《[论文终稿]多元信息融合》由会员分享，可在线阅读，更多相关《[论文终稿]多元信息融合（11页珍藏版）》请在金锄头文库上搜索。
1、天津工业大学信息融合方法与应用研究姓 名： 刘 慧 芳 院 别： 电子与信息工程学院 专 业： 电子与通信工程 学 号： 1031092098 2011 年 6 月 20 日信息融合方法与应用研究刘慧芳(天津工业大学 电子与信息工程学院，天津 300160)Research on methods and application of information fusionLIU Hui-Fang(School of Information and Communication Engineering，Tianjin Polytechnic University，Tianjin 300160， Ch
2、ina)E-MAIL: 摘要：信息融合是现代信息技术与多学科交叉、综合、延拓产生的新的系统科学，随着计算机科学，网络通讯技术，微电子技术和控制技术的飞速发展，它也得到了迅猛的发展，尤其近年来，它已受到广泛关注，它的理论和方法已被应用到许多研究领域。本文从信息融合的概念、融合方法以及应用领域分别进行论述，最后，给出了几个面临的挑战问题和将来的发展趋势。关键词：信息融合；多传感器；模式识别Abstract:Information fusion is a new subject of system science which information intersects and blends wit
3、h other subjects.In recent years,it is very popular;its theory and method have been applied to many research fields.This paper discusses the concept， fusion methods and application fields of information fusion.Several current challenging problems and tendency of development in the future also are pr
4、oposedKeywords：information fusion; multi-sensors; pattern recognition1、概述1.1 信息融合技术简介随着电子技术、信号检测与处理技术、计算机技术、网络通信技术以及控制技术的飞速发展，各种面向复杂应用背景的多传感器系统大量涌现，在这些多传感器系统中，信息表示的多样性，信息数量的巨大性，信息关系的复杂性，以及要求信息处理的及时性、准确性和可靠性都是前所未有的。这就使得利用计算机技术对获得的多传感器信息在一定准则下加以自动分析、优化综合以完成所需的估计与决策-多传感器信息融合技术得以迅速发展。确切地讲信息融合技术是随着信息处理和指
5、挥自动化系统的发展而形成的，涉及数学、军事科学、计算机科学、自动控制理论、人工智能、通信技术、管理科学等多学科的交叉和具体应用。信息融合是关于如何协同利用多源信息，以获得对同一事物或目标更客观、更本质认识的综合信息处理技术。在信息网络系统中，原始采集的信息经常是无序的、分散的甚至是错误的，只有经过信息处理，将大量的信息进行融合，相互印证，去伪存真，才能得到有用的、相互关联的、而且是可方便使用的信息。实际上，人本身就是一个高级的信息融合系统，大脑这个融合中心去协同眼(视觉) 、耳 (听觉)、口( 味觉)、鼻(嗅觉)、手(触觉)等多类“传感器”去感觉事物各个侧面的信息，并根据人脑的经验与知识进行相
6、关分析、去粗取精，从而综合判决，获得对周围事物性质和本质的全面认识。信息融合技术于 20 世纪 80 年代在美国作为国防关键技术之一得到优先发展,并在军事应用中发挥了重要的作用。随着民用高科技的发展,开发高智能化的信息处理技术和方法成为各个工程领域的主要目标,多源信息融合技术成为完成这个目标最恰当的手段。尽管目前信息融合技术在许多领域得到了成功的应用,但是由于信息融合概念的提出是基于信息处理技术发展的需要,信息融合技术没有专门的理论体系,所采用的理论和方法主要是通过变化和改进现有的信息处理技术来获得的。关于信息融合技术的研究主要是如何利用这些理论和方法构建适合的信息融合系统。信息融合的概念主要
7、包括下面三层含义： 1)信息的多源、多维性：融合系统要处理的是确定和不确定（模糊）的、同步和非同步的、同类型和不同类型的、数字和非数字的信息，是多源多维信息。2)信息的综合：融合可看做是系统动态过程中所进行的一种信息综合加工处理。3)信息的互补过程：融合的目的之一是要解决系统功能上的互补问题；反过来，互补信息的融合可以使系统发生质的飞跃。信息融合技术的功能可以概括为：扩大时空搜索范围；可扩展系统的空间覆盖范围；可扩展系统的时间覆盖范围；可增加系统的信息利用率；可提高合成信息的可信度和精度；可改进对目标的检测、识别；可降低系统的投资；增强系统的容错能力和自适应能力。从根本上来说，上述结果来源于信
8、息的冗余性及互补性。因此多传感器信息融合往往可以获得单传感器难以获得的结果，其性能往往会有质的飞跃。信息融合的目的是通过数据组合推导出更多的信息，得到最佳协同作用的结果，即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性。1.2 信息融合的发展现状在目前阶段，信息融合技术的应用主要是在军事领域。现代战争已是广泛应用各种高科技，基于陆、海、空、天立体化的高技术战争。在现代高技术战争环境中，必须使用多传感器和多信息源系统，才能获得更多的战场信息，其数据处理量和处理能力远远超过单个传感器，随着雷达、红外、光电等传感器种类及数量的不断增加，多传感器信息融合技术得
9、以广泛使用。美国是信息融合技术起步最早、发展最快的国家，美国国防部早在 70 年代就资助从事声纳信号理解及融合的研究。1988 年美国国防部将信息融合技术列为 90 年代重点开发的20 项关键技术之一，并取得了一些研究成果，开发了一系列 C4ISR(即Computer、Control 、Communications、Command、Intelligence、Surveillance&Reconnaissance)系统及 IW(即 Intelligence Weapon)系统。除美国外，其他西方国家也普遍重视信息融合技术的研究。英国陆军开发了诸如炮兵智能信息融合系统(AIDD)、机动和控制系统(
10、WAVELL)等，并于 1982 年提出研制“海军知识库作战指挥统” ；1987 年又与西德等欧洲五国制定了联合开展具有“决策控制的传感器信号与知识综合系统”的研究计划。此外，法、德等北约国家在这方面的研究工作也十分活跃。如汤姆逊公司已将信息融合技术应用于MARTHA 防空指挥控制系统中。德国已在“豹 2”坦克的改进计划中采用信息融合人工智能等关键技术。另外，信息融合技术已逐步向多领域进行渗透，如智能机器人与智能车辆领域、医学图像处理与诊断、气象预报、地球科学与农业应用领域、现代制造领域和经济商业领域等等。此外信息融合技术还被用于火车定位、鱼类识别或车辆通过的检测等等。信息融合技术的应用范围日
11、益广泛，在一些实际应用中也取得了相应的成效。1.3 信息融合的处理过程信息融合的五级融合模型通过动态监视融合处理过程，优化资源和传感器管理，实时反馈融合结果信息，以使融合处理过程具有自适应性，从而达到最佳融合效果。处理过程主要包括以下五个方面，处理过程如图 1 所示。过程调配：预处理过程，根据当前的形式确定数据处理的重点。状态估计：将目标的位置、参数及特征信息综合提取目标的表征。态势分析：综合各种信息，将目标和事件融入背景描述，确立目标各自的含义和联系。威胁估计：推断敌方对我方的威胁程度、所采取的行动方案及我方可能采取的最佳行动方案。过程精炼：控制其它过程的源过程。数据库管理系统数据库管理系统
12、信息源 人机界面级别2：状态估计状态估计级别3：态势分析态势分析级别4：威胁估计威胁估计级别1：信息预处理信息预处理级别5：过程精炼过程精炼图 1 信息融合处理过程图2、信息融合的主要方法利用多个传感器所获取的关于对象和环境全面、完整的信息，主要体现在融合算法上。因此，多传感器系统的核心问题是选择合适的融合算法。对于多传感器系统来说，信息具有多样性和复杂性，因此，对信息融合方法的基本要求是具有鲁棒性和并行处理能力。此外，还有方法的运算速度和精度、与前续预处理系统和后续信息识别系统的接口性能、与不同技术和方法的协调能力及对信息样本的要求等。一般情况下，基于非线性的数学方法，如果它具有容错性、自适
13、应性、联想记忆和并行处理能力，则都可以用来作为融合方法。多传感器数据融合虽然未形成完整的理论体系和有效的融合算法，但在不少应用领域根据各自的具体应用背景，已经提出了许多成熟并且有效的融合方法。多传感器数据融合的常用方法基本上可概括为随机和人工智能两大类：随机类方法有加权平均法、卡尔曼滤波法、多贝叶斯估计法、Dempster-Shafer （D-S）证据推理、产生式规则等；而人工智能类则有模糊逻辑理论、神经网络、粗集理论、专家系统等。可以预见，神经网络和人工智能等新概念、新技术在多传感器数据融合中将起到越来越重要的作用。本文介绍几种信息融合方法：（1）加权平均法信号级融合法最简单、最直观方法是加
14、权平均法，该方法将一组传感器提供的冗余信息进行加权平均，其结果作为融合值，该方法是一种直接对数据源进行操作的方法。（2）最小二乘法最小二乘估计方法的准则就是选取x互使得估计性能指标(估计误差的平方和) 达到最小当各次数据测量精度不等时，应采用加权(weighting)处理，对精度较高的测量结果赋以较大的权(使其对改进结果有更大的影响 )，即应选取x使得估计误差的加权平方和达到最小。（3）卡尔曼滤波法卡尔曼滤波主要用于融合低层次实时动态多传感器冗余数据。该方法用测量模型的统计特性递推，决定统计意义下的最优融合和数据估计。如果系统具有线性动力学模型，且系统与传感器的误差符合高斯白噪声模型，则卡尔曼
15、滤波将为融合数据提供唯一统计意义下的最优估计。卡尔曼滤波的递推特性使系统处理不需要大量的数据存储和计算。但是，采用单一的卡尔曼滤波器对多传感器组合系统进行数据统计时，存在很多严重的问题，例如：在组合信息大量冗余的情况下，计算量将以滤波器维数的三次方剧增，其实时性不能满足；传感器子系统的增加使故障随之增加，在某一系统出现故障而没有来得及被检测出时，故障会污染整个系统，使可靠性降低。（4）多贝叶斯估计法贝叶斯估计为数据融合提供了一种手段，是融合静环境中多传感器高层信息的常用方法。它使传感器信息依据概率原则进行组合，测量不确定性以条件概率表示，当传感器组的观测坐标一致时，可以直接对传感器的数据进行融
16、合，但大多数情况下，传感器测量数据要以间接方式采用贝叶斯估计进行数据融合。多贝叶斯估计将每一个传感器作为一个贝叶斯估计，将各个单独物体的关联概率分布合成一个联合的后验的概率分布函数，通过使用联合分布函数的似然函数为最小，提供多传感器信息的最终融合值，融合信息与环境的一个先验模型提供整个环境的一个特征描述。（5）D-S 证据推理方法D-S 证据推理是贝叶斯推理的扩充，其 3 个基本要点是：基本概率赋值函数、信任函数和似然函数。D-S 方法的推理结构是自上而下的，分三级。第 1 级为目标合成，其作用是把来自独立传感器的观测结果合成为一个总的输出结果（ID） ；第 2 级为推断，其作用是获得传感器的观测结果并进行推断，将传感器观测结果扩展成目标报告。这种推理的基础是：一定的传感器报告以某种可信度在逻辑上会产生可信的某些目标报告；第 3 级为更新，各种传感器一般都存在随机误差，所以，在时间上充分独
