多传感器 数据 融合

《多传感器 数据 融合》由会员分享，可在线阅读，更多相关《多传感器 数据 融合（16页珍藏版）》请在金锄头文库上搜索。

1、第17章 多传感器数据融合,17.1 概述,智能信息处理与控制系统发展方向：集成、融合 多传感器数据融合是对来自于不同传感器的信息进行分析和综合，以产生对被测对象统一的最佳估计 其研究目标是从工程上实现多个传感器信息处理的全过程 数据融合的目的是通过数据组合而不是出现在输入信息中的任何个别元素，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。数据融合的最终目的是构造高性能智能化系统,数据融合的定义,充分利用不同时间与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准则下加以自动分析、

2、综合、支配和使用，获得对被测对象的一致性解释与描述，以完成所需的决策和估计任务，使系统获得比它的各组成部分更优越的性能 即“融合”是将来自多传感器或多源的信息和数据模仿专家的综合信息处理能力进行智能化处理，从而得出更为准确可信的结论,数据融合的特性,数据融合的时、空特性 时：对单传感器不同时间的观测值进行融合 空：对同一时刻不同位置的多传感器观测进行融合 数据融合的系统性,数据融合的优点,准确性和全面性 冗余性和容错性 互补性 可靠性 实时性和经济性,17.2 数据融合的基本原理,17.2.1 数据融合的层次 原始层（或数据层） 前提：信息配准性 优点：充分利用原始信息 不足：信息量大、处理代

3、价高、实时性差 例：卡尔曼滤波 特征层：模式识别技术 决策层 优点：容错性、对原始信息无特殊要求 不足：要求预处理原始信息,融合层次性能比较,17.2.2 数据融合的处理形态,复合处理：把几个传感器信息并行地、互补地组合起来处理。 汇总处理：定义函数，对几个传感器信息进行归纳得出信息。 融合处理：利用各传感器信息之间或传感器信息与内部模型之间的相互关系进行处理。 联合处理：通过理解传感器信息相互之间的关系进行处理,17.2.3 数据融合模型,功能模型 特征提取、分类、识别、参数估计、决策 低层处理：像素级、特征级。输出状态、特征、属性 高层处理：决策级。输出抽象结果,结构形式,并联融合、串联融合、混合融合 混合融合：总体串联局部并联、总体并联局部串联,17.2.4 数据融合的关键技术,数据转换 数据相关 态势数据库 融合计算,17.3 数据融合的方法,17.3.1 随机类方法 加权平均法 Bayes概率推理法 Dempster-Shafer证据推理 卡尔曼滤波 产生式规则,17.3.2 人工智能类方法,模糊逻辑推理 神经网络方法 智能融合方法,17.4 数据融合系统的应用,智能检测系统 过程或状态监视 机器人 空中交通管制 军事应用,作业,P-362：17.1,