现代检测技术多传感器数据融合教学文稿.ppt

《现代检测技术多传感器数据融合教学文稿.ppt》由会员分享，可在线阅读，更多相关《现代检测技术多传感器数据融合教学文稿.ppt（50页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、现代检测技术多传感器数据融合定义定义：将经过集成处理的多传感器信息进将经过集成处理的多传感器信息进行合成，形成一种对外部环境或被测对象行合成，形成一种对外部环境或被测对象某一特征的表达方式某一特征的表达方式。单一传感器只能获得环境或被测对象的部单一传感器只能获得环境或被测对象的部分信息段，而多传感器信息经过融合后能分信息段，而多传感器信息经过融合后能够完善地、准确地反映环境的特征。经过够完善地、准确地反映环境的特征。经过融合后的传感器信息具有以下特征：融合后的传感器信息具有以下特征：信息冗余性、信息互补性、信息实时性、信息冗余性、信息互补性、信息实时性、信息获取的低成本性信息获取的低成本性。多

2、传感器信息融合是人类和其它生物系统多传感器信息融合是人类和其它生物系统中普遍存在的一种基本功能，中普遍存在的一种基本功能，人类有将身体上的各种功能器官（眼、耳、人类有将身体上的各种功能器官（眼、耳、鼻、四肢）所探测的鼻、四肢）所探测的信息信息(景物、声音、气味景物、声音、气味和触觉和触觉)与与先验知识先验知识进行综合的能力，以便对进行综合的能力，以便对其周围的环境和正在发生的事件做出估计。其周围的环境和正在发生的事件做出估计。多传感器信息融合实际上是人对人脑综合多传感器信息融合实际上是人对人脑综合处理复杂问题的一种功能模拟。处理复杂问题的一种功能模拟。在多传感器系统中，在多传感器系统中，各种传

3、感器提供的信息可能具有不各种传感器提供的信息可能具有不同的特点：同的特点：时变的或者非时变的，实时的或者非实时的，时变的或者非时变的，实时的或者非实时的，模糊的或者确定的，精确的或者不完整的，相互支持的模糊的或者确定的，精确的或者不完整的，相互支持的或者互补的。或者互补的。信息融合的目标信息融合的目标是基于各种传感器分离观测信息，通过是基于各种传感器分离观测信息，通过对信息的优化组合导出更多的有效信息。这是最佳协同对信息的优化组合导出更多的有效信息。这是最佳协同作用的效果，它的最终目的是利用多个传感器共同或联作用的效果，它的最终目的是利用多个传感器共同或联合操作的优势来提高整个系统的有效性。合

4、操作的优势来提高整个系统的有效性。数学基础的支持：数学基础的支持：概率论、随机过程、数理统计、概率论、随机过程、数理统计、参数估计、滤波理论；分形、混沌、模糊推理、参数估计、滤波理论；分形、混沌、模糊推理、人工神经网络等人工神经网络等二、意义及应用二、意义及应用主要作用及意义可归纳为以下几点：主要作用及意义可归纳为以下几点：（1 1）提提高高信信息息的的准准确确性性和和全全面面性性。与与一一个个传传感感器器相相比比，多多传传感感器器数数据据融融合合处处理理可可以以获获得得有有关关周周围围环环境境更更准确、全面的信息；准确、全面的信息；（2 2）降降低低信信息息的的不不确确定定性性。一一组组相相

5、似似的的传传感感器器采采集集的的信信息息存存在在明明显显的的互互补补性性，这这种种互互补补性性经经过过适适当当处处理理后后，可可以以对对单单一一传传感感器器的的不不确确定定性性和和测测量量范范围围的的局局限限性进行补偿；性进行补偿；（4 4）提提高高系系统统的的可可靠靠性性。某某个个或或某某几几个个传传感感器器失失效效时，系统仍能正常运行；时，系统仍能正常运行；（5 5）增加系统的实时性增加系统的实时性。应用领域：应用领域：机动目标跟踪、分布监测机动目标跟踪、分布监测融合、多传感器跟踪与定位、分布信融合、多传感器跟踪与定位、分布信息融合、目标识别与决策信息融合、息融合、目标识别与决策信息融合、

6、态势评估与威胁估计等领域的理论及态势评估与威胁估计等领域的理论及应用研究应用研究 （1 1 1 1）信息融合系统采用多种传感器收集信息，包括声、）信息融合系统采用多种传感器收集信息，包括声、）信息融合系统采用多种传感器收集信息，包括声、）信息融合系统采用多种传感器收集信息，包括声、光、电、运动、视觉、触觉、力觉以及语言文字。光、电、运动、视觉、触觉、力觉以及语言文字。光、电、运动、视觉、触觉、力觉以及语言文字。光、电、运动、视觉、触觉、力觉以及语言文字。（2 2 2 2）信息融合技术中的分布式信息处理结构通过）信息融合技术中的分布式信息处理结构通过）信息融合技术中的分布式信息处理结构通过）信息

7、融合技术中的分布式信息处理结构通过无线无线无线无线网络、有线网络，智能网络，宽带智能综合数字网络网络、有线网络，智能网络，宽带智能综合数字网络网络、有线网络，智能网络，宽带智能综合数字网络网络、有线网络，智能网络，宽带智能综合数字网络等等等等汇集信息，传给融合中心进行融合。除了自然汇集信息，传给融合中心进行融合。除了自然汇集信息，传给融合中心进行融合。除了自然汇集信息，传给融合中心进行融合。除了自然(物理物理物理物理)信信信信息外，信息融合技术还融合社会类信息。息外，信息融合技术还融合社会类信息。息外，信息融合技术还融合社会类信息。息外，信息融合技术还融合社会类信息。（3)3)3)3)信息融合

8、采用信息融合采用信息融合采用信息融合采用分形、混沌、模糊推理、人工神经网分形、混沌、模糊推理、人工神经网分形、混沌、模糊推理、人工神经网分形、混沌、模糊推理、人工神经网络络络络等数学和物理的理论及方法。等数学和物理的理论及方法。等数学和物理的理论及方法。等数学和物理的理论及方法。(4)(4)(4)(4)它的发展方向是对非线性、复杂环境因素的不同性它的发展方向是对非线性、复杂环境因素的不同性它的发展方向是对非线性、复杂环境因素的不同性它的发展方向是对非线性、复杂环境因素的不同性质的信息进行综合、相关，从各个不同的角度去观察、质的信息进行综合、相关，从各个不同的角度去观察、质的信息进行综合、相关，

9、从各个不同的角度去观察、质的信息进行综合、相关，从各个不同的角度去观察、探测世界。探测世界。探测世界。探测世界。1 1、在信息电子学领域、在信息电子学领域 2 2、在计算机科学领域、在计算机科学领域 在计算机科学中，目前正开展着并行数据库、主动在计算机科学中，目前正开展着并行数据库、主动在计算机科学中，目前正开展着并行数据库、主动在计算机科学中，目前正开展着并行数据库、主动数据库、多数据库的研究。信息融合要求系统能适数据库、多数据库的研究。信息融合要求系统能适数据库、多数据库的研究。信息融合要求系统能适数据库、多数据库的研究。信息融合要求系统能适应变化的外部世界，因此，空间、时间数据库的概应变

10、化的外部世界，因此，空间、时间数据库的概应变化的外部世界，因此，空间、时间数据库的概应变化的外部世界，因此，空间、时间数据库的概念应运而生，为数据融合提供了保障。念应运而生，为数据融合提供了保障。念应运而生，为数据融合提供了保障。念应运而生，为数据融合提供了保障。信息融合处理过程要求有相应的数据库原理和结构，信息融合处理过程要求有相应的数据库原理和结构，信息融合处理过程要求有相应的数据库原理和结构，信息融合处理过程要求有相应的数据库原理和结构，以便融合随时间、空间变化的数据。在信息融合的以便融合随时间、空间变化的数据。在信息融合的以便融合随时间、空间变化的数据。在信息融合的以便融合随时间、空间

11、变化的数据。在信息融合的思想下，提出的思想下，提出的思想下，提出的思想下，提出的空间、时间数据库空间、时间数据库空间、时间数据库空间、时间数据库，是计算机科学，是计算机科学，是计算机科学，是计算机科学的一个重要的研究方向。的一个重要的研究方向。的一个重要的研究方向。的一个重要的研究方向。3 3、在自动化领域、在自动化领域以各种控制理论为基础，信息融合技术采用以各种控制理论为基础，信息融合技术采用以各种控制理论为基础，信息融合技术采用以各种控制理论为基础，信息融合技术采用模糊控制、模糊控制、模糊控制、模糊控制、智能控制、进化计算智能控制、进化计算智能控制、进化计算智能控制、进化计算等系统理论，结

12、合生物、经济、社等系统理论，结合生物、经济、社等系统理论，结合生物、经济、社等系统理论，结合生物、经济、社会、军事等领域的知识，进行定性、定量分析。会、军事等领域的知识，进行定性、定量分析。会、军事等领域的知识，进行定性、定量分析。会、军事等领域的知识，进行定性、定量分析。目前的控制技术，已从程序控制进入了建立在信息融合目前的控制技术，已从程序控制进入了建立在信息融合目前的控制技术，已从程序控制进入了建立在信息融合目前的控制技术，已从程序控制进入了建立在信息融合基础上的智能控制。基础上的智能控制。基础上的智能控制。基础上的智能控制。智能控制系统不仅用于军事，还应智能控制系统不仅用于军事，还应智

13、能控制系统不仅用于军事，还应智能控制系统不仅用于军事，还应用于工厂企业的生产过程控制和产供销管理、城市建设用于工厂企业的生产过程控制和产供销管理、城市建设用于工厂企业的生产过程控制和产供销管理、城市建设用于工厂企业的生产过程控制和产供销管理、城市建设规划、道路交通管理、商业管理、金融管理与预测、地规划、道路交通管理、商业管理、金融管理与预测、地规划、道路交通管理、商业管理、金融管理与预测、地规划、道路交通管理、商业管理、金融管理与预测、地质矿产资源管理、环境监测与保护、粮食作物生长监测、质矿产资源管理、环境监测与保护、粮食作物生长监测、质矿产资源管理、环境监测与保护、粮食作物生长监测、质矿产资

14、源管理、环境监测与保护、粮食作物生长监测、灾害性天气预报及防治等涉及宏观、微观和社会的各行灾害性天气预报及防治等涉及宏观、微观和社会的各行灾害性天气预报及防治等涉及宏观、微观和社会的各行灾害性天气预报及防治等涉及宏观、微观和社会的各行各业。各业。各业。各业。多传感器数据融合技术可以对不同类型的数据和多传感器数据融合技术可以对不同类型的数据和信息在信息在不同层次不同层次上进行综合，它处理的不仅仅是上进行综合，它处理的不仅仅是数据，还可以是证据和属性等。数据，还可以是证据和属性等。第二节第二节 传感器信息融合功能和结构传感器信息融合功能和结构 数据融合层次的划分主要有两种方法。数据融合层次的划分主

15、要有两种方法。第一种方法是将数据融合划分为低层（数据级或第一种方法是将数据融合划分为低层（数据级或像素级）、中层（特征级）和高层（决策级）。像素级）、中层（特征级）和高层（决策级）。另一种方法将是将传感器集成和数据融合划分为另一种方法将是将传感器集成和数据融合划分为信号级、证据级和动态级。信号级、证据级和动态级。一、传感器信息融合的级别一、传感器信息融合的级别v基于基于像素层像素层融合的面部表情识别融合的面部表情识别 v基于基于特征层特征层融合的面部表情识别融合的面部表情识别 v基于基于决策层决策层融合的面部表情识别融合的面部表情识别 以基于信息融合的面部表情分析与识别为例以基于信息融合的面部

16、表情分析与识别为例基于像素层融合的面部表情识别基于像素层融合的面部表情识别这种方法对每幅图像预处理之前进行像素层融这种方法对每幅图像预处理之前进行像素层融合后合后,得到一个融合的人脸图像数据得到一个融合的人脸图像数据,并在此基并在此基础上再进行特征提取和面部表情识别。础上再进行特征提取和面部表情识别。基于特征层融合的面部表情识别基于特征层融合的面部表情识别这种方法对每个传感器的观测数据进行特征的这种方法对每个传感器的观测数据进行特征的抽取以得到一个特征向量抽取以得到一个特征向量,然后把这些特征向然后把这些特征向量融合起来并根据融合后得到的特征向量进行量融合起来并根据融合后得到的特征向量进行面部

17、表情识别及判定。面部表情识别及判定。基于决策层融合的面部表情识别这种方法对每个传感器都执行面部表情特征提这种方法对每个传感器都执行面部表情特征提取和面部表情识别，然后对多个识别结果进行取和面部表情识别，然后对多个识别结果进行信息融合从而得出一个面部表情判决结果信息融合从而得出一个面部表情判决结果,再再融合来自每个传感器的面部表情判决。融合来自每个传感器的面部表情判决。二、信息融合的结构二、信息融合的结构信息融合的结构分为串联和并联两种信息融合的结构分为串联和并联两种 Sn S2 S1Y1Y2YnC1C2CnYSC1C2Cn(a)串联(b)并联C1，C2，Cn表示n个传感器S1,S2,，Sn表示

18、来自各个传感器信息融合中心的数据y1，y2，yn表示融合中心。组合：组合：由多个传感器组合成平行或互补方式来获得多组数据输出由多个传感器组合成平行或互补方式来获得多组数据输出的一种处理方法，是一种最基本的方式，涉及的问题有输出方式的一种处理方法，是一种最基本的方式，涉及的问题有输出方式的协调、综合以及传感器的选择。在硬件这一级上应用。的协调、综合以及传感器的选择。在硬件这一级上应用。综合综合：信息优化处理中的一种获得明确信息的有效方法。：信息优化处理中的一种获得明确信息的有效方法。例：在虚拟现实技术中，使用两个分开设置的摄像机同时拍例：在虚拟现实技术中，使用两个分开设置的摄像机同时拍摄到一个物

19、体的不同侧面的两幅图像，综合这两幅图像可以摄到一个物体的不同侧面的两幅图像，综合这两幅图像可以复原出一个准确的有立体感的物体的图像。复原出一个准确的有立体感的物体的图像。融合融合：当将传感器数据组之间进行相关或将传感器数据与系统内：当将传感器数据组之间进行相关或将传感器数据与系统内部的知识模型进行相关，而产生信息的一个新的表达式。部的知识模型进行相关，而产生信息的一个新的表达式。相关相关：通过处理传感器信息获得某些结果，不仅需要单项信息处：通过处理传感器信息获得某些结果，不仅需要单项信息处理，而且需要通过相关来进行处理，获悉传感器数据组之间的关理，而且需要通过相关来进行处理，获悉传感器数据组之

20、间的关系，从而得到正确信息，剔除无用和错误的信息。系，从而得到正确信息，剔除无用和错误的信息。相关处理的目的：对识别、预测、学习和记忆等过程的信息相关处理的目的：对识别、预测、学习和记忆等过程的信息进行综合和优化。进行综合和优化。传感器信息融合分类传感器信息融合分类第三节第三节 传感器信息融合的一般方法传感器信息融合的一般方法 第三节第三节 传感器信息融合的一般方法传感器信息融合的一般方法 由多种传感器所获得的客观环境由多种传感器所获得的客观环境由多种传感器所获得的客观环境由多种传感器所获得的客观环境(即被测对象即被测对象即被测对象即被测对象)的多组的多组的多组的多组数据就是客观环境按照某种映

21、射关系形成的像，信息数据就是客观环境按照某种映射关系形成的像，信息数据就是客观环境按照某种映射关系形成的像，信息数据就是客观环境按照某种映射关系形成的像，信息融合就是通过像求解原像，即对客观环境加以了解。融合就是通过像求解原像，即对客观环境加以了解。融合就是通过像求解原像，即对客观环境加以了解。融合就是通过像求解原像，即对客观环境加以了解。用数学语言描述就是用数学语言描述就是用数学语言描述就是用数学语言描述就是，所有传感器的全部信息，也只，所有传感器的全部信息，也只，所有传感器的全部信息，也只，所有传感器的全部信息，也只能描述环境的某些方面的特征，而具有这些特征的环能描述环境的某些方面的特征，

22、而具有这些特征的环能描述环境的某些方面的特征，而具有这些特征的环能描述环境的某些方面的特征，而具有这些特征的环境却有很多，要使一组数据对应惟一的环境境却有很多，要使一组数据对应惟一的环境境却有很多，要使一组数据对应惟一的环境境却有很多，要使一组数据对应惟一的环境(即上述映即上述映即上述映即上述映射为一一映射射为一一映射射为一一映射射为一一映射)，就必须对映射的原像和映射本身加约，就必须对映射的原像和映射本身加约，就必须对映射的原像和映射本身加约，就必须对映射的原像和映射本身加约束条件，使问题能有惟一的解。束条件，使问题能有惟一的解。束条件，使问题能有惟一的解。束条件，使问题能有惟一的解。嵌入约

23、束法最基本的方法：嵌入约束法最基本的方法：嵌入约束法最基本的方法：嵌入约束法最基本的方法：BayesBayesBayesBayes估计估计估计估计和和和和卡尔曼滤波卡尔曼滤波卡尔曼滤波卡尔曼滤波嵌入约束法、证据组合法、人工神经网络法嵌入约束法、证据组合法、人工神经网络法 一、嵌入约束法一、嵌入约束法1.Bayes估计估计事件事件事件事件AiAiAiAi先验概率先验概率先验概率先验概率P(Ai)P(Ai)P(Ai)P(Ai)条件概率条件概率条件概率条件概率（似然性）（似然性）（似然性）（似然性）P(B/Ai)P(B/Ai)P(B/Ai)P(B/Ai)联合概率联合概率联合概率联合概率P(Ai)P(

24、B/Ai)P(Ai)P(B/Ai)P(Ai)P(B/Ai)P(Ai)P(B/Ai)修正概率修正概率修正概率修正概率（后验概率）（后验概率）（后验概率）（后验概率）P(Ai/B)P(Ai/B)P(Ai/B)P(Ai/B)(1)(1)(1)(1)(2)(2)(2)(2)(3)(3)(3)(3)(4)(4)(4)(4)(5)(5)(5)(5)A1:A1:A1:A1:有病有病有病有病A2:A2:A2:A2:无病无病无病无病0.010.010.010.010.990.990.990.990.970.970.970.970.050.050.050.050.00970.00970.00970.00970.0

25、4950.04950.04950.04950.0097/0.0590.0097/0.0590.0097/0.0590.0097/0.0592=0.162=0.162=0.162=0.160.0495/0.0590.0495/0.0590.0495/0.0590.0495/0.0592=0.842=0.842=0.842=0.84合计合计合计合计1.001.001.001.00P(B)=0.0592P(B)=0.0592P(B)=0.0592P(B)=0.0592边际概率边际概率边际概率边际概率1.001.001.001.00P(A1)=P(有此病有此病)P(A2)=P(无此病)B 表示表示“试

26、验表明有此病试验表明有此病”的事件的事件P(B/A1)表示在某人有此病时表示在某人有此病时“试验表明有此病试验表明有此病”的条件概率的条件概率P(B/A2)表示在某人无此病时表示在某人无此病时“试验表明有此病试验表明有此病”的条件概率的条件概率P(A1/B)表示在表示在“试验表明有此病试验表明有此病”时，有此病的概率时，有此病的概率1.Bayes估计估计是是是是融合静态环境中多传感器低层数据融合静态环境中多传感器低层数据融合静态环境中多传感器低层数据融合静态环境中多传感器低层数据的一种常用方法。的一种常用方法。的一种常用方法。的一种常用方法。其信息描述为概率分布，适用于具有其信息描述为概率分布

27、，适用于具有其信息描述为概率分布，适用于具有其信息描述为概率分布，适用于具有可加高斯噪声的不可加高斯噪声的不可加高斯噪声的不可加高斯噪声的不确定性信息确定性信息确定性信息确定性信息。假定完成任务所需的有关环境的特征物用。假定完成任务所需的有关环境的特征物用。假定完成任务所需的有关环境的特征物用。假定完成任务所需的有关环境的特征物用向量向量向量向量f f f f表示，通过传感器获得的数据信息用向量表示，通过传感器获得的数据信息用向量表示，通过传感器获得的数据信息用向量表示，通过传感器获得的数据信息用向量d d d d来表示，来表示，来表示，来表示，d d d d和和和和f f f f都可看作是随

28、机向量。都可看作是随机向量。都可看作是随机向量。都可看作是随机向量。信息融合的任务就是由数据信息融合的任务就是由数据信息融合的任务就是由数据信息融合的任务就是由数据d d d d推导和估计环境推导和估计环境推导和估计环境推导和估计环境f f f f。假设。假设。假设。假设p(fp(fp(fp(f，d)d)d)d)为随机向量为随机向量为随机向量为随机向量f f f f和和和和d d d d的联的联的联的联合概率分布密度函数，则合概率分布密度函数，则合概率分布密度函数，则合概率分布密度函数，则p(f|d)表示在已知d的条件下，f关于d的条件概率密度函数p(d|f)表示在已知f 的条件下，d关于f的

29、条件概率密度函数p(d)和p(f)分别表示d和f的边缘分布密度函数已知d时，要推断f，只须掌握p(f|d)即可，即上式为概率论中的Bayes公式，是嵌入约束法的核心。信息融合通过信息融合通过信息融合通过信息融合通过数据信息数据信息数据信息数据信息d d做出对环境做出对环境做出对环境做出对环境f f的推断，即求解的推断，即求解的推断，即求解的推断，即求解p p(f f|d d)。由。由。由。由BayesBayes公式知，只须知道公式知，只须知道公式知，只须知道公式知，只须知道p p(f f|d d)和和和和p p(f f)即可。即可。即可。即可。p p(d|fd|f)是在已知客观环境变量是在已知

30、客观环境变量是在已知客观环境变量是在已知客观环境变量f f的情况下，传感器得到的情况下，传感器得到的情况下，传感器得到的情况下，传感器得到的的的的d d关于关于关于关于f f的条件密度。的条件密度。的条件密度。的条件密度。当环境情况和传感器性能已知时，当环境情况和传感器性能已知时，当环境情况和传感器性能已知时，当环境情况和传感器性能已知时，p p(f f|d d)由决定环境和传由决定环境和传由决定环境和传由决定环境和传感器原理的物理规律完全确定。感器原理的物理规律完全确定。感器原理的物理规律完全确定。感器原理的物理规律完全确定。p p(f f)可通过可通过可通过可通过先验知识先验知识先验知识先

31、验知识的获取和积累，逐步渐近准确地得的获取和积累，逐步渐近准确地得的获取和积累，逐步渐近准确地得的获取和积累，逐步渐近准确地得到，因此，一般总能对到，因此，一般总能对到，因此，一般总能对到，因此，一般总能对p p(f f)有较好的近似描述。有较好的近似描述。有较好的近似描述。有较好的近似描述。在嵌入约束法中，反映客观环境和传感器性能与原理的在嵌入约束法中，反映客观环境和传感器性能与原理的在嵌入约束法中，反映客观环境和传感器性能与原理的在嵌入约束法中，反映客观环境和传感器性能与原理的各种约束条件主要体现在各种约束条件主要体现在各种约束条件主要体现在各种约束条件主要体现在p p(f f|d d)中

32、，而反映主观经验知中，而反映主观经验知中，而反映主观经验知中，而反映主观经验知识的各种约束条件主要体现在识的各种约束条件主要体现在识的各种约束条件主要体现在识的各种约束条件主要体现在p p(f f)中。中。中。中。*系统辨识及其系统辨识及其系统辨识及其系统辨识及其MATLABMATLAB仿真仿真仿真仿真 侯媛彬等侯媛彬等侯媛彬等侯媛彬等在已具备先验概率情况下，贝叶斯决策过程包括以下几在已具备先验概率情况下，贝叶斯决策过程包括以下几个步骤：个步骤：进行预后验分析进行预后验分析(pre-posterior analysis)(pre-posterior analysis)，决定是，决定是否值得搜集

33、补充资料以及从补充资料可能得到的结果和否值得搜集补充资料以及从补充资料可能得到的结果和如何决定最优对策；如何决定最优对策；搜集补充资料，取得条件概率，包括历史概率和逻辑搜集补充资料，取得条件概率，包括历史概率和逻辑概率，对历史概率要加以检验，辨明其是否适合计算后概率，对历史概率要加以检验，辨明其是否适合计算后验概率；验概率；用概率的乘法定理计算联合概率，用概率的加法定理用概率的乘法定理计算联合概率，用概率的加法定理计算边际概率计算边际概率(marginal probability)(marginal probability)，用贝叶斯定理，用贝叶斯定理计算后验概率；计算后验概率；用后验概率进行

34、决策分析。用后验概率进行决策分析。贝叶斯决策的优点表现在：贝叶斯决策的优点表现在：贝叶斯决策对不完备的信息提供了一个进一步研究的科学方法。贝叶斯决策对不完备的信息提供了一个进一步研究的科学方法。也就是说，它能对信息的价值以及是否需要采集新的信息做出科学也就是说，它能对信息的价值以及是否需要采集新的信息做出科学的判断。的判断。它能对调查结果的可靠性加以数量化的评价，而不是像一般的决它能对调查结果的可靠性加以数量化的评价，而不是像一般的决策方法那样，对调查结果或是完全相信，或是完全不相信。策方法那样，对调查结果或是完全相信，或是完全不相信。如果说任何调查结果都不可能是完全准确的，而先验知识或主观如

35、果说任何调查结果都不可能是完全准确的，而先验知识或主观概率也不是完全可以相信的，那么贝叶斯决策则巧妙地将这两种信概率也不是完全可以相信的，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。息有机地结合起来了。它可以在决策过程中根据具体情况不断地使用，使决策逐步完善它可以在决策过程中根据具体情况不断地使用，使决策逐步完善和更加科学。和更加科学。贝叶斯决策方法的局限性表现在：贝叶斯决策方法的局限性表现在：它所需要的数据多，分析计算比较复杂，特别在解决复杂问它所需要的数据多，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。题时，这个矛盾就更为突出。有些数据必须使用主观概率，而一些人并不

36、相信主观概率，有些数据必须使用主观概率，而一些人并不相信主观概率，这就妨碍了贝叶斯决策方法的推广使用。这就妨碍了贝叶斯决策方法的推广使用。2.卡尔曼滤波卡尔曼滤波(KF)用于实时融合动态的低层次冗余传感器数据，该方法用用于实时融合动态的低层次冗余传感器数据，该方法用用于实时融合动态的低层次冗余传感器数据，该方法用用于实时融合动态的低层次冗余传感器数据，该方法用测量模型的统计特性，递推决定统计意义下最优融合数测量模型的统计特性，递推决定统计意义下最优融合数测量模型的统计特性，递推决定统计意义下最优融合数测量模型的统计特性，递推决定统计意义下最优融合数据据据据估计估计估计估计。如果系统具有线性动力

37、学模型，且系统噪声和。如果系统具有线性动力学模型，且系统噪声和。如果系统具有线性动力学模型，且系统噪声和。如果系统具有线性动力学模型，且系统噪声和传感器噪声可用高斯分布的白噪声模型来表示，传感器噪声可用高斯分布的白噪声模型来表示，传感器噪声可用高斯分布的白噪声模型来表示，传感器噪声可用高斯分布的白噪声模型来表示，KFKFKFKF为融为融为融为融合数据提供惟一的统计意义下的最优估计，合数据提供惟一的统计意义下的最优估计，合数据提供惟一的统计意义下的最优估计，合数据提供惟一的统计意义下的最优估计，KFKFKFKF的递推特的递推特的递推特的递推特性使系统数据处理不需大量的数据存储和计算。性使系统数据

38、处理不需大量的数据存储和计算。性使系统数据处理不需大量的数据存储和计算。性使系统数据处理不需大量的数据存储和计算。KFKFKFKF分为分散卡尔曼滤波分为分散卡尔曼滤波分为分散卡尔曼滤波分为分散卡尔曼滤波(DKF)(DKF)(DKF)(DKF)和扩展卡尔曼滤波和扩展卡尔曼滤波和扩展卡尔曼滤波和扩展卡尔曼滤波(EKF)(EKF)(EKF)(EKF)。DKFDKFDKFDKF可实现多传感器数据融合完全分散化，其优点：每可实现多传感器数据融合完全分散化，其优点：每可实现多传感器数据融合完全分散化，其优点：每可实现多传感器数据融合完全分散化，其优点：每个传感器节点失效不会导致整个系统失效。而个传感器节点

39、失效不会导致整个系统失效。而个传感器节点失效不会导致整个系统失效。而个传感器节点失效不会导致整个系统失效。而EKFEKFEKFEKF的优的优的优的优点：可有效克服数据处理不稳定性或系统模型线性程度点：可有效克服数据处理不稳定性或系统模型线性程度点：可有效克服数据处理不稳定性或系统模型线性程度点：可有效克服数据处理不稳定性或系统模型线性程度的误差对融合过程产生的影响。的误差对融合过程产生的影响。的误差对融合过程产生的影响。的误差对融合过程产生的影响。嵌入约束法传感器信息融合的最基本方法之一，嵌入约束法传感器信息融合的最基本方法之一，嵌入约束法传感器信息融合的最基本方法之一，嵌入约束法传感器信息融

40、合的最基本方法之一，最优状态估计最优状态估计量测量测预测状态向量预测状态向量常规卡尔曼滤波主要包含时常规卡尔曼滤波主要包含时间更新和量测更新两部分。间更新和量测更新两部分。由上图可见，卡尔曼滤波器具有预测修由上图可见，卡尔曼滤波器具有预测修正结构，滤波的方程组是时间域内的递推正结构，滤波的方程组是时间域内的递推形式，易于在计算机上实现，很适合于实形式，易于在计算机上实现，很适合于实时处理。时处理。二、证据组合法二、证据组合法证据组合法认为完成某项智能任务是依据有关环境某方面证据组合法认为完成某项智能任务是依据有关环境某方面证据组合法认为完成某项智能任务是依据有关环境某方面证据组合法认为完成某项

41、智能任务是依据有关环境某方面的信息做出的信息做出的信息做出的信息做出几种可能的决策几种可能的决策几种可能的决策几种可能的决策，而多传感器数据信息在一定，而多传感器数据信息在一定，而多传感器数据信息在一定，而多传感器数据信息在一定程度上反映环境这方面的情况。因此，分析每一数据作为程度上反映环境这方面的情况。因此，分析每一数据作为程度上反映环境这方面的情况。因此，分析每一数据作为程度上反映环境这方面的情况。因此，分析每一数据作为支持某种决策证据的支持程度，支持某种决策证据的支持程度，支持某种决策证据的支持程度，支持某种决策证据的支持程度，并将不同传感器数据的支并将不同传感器数据的支并将不同传感器数

42、据的支并将不同传感器数据的支持程度进行组合持程度进行组合持程度进行组合持程度进行组合，即证据组合，分析得出现有组合证据支，即证据组合，分析得出现有组合证据支，即证据组合，分析得出现有组合证据支，即证据组合，分析得出现有组合证据支持程度最大的决策作为信息融合的结果。持程度最大的决策作为信息融合的结果。持程度最大的决策作为信息融合的结果。持程度最大的决策作为信息融合的结果。它先对单个传感器数据信息每种可能决策的支持程度给出它先对单个传感器数据信息每种可能决策的支持程度给出它先对单个传感器数据信息每种可能决策的支持程度给出它先对单个传感器数据信息每种可能决策的支持程度给出度量度量度量度量(即数据信息

43、作为证据对决策的支持程度即数据信息作为证据对决策的支持程度即数据信息作为证据对决策的支持程度即数据信息作为证据对决策的支持程度)，再寻找一，再寻找一，再寻找一，再寻找一种证据组合方法或规则，在已知两个不同传感器数据种证据组合方法或规则，在已知两个不同传感器数据种证据组合方法或规则，在已知两个不同传感器数据种证据组合方法或规则，在已知两个不同传感器数据(即证即证即证即证据据据据)对决策的分别支持程度时，通过反复运用组合规则，最对决策的分别支持程度时，通过反复运用组合规则，最对决策的分别支持程度时，通过反复运用组合规则，最对决策的分别支持程度时，通过反复运用组合规则，最终得出全体数据信息的联合体对

44、某决策总的支持程度。得终得出全体数据信息的联合体对某决策总的支持程度。得终得出全体数据信息的联合体对某决策总的支持程度。得终得出全体数据信息的联合体对某决策总的支持程度。得到最大证据支持决策，即信息融合的结果。到最大证据支持决策，即信息融合的结果。到最大证据支持决策，即信息融合的结果。到最大证据支持决策，即信息融合的结果。证据组合法较嵌入约束法优点：证据组合法较嵌入约束法优点：证据组合法较嵌入约束法优点：证据组合法较嵌入约束法优点：(1)(1)(1)(1)对多种传感器数据间的物理关系不必准确了解，即无对多种传感器数据间的物理关系不必准确了解，即无对多种传感器数据间的物理关系不必准确了解，即无对

45、多种传感器数据间的物理关系不必准确了解，即无须准确地建立多种传感器数据体的模型；须准确地建立多种传感器数据体的模型；须准确地建立多种传感器数据体的模型；须准确地建立多种传感器数据体的模型；(2)(2)(2)(2)通用性好，可以建立一种独立于各类具体信息融合问通用性好，可以建立一种独立于各类具体信息融合问通用性好，可以建立一种独立于各类具体信息融合问通用性好，可以建立一种独立于各类具体信息融合问题背景形式的证据组合方法，有利于设计通用的信息融题背景形式的证据组合方法，有利于设计通用的信息融题背景形式的证据组合方法，有利于设计通用的信息融题背景形式的证据组合方法，有利于设计通用的信息融合软、硬件产

46、品；合软、硬件产品；合软、硬件产品；合软、硬件产品；(3)(3)(3)(3)人为的先验知识可以视同数据信息一样，赋予对决策人为的先验知识可以视同数据信息一样，赋予对决策人为的先验知识可以视同数据信息一样，赋予对决策人为的先验知识可以视同数据信息一样，赋予对决策的支持程度，参与证据组合运算。的支持程度，参与证据组合运算。的支持程度，参与证据组合运算。的支持程度，参与证据组合运算。常用证据组合方法：常用证据组合方法：l概率统计方法概率统计方法lDempster-Shafer证据推理证据推理利用证据组合进行数据融合的利用证据组合进行数据融合的关键关键在于：在于：u选择合适的数学方法描述选择合适的数学

47、方法描述证据证据、决策决策和和支持程度支持程度等概念等概念u建立快速、可靠并且便于实现的通用证据组合建立快速、可靠并且便于实现的通用证据组合算法结构算法结构Dempster-ShaferDempster-Shafer证据推理法证据推理法 由由Dempster首先提出，由首先提出，由Shafer发展发展 一种不精确推理理论，贝叶斯方法的扩展。一种不精确推理理论，贝叶斯方法的扩展。贝叶斯方法必须给出先验概率，贝叶斯方法必须给出先验概率，证证据据理理论论则则能能够够处处理理这这种种由由不不知知道道引引起起的的不不确确定性。定性。在在多多传传感感器器数数据据融融合合系系统统中中，每每个个信信息息源源提

48、提供供了了一一组组证证据据和和命命题题，并并且且建建立立了了一一个个相相应应的的质质量量分分布布函函数数。因因此此，每每一一个个信信息息源源就就相相当当于于一一个个证证据据体。体。在在同同一一个个鉴鉴别别框框架架下下，将将不不同同的的证证据据体体通通过过Dempster合合并并规规则则并并成成一一个个新新的的证证据据体体，并并计计算算证证据据体体的的似似真真度度，最最后后用用某某一一决决策策选选择择规规则则，获获得最后的结果。得最后的结果。三、人工神经网络法三、人工神经网络法神经网络根据当前系统所接收到的样本的相似性，确定分类标准。这种确定方法主要表现在网络权网络权值值分布上，同时可采用神经网

49、络特定的学习算法学习算法来获取知识，得到不确定性推理机制。基于神经网络的传感器信息融合特点：基于神经网络的传感器信息融合特点：uu具有统一的内部知识表示形式，通过学习算法可具有统一的内部知识表示形式，通过学习算法可将网络获得的传感器信息进行融合，获得相应网将网络获得的传感器信息进行融合，获得相应网络的参数，并且可将知识规则转换成数字形式，络的参数，并且可将知识规则转换成数字形式，便于建立知识库；便于建立知识库；uu能够将不确定环境的复杂关系，经过能够将不确定环境的复杂关系，经过学习推理学习推理学习推理学习推理，融合为系统能理解的准确信号；融合为系统能理解的准确信号；uu由于神经网络具有大规模并

50、行处理信息能力，使由于神经网络具有大规模并行处理信息能力，使得系统信息处理速度很快。得系统信息处理速度很快。处理过程如下：处理过程如下：(l)用选定的用选定的N个传感器检测系统状态；个传感器检测系统状态；(2)采集采集N个传感器的测量信号并进行预处理；个传感器的测量信号并进行预处理；(3)对预处理后的对预处理后的N个传感器信号进行特征选择；个传感器信号进行特征选择；(4)对对特特征征信信号号进进行行归归一一化化处处理理，为为神神经经网网络络的的输输入入提提供供标标准形式；准形式；(5)将将归归一一化化的的特特征征信信息息与与已已知知的的系系统统状状态态信信息息作作为为训训练练样样本本，送送神神