《基于信息融合的不确定度认证研究 信息等专业毕业设计 毕业.doc》由会员分享，可在线阅读，更多相关《基于信息融合的不确定度认证研究 信息等专业毕业设计 毕业.doc（18页珍藏版）》请在金锄头文库上搜索。
1、皖西学院本科毕业论文（设计）基于信息融合的不确定度认证研究摘 要：所谓的信息融合，即是指对来自多个传感器的数据或信息进行多层次、多方面检测、关联、相关、估值和综合等处理，以达到精确的状态与身份估计，以及完整、及时的态势和威胁评估。多传感器信息融合广泛应用于智能机器人、自动目标识别、战场监视、医疗诊断、图像处理等领域。为了更加适应工程上的要求并且提高新一代GPS 标准体系（产品几何量技术规范与认证）中测量不确定度的评定精度,将信息融合算法引用到测量不确定度评定中。以拉格朗日乘子法为基础,并应用线性加权融合原理,进而求得融合结果。通过进行实例验证,我们可以发现，该方法简单易行,在同等条件下提高了精
2、度, 符合新一代GPS 标准的要求，更适应了工程上的要求。关键词：GPS(产品几何量技术规范与认证)；信息融合；测量不确定度；评定Based on Information Fusion Certification of the uncertaintyAbstract: Information fusion, refers to data from multiple sensors and information for multi-level, multi-faceted test, correlation, correlation, such as valuation and compreh
3、ensive treatment to achieve the precise status and identity estimates, and a complete and timely situation and threat assessment. Multi-sensor information fusion (MSIF) is being applied to a wide variety of fields such as intelligent robot, automated target recognition, battlefield surveillance, med
4、ical diagnostics, image processing. In order to better meet the engineering requirements and standards of next-generation GPS (Geometrical Product Specification and Certification) Evaluation of accuracy of measurement uncertainty, the information fusion algorithm reference to the Evaluation of Uncer
5、tainty in Measurement. Based on the Lagrange multipliers and linear weighted fusion theory, then the results obtained by fusion. By the example shows, we can find that the method is simple and improves the precision under the same conditions, in line with a new generation of GPS standards, more adap
6、ted to the engineering requirements.Key word: GPS(Geometrical product specification and certification)；Information fusion；Measurement uncertainty ；Evaluation引言测量不确定度实际上就是在测量结果中所带有的一个后缀参数,它所起的作用是表明合理的赋予被测量量的结果的分散性。因此不确定度是一个说明测量质量好坏的重要根据，也是一种表明测量水平高低的重要的指标。测量不确定度从表层上来理解，即表示对测量结果的有效性和可信性的不肯定程度或怀疑程度，是定量
7、说明测量结果的质量好坏的一个非常重要的参数。事实上因为测量技术的不完善和人们对于测量的相关知识的了解不足，因此测量所得的结果基本上都具有一定的分散性，也就是每一次测量所得的结果并不是同一个定值，而是以某一概率散布在某个区间范围内的多个值。即使客观上存在的系统误差是一个定值，但由于在我们认知上的匮乏，因此我们只能以为它也是以某种概率分布分散在某个范围内，实际上这种概率分布自身也是分散的。总之，测量不确定度是说明被测量量的结果分散程度的参数，它并不是说明被测量量的结果是否接近真实值或接近真实值的程度。目前,在实际评估测量不确定度基本上采用的是测量不确定度指南中所提及的A 类以及B 类两种方法来进行
8、评估的。因为A 类评定方法有时需要花费足够多的时间以及资源,因此有时是不需要的，所以我们在实际测量工作中，多进行的是B 类评定。目前在工程上对于测量不确定度的评定,大部分应用的是两端点连接法、最小区域法和最小二乘法等方法。而实际应用中，这些方法可能无法满足要求，因此为提升新一代GPS（产品几何量技术规范与认证）标准体系中的测量不确定度的评定的精度和更加适应工程上的要求,本文主要采用了信息融合算法。在实际测量过程中，通常会出现对同一个几何量参数有若干个测量结果的情况, 而对这些测量结果进行分析,我们会发现，由于某些原因（如仪器的或人为的原因）可能会出现不确定度不同的情形。如果我们对这些测量结果首
9、先进行信息融合,然后基于拉格朗日乘子法,求出一个融合结果。可以证明经过这种信息融合算法所求得的测量不确定度小于每一测量分量所求得的测量不确定，进而可以证明提高了评定精度。所谓的信息融合就是一个涉及对来自各种信息源的数据或信息进行检测、联合、相关、评价及合并的多级、多方面处理过程，最终获得提炼后的状态和目标评估。此外，信息融合也可看作是将不同来源、不同模式、同时间、不同表示的信息加以有机地结合，最后得到对被感知对象的更精确的描述，融合多个传感器的信息可以在较短时间内，以较小的代价，得到使用单个传感器所不可能得到的精确特征。因此，应用信息融合技术后，会使对不确定度的测量有更好的精确性。1 信息融合
10、原理及测量不确定度的基本概念1.1 信息融合原理信息融合是对来自各种信息源的信息的一种综合化处理过程，它所涉及的是人类所特有的思维系统或其他逻辑思维系统中最常用的某些基本能力，在某种程度上就是指模仿大脑如何处理某些比较复杂问题，如何将问题中的各种信息进行综合性的处理。来自各种信息源的信息拥有的特征是不同的：即时的或非即时的，快速变化的或缓慢变化的，模糊的或精确的，相互支撑或相互弥补，也可能是互相对立或竞争的。 信息融合的基本的原理和大脑综合性的处理并充分的利用来自多方面的资源信息相同，也就是说，通过对这些传感器以及它们所观测到的信息的进行适当的支配与使用，把多个传感器在时间上或者空间上的多余的
11、或者相互补充的信息以某一种特定的准则和方法进行组合以得到对被测量量的同一性的描述和解释。信息融合的对象是依赖于多种传感器的分别所观察到的信息，通过对这些甚至是独立的信息的优化组合从而引出更多的有用的信息，最终的目的也就是充分利用多个传感器在共同的或联合的操作的条件的这种优势来减少测量过程中不必要的误差和提高整个测量系统的有效性。基于不同时间和空间的多传感器信息，在一定准则下，对按时间序列获得的多传感器观测数据进行分析、综合、处理和使用, 通过它们之间的协调和性能互补的优势，克服单个传感器的局限性，获得对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，使系统获得比其他的单个组成部分更加充分
12、的信息，提高整个传感器系统的有效性能，以实现全面准确地描述被测对象。多传感器信息融合系统与所有单传感器信号处理或低层次的数据处理方式相比，后者是对大脑信息处理的一种低水平模仿，而前者可更大程度获取被探测目标和环境的信息量。 信息融合又称作信息融合或多传感器信息融合，对信息融合还很难给出一个统一、全面的定义。随着信息融合和计算机应用技术的发展，根据国内外研究成果，多传感器信息融合比较确切的定义可概括为：充分利用不同时间与空间的多传感器数据资源，采用计算机技术对按时间序列获得的多传感器观测数据，在一定准则下进行分析、综合、支配和使用，获得对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，使系
13、统获得比它的各个组成部分更充分的信息。 具体地说，多传感器信息融合原理如下： （1）N个不同类型的传感器（有源或无源的）收集观测目标的数据； （2）对传感器的输出数据（离散的或连续的时间函数数据、输出矢量、成像数据或一个直接的属性说明）进行特征提取的变换，提取代表观测数据的特征矢量Yi； （3）对特征矢量Yi进行模式识别处理（如，聚类算法、自适应神经网络或其他能将特征矢量Yi变换成目标属性判决的统计模式识别法等）完成各传感器关于目标的说明； （4）将各传感器关于目标的说明数据按同一目标进行分组，即关联； （5）利用融合算法将每一目标各传感器数据进行合成，得到该目标的一致性解释与描述。 利用多个
14、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；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。 多传感器信息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
15、传感器信息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、专家系统等。可以预见，神经网络和人工智能等新概念、新技术在多传感器信息融合中将起到越来越重要的作用。融合一般分三个层次，数据级融合、特征级融合和决策级融合。本文中的融合级别属于数据级融合。如下图1表示了数据层融合的结构。在数据层融合方法中，直接融合来自同类传感器的数据，然后是特征提取和来自融合数据的属性判决。为了完成这种数据层融合，传感器必须是相同的或者是同类的。为了保证被融合的
16、数据对应于相同的目标或客体，关联要基于原始数据完成。图1 数据层融合图 2表示了特征层融合的结构。在这种方法中，每个传感器观测一个目标，并且为产生来自每个传感器的特征向量要完成特征提取，然后融合这些特征向量，并基于联合特征向量做出属性判决。另外，为了把特征向量划分成有意义的群组必须运用关联过程，对此位置信息也许是有用的。图2 特征层融合图 3给出了决策层属性融合结构。在这种方法中，每个传感器为了获得一个独立的属性判决要完成一个变换，然后顺序融合来自每个传感器的属性判决。图中I/D 代表属性判决结果。图3 决策层融合信息融合研究中的存在的问题：（1）未形成基本理论框架和有效广义模型及算法虽然信息融合的研究已经相当广泛，但是自前对信息融合的研究都是根据问题的种类，各自建立融合准则，并在此基础上形成所谓最佳融合方案，而且目前很多研究工作是基础研究、仿真性工作。（2）关联的二义性是信息融合中的
