(guò)無(wú)線網(wǎng)絡(luò)、有線網(wǎng)絡(luò)，智能網(wǎng)絡(luò)，寬帶智能綜合數(shù)字網(wǎng)絡(luò)等匯集信息，傳給融合中心進(jìn)行融合。第四頁(yè)，共四十頁(yè)，2022年，8月28日二、意義及應(yīng)用

1、在信息電子學(xué)領(lǐng)域

除了自然(物理)信息外，信息融合技術(shù)還融合社會(huì)類(lèi)信息，以語(yǔ)言文字為代表，涉及到大規(guī)模漢語(yǔ)資料庫(kù)、語(yǔ)言知識(shí)的獲取理論與方法、機(jī)器翻譯、自然語(yǔ)言解釋與處理技術(shù)等，信息融合采用分形、混沌、模糊推理、人工神經(jīng)網(wǎng)絡(luò)等數(shù)學(xué)和物理的理論及方法。它的發(fā)展方向是對(duì)非線性、復(fù)雜環(huán)境因素的不同性質(zhì)的信息進(jìn)行綜合、相關(guān)，從各個(gè)不同的角度去觀察、探測(cè)世界。第五頁(yè)，共四十頁(yè)，2022年，8月28日2、在計(jì)算機(jī)科學(xué)領(lǐng)域在計(jì)算機(jī)科學(xué)中，目前正開(kāi)展著并行數(shù)據(jù)庫(kù)、主動(dòng)數(shù)據(jù)庫(kù)、多數(shù)據(jù)庫(kù)的研究。信息融合要求系統(tǒng)能適應(yīng)變化的外部世界，因此，空間、時(shí)間數(shù)據(jù)庫(kù)的概念應(yīng)運(yùn)而生，為數(shù)據(jù)融合提供了保障。空間意味著不同種類(lèi)的數(shù)據(jù)來(lái)自于不同的空間地點(diǎn)，時(shí)間意味著數(shù)據(jù)庫(kù)能隨時(shí)間的變化適應(yīng)客觀環(huán)境的相應(yīng)變化。信息融合處理過(guò)程要求有相應(yīng)的數(shù)據(jù)庫(kù)原理和結(jié)構(gòu)，以便融合隨時(shí)間、空間變化了的數(shù)據(jù)。在信息融合的思想下，提出的空間、時(shí)間數(shù)據(jù)庫(kù)，是計(jì)算機(jī)科學(xué)的一個(gè)重要的研究方向。第六頁(yè)，共四十頁(yè)，2022年，8月28日3、在自動(dòng)化領(lǐng)域以各種控制理論為基礎(chǔ)，信息融合技術(shù)采用模糊控制、智能控制、進(jìn)化計(jì)算等系統(tǒng)理論，結(jié)合生物、經(jīng)濟(jì)、社會(huì)、軍事等領(lǐng)域的知識(shí)，進(jìn)行定性、定量分析。按照人腦的功能和原理進(jìn)行視覺(jué)、聽(tīng)覺(jué)、觸覺(jué)、力覺(jué)、知覺(jué)、注意、記憶、學(xué)習(xí)和更高級(jí)的認(rèn)識(shí)過(guò)程，將空間、時(shí)間的信息進(jìn)行融合，對(duì)數(shù)據(jù)和信息進(jìn)行自動(dòng)解釋?zhuān)瑢?duì)環(huán)境和態(tài)勢(shì)給予判定。目前的控制技術(shù)，已從程序控制進(jìn)入了建立在信息融合基礎(chǔ)上的智能控制。智能控制系統(tǒng)不僅用于軍事，還應(yīng)用于工廠企業(yè)的生產(chǎn)過(guò)程控制和產(chǎn)供銷(xiāo)管理、城市建設(shè)規(guī)劃、道路交通管理、商業(yè)管理、金融管理與預(yù)測(cè)、地質(zhì)礦產(chǎn)資源管理、環(huán)境監(jiān)測(cè)與保護(hù)、糧食作物生長(zhǎng)監(jiān)測(cè)、災(zāi)害性天氣預(yù)報(bào)及防治等涉及宏觀、微觀和社會(huì)的各行各業(yè)。第七頁(yè)，共四十頁(yè)，2022年，8月28日三、優(yōu)點(diǎn)增加了系統(tǒng)的生存能力擴(kuò)展了空間覆蓋范圍擴(kuò)展了時(shí)間覆蓋范圍提高了可信度降低了信息的模糊度改善了探測(cè)性能提高了空間分辨率增加了測(cè)量空間的維數(shù)第八頁(yè)，共四十頁(yè)，2022年，8月28日第二節(jié)傳感器信息融合分類(lèi)和結(jié)構(gòu)

一、傳感器信息融合分類(lèi)1、組合：由多個(gè)傳感器組合成平行或互補(bǔ)方式來(lái)獲得多組數(shù)據(jù)輸出的一種處理方法，是一種最基本的方式，涉及的問(wèn)題有輸出方式的協(xié)調(diào)、綜合以及傳感器的選擇。在硬件這一級(jí)上應(yīng)用。2、綜合：信息優(yōu)化處理中的一種獲得明確信息的有效方法。例：在虛擬現(xiàn)實(shí)技術(shù)中，使用兩個(gè)分開(kāi)設(shè)置的攝像機(jī)同時(shí)拍攝到一個(gè)物體的不同側(cè)面的兩幅圖像，綜合這兩幅圖像可以復(fù)原出一個(gè)準(zhǔn)確的有立體感的物體的圖像。第九頁(yè)，共四十頁(yè)，2022年，8月28日3、融合：當(dāng)將傳感器數(shù)據(jù)組之間進(jìn)行相關(guān)或?qū)鞲衅鲾?shù)據(jù)與系統(tǒng)內(nèi)部的知識(shí)模型進(jìn)行相關(guān)，而產(chǎn)生信息的一個(gè)新的表達(dá)式。4、相關(guān)：通過(guò)處理傳感器信息獲得某些結(jié)果，不僅需要單項(xiàng)信息處理，而且需要通過(guò)相關(guān)來(lái)進(jìn)行處理，獲悉傳感器數(shù)據(jù)組之間的關(guān)系，從而得到正確信息，剔除無(wú)用和錯(cuò)誤的信息。相關(guān)處理的目的：對(duì)識(shí)別、預(yù)測(cè)、學(xué)習(xí)和記憶等過(guò)程的信息進(jìn)行綜合和優(yōu)化。一、傳感器信息融合分類(lèi)第十頁(yè)，共四十頁(yè)，2022年，8月28日二、信息融合的結(jié)構(gòu)信息融合的結(jié)構(gòu)分為串聯(lián)和并聯(lián)兩種C1，C2，…，Cn表示n個(gè)傳感器S1,S2,…，Sn表示來(lái)自各個(gè)傳感器信息融合中心的數(shù)據(jù)y1，y2，…，yn表示融合中心。SnS2S1Y1Y2YnC1C2CnYSC1C2Cn(a)串聯(lián)(b)并聯(lián)……第十一頁(yè)，共四十頁(yè)，2022年，8月28日三、信息融合系統(tǒng)結(jié)構(gòu)的實(shí)例一種雷達(dá)測(cè)量的信息融合結(jié)構(gòu)局部處理器局部處理器

外部邏輯中央處理器傳感器信號(hào)傳感器信號(hào)先驗(yàn)信息修正信息先驗(yàn)信息修正信息傳感器故障檢測(cè)系統(tǒng)第十二頁(yè)，共四十頁(yè)，2022年，8月28日第三節(jié)傳感器信息融合的一般方法

嵌入約束法證據(jù)組合法人工神經(jīng)網(wǎng)絡(luò)法第十三頁(yè)，共四十頁(yè)，2022年，8月28日一、嵌入約束法由多種傳感器所獲得的客觀環(huán)境(即被測(cè)對(duì)象)的多組數(shù)據(jù)就是客觀環(huán)境按照某種映射關(guān)系形成的像，信息融合就是通過(guò)像求解原像，即對(duì)客觀環(huán)境加以了解。用數(shù)學(xué)語(yǔ)言描述就是，所有傳感器的全部信息，也只能描述環(huán)境的某些方面的特征，而具有這些特征的環(huán)境卻有很多，要使一組數(shù)據(jù)對(duì)應(yīng)惟一的環(huán)境(即上述映射為一一映射)，就必須對(duì)映射的原像和映射本身加約束條件，使問(wèn)題能有惟一的解。嵌入約束法最基本的方法：Bayes估計(jì)和卡爾曼濾波第十四頁(yè)，共四十頁(yè)，2022年，8月28日1.Bayes估計(jì)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(wù)所需的有關(guān)環(huán)境的特征物用向量f表示，通過(guò)傳感器獲得的數(shù)據(jù)信息用向量d來(lái)表示，d和f都可看作是隨機(jī)向量。信息融合的任務(wù)就是由數(shù)據(jù)d推導(dǎo)和估計(jì)環(huán)境f。第十五頁(yè)，共四十頁(yè)，2022年，8月28日1.Bayes估計(jì)假設(shè)p(f，d)為隨機(jī)向量f和d的聯(lián)合概率分布密度函數(shù)，則p(f|d)表示在已知d的條件下，f關(guān)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(guān)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(shí)，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，是嵌入約束法的核心。第十六頁(yè)，共四十頁(yè)，2022年，8月28日1.Bayes估計(jì)信息融合通過(guò)數(shù)據(jù)信息d做出對(duì)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?yàn)閜(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(guān)于f的條件密度。當(dāng)環(huán)境情況和傳感器性能已知時(shí)，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。而p(f)可通過(guò)先驗(yàn)知識(shí)的獲取和積累，逐步漸近準(zhǔn)確地得到，因此，一般總能對(duì)p(f)有較好的近似描述。第十七頁(yè)，共四十頁(yè)，2022年，8月28日1.Bayes估計(jì)在嵌入約束法中，反映客觀環(huán)境和傳感器性能與原理的各種約束條件主要體現(xiàn)在p(f|d)

中，而反映主觀經(jīng)驗(yàn)知識(shí)的各種約束條件主要體現(xiàn)在p(f)中。在傳感器信息融合的實(shí)際應(yīng)用過(guò)程中，通常的情況是在某一時(shí)刻從多種傳感器得到一組數(shù)據(jù)信息d，由這一組數(shù)據(jù)給出當(dāng)前環(huán)境的一個(gè)估計(jì)f。因此,實(shí)際中應(yīng)用較多的方法是尋找最大后驗(yàn)估計(jì)g，即即最大后驗(yàn)估計(jì)是在已知數(shù)據(jù)為d的條件下，使后驗(yàn)概率密度p(f)取得最大值得點(diǎn)g，根據(jù)概率論，最大后驗(yàn)估計(jì)g滿足第十八頁(yè)，共四十頁(yè)，2022年，8月28日1.Bayes估計(jì)當(dāng)p(f)為均勻分布時(shí)，最大后驗(yàn)估計(jì)g滿足

此時(shí)，最大后驗(yàn)概率也稱(chēng)為極大似然估計(jì)。當(dāng)傳感器組的觀測(cè)坐標(biāo)一致時(shí)，可以用直接法對(duì)傳感器測(cè)量數(shù)據(jù)進(jìn)行融合。在大多數(shù)情況下，多傳感器從不同的坐標(biāo)框架對(duì)環(huán)境中同一物體進(jìn)行描述，這時(shí)傳感器測(cè)量數(shù)據(jù)要以間接的方式采用Bayes估計(jì)進(jìn)行數(shù)據(jù)融合。間接法要解決的問(wèn)題是求出與多個(gè)傳感器讀數(shù)相一致的旋轉(zhuǎn)矩陣R和平移矢量H。第十九頁(yè)，共四十頁(yè)，2022年，8月28日1.Bayes估計(jì)在傳感器數(shù)據(jù)進(jìn)行融合之前，必須確保測(cè)量數(shù)據(jù)代表同一實(shí)物，即要對(duì)傳感器測(cè)量進(jìn)行一致性檢驗(yàn)。常用以下距離公式來(lái)判斷傳感器測(cè)量信息的一致：式中x1和x2為兩個(gè)傳感器測(cè)量信號(hào)，C為與兩個(gè)傳感器相關(guān)聯(lián)的方差陣，當(dāng)距離T小于某個(gè)閾值時(shí)，兩個(gè)傳感器測(cè)量值具有一致性。這種方法的實(shí)質(zhì)是剔除處于誤差狀態(tài)的傳感器信息而保留“一致傳感器”數(shù)據(jù)計(jì)算融合值。第二十頁(yè)，共四十頁(yè)，2022年，8月28日2.卡爾曼濾波(KF)用于實(shí)時(shí)融合動(dòng)態(tài)的低層次冗余傳感器數(shù)據(jù)，該方法用測(cè)量模型的統(tǒng)計(jì)特性，遞推決定統(tǒng)計(jì)意義下最優(yōu)融合數(shù)據(jù)合計(jì)。如果系統(tǒng)具有線性動(dòng)力學(xué)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(lái)表示，KF為融合數(shù)據(jù)提供惟一的統(tǒng)計(jì)意義下的最優(yōu)估計(jì)，KF的遞推特性使系統(tǒng)數(shù)據(jù)處理不需大量的數(shù)據(jù)存儲(chǔ)和計(jì)算。KF分為分散卡爾曼濾波(DKF)和擴(kuò)展卡爾曼濾波(EKF)。DKF可實(shí)現(xiàn)多傳感器數(shù)據(jù)融合完全分散化，其優(yōu)點(diǎn)：每個(gè)傳感器節(jié)點(diǎn)失效不會(huì)導(dǎo)致整個(gè)系統(tǒng)失效。而EKF的優(yōu)點(diǎn)：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(duì)融合過(guò)程產(chǎn)生的影響。第二十一頁(yè)，共四十頁(yè)，2022年，8月28日嵌入約束法嵌入約束法傳感器信息融合的最基本方法之一，其缺點(diǎn)：需要對(duì)多源數(shù)據(jù)的整體物理規(guī)律有較好的了解，才能準(zhǔn)確地獲得p(d|f)，但需要預(yù)知先驗(yàn)分布p(f)。第二十二頁(yè)，共四十頁(yè)，2022年，8月28日二、證據(jù)組合法證據(jù)組合法認(rèn)為完成某項(xiàng)智能任務(wù)是依據(jù)有關(guān)環(huán)境某方面的信息做出幾種可能的決策，而多傳感器數(shù)據(jù)信息在一定程度上反映環(huán)境這方面的情況。因此，分析每一數(shù)據(jù)作為支持某種決策證據(jù)的支持程度，并將不同傳感器數(shù)據(jù)的支持程度進(jìn)行組合，即證據(jù)組合，分析得出現(xiàn)有組合證據(jù)支持程度最大的決策作為信息融合的結(jié)果。第二十三頁(yè)，共四十頁(yè)，2022年，8月28日二、證據(jù)組合法證據(jù)組合法是對(duì)完成某一任務(wù)的需要而處理多種傳感器的數(shù)據(jù)信息，完成某項(xiàng)智能任務(wù)，實(shí)際是做出某項(xiàng)行動(dòng)決策。它先對(duì)單個(gè)傳感器數(shù)據(jù)信息每種可能決策的支持程度給出度量(即數(shù)據(jù)信息作為證據(jù)對(duì)決策的支持程度)，再尋找一種證據(jù)組合方法或規(guī)則，在已知兩個(gè)不同傳感器數(shù)據(jù)(即證據(jù))對(duì)決策的分別支持程度時(shí)，通過(guò)反復(fù)運(yùn)用組合規(guī)則，最終得出全體數(shù)據(jù)信息的聯(lián)合體對(duì)某決策總的支持程度。得到最大證據(jù)支持決策，即信息融合的結(jié)果。第二十四頁(yè)，共四十頁(yè)，2022年，8月28日二、證據(jù)組合法利用證據(jù)組合進(jìn)行數(shù)據(jù)融合的關(guān)鍵在建立快速、可靠并且便于實(shí)現(xiàn)的通用證據(jù)組合算法結(jié)構(gòu)選擇合適的數(shù)學(xué)方法描述證據(jù)、決策和支持程度等概念第二十五頁(yè)，共四十頁(yè)，2022年，8月28日二、證據(jù)組合法證據(jù)組合法較嵌入約束法優(yōu)點(diǎn)：

(1)對(duì)多種傳感器數(shù)據(jù)間的物理關(guān)系不必準(zhǔn)確了解，即無(wú)須準(zhǔn)確地建立多種傳感器數(shù)據(jù)體的模型；

(2)通用性好，可以建立一種獨(dú)立于各類(lèi)具體信息融合問(wèn)題背景形式的證據(jù)組合方法，有利于設(shè)計(jì)通用的信息融合軟、硬件產(chǎn)品；

(3)人為的先驗(yàn)知識(shí)可以視同數(shù)據(jù)信息一樣，賦予對(duì)決策的支持程度，參與證據(jù)組合運(yùn)算。第二十六頁(yè)，共四十頁(yè)，2022年，8月28日二、證據(jù)組合法常用證據(jù)組合方法：概率統(tǒng)計(jì)方法Dempster-Shafer證據(jù)推理第二十七頁(yè)，共四十頁(yè)，2022年，8月28日1.概率統(tǒng)計(jì)方法假設(shè)一組隨機(jī)向量x1，x2，…，xn分別表示n個(gè)不同傳感器得到的數(shù)據(jù)信息，根據(jù)每一個(gè)數(shù)據(jù)xi可對(duì)所完成的任務(wù)做出一決策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)已知時(shí)，則xi的概率分布就完全確定了。用非負(fù)函數(shù)L(ai，di)表示當(dāng)分布參數(shù)確定為ai時(shí)，第i個(gè)信息源采取決策dj時(shí)所造成的損失函數(shù)。在實(shí)際問(wèn)題中，ai是未知的，因此，當(dāng)?shù)玫絰i時(shí)，并不能直接從損失函數(shù)中定出最優(yōu)決策。第二十八頁(yè)，共四十頁(yè)，2022年，8月28日1.概率統(tǒng)計(jì)方法先由xi做出ai的一個(gè)估計(jì)，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(jì)ai的估計(jì)量ai(xi)有很多種方法。概率統(tǒng)計(jì)方法適用于分布式傳感器目標(biāo)識(shí)別和跟蹤信息融合問(wèn)題第二十九頁(yè)，共四十頁(yè)，2022年，8月28日2.Dempster-Shafer證據(jù)推理(簡(jiǎn)稱(chēng)D-S推理)假設(shè)F為所有可能證據(jù)所構(gòu)成的有限集，為集合F中的某個(gè)元素即某個(gè)證據(jù)，首先引入信任函數(shù)B(f)∈[0，1]表示每個(gè)證據(jù)的信任程度：從上式可知，信任函數(shù)是概率概念的推廣，因?yàn)閺母怕收摰闹R(shí)出發(fā)，上式應(yīng)取等號(hào)。

引入基礎(chǔ)概率分配函數(shù)m(f)∈[0，1]

由基礎(chǔ)概率分配函數(shù)定義與之相對(duì)應(yīng)的信任函數(shù)：第三十頁(yè)，共四十頁(yè)，2022年，8月28日2.Dempster-Shafer證據(jù)推理當(dāng)利用N個(gè)傳感器檢測(cè)環(huán)境M個(gè)特征時(shí)，每一個(gè)特征為F中的—個(gè)元素。第i個(gè)傳感器在第k-1時(shí)刻所獲得的包括k—1時(shí)刻前關(guān)于第j個(gè)特征的所有證據(jù)，用基礎(chǔ)概率分配函數(shù)表示，其中i=1，2，…，m。第i個(gè)傳感器在第k時(shí)刻所獲得的關(guān)于第j個(gè)特征的新證據(jù)用基礎(chǔ)概率分配函數(shù)表示。由和可獲得第i個(gè)傳感器在第k時(shí)刻關(guān)于第j個(gè)特征的聯(lián)合證據(jù)。類(lèi)似地，利用證據(jù)組合算法，由和可獲得在k時(shí)刻關(guān)于第j個(gè)特征的第i個(gè)傳感器和第i+1個(gè)傳感器的聯(lián)合證據(jù)。如此遞推下去，可獲得所有N個(gè)傳感器在k時(shí)刻對(duì)j特征的信任函數(shù)，信任度最大的即為信息融合過(guò)程最終判定的環(huán)境特征。

第三十一頁(yè)，共四十頁(yè)，2022年，8月28日2.Dempster-Shafer證據(jù)推理D-S證據(jù)推理優(yōu)點(diǎn)：算法確定后，無(wú)論是靜態(tài)還是時(shí)變的動(dòng)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)。但其缺點(diǎn)：當(dāng)對(duì)象或環(huán)境的識(shí)別特征數(shù)增加時(shí)，證據(jù)組合的計(jì)算量會(huì)以指數(shù)速度增長(zhǎng)。

第三十二頁(yè)，共四十頁(yè)，2022年，8月28日三、人工神經(jīng)網(wǎng)絡(luò)法通過(guò)模仿人腦的結(jié)構(gòu)和工作原理，設(shè)計(jì)和建立相應(yīng)的機(jī)器和模型并完成一定的智能任務(wù)。神經(jīng)網(wǎng)絡(luò)根據(jù)當(dāng)前系統(tǒng)所接收到的樣本的相似性，確定分類(lèi)標(biāo)準(zhǔn)。這種確定方法主要表現(xiàn)在網(wǎng)絡(luò)權(quán)值分布上，同時(shí)可采用神經(jīng)網(wǎng)絡(luò)特定的學(xué)習(xí)算法來(lái)獲取知識(shí)，得到不確定性推理機(jī)制。第三十三頁(yè)，共四十頁(yè)，2022年，8月28日三、人工神經(jīng)網(wǎng)絡(luò)法神經(jīng)網(wǎng)絡(luò)多傳感器信息融合的實(shí)現(xiàn)，分三個(gè)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?fù)浣Y(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(guān)單元的映射函數(shù),通過(guò)神經(jīng)網(wǎng)絡(luò)與環(huán)境的交互作用把環(huán)境的統(tǒng)計(jì)規(guī)律反映網(wǎng)絡(luò)本身結(jié)構(gòu)；對(duì)傳感器輸出信息進(jìn)行學(xué)習(xí)、理解，確定權(quán)值的分配，完成知識(shí)獲取信息融合，進(jìn)而對(duì)輸入模式做出解釋?zhuān)瑢⑤斎霐?shù)據(jù)向量轉(zhuǎn)換成高層邏輯(符號(hào))概念。第三十四頁(yè)，共四十頁(yè)，2022年，8月28日具有統(tǒng)一的內(nèi)