logo资料库

信息融合综述.doc

发布时间：2022-06-13 发布人：admin 分类：说明书 资料大小：0.08M 资料格式：doc 举报 版权申诉
第1页 / 共6页
第2页 / 共6页
第3页 / 共6页
第4页 / 共6页
第5页 / 共6页
第6页 / 共6页
资料共6页，全文预览结束
    1多传感器信息融合的概念
    2 信息融合的模型和结构
    3 多传感器信息融合的主要技术和方法
    （2）统计推断法
    （3）信息论方法
    （4）决策论方法
    （5）人工智能方法
    （6）几何方法
    4 信息融合理论体系
    4.1 信息融合功能的分解
    4.2 融合过程标准形式的建立
    4.4 状态估计理论体系
    4.5 系统辩识和参数估计理论体系
    4.6 控制理论体系
    5 多传感器信息融合技术的应用
    6 多传感器信息融合研究方向展望
    （1）多传感器分布检测研究
    （2）多传感器综合跟踪算法研究
    （3）异类传感器信息融合技术研究
    （4）多层估计的一般理论研究
    （5）多目标跟踪与航迹关联的联合优化问题
    （6）多传感器跟踪中的航迹起始问题
    （7）目标识别及其融合技术研究
    （8）图像融合技术研究
    （9）信息融合中的数据库和知识库技术研究
    （10）传感器资源分配和管理技术研究
    （11）随机集理论在信息融合中的应用
    （12）人工智能技术在信息融合中的应用研究
    （13）基于粗糙集理论的信息融合方法研究
    （14）信息融合系统的性能测试与度量
    （15）信息融合系统的工程实现
    7 结束语
    多传感器信息融合技术综述 内容摘要：多传感器信息融合技术是一门新兴学科，它的理论和方法已被应用到许多研 究领域。本文主要对多传感器信息融合的模型与结构、信息融合的主要技术和方法、信息融 合理论体系以及信息融合技术的应用等内容进行了概要介绍和展开了综述。 关键词：多传感器；信息融合；综述 随着传感器技术、数据处理技术、计算机技术、网络通讯技术、人工智能技术和并行计 算的软硬件技术等相关技术的发展，多传感器信息融合技术已受到了广泛关注。多传感器信 息融合是 20 世纪 80 年代出现的一门新兴学科，它首先广泛地应用于军事领域，如海上监视、 空－空和地－空防御、战场情报、监视和获取目标及战略预警等，随着科学技术的进步，多 传感器信息融合至今已形成和发展成为一门信息综合处理的专门技术，并很快推广应用到工 业机器人、智能检测、自动控制、交通管理和医疗诊断等多种领域。我国从 20 世纪 90 年代 也开始了多传感器信息融合技术的研究和开发工作，并在工程上开展了多传感器识别、定位 等同类信息融合的应用系统的开发，现在多传感器信息融合技术越来越受到人们的普遍关注。 1 多传感器信息融合的概念 在信息融合领域，人们经常提及“多传感器融合”（multi-sensor fusion）、“数据融合”（data fusion）和“信息融合”（information fusion）。实际上它们是有差别的，现在普遍的看法是，多 传感器融合包含的内容比较具体和狭窄，至于信息融合和数据融合，有一些学者认为数据融 合包含了信息融合，还有一些学者认为信息融合包含了数据融合，而更多的学者把信息融合 与数据融合的当作同一概念看待，在不影响应用的前提下，二种提法都是可以的。因此本文 统一使用信息融合这一提法。信息融合有多种定义方式，作者认为比较确切的概念为：充分 利用不同时间与空间的多传感器信息资源，采用计算机技术对按时序获得的多传感器观测信 息在一定准则下加以自动分析、综合、支配和使用，获得对被测对象的一致性解释与描述， 以完成所需的决策和估计任务，使系统获得比它的各组成部分更优越的性能。 2 信息融合的模型和结构 2.1 信息融合的模型 信息融合绝大部分的研究都是根据具体问题及其特定对象建立自己的融合层次，针对其 在军事上的应用将信息融合划分为检测层、位置层、属性层、态势评估和威胁估计；根据输 入输出数据的特征提出了基于输入/输出特征的融合层次化描述等。可见，信息融合层次的划 分没有统一标准，根据信息表征的层次，我们将信息融合划分为像素层、特征层和决策层， 分别称为像素级融合、特征级融合和决策级融合[1]。一个给定的信息融合系统，可能涉及多个 级别数据的输入。 （1）像素级融合见图 1，这是最低层次的信息融合。在这种方法中，匹配的传感器数据直 接融合，而后对融合的数据进行特征提取和特征说明。传感器的信息融合之后，没有单个处 理的信息损失，识别的处理等价于对单个传感器的处理。该层次的信息融合能够提供其它层 次上的融合所不具备的细节信息，因此，像素级多传感器处理提供一种最优决策和识别性能。 但是，像素级融合要求精确的传感器配准和宽的传输带宽。 （2）特征级融合见图 2，这是中间层次的信息融合。在这种方法中，每个传感器观测目标， 并对各传感器的观测进行特征提取（如提取形状、边沿、方位信息等），产生特征矢量，而后 融合这些特征矢量，并做出基于联合特征矢量的属性说明。在特征级融合中，各个源提供的 特征矢量融合到一个综合的特征矢量中，这种融合是比较简单的，该层次的信息融合是像素 级融合和更高一级决策级融合的折衷形式，兼容了两者的优缺点，具有较大的灵活性，在许 多情况下是很实用的。
    传感器 1 传感器 2 … 传感器 n 传感器 1 传感器 2 … 传感器 n 特 征 提 取 特 征 级 融 合 关 联 像 素 级 融 合 图 1 像素级融合 关 联 特 征 提 取 图 2 特征级融合 一致 性解 释与 描述 一致 性解 释与 描述 传感器 1 传感器 2 … 传感器 n 特 征 提 取 说 明 说 明 … 说 明 关 联 特 征 级 融 合 一致 性解 释与 描述 图 3 决策级融合 （3）决策级融合见图 3，这是最高层次的信息融合。在这种方法中，每个传感器观测目标， 并对各传感器的观测进行特征提取，产生特征矢量；而后对特征矢量进行模式识别处理， 完 成各传感器关于目标的说明；再将各传感器关于目标的说明数据按同一目标进行分级，即关 联；最后利用融合算法将某一目标各传感器的数据进行合成，得到该目标的一致性解释与描 述。总之，上述 3 个层次的信息融合都各有其特点，在具体的应用中应根据融合的目的和条 件选用，表 1 对它们的特点进行了综合比较。 融合层次 信息丢失 实时性 表 1 3 种融合层次的特点比较 精度 容错性 抗干扰力 计算量 融合水平 像素级 特征级 决策级 小 中 大 差 中 好 高 中 低 差 中 优 差 中 优 大 中 小 低 中 高 2.2 通用体系结构 在信息融合处理过程中，根据对原始数据处理方法的不同，信息融合系统的体系结构主 要有三种：集中式、分布式和混合式。 （1）集中式：集中式将各传感器获得的原始数据直接送至中央处理器进行融合处理，可以 实现实时融合，其数据处理的精度高，算法灵活，缺点是对处理器要求高，可靠性较低，数 据量大，故难于实现。
    （2）分布式：每个传感器对获得的原始数据先进行局部处理，包括对原始数据的预处理、 分类及提取特征信息，并通过各自的决策准则分别作出决策，然后将结果送入融合中心进行 融合以获得最终的决策。分布式对通信带宽需求低、计算速度快、可靠性和延续性好，但跟 踪精度没有集中式高。 （3）混合式：大多情况是把上述二者进行不同的组合，形成一种混合式结构。它保留了上 述两类系统的优点，但在通信和计算上要付出较昂贵的代价。但是，此类系统也有上述两类 系统难以比拟的优势，在实际场合往往采用此类结构。 3 多传感器信息融合的主要技术和方法 信息融合作为对多传感器信息的综合处理过程，具有本质的复杂性。传统的估计理论和 识别算法为信息融合技术奠定了不可或缺的理论基础。但同时我们也看到，近年来出现的一 些新的基于统计推断、人工智能以及信息论的新方法，正成为推动信息融合技术向前发展的 重要力量。以下扼要介绍这些技术方法。 （1）信号处理与估计理论方法[2] 信号处理与估计理论方法包括用于图像增强与处理的小波变换技术、加权平均、最小二 乘、Kalman 滤波等线性估计技术，以及扩展 Kalman 滤波（EKF），Gauss 滤波等非线性估计 技术等。近年来，越来越多的学者致力于 UKF（Unscented Kalman Filter）滤波，基于随机采 样技术的粒子滤波和 Markov 链 Monte Carlo（MCMC）等非线性估计技术的研究，并取得了 许多有价值的研究成果。期望极大化（EM）算法为求解在具有不完全观测数据情况下的参数 估计与融合问题，提供了一个全新的思路。另外，通过建立一定的优化指标，可以最优化方 法来获得参数最优估计，典型算法有极小化风险法以及极小化能量法等。 （2）统计推断法 统计推断法包括经典推理，Bayes 推理，证据推理（D-S），随机集（Random Set）理论以 及支持向量机（SVM）理论等[3]。 （3）信息论方法 信息论方法有一个共同的特点，即目标实体的相似性反映了观测参数的相似性，因而不 需要建立变量随机方面的模型。运用优化信息度量的手段融合多源数据，从而获得问题的有 效解决。典型的算法有熵方法，最小描述长度方法等[4]。 （4）决策论方法 决策论方法往往应用于高级的决策融合。可以借助决策论方法融合可见光、红外以及毫 米波雷达数据用于报警分析。 （5）人工智能方法 人工智能方法包括模糊逻辑、神经网络、遗传算法、基于规则的推理以及专家系统、逻 辑模板法、品质因数法等，在信息融合领域的应用也取得了一定的成果[4]。 （6）几何方法 几何方法通过充分探讨环境以及传感器模型的几何属性来达到多传感器信息融合的目 的。如，通过对不确定椭球体体积进行极小化的几何方法完成对多传感器的融合处理，利用 多边形逼近方法在传感器数据和存储的模板数据之间进行模式匹配，从而融合了多传感器的 互补信息以实现对重叠和遮挡目标的识别。 4 信息融合理论体系 多传感器信息融合理论的研究主要集中在：信息融合功能的分解、融合过程标准形式的 建立以及信息融合技术数学基础的建立等问题。而多传感器信息融合系统作为一个系统的概 念，其理论体系可从状态估计理论、系统辩识与参数估计理论、控制理论 3 个方面来发展。 4.1 信息融合功能的分解 信息融合功能分解有分层式、中心式以及混合式三种模式。分层融合是指各传感器在每 一步都维持自己的数据，然后各传感器的数据传输到一个中心处理器，在此融合成一个精确 的全局数据文件；中心式融合的每一步是把各传感器的观测数据都传输到中心处理器，在此
    利用各传感器的观测数据滤波，进而产生全局数据文件；混合式融合是中心式和分层式的综 合，它有 1 个以上的中心处理器，各中心处理器要相互传输所处理的航迹文件，最后各自形 成一个精确的全局数据文件。 4.2 融合过程标准形式的建立 融合过程标准形式的建立在近年有关多传感器信息融合的文献中较少涉及，一般只在某 一特定应用领域中探讨。如在多分类器系统决策融合中，最终的决策被表达为不同类型的排 序，排序的方法有提炼和再排序两种，而 Kin 和 Jonathem 提出了一种介于两种方法之间，或 者说包括两种方法的统一形式；又如，用于姿态估计的信息融合中把二维数据看作某一方向 上无限不确定的三维数据，从而可以建立三维数据的标准平行融合算法。 4.3 信息融合技术数学基础的建立 信息融合技术的数学基础与该问题的建模研究及算法的开发有密切关系。总的来讲，概 率论、数理统计、随机过程、时间序列分析和检测与估计理论是构造信息融合的基础理论。 随着信息融合技术的不断发展，最优化方法、线性系统理论、多元分析、回归分析以及模糊 数学等均被引入了多传感器信息融合技术的相关理论中。 4.4 状态估计理论体系 在状态和输出上，多传感器信息的不确定性表现为具有某种统计特性（或模糊特性）的 随机过程（或模糊过程）。试图准确测量融合系统在某个时刻的状态或精确预报融合系统在未 来时刻的状态和输出变化规律都是不可能的。因此，需要采用系统的状态估计理论来建立多 传感器信息融合的理论体系。 4.5 系统辩识和参数估计理论体系 对融合过程的估计一般需要正确描述的数学模型。然而，绝大多数融合系统不确定因素 的作用机理都是未知的，这就需要通过实验数据和根据人们的实际经验来构造数学模型。此 时，多传感器信息融合就是一个系统辩识和参数估计问题。因此，可采用系统辩识和参数估 计理论来构造多传感器信息融合系统理论体系。 4.6 控制理论体系 从本质上讲，多传感器信息融合就是一个对多传感器的不确定性施加控制，使其最大限 度地减小的过程。因此，可用系统的控制理论对多传感器信息融合系统的理论体系进行规范， 它包括：（1）多传感器信息融合的系统优化理论，它主要研究如何选择控制策略或控制律， 使传感器信息融合结果的不确定性达到最小；（2）多传感器信息融合的自适应控制理论，它 主要研究如何利用计算机存储量大、处理速度快的特点，实现对多传感器信息融合过程实时 估计和控制，并把这种实时估计和控制融为一体的问题。 5 多传感器信息融合技术的应用 “信息融合”一词出现的初期，当时并未引起人们的足够重视，只是局限于军事应用方 面的研究，C3I 系统率先采用多传感器信息融合技术来采集和处理战场信息并获得成功。到上 世纪 80 年代中期，信息融合技术在军事领域中已经取得了相当大的进展，不仅成功地应用于 战术武器系统中，而且在各类作战指挥自动化系统中都充分的发挥着作用。美军已研制了几 十个应用信息融合技术的情报收集和作战指挥系统，如空中目标确定和截击武器选择专家系 统、陆空自动战术情报保障系统等。欧洲等国家联合制定了开展“多传感器信号与知识融合 系统”（MSSKF）研究计划，在时间/空间信息融合、数字/符号信息融合、环境和传感器模型 等方面取得了重要进展。为更好地探测隐身目标、直升机、巡航导弹等雷达反射截面（RCS） 值较小的目标，空中预警机利用战术数据链把机内外多传感器传来的各种数据和信息进行融 合，以便得到更精确的目标位置、速度等信息。 信息融合的第二个最有成就的研究和应用领域是智能机器人，智能机器人需要依靠本身 的感觉系统综合信息、识别环境、作出决策。Hailar 移动机器人首次采用多传感器信息融合技 术，使之能在未知环境中操作；Stanford 大学将立体视觉、滑觉和超声波传感器用在移动机器 人上，用 Kalman 滤波技术融合传感器信息取得成功。我国对多传感器信息融合的智能机器人、
    智能系统的研究日益重视，并已取得许多可喜成果。目前，多传感器信息融合技术在工业中 的柔性制造、故障诊断等领域，以及在医学、测量、公安等领域中的图像分析与理解、目标 监测与跟踪、多源图像复合等许多方面也有所应用和发展。近年来，在引信的目标探测与识 别、安全与解除保险控制，以及炸点精确控制中，也越来越多地利用多传感器信息融合技术。 6 多传感器信息融合研究方向展望 近二十年来，多传感器信息融合技术受到普遍关注和广泛应用，它的发展正处于方兴未 艾的时期，并不断引入新的技术。在多传感器信息融合领域尚有许多工作要做，我们在此仅 阐述其中的一些主要研究方向。 （1）多传感器分布检测研究 研究内容包括：分布式恒虚警率检测、异类传感器的分布式检测、非高斯杂波中的分布 式检测、多传感器分布式检测的自适应融合、分布式检测中的反馈技术和多目标检测技术。 （2）多传感器综合跟踪算法研究 多传感器的综合跟踪理论还远未形成，许多单传感器多目标跟踪算法能否和如何推广到 多传感器环境中有待于进一步研究。 （3）异类传感器信息融合技术研究 异类多传感器信息融合由于具有时间不同步，数据率不一致及测量维数不匹配等特点， 因而具有很大的不确定性。在异类多传感器信息融合中，如何利用各传感器信息进行目标数 据起始，如何综合利用位置、动态及特征和属性参数改善目标跟踪性能，如何合理利用互补 信息以改善对目标的识别以及如何实现检测跟踪的联合优化都是需要进一步研究和解决的问 题。 （4）多层估计的一般理论研究 随着信息融合系统层数的增加，将会出现许多不同的拓扑结构，其多层估计问题也将变 得更加复杂，为此需要研究多层估计的一般理论，这种理论应能统一全面地描述各种结构的 多层系统。 （5）多目标跟踪与航迹关联的联合优化问题 分布式信息融合前端往往级联多目标跟踪数据处理机，现在需要考虑的不是每种处理机 性能的各自最优化，而是多目标数据处理机和分布式信息融合在级联情况下的联合最优化问 题。解决这一问题的可能途径是综合考虑两级的关联准则及状态估计模型，并建立统一、完 整和级联的评价体系。 （6）多传感器跟踪中的航迹起始问题 研究多传感器航迹起始方法外，还需根据不同的战术需求，折衷考虑性能和计算量，对 参与航迹起始的传感器数量进行研究，并就航迹起始对多传感器融合跟踪性能的影响进行研 究。 （7）目标识别及其融合技术研究 目标识别融合是实现自动目标识别的重要途径。主要研究在像素级、特征级和决策级进 行目标识别及目标识别融合的方法，研究融合实时、半实时与非实时情报进行目标识别的方 法，研究把证据理论、模糊推理、人工智能（特别是专家系统）及神经网络等相结合的方法， 以解决非合作目标识别。在决策级目标识别中，要重点研究可能性、基本概率分配和信任度 等属性函数数据的实时获取问题。 （8）图像融合技术研究 图像融合在自动目标识别、遥感、机器人视觉、智能制造系统、医学图像处理等领域有 着广泛的应用潜力，它还有许多有待解决的问题，如：利用图像融合技术得到图像 3D 信息， 智能图像融合问题，图像融合质量的评价等。 （9）信息融合中的数据库和知识库技术研究 针对应用背景，构造通用的信息融合支撑环境，建立信息融合中的数据库和知识库，研 究高速并行推理机制，是信息融合技术工程化及实际应用中所面临的关键问题，应成为未来
    的研究重点之一。 （10）传感器资源分配和管理技术研究 这一方向包括的主要问题有：传感器性能预测，传感器对目标的分配方法，传感器空间 和时间作用范围控制准则，传感器配置和控制策略，传感器接口技术、传感器对目标分配的 优先级技术，传感器指示和交接技术以及建立传感器管理系统的性能评价体系等。 （11）随机集理论在信息融合中的应用 随机集方法对于处理复杂随机信息系统是一种有用的方法，随机集理论在不确定分析中 显示出了越来越重要的作用。利用随机集理论对信息融合问题进行描述，有可能从根本上解 决多目标跟踪问题。 （12）人工智能技术在信息融合中的应用研究 成功的信息融合需要大量的认识功能，人工智能是用计算机处理一般通常由人来处理认 识功能的技术。人工智能技术在神经网络、专家系统、模糊推理、遗传算法等领域的研究已 取得了较大进展，它们应用于数据关联、目标跟踪、目标分类、特征提取、管理和评估等信 息融合方面的研究也取得了一些进展，但在工程实现上还有许多问题需要处理，如探讨较为 一般的专家系统、更面向功能的拓扑模型、基于知识的系统测试和评定的方法等。 （13）基于粗糙集理论的信息融合方法研究 粗糙集（Rough Set）的出现为我们提供了新的强有力的手段，粗糙集理论是一种刻划不 完整性和不确定性的工具，能有效地分析和处理不精确、不一致、不完整等各种不完备信息， 并从中发现隐含的知识，揭示潜在的规律。利用粗糙集进行信息融合，主要利用它对不完整 数据进行分析、推理、发现数据间的关系、提取有用特征和简化信息的能力来融合多源复杂 信息，以提高融合速度和进行最优化融合算法的选择，增强系统的决策能力。 （14）信息融合系统的性能测试与度量 复杂系统的性能测试及可靠性评估一直是重大难题之一，我们需要广泛开发大规模计算 机模拟技术和融合算法测试试验床技术，针对具体的应用情况，正确地评价多传感器信息融 合的结果。 （15）信息融合系统的工程实现 尽快将信息融合技术广泛地应用于军事和民事领域，不仅会使该领域的理论研究在更加 坚实的基础上向前发展，而且对增强我国的国防实力和综合国力，提高我国的国际声誉以及 赶超世界先进水平均具有极其深远的历史意义和现实意义。 7 结束语 本文主要对多传感器信息融合模型与结构、信息融合的主要技术和方法、信息融合理论 体系以及信息融合技术的应用等内容进行了论述，并对多传感器信息融合技术研究方向进行 了展望。如何将信息融合理论上的知识转化为生产力和战斗力，如何针对具体问题得出确实 有效的多传感器信息融合的策略和算法，是现在和今后多传感器信息融合技术研究的重要课 题。 参考文献 [1]何友,王国宏.多传感器信息融合及应用[M].北京:电子工业出版社,2000,11 [2]康耀红.数据融合理论与应用[M].西安: 西安电子科技大学出版社,1997,1 [3]杨万海.多传感器数据融合及其应用[M].西安:西安电子科技大学出版社,2004,4 [4]高隽.智能信息处理方法导论[M]. 北京:机械工业出版社,2004,6
    分享到：
    赞 收藏

    相关推荐

    资料库

    课程资源

    共收录17145份资料，累计13个分类，关注成员有19位，主要包括：PHP,网络管理,网页制作,Java,.Net,数据库,3G/移动开发,C/C++,游戏开发,嵌入式,讲义,软件测试,专业指导

    热门标签

    PHP 网络管理 网页制作 Java .Net 数据库 3G/移动开发 C/C++ 游戏开发 嵌入式 讲义 软件测试 专业指导

    最新资料