《多传感器信息融合考点总结》由会员分享，可在线阅读，更多相关《多传感器信息融合考点总结（14页珍藏版）》请在金锄头文库上搜索。
1、考点 1：多传感器数据融合的定义、目的和实质考点 2：多传感器数据融合过程考点3： JDL功能模型的级别、功能考点 4：数据融合的三个层次以及优缺点考点 5：数据融合方法的结构以及优缺点考点 6：多传感器数据融合技术存在的局限性考点 7：多源信息融合的检测、状态和属性融合的工作原理及其优缺点考点 8：多传感器目标检测的融合结构及各自的优缺点考点 9：分布式融合检测系统二元假设检验问题考点 10：分布式检测融合系统常见的结构考点 11：分布式检测融合系统常见的融合策略。它们的检测概率和虚警概率公 式和判决准则公式考点 12：多传感器数据融合常用算法、基本原理、优缺点考点 13：数据关联的步骤考点
2、 14:卡尔曼滤波算法的 5 条核心公式及其含义考点 15：基于贝叶斯统计理论的属性融合识别过程考点 16：模糊集合与隶属函数的定义考点 17：模糊推理综合评价的步骤和作用考点 18：从功能上看，模糊推理系统的组成和作用 数据融合的目的基于各独立传感器的观测数据，通过融合导出更丰富的有效信息，获得最佳协同 效果，发挥多个传感器的联合优势，提高传感器系统的有效性和鲁棒性，消除单 一传感器的局限性。数据融合的定义 功能定义：将多个信息源的数据进行相关、整合，以获得目标的精确位置、身份， 最后对目标进行完整精确评价。技术定义：充分利用不同时间与空间的多传感器资源，采用计算机技术按时间序 列获得多传感
3、器的观测数据，在一定准则下进行分析、综合、支配和使用。获得 与被测对象的一致性解释与描述，进而实现相应的决策和估计，使得系统比它的 各个组成部分更为充分的信息。数据融合的实质：一种多源信息的综合技术，通过对来自不同传感器的数据进行 分析和综合，可以获得被测对象及其性质的最佳一致估计。数据融合的过程：分析来自所有传感器和多信息源的数据，并对其进行配准、关 联、相关、估计、分类与信息反馈等处理。配准：将传感器数据统一到同一时间和空间参考系中 关联：使用某种度量尺度对来自不同传感器的数据进行比较，确定进行相关处理 的候选配对相关：对关联后的数据进行处理以确定它们是否属于同一个目标 估计：依据相关处理
4、后的结果对目标的状态变量与估计误差方差进行更新，实现 对目标的未来状态预测 分类：通过对特征数据的分析，确定目标的类型等JDL 功能模型的级别、功能JDL 模型是美国国防部数据融合联合指挥实验室提出的，分为四级。 第一级：目标评估，包括数据配准、数据关联、目标位置参数及运动学和属性参 数估计，以及身份估计等。第二级:态势评估，是对整个态势的抽象和评定。分析在各种态势下的数据，包 括天气、地形、海况、水下情况、敌情或社会政治因素等。第三级：威胁评估，它将当前态势映射到未来，对参与者设想或预测的行为的影 响进行评估。如实例估计、预测敌方意图、威胁识别、多方面分析、进攻与防御 分析。第四级：过程评估
5、，它是一个更高级的处理阶段，包括融合性能效果评价、融合 控制、对特殊信息源要求的处理和任务管理。数据融合的三个层次以及优缺点：处理过程 定义传递介质融合级别优缺点高层次融 合决策决策级融 合每个传感器先基于自己的数据做出决策，然后由 融合中心完成局部决策。优点：通信量小、抗干扰能力强、融合中心处理 代价低。缺点：数据损失量最大、精度最低。筛选、整 合和抽象信息特征级融 合每个传感器先抽象出自己的特征向量，然后由融 合中心完成融合处理。优点：进行了数据压缩、对通信带宽的要求低、 利于实时处理。缺点：有信息损失、融合性能降低传感器采 集数据数据级融 合直接对传感器的观测数据及预处理各阶段产生的 信
6、息进行融合处理，然后基于融合后的结果进行 特征提取和判断决策。优点：数据损失量较少，精度最高缺点：代价高、要求传感器是同质的、数据通信 量大、抗干扰能力差、处理的数据量大。数据融合方法的结构以及优缺点 集中式融合结构：将检测数据传递到融合中心，然后进行数据对准、点迹相关、 数据互联、航迹滤波、预测与综合跟踪等。优点：信息损失量最小 缺点：互联比较困难。并且要求系统必须具备大容量的存储能力，计算负担重， 系统生存能力较差 分布式融合结构：其中的每个传感器的检测数据在进入融合以前，先由它自己的 处理器产生局部决策结论，然后将处理过的信息送至融合中心，完成综合决策， 形成全局估计。优点：计算量小，易
7、实现，系统生存能力强 缺点：信息损失量大混合式融合结构：集中式混合与分布式融合相结合 优点：适合复杂度高、难度大的大系统，可扩充性一般 缺点：在通信和计算上要付出昂贵的代价 多级式融合结构：各局部节点可以同时或分别是集中式、分布式或混合式的融合 中心，系统的融合节点再次对各局部节点传来的航迹进行相关和合成。 优点：信息损失中等，融合难度中等 缺点：系统结构复杂，实现难度高，成本高多传感器数据融合技术存在的局限性1. 数据融合处理不可能修正预处理或单个传感器处理时的错误。2. 数据融合过程中希望用一种简单的方式来描述传感器性能，而用模型来准确 描述传感器的性能是非常困难的。3. 由于数据来源不同
8、，一种单一的融合算法可能很难实现预想的融合效果，往 往需要综合各门学科的多种技术。对于给定的数据如何选择合适的算法来进 行有效的信息融合是数据融合技术发展所面临的挑战。4. 并未形成基本的理论框架和有效的广义融合模型及算法，绝大部分工作都是 围绕特定应用领域内的具体问题来展开的。5. 缺乏对数据融合技术和数据融合系统性能进行评估的手段。如何建立评价机 制，对数据融合系统进行综合分析，对数据融合算法和系统性能进行客观准 确的评价，是亟待解决的问题。多源信息融合的检测、状态和属性融合的工作原理及其优缺点多传感器检测融合：就是将来自多个不同传感器的观测数据或判决结果进行综合 从而形成一个关于同一环境
9、或事件的更完全、更准确的判决，是信息融合理论中 的一个重要研究内容。它能消除单个或单类传感器检测的不确定性、提高检测系 统的可靠性、改善检测性能、更加实用状态融合：是当单传感器提供动态目标的时间采样信息或多传感器提供同一目标 的独立测量时，需要融合多组测量数据，导出目标位置或运动状态信息。在导出 目标位置或运动状态的过程中，包含两类基本处理，状态估计和数据关联技术 多源属性融合：是利用多传感器检测信息对目标的属性、类型进行判断多传感器目标检测的融合结构及各自的优缺点集中式检测融合优点：融合中心数据全面；最终判决结果理论置信度高 缺点：数据量大，通信带宽要求高；信息处理时间长；融合中心负荷大 分
10、布式检测融合优点：数据传输量小，通信带宽要求低；分布式计算，融合效率 高；融合中心负荷小缺点：缺乏相互之间的关联；数据损失大分布式融合检测系统二元假设检验问题给定一组假设Hi,通过对已有的数据集y进行处理，确定当前哪一个假设Hi成立，从而做出 决策Dj.对于只存在去两种假设（H0,H1）的检测问题，称为二元假设检验问题。假设分布式并行检测融合系统由融合中心及 N 个传感器构成。每一个局部传感器 基于自己的观测值Yi完成同一个决策任务，之后将决策值Ui传送到融合中心。 融合中心的任务是根据接收到的局部决策，利用最优融合规则，作出全局决策 U0分布式检测融合系统常见的结构并行结构、分散结构、串行结
11、构、树形结构分布式检测融合系统常见的融合策略；它们的检测概率和虚警概率公式和判决准则公式 “与”融合检测准则“或”融合检测准则 表决融合检测准则 最大后验概率融合检测准则 Neyman-pearson 融合检测准则 贝叶斯融合检测准则 最小误差概率准则“尋”融合检测准则为：在判决为D的传感器U（，=,所育传感器判抉为I乘銃旳栓测槻率和虛蕃哦率吩列君：NN号二1纤刁=n耳F=l日*可大大隆假秦统的虚螯扼率便聚统检测皈率比曲之降低。“或鼬含检测准则号：_J。所育传感器判决为05打I,荷在判决为丨的传感器 龛统旳检测般率粘虛番槪率分豹務： 巴=1右1一码=1 n（iJ-I1=1寸大大提高棄貌旳检测概
12、率*侣棄统虛醫 瞬率吃会橙U提高。【表决融合检测准则】* 在奠有n个传薙器世I检测网络于设定个同 rak,再存在k个吆上旳t专感齬支持幕一*假说时 死（卷j定琢丫礙壊威.五惑合准gj：s口下：r N0,2叫一王k沖|尙=1 N】E码宀. 1=1* 捷于1玉比竺斥口 当担=n时 h 方琏,吉左=了时，君“科方叱- 衰统朗栓测樨率和虛臂像率分列笼:丿=斤另呵=（X 口右（|号严 f=k为峙=$ i-珈准处j卞上m日斑值恋笑謎.施该伍漲电一定 虑警率白勺前桎卞尽可胃邑疑高檢淤i率”盔在两 耆主问徒行权衡,与实酝嬰汞有X口【最大后验概率融合检测准则】从而最大后验概率融合检测准财均巧写方:PWM 二 P
13、(仏)P(銅 H 补 P(HJ?口：如Neyman-pearson 融合检测准则】谏軸合堆刃时基来康则是在假定虚警蹶率不超过某个 特宦上飆的前琨下陵检测罐率最大c即逋过逵撵y 姿:浪的Rj区耒解壞权下问题：max P(DX / /,)=maxJ Pi (y)y% Neyman-Pearson?7确悲达寻找闭的策酷刃对宁二死假谟检验问题，两个假说分别泊H。和丹八 巨知耳窓度耳0丿和P/y)。那么对于虛警概率 P(D/HJ 0) r冥弯最大检验概率凡旳区览 R1可由1以獄比检验手專對戸0)几0)沁？耳：矶矣中心基什旳函数口 在非实际情擁下，如渠耳=0,那么忌是迭择日厂除非肖P/刖二0时*才迭择Hj
14、心值世T确定对于给定值匕,应满足：P(P / HJ = PpM Vo(y)/ol = Pf是猱$ Neyman-Pcarson准则不需要各个假谟的充验概率口【贝叶斯融合检测准则】 固比匕畀&况叶斯卷i茨隹贝寸疙：旦空1 A W - Cg)p H门H心Po(y) f (Gi - G J因止匕. 给宅口个传是器，只叶斯融合栓测准皿/为：X logZ=i耳(Cd 53 ，丹(C01-Cu) *1最小误差概率准则】衽臬洼扬言,玉寸两妻港琛茨君持殊白弓匡 爱5 ”令所药隨淮會寸T弋丫介瓯救辰丿代亡旻一个合 理白勻准口:1心且P令：那久代价廣i救丢恋方；c=“ 片占9、f hj+幷 n / ” j = g
15、捷于鬥方谟差锻率口多传感器数据融合常用算法、基本原理、优缺点 模糊集理论：主要包括模糊集合理论、模糊逻辑、模糊推理和模糊控制等方面的 内容。把人类专家对特定的被控对象或过程的控制策略总结成一系列以“IF(条 件)THEN(作用)”形式表示的控制规则，通过模糊推理得到控制作用集，作用于 被控对象或过程。控制作用集为一组条件语句,状态语句和控制作用均为一组被 量化了的模糊语言集，如“正大”、“负大”、“正小”、“负小”、零等。 优点：简化系统设计的复杂性，特别适用于非线性、时变、模型不完全的系统上。 利用控制法则来描述系统变量间的关系。不用数值而用语言式的模糊变量来描述系统，模糊控制器不必对被控制对象建立 完整的数学模式。模糊控制器是一语言控制器，使得操作人员易于使用自然语言进行人机对话。 模糊控制器是一种容易控制、掌握的较理想的非线性控制器，具有较佳的适应性 及强健性(Robus tness)、较佳的容错性(Fault Tolerance)。3
