多传感器数据交融技术及其应用.docx

《多传感器数据交融技术及其应用.docx》由会员分享，可在线阅读，更多相关《多传感器数据交融技术及其应用.docx（14页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、多传感器数据交融技术及其应用0导语：多传感器数据交融是针对一个系统使用多种传感器这一特定问题而展开的一种关于数据处理的研究。0引言多传感器数据交融是一个新兴的研究领域，是针对一个系统使用多种传感器这一特定问题而展开的一种关于数据处理的研究。多传感器数据交融技术是近几年来开展起来的一门理论性较强的应用技术，是多学科穿插的新技术，涉及到信号处理、概率统计、信息论、形式识别、人工智能、模糊数学等理论。近年来，多传感器数据交融技术无论在军事还是民事领域的应用都极为广泛。多传感器交融技术已成为军事、工业和高技术开发等多方面关心的问题。这一技术广泛应用于C3Icommand，control，communi

2、cationandintelligence系统、复杂工业经过控制、机器人、自动目的识别、交通管制、惯性导航、海洋监视和治理、农业、遥感、医疗诊断、图像处理、形式识别等领域。理论证实：与单传感器系统相比，运用多传感器数据交融技术在解决探测、跟踪和目的识别等问题方面，可以增强系统生存才能，进步整个系统的可靠性和鲁棒性，增强数据的可信度，并进步精度，扩展整个系统的时间、空间覆盖率，增加系统的实时性和信息利用率等。1根本概念及交融原理11多传感器数据交融概念数据交融又称作信息交融或者多传感器数据交融，对数据交融还很难给出一个统一、全面的定义。随着数据交融和计算机应用技术的开展，根据国内外研究成果，多传

3、感器数据交融比拟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，在一定准那么下进展分析、综合、支配和使用，获得对被测对象的一致性解释与描绘，进而实现相应的决策和估计，使系统获得比它的各组成局部更充分的信息。12多传感器数据交融原理多传感器数据交融技术的根本原理就像人脑综合处理信息一样，充分利用多个传感器资源，通过对多传感器及其观测信息的公道支配和使用，把多传感器在空间或者时间上冗余或者互补信息根据某种准那么来进展组合，以获得被测对象的一致性解释或者描绘。详细地讲，多传感器数据交融原理如下：1N个不同类型的传感器有源或者无源的采集观

4、测目的的数据；2对传感器的输出数据离散的或者连续的时间函数数据、输出矢量、成像数据或者一个直接的属性讲明进展特征提取的变换，提取代表观测数据的特征矢量Yi；3对特征矢量Yi进展形式识别处理如，聚类算法、自适应神经网络或者其他能将特征矢量Yi变换成目的属性判决的统计形式识别法等完成各传感器关于目的的讲明；4将各传感器关于目的的讲明数据按同一目的进展分组，即关联；5利用交融算法将每一目的各传感器数据进展合成，得到该目的的一致性解释与描绘。2多传感器数据交融方法利用多个传感器所获取的关于对象和环境全面、完好的信息，主要表达在交融算法上。因此，多传感器系统的核心问题是选择适宜的交融算法。对于多传感器系

5、统来讲，信息具有多样性和复杂性，因此，对信息交融方法的根本要求是具有鲁棒性和并行处理才能。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才能；对信息样本的要求等。一般情况下，基于非线性的数学方法，假如它具有容错性、自适应性、联想记忆和并行处理才能，那么都可以用来作为交融方法。多传感器数据交融固然未形成完好的理论体系和有效的交融算法，但在不少应用领域根据各自的详细应用背景，已经提出了很多成熟并且有效的交融方法。多传感器数据交融的常用方法根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-

6、ShaferD-S证据推理、产生式规那么等；而人工智能类那么有模糊逻辑理论、神经网络、粗集理论、专家系统等。可以预见，神经网络和人工智能等新概念、新技术在多传感器数据交融中将起到越来越重要的作用。21随机类方法211加权平均法信号级交融方法最简单、最直观方法是加权平均法，该方法将一组传感器提供的冗余信息进展加权平均，结果作为交融值，该方法是一种直接对数据源进展操纵的方法。212卡尔曼滤波法卡尔曼滤波主要用于交融低层次实时动态多传感器冗余数据。该方法用测量模型的统计特性递推，决定统计意义下的最优交融和数据估计。假如系统具有线性动力学模型，且系统与传感器的误差符合高斯白噪声模型，那么卡尔曼滤波将为

7、交融数据提供唯一统计意义下的最优估计。卡尔曼滤波的递推特性使系统处理不需要大量的数据存储和计算。但是，采用单一的卡尔曼滤波器对多传感器组合系统进展数据统计时，存在很多严重的问题，例如：1在组合信息大量冗余的情况下，计算量将以滤波器维数的三次方剧增，实时性不能知足；2传感器子系统的增加使故障随之增加，在某一系统出现故障而没有来得及被检测出时，故障会污染整个系统，使可靠性降低。213多贝叶斯估计法贝叶斯估计为数据交融提供了一种手段，是交融静环境中多传感器高层信息的常用方法。它使传感器信息根据概率原那么进展组合，测量不确定性以条件概率表示，当传感器组的观测坐标一致时，可以直接对传感器的数据进展交融，

8、但大多数情况下，传感器测量数据要以间接方式采用贝叶斯估计进展数据交融。多贝叶斯估计将每一个传感器作为一个贝叶斯估计，将各个单独物体的关联概率分布合成一个结合的后验的概率分布函数，通过使用结合分布函数的似然函数为最小，提供多传感器信息的最终交融值，交融信息与环境的一个先验模型提供整个环境的一个特征描绘。214D-S证据推理方法D-S证据推理是贝叶斯推理的扩大，其3个根本要点是：根本概率赋值函数、信任函数和似然函数。D-S方法的推理构造是自上而下的，分三级。第1级为目的合成，其作用是把来自独立传感器的观测结果合成为一个总的输出结果ID；第2级为推断，其作用是获得传感器的观测结果并进展推断，将传感器

9、观测结果扩展成目的报告。这种推理的根底是：一定的传感器报告以某种可信度在逻辑上会产生可信的某些目的报告；第3级为更新，各种传感器一般都存在随机误差，所以，在时间上充分独立地来自同一传感器的一组连续报告比任何单一报告可靠。因此，在推理和多传感器合成之前，要先组合更新传感器的观测数据。215产生式规那么产生式规那么采用符号表示目的特征和相应传感器信息之间的联络，与每一个规那么相联络的置信因子表示它的不确定性程度。当在同一个逻辑推理经过中，2个或者多个规那么形成一个结合规那么时，可以产生交融。应用产生式规那么进展交融的主要问题是每个规那么的置信因子的定义与系统中其他规那么的置信因子相关，假如系统中引

10、入新的传感器，需要参加相应的附加规那么。22人工智能类方法221模糊逻辑推理模糊逻辑是多值逻辑，通过指定一个0到1之间的实数表示真实度，相当于隐含算子的前提，允许将多个传感器信息交融经过中的不确定性直接表示在推理经过中。假如采用某种系统化的方法对交融经过中的不确定性进展推理建模，那么可以产生一致性模糊推理。与概率统计方法相比，逻辑推理存在很多优点，它在一定程度上克制了概率论所面临的问题，它对信息的表示和处理更加接近人类的思维方式，它一般比拟合适于在高层次上的应用如决策，但是，逻辑推理本身还不够成熟和系统化。此外，由于逻辑推理对信息的描绘存在很大的主观因素，所以，信息的表示和处理缺乏客观性。模糊

11、集公道论对于数据交融的实际价值在于它外延到模糊逻辑，模糊逻辑是一种多值逻辑，隶属度可视为一个数据真值的不准确表示。在MSF经过中，存在的不确定性可以直接用模糊逻辑表示，然后，使用多值逻辑推理，根据模糊集公道论的各种演算对各种命题进展合并，进而实现数据交融。222人工神经网络法神经网络具有很强的容错性以及自学习、自组织及自适应才能，可以模拟复杂的非线性映射。神经网络的这些特性和强大的非线性处理才能，恰好知足了多传感器数据交融技术处理的要求。在多传感器系统中，各信息源所提供的环境信息都具有一定程度的不确定性，对这些不确定信息的交融经过实际上是一个不确定性推理经过。神经网络根据当前系统所承受的样本相

12、似性确定分类标准，这种确定方法主要表如今网络的权值分布上，同时，可以采用经网络特定的学习算法来获取知识，得到不确定性推理机制。利用神经网络的信号处理才能和自动推理功能，即实现了多传感器数据交融。常用的数据交融方法及特性如表1所示。通常使用的方法依详细的应用而定，并且，由于各种方法之间的互补性，实际上，常将2种或者2种以上的方法组合进展多传感器数据交融。3应用领域随着多传感器数据交融技术的开展，应用的领域也在不断扩大，多传感器交融技术已成功地应用于诸多的研究领域。多传感器数据交融作为一种可消除系统的不确定因素、提供准确的观测结果和综合信息的智能化数据处理技术，已在军事、工业监控、智能检测、机器人

13、、图像分析、目的检测与跟踪、自动目的识别等领域获得普遍关注和广泛应用。1军事应用数据交融技术起源于军事领域，数据交融在军事上应用最早、范围最广，涉及战术或者战略上的检测、指挥、控制、通讯和情报任务的各个方面。主要的应用是进展目的的探测、跟踪和识别，包括C31系统、自动识别武器、自主式运载制导、遥感、战场监视和自动威胁识别系统等。如，对舰艇、飞机、导弹等的检测、定位、跟踪和识别及海洋监视、空对空防御系统、地对空防御系统等。海洋监视系统包括对潜艇、鱼雷、水下导弹等目的的检测、跟踪和识别，传感器有雷达、声纳、远红外、综合孔径雷达等。空对空、地对空防御系统主要用来检测、跟踪、识别敌方飞机、导弹和防空武

14、器，传感器包括雷达、ESM电子支援措施接收机、远红外敌我识外传感器、光电成像传感器等。迄今为止，美、英、法、意、日、俄等国家已研制出了上百种军事数据交融系统，比拟典型的有：TCAC战术指挥控制，BETA战场利用和目的截获系统，AIDD炮兵情报数据交融等。在近几年发生的几次部分战争中，数据交融显示了强大的威力，十分是在海湾战争和科索沃战争中，多国部队的交融系统发挥了重要作用。2复杂工业经过控制复杂工业经过控制是数据交融应用的一个重要领域。目前，数据交融技术已在核反响堆和石油平台监视等系统中得到应用。交融的目的是识别引起系统状态超出正常运行范围的故障条件，并据此触发假设干报警器。通过期间序列分析、

15、频率分析、小波分析，从各传感器获取的信号形式中提取出特征数据，同时，将所提取的特征数据输入神经网络形式识别器，神经网络形式识别器进展特征级数据交融，以识别出系统的特征数据，并输入到模糊专家系统进展决策级交融；专家系统推理时，从知识库和数据库中取出领域知识规那么和参数，与特征数据进展匹配交融；最后，决策出被测系统的运行状态、设备工作状况和故障等。3机器人多传感器数据交融技术的另一个典型应用领域为机器人。目前，主要应用在挪动机器人和遥操纵机器人上，由于这些机器人工作在动态、不确定与非构造化的环境中如“勇气号和“机遇号火星车，这些高度不确定的环境要求机器人具有高度的自治才能和对环境的感悟才能，而多传

16、感器数据交融技术正是进步机器人系统感悟才能的有效方法。理论证实：采用单个传感器的机器人不具有完好、可靠地感悟外部环境的才能。智能机器人应采用多个传感器，并利用这些传感器的冗余和互补的特性来获得机器人外部环境动态变化的、比拟完好的信息，并对外部环境变化做出实时的响应。目前，机器人学界提出向非构造化环境进军，其核心的关键之一就是多传感器系统和数据交融。4遥感多传感器交融在遥感领域中的应用，主要是通过高空间分辨力全色图像和低光谱分辨力图像的交融，得到高空问分辨力和高光谱分辨力的图像，交融多波段和多时段的遥感图像来进步分类的准确性。5交通治理系统数据交融技术可应用于地面车辆定位、车辆跟踪、车辆导航以及

17、空中交通管制系统等。6全局监视监视较大范围内的人和事物的运动和状态，需要运用数据交融技术。例如：根据各种医疗传感器、病历、病史、气候、季节等观测信息，实现对病人的自动监护；从空中和地面传感器监视庄稼生长情况，进展产量预测；根据卫星云图、气流、温度、压力等观测信息，实现天气预告。4存在问题及开展趋势数据交融技术方兴未艾，几乎一切信息处理方法都可以应用于数据交融系统。随着传感器技术、数据处理技术、计算机技术、网络通讯技术、人工智能技术、并行计算软件和硬件技术等相关技术的开展，尤其是人工智能技术的进步，新的、更有效的数据交融方法将不断推出，多传感器数据交融必将成为将来复杂工业系统智能检测与数据处理的

18、重要技术，其应用领域将不断扩大。多传感器数据交融不是一门单一的技术，而是一门跨学科的综公道论和方法，并且，是一个不很成熟的新研究领域，尚处在不断变化和开展经过中。41数据交融存在的问题1尚未建立统一的交融理论和有效广义交融模型及算法；2对数据交融的详细方法的研究尚处于初步阶段；3还没有很好解决交融系统中的容错性或者鲁棒性问题；4关联的二义性是数据交融中的主要障碍；5数据交融系统的设计还存在很多实际问题。42数据交融开展趋势数据交融的开展趋势如下：1建立统一的交融理论、数据交融的体系构造和广义交融模型；2解决数据配准、数据预处理、数据库构建、数据库治理、人机接口、通用软件包开发问题，利用成熟的辅

19、助技术，建立面向详细应用需求的数据交融系统；3将人工智能技术，如，神经网络、遗传算法、模糊理论、专家理论等引入到数据交融领域；利用集成的计算智能方法如，模糊逻辑神经网络，遗传算法模糊神经网络等进步多传感交融的性能；4解决不确定性因素的表达和推理演算，例如：引入灰数的概念；5利用有关的先验数据进步数据交融的性能，研究更加先进复杂的交融算法未知和动态环境中，采用并行计算机构造多传感器集成与交融方法的研究等；6在多平台单平台、异类同类多传感器的应用背景下，建立计算复杂程度低，同时，又能知足任务要求的数据处理模型和算法；7构建数据交融测试评估平台和多传感器治理体系；8将已有的交融方法工程化与商品化，开发可以提供多种复杂交融算法的处理硬件，以便在数据获取的同时就实时地完成交融。5完毕语随着研究者的不断努力，不久的将来，数据交融的根底理论、兼有鲁棒性和准确性的交融算法将不断地得到完善，实现技术将不断地得到更新，实际应用将不断地被扩展。多传感器数据交融技术必将不断地走向成熟。