《2022年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《2022年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器的观测
3、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:依据相关处理后的结果对目
4、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,确定目标的类型等精选学习资料 - - - - - - - - - 名师归纳总结 - - - - - - -第 1 页,共 14 页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
5、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,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
6、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。精选学习资料 - - - - - - - - - 名师归纳总结 - - - - - - -第 2 页,共 14 页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
7、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
8、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,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
9、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。在导出精选学习资料 - - - - - - - - - 名师归纳总结 - - - - - - -第 3 页,共 14 页目标位置或运动状态的过程
10、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
11、。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、串行结构、树形结构精选学习资料 - - - - - - - - - 名师归纳总结 - - - - - - -第 4 页,共 14 页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
12、融合检测准则最小误差概率准则【表决融合检测准则】精选学习资料 - - - - - - - - - 名师归纳总结 - - - - - - -第 5 页,共 14 页【最大后验概率融合检测准则】【Neyman-pearson融合检测准则】精选学习资料 - - - - - - - - - 名师归纳总结 - - - - - - -第 6 页,共 14 页【贝叶斯融合检测准则】【最小误差概率准则】多传感器数据融合常用算法、基本原理、优缺点精选学习资料 - - - - - - - - - 名师归纳总结 - - - - - - -第 7 页,共 14 页模糊集理论 :主要包括模糊集合理论、 模糊逻辑、 模糊
13、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
14、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 (Robustness) 、较佳的容错性 (Fault Tolerance)。3 缺点:1. 模糊控制的设计尚缺乏系统性,这对复杂系统 的控制是难以奏效的。 所以如何建立一套系统的模糊控制理论 ,以解决模糊控制的机理、 稳定性分析、 系统化设计方法等一系列问题;2. 如何获得 模糊规则 及隶属函数 即系统的设计办法, 21 世纪初完全凭经验进行;3. 信息简单的模糊处理将导致系统的控制精度降低和动态品质变差。若要提高精度则必然增加量化级数, 从而导致规则搜索范围扩大, 降低决策速度, 甚至不能实时控制;4. 如何保证 模糊控制 系统
15、的稳定性即如何解决模糊控制中关于稳定性和鲁棒性问题。神经网络: 人工神经网络( Artificial Neural Networks,简写为ANNs )也简称为神经网络( NNs )或称作连接模型( Connection Model) ,它是一种模仿动物神经网络行为特征, 进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度, 通过调整内部大量节点之间相互连接的关系,从而达到处理信息的目的。人工神经网络也具有初步的自适应与自组织能力。在学习或训练过程中改变突触 权重值 ,以适应周围环境的要求。 同一网络因学习方式及内容不同可具有不同的功能。 人工神经网络是一个具有学习能力的系统,可
16、以发展知识, 以致超过设计者原有的 知识水平 。通常,它的学习训练方式可分为两种,一种是有监督或称有导师的学习, 这时利用给定的样本标准进行分类或模仿;另一种是无监督学习或称无为导师学习, 这时,只规定学习方式或某些规则,则具体的学习内容随系统所处环境(即输入信号情况)而异,系统可以自动发现环境特征和规律性,具有更近似人脑的功能。优点:神经网络有很强的非线性拟合能力,可映射任意复杂的非线性关系,而且学习规则简单,便于计算机实现。具有很强的鲁棒性、记忆能力、非线性映射能力以及强大的自学习能力,因此有很大的应用市场。可以充分逼近任意复杂的非线性关系;所有定量或定性的信息都等势分布贮存于网络内的各神
17、经元,故有很强的鲁棒性和容错性;采用并行分布处理方法,使得快速进行大量运算成为可能;可学习和自适应不知道或不确定的系统;能够同时处理定量、定性知识。缺点:最严重的问题是没能力来解释自己的推理过程和推理依据。精选学习资料 - - - - - - - - - 名师归纳总结 - - - - - - -第 8 页,共 14 页不能向用户提出必要的询问, 而且当数据不充分的时候, 神经网络就无法进行工作。把一切问题的特征都变为数字, 把一切推理都变为数值计算, 其结果势必是丢失信息。理论和学习算法还有待于进一步完善和提高。D-s 证据理论称为 Dempster/Shafer 证据理论 (D-S 证据理论
18、 ) ,属于人工智能范畴, 最早应用于专家系统 中,具有处理不确定信息的能力。作为一种不确定推理方法, 证据理论的主要特点是: 满足比贝叶斯 概率论更弱的条件; 具有直接表达“不确定”和“不知道”的能力。 S证据理论中,由互不相容的基本命题(假定)组成的完备集合称为识别框架, 表示对某一问题的所有可能答案,但其中只有一个答案是正确的。该框架的子集称为命题。分配给各命题的信任程度称为基本概率 分配(BPA ,也称 m函数) ,m(A)为基本可信数,反映着对A 的信度大小。信任函数Bel(A)表示对命题 A的信任程度, 似然函数 Pl(A) 表示对命题 A非假的信任程度,也即对A 似乎可能成立的不
19、确定性度量,实际上,Bel(A),Pl(A)表示 A的不确定区间, 0,Bel(A)表示命题 A支持证据区间, 0,Pl(A)表示命题 A的拟信区间, Pl(A),1表示命题 A的拒绝证据区间。 设 m1和 m2是由两个独立的证据源(传感器)导出的基本概率分配函数,则Dempster 组合规则可以计算这两个证据共同作用产生的反映融合信息的新的基本概率分配函数。优点:D-S理论是对贝叶斯推理方法推广,主要是利用概率论中贝叶斯条件概率来进行的, 需要知道先验概率。 而 D-S证据理论不需要知道先验概率,能够很好地表示“不确定”,被广泛用来处理不确定数据缺点:无法解决证据冲突严重和完全冲突的情况难以
20、辨识模糊程度基本概率分配函数的微小变化会使组合结果产生急剧变化贝叶斯理论通常,事件 A在事件 B(发生) 的条件下的概率,与事件B在事件 A的条件下的概率是不一样的;然而, 这两者是有确定的关系 , 贝叶斯法则就是这种关系的陈述。贝叶斯公式(发表于1763年)为:P(Hi|A)=P(Hi)*P(AHi)/P(H1)*P(AH1) +P(H2)*P(A H2)+ +P(Hn)*P(A Hn)这就是著名的“贝叶斯定理”, 一些文献中把 P(H1) 、 P(H2) 称为基础概率,P(AH1) 为击中率, P(AH2) 为误报率 12 优点: )贝叶斯决策能对信息的价值或是否需要采集新的信息做出科学的
21、判断.(2) 它能对调查结果的可能性加以数量化的评价, 而不是像一般的决策方法那样,对调查结果或者是完全相信, 或者是完全不相信 . (3) 如果说任何调查结果都不可能完全准确, 先验知识或主观概率也不是完全可精选学习资料 - - - - - - - - - 名师归纳总结 - - - - - - -第 9 页,共 14 页以相信的 , 那么贝叶斯决策则巧妙地将这两种信息有机地结合起来了. (4) 它可以在决策过程中根据具体情况下不断地使用, 使决策逐步完善和更加科学. 缺点: (1)它需要的数据多 , 分析计算比较复杂 , 特别在解决复杂问题时 , 这个矛盾就更为突出 . (2)有些数据必须使
22、用主观概率, 有些人不太相信 , 这也妨碍了贝叶斯决策方法的推广使用 . 数据关联一共六个步骤查找数据库中的被选实体;把被选实体校正到观测时间ti ;计算预测状态;门限过滤;计算关联矩阵;分配逻辑卡尔曼滤波公式首先我们要利用系统的过程模型,来预测下一状态的系统。 假设现在的系统状态是 k,根据系统的模型,可以基于系统的上一状态而预测出现在状态:X(k|k-1)=A X(k-1|k-1)+B U(k) . (1) 式(1) 中,X(k|k-1) 是利用上一状态预测的结果,X(k-1|k-1)是上一状态最优的结果, U(k) 为现在状态的控制量,如果没有控制量,它可以为0。到现在为止,我们的系统结
23、果已经更新了, 可是,对应于 X(k|k-1) 的 covariance还没更新。我们用P表示 covariance :P(k|k-1)=A P(k-1|k-1) A+Q (2) 式(2) 中,P(k|k-1) 是 X(k|k-1) 对应的 covariance ,P(k-1|k-1)是 X(k-1|k-1)对应的 covariance ,A表示 A的转置矩阵, Q是系统过程的 covariance 。式子1,2 就是卡尔曼滤波器5 个公式当中的前两个,也就是对系统的预测。现在我们有了现在状态的预测结果,然后我们再收集现在状态的测量值。结合预测值和测量值,我们可以得到现在状态(k) 的最优化估
24、算值 X(k|k) :X(k|k)= X(k|k-1)+Kg(k) (Z(k)-H X(k|k-1) (3) 其中 Kg为卡尔曼增益 (Kalman Gain) :Kg(k)= P(k|k-1) H / (H P(k|k-1) H + R) (4) 到现在为止,我们已经得到了k 状态下最优的估算值X(k|k) 。但是为了要另卡尔曼滤波器不断的运行下去直到系统过程结束,我们还要更新k 状态下 X(k|k)的 covariance :P(k|k)= (I-Kg(k) H)P(k|k-1) (5) 其中 I 为 1 的矩阵,对于单模型单测量,I=1。当系统进入 k+1 状态时, P(k|k)就是式子
25、 (2) 的 P(k-1|k-1)。这样,算法就可以自回归的运算下去。卡尔曼滤波器的原理基本描述了, 式子 1, 2, 3, 4 和 5 就是他的 5 个基本公式。精选学习资料 - - - - - - - - - 名师归纳总结 - - - - - - -第 10 页,共 14 页根据这 5 个公式,可以很容易的实现计算机的程序。基于贝叶斯统计理论的属性融合识别过程精选学习资料 - - - - - - - - - 名师归纳总结 - - - - - - -第 11 页,共 14 页计算一:计算二:精选学习资料 - - - - - - - - - 名师归纳总结 - - - - - - -第 12 页
26、,共 14 页模糊集合与隶属函数的定义: 如果 X是对象 x 的集合,则将 X的模糊集合 A定义为有序对的集合, 即:A=(X, A(x)|x X), 其中 X称为论域, A(x) 称为模糊集 A 的隶属函数, A(x)=1 表示完全属于A,A(x)=0 表示完全不属于A,0A(x)1 表示部分属于 A 模糊推理综合评价的步骤和作用:确定评价对象的因素集; 确定评语集; 做出单因素评价;综合评价。模糊综合评价法是一种基于模糊数学的综合评标方法。该综合评价法根据模糊数学的隶属度理论把定性评价转化为定量评价,即用模糊数学对受到多种因素制约的事物或对象做出一个总体的评价。它具有结果清晰,系统性强的特点,能较好地解决模糊的、难以量化的问题,适合各种非确定性问题的解决从功能上看, 模糊推理系统的组成和作用:主要由模糊化、模糊规则库、模糊推理方法及去模糊化几部分组成。 是一种利用数据和语言两类信息,根据模糊规则进行信息处理的动态模型,主要用来解决带有模糊现象的复杂推理问题精选学习资料 - - - - - - - - - 名师归纳总结 - - - - - - -第 13 页,共 14 页计算题四精选学习资料 - - - - - - - - - 名师归纳总结 - - - - - - -第 14 页,共 14 页