数据融合系统结构及数据准备

《数据融合系统结构及数据准备》由会员分享，可在线阅读，更多相关《数据融合系统结构及数据准备（57页珍藏版）》请在金锄头文库上搜索。

1、第3讲 数据融合系统结构形式及数据准备,一数据融合系统结构形式,智能信息处理技术,3,主要内容,1、数据融合的主要结构,2、数据融合系统的功能模型,3、数据融合的层次,智能信息处理技术,4,一） 数据融合的主要结构,数据融合系统的主要结构形式,无 反 馈 的 分 布 式 融 合 系 统,有 反 馈 的 分 布 式 融 合 系 统,有 反 馈 的 全 并 行 融 合 系 统,集 中 式 融 合 系 统,智能信息处理技术,5,1、集中式融合系统,输出,检测判定是指，多传感器扫描观测目标，实现信号检测；扫描过程中，各传感器进行独立的测量和判断，并将各种测量参数(目标特性参数和状态参数)报告给数据融合

2、中心。,智能信息处理技术,6,主要特点,特点,可利用所有传感器的全部信息进行状态估计、速度估计和预测值计算。,主要优点,利用全部信息，系统的信息损失小，性能好，目标的状态、速度估计是最佳估计。,不足,把所有的原始信息全部送给处理中心，通信开销太大，融合中心计算机的存储容量要大。对计算机要求高及数据关联困难。,智能信息处理技术,7,2、无反馈的分布式融合系统,特点：,分布式 融合系统所要求的通信开销小,融合中心计算机所需的存储容量小,融合速度快,性能不如集中式融合系统,智能信息处理技术,8,3、有反馈的分布式融合系统,特点：,由融合中心到每个传感器有一个反馈通道，这有助 于提高各个传感器状态估计

3、和预测的精度。,增加了通信量，在考虑其算法时，要注意参与计算 之间的相关性。,智能信息处理技术,9,4、有反馈的全并行融合系统,智能信息处理技术,10,主要特点：,是全并行、有反馈的融合结构,通过传送通道，各传感器都存取其它传感器的当前估 计，各传感器都独立地完成全部运算任务。,系统有局部融合单元及全局融合单元，这是最复杂的 融合系统，但它非常有潜力。,这种结构方式可进行扩展，即把每个传感器扩展成 一个包含多个传感器的平台。,智能信息处理技术,11,数据融合系统结构的主要设计实现特点,集中式处理结构：,所有传感器数据都送到中心处理器处理和融合。,所有数据对中心处理器都是可用的； 可用较少种类的

4、标准化处理单元； 传感器在平台位置上的选择受限较少； 所有的处理单元都在可接近的位置，增强了 处理器的可维护性。,优点如下：,智能信息处理技术,12,要求专门的数据总线； 硬件改进或扩充困难； 由于所有的处理资源都在一个位置，所以易损 性增加了； 分隔困难； 软件开发和维护困难(因为与一个传感器有关 的变化可以影响到其余部分)。,缺点：,集中式系统的主要应用,收集来自单个平台上的多个传感器的数据，可形 成诸如舰艇或战斗机的信息显示，也可用于检测对象 相对单一的智能检测系统。,智能信息处理技术,13,2）分布式处理结构,优点如下：,处理器连到每个传感器上以改进其性能； 现有的平台数据总线(一般是

5、低速的)可以频繁地使 用； 分隔容易； 增加新传感器或改进老传感器，可以更少地 触动系统软件和硬件。,各传感器都有自己的处理器，进行预处理，然后把中间结果送到中心处理器进行融合处理。,智能信息处理技术,14,提供给中心处理器的有限数据，降低传感器融合的有效性； 对于某些传感器，环境的严重干扰限制了处理器部件的选择，从而增加了成本； 传感器位置的选择受更多地限制； 增加的各种单元降低了可维护性，增加了成本。,缺点：,智能信息处理技术,15,分布式系统的主要应用,大型军事防御系统，多参数或参数间交叉影响的智能检测系统,智能信息处理技术,16,二） 数据融合系统的功能模型,数据融合的通用功能模型（军

6、事上，数据融合技术支持下的综合性信息处理过程）,智能信息处理技术,17,通用模型的特点,分为四级处理,第一级处理的主要内容：,1）数据和图像的配准 2）关联 3）跟踪和识别,把从各个传感器接收的数据或图像在时间和空间 上进行校准，使它们有相同的时间基准、平台和坐标系。时间配准：将各测量值推算到统一的观测时间点上；空间配准：对位置偏差进行估计和补偿。,1）数据配准：,智能信息处理技术,18,2）数据关联：,把各个传感器送来的点迹与数据库中的各个航迹相关联，同时对目标位置进行预测，保持对目标进行连续跟踪；,关联不上的那些点迹可能是新的点迹，也可能是虚警，保留下来，在一定条件下，利用新点迹建立新航迹

7、，消除虚警。,主要指身份或属性识别，给出目标的特征，以便进行态势和威胁评估。,3）识别：,智能信息处理技术,19,2、第二级处理,主要内容：态势评估,1）态势提取,2）态势分析,3）态势预测,1）态势提取,从大量不完全的数据集合中构造出态势的一般表示，为前级处理提供连 贯的说明。,静态态势包括敌我双方兵力、兵器、后勤支援对比及综合战斗力估计；,动态态势包括意图估计、遭遇点估计、致命点估计等。,智能信息处理技术,20,2）态势分析,包括实体合并，协同推理与协同关系分析，敌我各实体的分布和敌 方活动或作战意图分析。,包括未来时刻敌方位置预测和未来兵力部属推理等。,3）态势预测,智能信息处理技术,2

8、1,3 、第三级处理,威胁评估是关于敌方兵力对我方杀伤能力及威胁程度的评估；,具体包括综合环境判断、威胁等级判断及辅助决策。,智能信息处理技术,4、第四级处理,优化融合处理，包括优化利用资源、优化传感器管理和优化武器控制，通过反馈自适应，提高系统的融合效果,说明：,级”的概念并不意味各级之间有时序特性，这些过程经常并 行处理,智能信息处理技术,23,三） 数据融合的层次,1、数据层融合,2、特征层融合,3、决策层融合,智能信息处理技术,24,1、数据层(像素级)融合,特点：,1)直接在采集到的原始数据层上进行融合；,2)原始观测信息未经预处理或只进行很少 的处理就进行数据综合分析，是最低层次的

9、融合；,3) 参与融合的传感器信息间具有一个像素的配 准精度。,应用：,多源图像复合、图像分析和理解,同类雷达波形的直接合成,多传感器数据融合的卡尔曼滤波等,优点：,1)能保持尽可能多的现场数据,2)提供其他融合层次所不能提供的细微信息,智能信息处理技术,25,局限性,1)所处理的传感器数据量大，处理代价高、时间长、实时性差；,2)数据通信量较大，抗干扰能力较差；,3)在信息的最低层进行的，由于传感器原始信息的不确定性、不完全性 和不稳定性，要求在数据融合时有较高的纠错能力；,4)各传感器信息之间校准精度要求较高，各传感器信息应来自同质传感器。,智能信息处理技术,26,2、特征级融合,对来自传

10、感器的原始信息进行特征提取(特征可以是被观 测对象的各种物理量)，然后对特征信息进行综合分析和 处理。,特征级融合属于中间层次，融合过程为：,1)提取特征信息(数据信息表示量或统计量),2)按特征信息对多传感器数据进行分类、综合和分析。,特征级融合分类：,1)目标状态数据融合,2)目标特性融合,智能信息处理技术,27,1）特征级目标状态数据融合,主要应用：,多传感器目标跟踪领域,融合过程：,对传感器数据进行预处理以完成数据校准；,实现参数相关的状态向量估计。,智能信息处理技术,28,2)特征级目标特性融合,在融合前必须先对特征进行相关处理，把特征向量分成有意义的组合。,优点：,实现可观的信息压

11、缩，有利于实时处理；,所提取的特征直接与决策分析有关，融合结果能最大限度 地给出决策分析所需特征信息。,应用：,C3I系统,智能信息处理技术,29,3、决策级融合,特点：,1)是一种高层次融合，其结果为检测、控制、指挥、决策提供依据；,2) 首先利用传感器提供的信息对目标属性进行独立处理，再对各传感 器的处理结果进行融合，最后得到整个系统的决策。,智能信息处理技术,30,主要优点,1)融合中心处理代价低，具有很高灵活性；,2)通信量小，抗干扰能力强；,3)当一个或几个传感器出现错误时，通过适当融合，系统 还能获得正确结果，具有容错性；,4)对传感器的依赖性小，传感器可以是同质的，也可以是 异质

12、的；,5)能有效反映环境或目标各侧面不同类型信息。,智能信息处理技术,31,融合层次的优缺点比较,智能信息处理技术,32,数据融合分类-按融合判决方式,分类：硬判决、软判决,指数据处理活动中用于信号检测、目标识别的判决方式,应用：,每个传感器内部或信息融合中心都既可以选用硬判决方 式，也可选用软判决方式,智能信息处理技术,33,1）硬判决,特点：,设置有确定的预置判决门限，只有数据样本特征量达到或超过预 置门限时，系统才作出判决断言；,只有当系统作出了确定的断言时，系统才向更高层次系统传送“ 确定无疑”的判决结论；,这种判决方式以经典的数理逻辑为基础，是确定性的。,智能信息处理技术,34,2）

13、软判决,特点：,不设置确定不变的判决门限,无论系统何时收到观测数据都要执行相应分析，都作出适当评 价，也都向更高层次系统传送评判结论意见及有关信息，包括评 判结果的置信度。,这些评判不一定是确定无疑的，但它可以更充分的发挥所有有 用信息的效用，是信息融合结论更可靠更合理,智能信息处理技术,二数据准备,智能信息处理技术,36,融合中心数据处理的前提,虚警的处理剔除假点迹,具体表现为多目标系统点迹与航迹的关联剔除孤立点迹,智能信息处理技术,37,1、对传感器信号处理的要求,尽可能消除各种干扰（各类杂波，如雷达系统，地杂波，海杂波，气象杂波以及人为干扰；声呐系统，多径，反射，折射，海底地貌等），降低

14、假点迹出现的概率，减小计算机数据处理的负担，提高数据处理系统的性能。,解决方法,硬件系统：,各种高可靠性、高性能传感器系统的应用；,软件系统：,开发高速数据处理算法；,智能信息处理技术,38,2、数据的预处理,数据进行二次处理前，通过预处理来提高信号 的质量，主要包括：,1）点迹过滤,2）点迹合并,3）消除粗大误差,智能信息处理技术,39,1）点迹过滤,原因：,噪声、干扰大量存在，产生虚警（环境因素及传感器性能）；,当虚警较多时可能产生假目标，因此检测得到的数据不仅包 含运动目标点迹，也可能包含固定目标的点迹和假目标的点 迹（孤立点迹）；,智能信息处理技术,40,将非目标点迹减至最少，消除大部

15、分由干扰产生的假点迹或孤立点迹；,减轻计算机数据处理的负担，改善数据融合系统的状态估计精度，提高 系统的性能。,点迹过滤的目的,点迹过滤的基本依据,运动目标、固定目标及假目标跨周期的相关特性不同。利用一定的判 定准则判定点迹的跨周期特性，就可区别运动目标、固定目标及假目 标。,智能信息处理技术,41,点迹过滤的基本步骤,保留传感器5个采样周期信息，以坐标形式存储。,新的采样信息到来，每个点迹都跟前5周期的各个点迹按由老到新的次 序进行逐个比较。根据目标运动速度等因素设置两个窗口，一个大窗口和 一个小窗口，并设置p1p5和GF 6个标志位。,新点迹首先跟第1周期的各个点迹进行比较，如果第1周期的

16、点迹中至少 有一个点迹与新点迹之差在小窗口内，相应的标志位置成1(p1=1)，否则为 0(p1=0)；然后新点迹再跟第2周期的各点迹进行比较，只要第2周期的各点 迹至少有一个点迹与新点迹之差在小窗口内，相应的标志位置成1(p2=1)， 否则置成0(p2=0)。,智能信息处理技术,42,依此类推，直到第5周期比完为止。最后再一次把新点迹与第5周期的 各点迹进行比较，比较结果如至少有一个两者之差在大窗口内，就将相 应的标志位GF置成1，否则为0。,智能信息处理技术,43,判决准则,判决准则：,p1p5和GF根据以上原则产生一组标志, 根据这组标志，按照一定准则统计地判定新点迹是属于运动点迹、固定点迹还是孤立点迹或可疑点迹，并在它的坐标数据中加上相应的标志。,智能信息处理技术,44,(1) 运动点迹：,该式表明，第4周期、第5周期小窗口没有符合，但在第5周期时，在大窗口中有符合， 新点迹就判定成运动点迹。,（2）固定点迹：