多传感器数据融合技术PPT讲稿.ppt

《多传感器数据融合技术PPT讲稿.ppt》由会员分享，可在线阅读，更多相关《多传感器数据融合技术PPT讲稿.ppt（34页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、多传感器数据融合技术第1页，共34页，编辑于2022年，星期六9.5.1 概念与意义概念与意义 1 1 概概 念念 2 2 意意 义义 上一页下一页返 回第2页，共34页，编辑于2022年，星期六1 1概概 念念 l美国国防部美国国防部JDL从军事应用的角度将数据融从军事应用的角度将数据融合定义为这样的一个过程合定义为这样的一个过程:l把来自许多传感器和信息源的数据进行联把来自许多传感器和信息源的数据进行联合合(association)、相关（、相关（coorelation）、）、组合（组合（combination）和估值的处理，以达）和估值的处理，以达到精确的位置估计（到精确的位置估计（po

2、sition estimation）与身份估计（）与身份估计（identity estimation），以及对战场情况和威胁及），以及对战场情况和威胁及其重要程度进行适时的完整评价。其重要程度进行适时的完整评价。上一页下一页返 回第3页，共34页，编辑于2022年，星期六定义补充和修改定义补充和修改l用状态估计代替位置估计，并加入了检用状态估计代替位置估计，并加入了检测测(detection)的功能，从而给出了如下的功能，从而给出了如下定义：定义：l信息融合是一种多层次、多方面的处理信息融合是一种多层次、多方面的处理过程，这个过程是对多源数据进行检测、过程，这个过程是对多源数据进行检测、结合、

3、相关、估计和组合，以达到精确结合、相关、估计和组合，以达到精确的状态估计和身份估计，以及完整及时的状态估计和身份估计，以及完整及时的态势评估和威胁估计。的态势评估和威胁估计。上一页下一页返 回第4页，共34页，编辑于2022年，星期六定义三个要点：定义三个要点：（1）数据融合是多信源、多层次的处理过）数据融合是多信源、多层次的处理过程，每个层次代表信息的不同抽象程度；程，每个层次代表信息的不同抽象程度；（2）数据融合过程包括数据的检测、关联、）数据融合过程包括数据的检测、关联、估计与合并；估计与合并；（3）数据融合的输出包括低层次上的状态）数据融合的输出包括低层次上的状态身份估计和高层次上的总

4、战术态势的评估。身份估计和高层次上的总战术态势的评估。上一页下一页返 回第5页，共34页，编辑于2022年，星期六多传感器数据融合多传感器数据融合包包括括：多多传传感感器器的的目目标标探探测测、数数据据关关联联、跟跟踪踪与与识识别别、情况评估和预测。情况评估和预测。基基本本目目的的：通通过过融融合合得得到到比比单单独独的的各各个个输输入入数数据据更更多多的的信信息息。这这一一点点是是协协同同作作用用的的结结果果，即即由由于于多多传感器的共同作用，使系统的有效性得以增强。传感器的共同作用，使系统的有效性得以增强。实实质质：一一种种多多源源信信息息的的综综合合技技术术，通通过过对对来来自自不不同同

5、传传感感器器的的数数据据进进行行分分析析和和综综合合，可可以以获获得得被被测测对对象及其性质的最佳一致估计。象及其性质的最佳一致估计。多多传传感感器器数数据据融融合合：将将经经过过集集成成处处理理的的多多种种传传感感器器信信息息进进行行合合成成，形形成成对对外外部部环环境境某某一一特特征征的的一一种种表表达达方式。方式。上一页下一页返 回第6页，共34页，编辑于2022年，星期六多传感器数据融合技术应用多传感器数据融合技术应用最早是围绕军用系统开展研究的。最早是围绕军用系统开展研究的。非军事领域：非军事领域：智智能能机机器器人人、计计算算机机视视觉觉、水水下下物物体体探探测测、收收割割机机械械

6、的的自自动动化化、工工业业装装配配线线上上自自动动插插件件安安装装、航航天天器器中中重重力力梯梯度度的的在在线线测测量量、信信息息高高速速公公路路系系统统、多多媒媒体体技技术术和和虚虚拟拟现现实实技技术术、辅辅助助医医疗疗检检测测和和诊诊断断等等领域。领域。上一页下一页返 回第7页，共34页，编辑于2022年，星期六2 2意意 义义l主要作用可归纳为以下几点：主要作用可归纳为以下几点：（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准确确、全全面面的的信信息；息；（2

7、）降降低低信信息息的的不不确确定定性性，一一组组相相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传感器的不确定性和测量范围的局限性进行补偿；一传感器的不确定性和测量范围的局限性进行补偿；（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时，系统仍能正常运行；系统仍能正常运行；（5）增加系统的实时性。）增加系统的实时性。上一页下一页返 回第8页，共34页，编辑于2022年，星期六使用传感器数据融合技术将使测量使用传感器数据融合技术将使测量系统具有如下优势：系统具有

8、如下优势：（1）增增加加测测量量维维数数，增增加加置置信信度度，提提高高容容错错功功能能，改改进进系系统统的的可可靠靠性性和和可可维维护护性性。当当一一个个甚甚至至几几个个传传感感器器出出现现故故障障时时，系系统统仍仍可可利利用用其其它它传传感感器器获获取取环环境境信信息息，以以维维持持系系统统的的正正常常运运行。行。（2）提提高高精精度度。在在传传感感器器测测量量中中，不不可可避避免免地地存存在在各各自自各各种种噪噪声声，而而同同时时使使用用描描述述同同一一特特征征的的多多个个不不同同信信息息，可可以以减减小小这这种种由测量不精确所引起的不确定性，显著提高系统的精度。由测量不精确所引起的不确

9、定性，显著提高系统的精度。上一页下一页返 回第9页，共34页，编辑于2022年，星期六 （3）扩扩展展了了空空间间和和时时间间的的覆覆盖盖，提提高高了了空空间间分分辩辩率率，提提高高适适应应环环境境的的能能力力。多多种种传传感感器器可可以以描描述述环环境境中中的的多多个个不不同同特特征征，这这些些互互补补的的特特征征信信息息，可可以以减减小小对对环环境境模模型型理理解解的的歧歧义义，提提高系统正确决策的能力。高系统正确决策的能力。（4）改改进进探探测测性性能能，增增加加响响应应的的有有效效性性，降降低低了了对对单单个个传传感感器器的的性性能能要要求求，提提高高信信息息处处理理的的速速度度。在在

10、同同等等数数量量的的传传感感器器下下，各各传传感感器器分分别别单单独独处处理理与与多多传传感感器器数数据据融融合合处处理理相相比比，由由于于多多传传感感器器信信息息融融合合中中使使用用了了并并行行结结构构，采采用用分分布布式式系系统统并并行行算法，可显著提高信息处理的速度。算法，可显著提高信息处理的速度。（5）降降低低信信息息获获取取的的成成本本。信信息息融融合合提提高高了了信信息息的的利利用用效效率率，可可以以用用多多个个较较廉廉价价的的传传感感器器获获得得与与昂昂贵贵的的单单一一高高精精度度传传感感器器同样甚至更好的效果，因此可大大降低系统的成本。同样甚至更好的效果，因此可大大降低系统的成

11、本。上一页下一页返 回第10页，共34页，编辑于2022年，星期六9.5.2 基本原理基本原理 充充分分利利用用多多个个传传感感器器资资源源，通通过过对对这这些些传传感感器器及及其其观观测测信信息息的的合合理理支支配配和和使使用用，把把多多个个传传感感器器在在空空间间或或时时间间上上的的冗冗余余或或互互补补信信息息依依据据某某种种准准则则来来进进行行组组合合，以以获获得得比比它它的的各各组组成部分的子集所构成的系统更优越的性能。成部分的子集所构成的系统更优越的性能。多多传传感感器器数数据据融融合合技技术术可可以以对对不不同同类类型型的的数数据据和和信信息息在在不不同同层层次次上上进进行行综综合

12、合，它它处处理理的的不不仅仅仅仅是是数数据据，还还可可以以是是证证据据和和属性等。属性等。多多传传感感器器数数据据融融合合并并不不是是简简单单的的信信号号处处理理。信信号号处处理理可可以以归归属于多传感器数据融合的第一阶段，即信号预处理阶段。属于多传感器数据融合的第一阶段，即信号预处理阶段。上一页下一页返 回第11页，共34页，编辑于2022年，星期六9.5.3 层次层次 l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要有两种方法。第一种方法是将数据融合划分为低层（数据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（决级或像素级）、中层（特征级）和高层（决策

13、级）。策级）。另一种方法将是将传感器集成和数据融合划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。分为信号级、证据级和动态级。上一页下一页返 回第12页，共34页，编辑于2022年，星期六数据级融合数据级融合(或像素级融合或像素级融合)l对对传传感感器器的的原原始始数数据据及及预预处处理理各各阶阶段段上上产产生生的的信信息息分分别别进进行行融融合合处处理理。尽尽可可能能多多地地保保持持了了原原始始信信息息，能能够够提提供供其其它它两个层次融合所不具有的细微信息。两个层次融合所不具有的细微信息。l局限性：局限性：(1)由于所要处理的传感器信息量大，故处理代价高；由于所要处理的

14、传感器信息量大，故处理代价高；(2)融融合合是是在在信信息息最最低低层层进进行行的的，由由于于传传感感器器的的原原始始数数据据的的不不确确定定性性、不不完完全全性性和和不不稳稳定定性性，要要求求在在融融合合时时有有较较高高的的纠纠错错能力；能力；(3)由由于于要要求求各各传传感感器器信信息息之之间间具具有有精精确确到到一一个个像像素素的的配配准精度，故要求传感器信息来自同质传感器；准精度，故要求传感器信息来自同质传感器；(4)通信量大。通信量大。上一页下一页返 回第13页，共34页，编辑于2022年，星期六特征级融合特征级融合利利用用从从各各个个传传感感器器原原始始数数据据中中提提取取的的特特

15、征征信信息息，进进行行综合分析和处理的中间层次过程。综合分析和处理的中间层次过程。通通常常所所提提取取的的特特征征信信息息应应是是数数据据信信息息的的充充分分表表示示量量或或统统计计量量，据据此此对对多多传传感感器器信信息息进进行行分分类类、汇汇集集和综合。和综合。特征级融合分类：特征级融合分类：目标状态信息融合目标状态信息融合目标特性融合。目标特性融合。上一页下一页返 回第14页，共34页，编辑于2022年，星期六特征级融合分类：特征级融合分类：目标状态信息融合目标状态信息融合主主要要应应用用于于多多传传感感器器目目标标跟跟踪踪领领域域。融融合合系系统统首首先先对对传传感感器器数数据据进进行

16、行预预处处理理以以完完成成数数据据配配准准。数数据据配配准准后后，融融合合处处理理主主要要实实现现参参数相关和状态矢量估计。数相关和状态矢量估计。目标特性融合目标特性融合特特征征层层联联合合识识别别，具具体体的的融融合合方方法法仍仍是是模模式式识识别别的的相相应应技技术术，只只是是在在融融合合前前必必须须先先对对特特征征进进行行相相关关处处理理，对对特特征征矢矢量量进进行行分分类类组组合合。在在模模式式识识别别、图图像像处处理理和和计计算算机机视视觉觉等等领领域域，已已经经对对特特征征提提取取和和基基于于特特征征的的分分类类问问题题进进行了深入的研究，有许多方法可以借用。行了深入的研究，有许多

17、方法可以借用。上一页下一页返 回第15页，共34页，编辑于2022年，星期六决策级融合决策级融合在在信信息息表表示示的的最最高高层层次次上上进进行行的的融融合合处处理理。不不同同类类型型的的传传感感器器观观测测同同一一个个目目标标，每每个个传传感感器器在在本本地地完完成成预预处处理理、特特征征抽抽取取、识识别别或或判判断断，以以建建立立对对所所观观察察目目标标的的初初步步结结论论，然然后后通通过过相相关关处处理理、决决策策级级融融合合判判决决，最最终终获获得得联联合合推推断断结结果果，从从而而直直接为决策提供依据。接为决策提供依据。因因此此，决决策策级级融融合合是是直直接接针针对对具具体体决决

18、策策目目标标，充充分分利利用用特特征征级级融融合所得出的目标各类特征信息，并给出简明而直观的结果。合所得出的目标各类特征信息，并给出简明而直观的结果。决策级融合优点：决策级融合优点：实时性最好实时性最好在在一一个个或或几几个个传传感感器器失失效效时时仍仍能能给给出出最最终终决决策策，因因此此具具有有良好的容错性。良好的容错性。上一页下一页返 回第16页，共34页，编辑于2022年，星期六9.5.4 过程过程 l首首先先将将被被测测对对象象它它们们转转换换为为电电信信号号，然然后后经经过过AD变变换换将将它它们们转转换换为为数数字字量量。数数字字化化后后电电信信号号需需经经过过预预处处理理，以以

19、滤滤除除数数据据采采集集过过程程中中的的干干扰扰和和噪噪声声。对对经经处处理理后后的的有有用用信信号号作作特特征征抽抽取取，再再进进行行数数据据融融合合；或或者者直直接接对对信信号号进行数据融合。最后，输出融合的结果。进行数据融合。最后，输出融合的结果。上一页下一页返 回第17页，共34页，编辑于2022年，星期六9.5.5 方法方法 1.1.加权平均加权平均 2.2.卡尔曼滤波卡尔曼滤波 3 3 贝叶斯估计贝叶斯估计 4.4.多贝叶斯方法多贝叶斯方法 5.5.统计决策理论统计决策理论 6.Dempster-Shafer6.Dempster-Shafer证据推理法证据推理法 7.7.模糊逻辑法

20、模糊逻辑法 8.8.产生式规则法产生式规则法 9.9.神经网络方法神经网络方法 上一页下一页返 回第18页，共34页，编辑于2022年，星期六1.1.加权平均加权平均 l加权平均是最简单、最直观的数据融合加权平均是最简单、最直观的数据融合方法。方法。l该方法将一组传感器提供的冗余信息进该方法将一组传感器提供的冗余信息进行加权平均，结果作为融合值。行加权平均，结果作为融合值。上一页下一页返 回第19页，共34页，编辑于2022年，星期六2.2.卡尔曼滤波卡尔曼滤波 l应用：应用：融合低层的实时动态多传感器冗余数据。融合低层的实时动态多传感器冗余数据。l该方法应用测量模型的统计特性递推地确定融合数

21、该方法应用测量模型的统计特性递推地确定融合数据的估计，且该估计在统计意义下是最优的。如果据的估计，且该估计在统计意义下是最优的。如果系统可以用一个线性模型描述，且系统与传感器的系统可以用一个线性模型描述，且系统与传感器的误差均符合高斯白噪声模型，则卡尔曼滤波将为融误差均符合高斯白噪声模型，则卡尔曼滤波将为融合数据提供唯一的统计意义下的最优估计。合数据提供唯一的统计意义下的最优估计。l滤波器的递推特性使得它特别适合在那些不具备大滤波器的递推特性使得它特别适合在那些不具备大量数据存储能力的系统中使用。量数据存储能力的系统中使用。l应用领域：应用领域：目标识别、机器人导航、多目标跟踪、惯目标识别、机

22、器人导航、多目标跟踪、惯性导航和遥感等。性导航和遥感等。上一页下一页返 回第20页，共34页，编辑于2022年，星期六卡尔曼滤波器应用卡尔曼滤波器应用应应用用卡卡尔尔曼曼滤滤波波器器对对n个个传传感感器器的的测测量量数数据据进进行行融融合合后后，既既可可以以获获得得系系统统的的当当前前状状态态估估计计，又又可可以以预报系统的未来状态。预报系统的未来状态。所所估估计计的的系系统统状状态态可可能能表表示示移移动动机机器器人人的的当当前前位位置置、目目标标的的位位置置和和速速度度、从从传传感感器器数数据据中中抽抽取取的的特特征征或或实实际际测量值本身。测量值本身。上一页下一页返 回第21页，共34页

23、，编辑于2022年，星期六3 3贝叶斯估计贝叶斯估计 l贝贝叶叶斯斯估估计计是是融融合合静静态态环环境境中中多多传传感感器器低低层层信信息息的的常常用用方方法法。它它使使传传感感器器信信息息依依据据概概率率原原则则进进行行组组合合，测量不确定性以条件概率表示。测量不确定性以条件概率表示。l当当传传感感器器组组的的观观测测坐坐标标一一致致时时，可可以以用用直直接接法法对对传感器测量数据进行融合。传感器测量数据进行融合。l大大多多数数情情况况下下，传传感感器器是是从从不不同同的的坐坐标标系系对对同同一一环环境境物物体体进进行行描描述述，这这时时传传感感器器测测量量数数据据要要以以间间接方式采用贝叶

24、斯估计进行数据融合。接方式采用贝叶斯估计进行数据融合。上一页下一页返 回第22页，共34页，编辑于2022年，星期六4.4.多贝叶斯方法多贝叶斯方法 lDurrantWhyte将任务环境表示为不确定几何物体将任务环境表示为不确定几何物体集合的多传感器模型，提出了传感器信息融合的多贝集合的多传感器模型，提出了传感器信息融合的多贝叶斯估计方法。叶斯估计方法。l多贝叶斯估计多贝叶斯估计把每个传感器作为一个贝叶斯估计，把每个传感器作为一个贝叶斯估计，将各单独物体的关联概率分布组合成一个联合后将各单独物体的关联概率分布组合成一个联合后验概率分布函数，通过使联合分布函数的似然函验概率分布函数，通过使联合分

25、布函数的似然函数最小，可以得到多传感器信息的最终融合值。数最小，可以得到多传感器信息的最终融合值。上一页下一页返 回第23页，共34页，编辑于2022年，星期六5.5.统计决策理论统计决策理论 l与多贝叶斯估计不同，统计决策理论中的不确定与多贝叶斯估计不同，统计决策理论中的不确定性为可加噪声，从而不确定性的适应范围更广。性为可加噪声，从而不确定性的适应范围更广。l不同传感器观测到的数据必须经过一个鲁棒综合测试不同传感器观测到的数据必须经过一个鲁棒综合测试以检验它的一致性，经过一致性检验的数据用鲁棒极以检验它的一致性，经过一致性检验的数据用鲁棒极值决策规则融合。值决策规则融合。上一页下一页返 回

26、第24页，共34页，编辑于2022年，星期六6.Dempster-Shafer6.Dempster-Shafer证据推理法证据推理法 l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。l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定性。性。上一页下一页返 回第25页，共34页，编辑于2022年，星期六l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提供供了了一一组组证证据据和和命命题

27、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，每一个信息源就相当于一个证据体。每一个信息源就相当于一个证据体。l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，获获得得最最后的结果。后的结果。上一页下一页返 回第26页，共34页，编辑于2022年，星期六7.7.模糊逻辑法模糊逻辑法l模模糊糊逻逻辑辑实实质质上上是是一一种种多多值值逻逻辑辑，在在多多传传感感器器数数据据融融合合中中

28、，将将每每个个命命题题及及推推理理算算子子赋赋予予0到到1间间的的实实数数值值，以以表表示示其其在在登登记记处处融融合合过过程程中中的的可可信信程程度度，又又被被称称为为确确定定性性因因子子，然然后后使使用用多多值值逻逻辑辑推推理理法法，利利用用各各种种算算子子对对各各种种命命题题（即即各各传传感感源源提提供供的的信信息）进行合并运算，从而实现信息的融合。息）进行合并运算，从而实现信息的融合。上一页下一页返 回第27页，共34页，编辑于2022年，星期六8.8.产生式规则法产生式规则法 l人工智能中常用的控制方法。人工智能中常用的控制方法。l产生式规则法中的规则一般要通过对具体使用的产生式规则

29、法中的规则一般要通过对具体使用的传感器的特性及环境特性进行分析后归纳出来的，传感器的特性及环境特性进行分析后归纳出来的，不具有一般性，即系统改换或增减传感器时，其不具有一般性，即系统改换或增减传感器时，其规则要重新产生。规则要重新产生。l特点：特点：系统扩展性较差，但推理较明了，易于系统解系统扩展性较差，但推理较明了，易于系统解释，所以也有广泛的应用范围。释，所以也有广泛的应用范围。上一页下一页返 回第28页，共34页，编辑于2022年，星期六9.9.神经网络方法神经网络方法模模拟拟人人类类大大脑脑而而产产生生的的一一种种信信息息处处理理技技术术，它它采采用用大大量量以以一一定定方方式式相相互

30、互连连接接和和相相互互作作用用的的简简单单处处理理单单元元（即神经元）来处理信息。（即神经元）来处理信息。神神经经网网络络具具有有较较强强的的容容错错性性和和自自组组织织、自自学学习习、自自适适应应能力，能够实现复杂的映射。能力，能够实现复杂的映射。神神经经网网络络的的优优越越性性和和强强大大的的非非线线性性处处理理能能力力，能能够够很好的满足多传感器数据融合技术的要求。很好的满足多传感器数据融合技术的要求。上一页下一页返 回第29页，共34页，编辑于2022年，星期六特点：特点：具有统一的内部知识表示形式，通过学习方法可将网络具有统一的内部知识表示形式，通过学习方法可将网络获得的传感器信息进

31、行融合，获得相关网络的参数（如获得的传感器信息进行融合，获得相关网络的参数（如连接权矩阵、节点偏移向量等），并且可将知识规则转连接权矩阵、节点偏移向量等），并且可将知识规则转换成数字形式，便于建立知识库；换成数字形式，便于建立知识库；利用外部环境的信息，便于实现知识自动获取及进行联想利用外部环境的信息，便于实现知识自动获取及进行联想推理；推理；能够将不确定环境的复杂关系，经过学习推理，融合为能够将不确定环境的复杂关系，经过学习推理，融合为系统能理解的准确信号；系统能理解的准确信号；神经网络具有大规模并行处理信息的能力，使得系统信息处神经网络具有大规模并行处理信息的能力，使得系统信息处理速度很快

32、。理速度很快。上一页下一页返 回第30页，共34页，编辑于2022年，星期六基于神经网络的多传感器信息融合基于神经网络的多传感器信息融合 上一页下一页返 回第31页，共34页，编辑于2022年，星期六处理过程如下：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准形式；形式；(5)将将归归一一化化的

33、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，送送神神经经网网络络进进行行训训练练，直直到到满满足足要要求求为为止止。该该训训练练好好的的网网络络作作为为已已知知网网络络，只只要要将将归归一一化化的的多多传传感感器器特特征征信信息息作作为为输入送人该网络，则网络输出就是被测系统的状态。输入送人该网络，则网络输出就是被测系统的状态。上一页下一页返 回第32页，共34页，编辑于2022年，星期六融合体系分级：融合体系分级：在在信信号号级级使使用用多多传传感感器器检检测测过过程程中中的的状状态态，并并转转换换成成相相应应的的物物理理量量，此此时时还还没没有有形形

34、成成能能充充分分描描述述过过程程特特性性的数学模型；的数学模型；在在模模型型级级将将多多传传感感器器获获得得的的信信号号进进行行处处理理，建建立立各各自自的的过过程程模模型型，即即能能反反映映被被监监测测对对象象特特性性或或对对被被监监测测对对象象的的表表达达式式，如常用的功率谱估计、时间序列建模等；如常用的功率谱估计、时间序列建模等；在在特特征征级级主主要要是是对对模模型型级级提提供供的的信信息息特特征征进进行行特特征征关关联联、特征抽取及归一化处理，为融合处理提供一致的特征数据；特征抽取及归一化处理，为融合处理提供一致的特征数据；融融合合级级通通过过神神经经网网络络进进行行融融合合处处理理，实实现现对对监监测测对对象象的的识别与估计。识别与估计。上一页下一页返 回第33页，共34页，编辑于2022年，星期六神经网络模型常见种类神经网络模型常见种类BP网络网络径向基函数网络径向基函数网络自组织神经网络自组织神经网络Hopfield神经网络神经网络上一页返 回第34页，共34页，编辑于2022年，星期六