多传感器数据融合技术汇编

《多传感器数据融合技术汇编》由会员分享，可在线阅读，更多相关《多传感器数据融合技术汇编（54页珍藏版）》请在金锄头文库上搜索。

1、多 传 感 器 数 据 融 合 技 术 n引言 n基本原理、融合过程及关键技术 n数据融合系统的结构及功能模型 n数据融合方法 n应用 n研究方向和存在问题 1、引 言 1.1国内外研究现状 数据融合从20 世纪70 年代末被提出， “数 据融合”出现于20世纪70年代，源于军事领域的 C3I( command， control， communication and intelligence)系统的需要，当时称为多源相关、多 传感器混合数据融合，并于80年代建立其技术。 美国是数据融合技术起步最早的国家，1983年，美 国国防高级研究计划局(DARPA)推出的战略计算 机计划中，将多传感器数据

2、融合列为重大研究课题 。 1984年，美国国防部(DOD)成立了数据融合专 家组(DFSData Fusion Subana1) ，负责指导、 组织并协调有关这一国防关键技术的系统研究， 1988年又将其列入国防部22项关键技术之一。 同时其它西方发达国家和国际组织(如英、日 、德、法及欧共体等)也积极开展了数据融合技术 研究工作。1986年开始，每年IEEE主办的“机器 人与自动化”(Robotics and Automation)学术会议上都 有专门关于数据融合的专题。 各种学术刊物也纷 纷开辟专栏和出版专集，交流和探讨数据融合的 有关问题。 1987年欧洲共同体开始为期5年的SKIDS

3、( Signal and Knowledge Integration with Decisional Control for Multisensory System)计划，主要目标是研究多 传感器数据融合的通用结构及实时信息融合技术 等。 1998年成立了国际信息融合学会( ISIF) ，每 年举行一次信息融合国际学术会议。促进了信息 融合技术的交流与发展，相继取得了一些有重要 影响的研究成果。 和国外相比，我国在数据融合领域的研 究起步较晚。1991年海湾战争结束以后，数 据融合技术引起国内有关单位和专家的高度重 视。 一些高校和科研院所相继对数据融合的 理论、系统框架和融合算法开展了大量研

4、究， 但基本上处于理论研究的层次上，在工程化、 实用化方面尚未取得有成效的突破，有许多关 键技术问题尚待解决，在工程应用领域，需要 开发出有重要应用价值的实用系统。 近年来 数据融合技术已形成研究热点，国家自然科学 基金和国家863计划已将其列入重点支持项 目。 1.2 定义 数据融合，是多元信息综合处理的一项新 技术,它有多种译名,如多传感器相关、多源相 关、多传感器融合、信息融合等。 数据融合比较确切的定义可概括为: 充分利用不同的时间和空间的多传感器信息资 源,采用计算机技术对按时序获得的多传感器观 测信息在一定的准则下加以自动分析、综合、 支配和使用,获得被测对象的一致性解释与描述 ,

5、以完成所需的决策和估计任务,使系统获得比 它的各个组成部分更优越的性能。 1.3 内容 n数据关联:确定从多传感器来的数据是否反映 同一个目标。 n多传感器ID/轨迹估计:假设从多源来的报告 反映的是同一目标,对这些数据进行综合以改 进对该目标的估计,或是改进对整个当前/未 来情况的估计。 n采集管理: 给定传感器环境的一种认识状态, 通过分配多个信息捕获和处理源,以最大限度 地发挥其性能,从而使其操作成本降到最低。 简言之,传感器的数据融合功能主要包 括多传感器的目标探测、数据关联、跟踪与 识别、情况评估和预测。 1.4 特点 n生存能力强； n扩展了空间覆盖范围； n扩展了时间的覆盖范围；

6、 n提高了可信度； n降低了信息的模糊度； n改进了探测性能； n提高了空间分辨率； n增加了测量维数； 2、基本原理、融合过程及关键 技术 2.1 基本原理 多传感器数据融合就像人脑综合处理信息一样,其基 本原理就是充分利用多传感器资源，通过对这些传感器及 观测信息的合理支配和使用，把多传感器在空间或时间上 的冗余或互补信息依据某种准则进行组合，以获得被测对 象的一致性解释或描述。 数据融合的目的是通过数据信息组合而不是出现在输 入数据中的任何个别信息，推导出更多的信息，得到最佳 协同作用的结果。也就是利用多个传感器共同或联合操作 的优势，提高传感器系统的有效性，消除单个或少量传感 器的局限

7、性。 在多传感器数据融合系统中，各种传感器的数据可以 具有不同的特征，可能是实时的或非实时的、模糊的或确 定的、互相支持的或互补的，也可能是互相矛盾或竞争的 。 2.2 融合过程 数据融合过程主要包括多传感器(信号 获取) 、数据预处理、数据融合中心(特征 提取、数据融合计算) 和结果输出等环节, 其过程如下图 所示。 2.3 关键技术 数据融合的关键技术主要是数据 转换、数据相关、态势数据库和融合 计算等,其中融合计算是多传感器数 据融合系统的核心技术。 对多传感器的相关观测结果进行验证、分 析、补充、取舍、修改和状态跟踪估计。 对新发现的不相关观测结果进行分析和综 合。 生成综合态势, 并

8、实时地根据多传感器观 测结果通过数据融合计算, 对综合态势进 行修改。 3、数据融合系统的结构及功能模型 3.1 结构 3.2 功能模型 4、数据融合方法 表表1 1 各种融合方法的比较各种融合方法的比较 融合方法运行环境信息类型信息表示不确定性融合技术适用范围 加权平均动态冗余 原始读数 值 加权平均 低层数据 融合 卡尔曼滤 波 动态冗余概率分布高斯噪声 系统模型 滤波 低层数据 融合 贝叶斯估 计 静态冗余概率分布高斯噪声 贝叶斯估 计 高层数据 融合 统计决策 理论 静态冗余概率分布累加噪声极值决策 高层数据 融合 证据推理静态冗余互补命题逻辑推理 高层数据 融合 模糊推理静态冗余互补

9、命题隶属度逻辑推理 高层数据 融合 神经元网 络 动、静态冗余互补 神经元输 入 学习误差 神经元网 络 低P高层 产生式规 则 静态冗余互补命题置信因子逻辑推理 高层数据 融合 4.1 综合平均法 该方法是把来自多个传感器的众多数 据进行综合平均。它适宜于用同样的传感 器检测同一个检测目标。如果对一个检测 目标进行了k次检测,其平均值 Wi 为分配给第i 次检测的权数。 4.2 贝叶斯估计法 贝叶斯推理技术主要用来进行决策层 融合，它是通过先验信息和样本信息合成 为后验分布，对检测目标作出推断。 4.2 D-S (Dempster-Shafer) 证据推理法 是贝叶斯推理的扩充, 其3个基本

10、要点是: 基本概率赋值函数mi 、信任函数Beli 和似然函 数Plsi 。D-S 方法的推理结构是自下而上的,分3 级,推理结构如图5所示 4.3 模糊逻辑法 针对数据融合中所检测的目标特征具有某 种模糊性的现象,有人利用模糊逻辑方法来对检 测目标进行识别和分类。建立标准检测目标和 待识别检测目标的模糊子集是此方法的研究基 础。但模糊子集的建立,需要有各种各样的标准 检测目标,同时又必须建立合适的隶属函数。而 确定隶属函数比较麻烦,目前还没有规范的方法 可遵循。又由于标准检测目标子集的建立受到 各种条件的限制,往往误差较大。 4.4 神经网络方法 一个人工神经网络(AN) 由多层处理单元或

11、节点组成, 可以用各种方法互联，图6 表示一 个具有3层节点的AN , 输入向量是与目标有关 的测量参数集, 输入的数据向量经过AN 非线性 变换, 得到一个输出向量, 输出向量可能是目 标身份。 这样一种变换能够产生从数据到标识分类 的映射, 也就把多传感器的数据变换为一个实 体的联合标识, 这是一种特有的并行学习方式, 完全不同于传统的基于统计理论的数据融合法 。 5、应 用 应用领域：随着多传感器数据融合技术的发展, 应用的领 域也在不断扩大, 多传感器融合技术已成功地应用于众 多的研究领域。 5.1、 C3I 5.2、飞行目标跟踪 5.3、机器人 5.4、星球车 5.5、工业过程监控

12、5.6、遥感图像融合处理 5.7、公共安全 5.8、环境污染监测 5.9、智能交通 5.10、 无人驾驶汽车 5.11、农业 5.12、物联网 5.1、多传感器数据融合技术 在“C3I”系统中的应用 “C3I”就是指挥自动化技术系统，是 用电子计算机将指挥（command） 、控 制（control） 、通信（communication） 和情报（intelligence）各分系统紧密联在 一起的综合系统。 预处理器 ：对同类传感器的数据进行融 合； 时间和空间配准：为多传感器提供统一参 照； 信息融合处理器：将测量参数进行合并， 提高目标的分类及态势估计的准确性； 态势数据库：存储实时或历史

13、态势数据； 控制计算机：对目标分类、进行态势估计 ，并对信息源的使用进行协调； 显示与控制：显示融合与评估的结果。 5.2、飞行目标跟踪 虚拟战场 科索沃虚拟战场 n战场监测 n士兵机器人 惯性导航 惯性导航系统是利用惯性元件来感测航行体的运动加速 度，经过积分计算，从而解算出导航参数来确定航行体 的位置。惯性导航系统可以连续给出载体的航向、姿态 、速度、位置等导航参数。具有隐蔽性好、抗干扰性强 、能全天候工作等优点，但其导航需要一段对准时间， 存在“漂移”现象，误差随时间积累，长时间工作会产生 较大的积累误差 星图导航 天文导航系统的航向精度在现有导航设备中是最高的， 可为武器系统提供精确的

14、位置、航向和姿态信息 5.3 机器人 传感器包括：摄像机、声纳、陀螺仪、激光测距 等pioneer、月球车、六足机器人（俄罗斯）、 火星探测车、制造业机器人、服务机器人、导 游机器人、机械手、Robotcup、路径规划 机器人舞 蹈 qiro机器人 20个机器人Nao在上海世博会法国馆完美演出了长达10 分钟的全自主集体舞蹈表演，创造了类人机器人历史性 一幕，这也是世界上第一次大规模机器人同时跳“集体舞” 。机器人Nao的表演分三个音乐片段，其中包括法国作 曲家莫里斯拉威尔的著名交响作品Bolero，完美展示了 Nao完成稳定、灵活并有节奏的动作的能力。这也是机 器人史上第一次在艺术领域达到饱

15、含情感并与观众产生 共鸣的高度。由类人机器人领域的世界顶尖公司 Aldebaran Robotics研发 5.4、星球车 勇气号火星车 好奇号火星车 5.5、工业过程监控 n识别引起系统状况超出正常运行范围的故障条 件触发报警器 n石油勘探 n火力发电（发电机组监控） n转炉炼钢（温度和含碳量） n核反应堆 5.6、遥感图像融合处理 n主要对地面目标或实体进行监视、识别与定位，使用的 传感器主要为合成孔径雷达，在多源图像进行融合时， 要利用像素级配准 n通过高空间分辨率全色图像和低光谱分辨率图像的融合 ，得到高空间分辨率和高光谱分辨率的图像，融合多波 段和多时段的遥感图像来提高分类的准确性。

16、n采用合成孔径雷达、卫星遥感等对地面进行监视，以识 别地貌、气象模式、矿产、植物生长（农作物种植面积 和产量预测）、环境条件（省气象局-火灾）和威胁状 况（原油泄漏、辐射泄漏等）对物理现象、事件进行 定位、识别和解释。 5.7、公共安全 n毒品检测 气敏、红外、微波 n火灾监测 烟雾传感器、二氧化碳传感器 n瓦斯监测 n远程医疗 X射线、核磁共振、超声波肿瘤定位 n智能材料 飞机机翼（有限元分析表面应力计算） 微机械手（压电陶瓷制备温度发生形变：温度控制） 刹车系统 5.8、环境污染监测 n环境污染现状 n大气污染监测 n环境水污染监测 检测指标 水质建模、水质综合 评判 n汽车尾气排放检测 5.9、智能交通 n空中交通：空中交通管制系统 在雷达网的监视、引导和管理下进行工作，多雷达融合 ，通过二次雷达识别各种类型的飞机、确定民航机航班 号、飞行状态，且与一次雷达进行配对 导航设备： 监视和控制设备：修正航线偏离、防止飞机相撞，并调 度飞机流量； 通信设备、调度人员 n城市交通：摄像、航拍、地感线圈、微波、雷达、地磁 传感器、视频、FCD n轨