• / 50
  • 下载费用:40 金币  

1多源数据融合的基本概念

关 键 词:
多源数据融合 1多源数据融合的基本概念 多源数据融合的一 融合的基本概念 多源数据的融合 多源数据融合的基本概念 融合1数据融合的概念1
资源描述:
多源信息融合处理技术 主讲人:李玉柏 [email protected] 第一讲:多源信息融合的基本概念 n 多源信息融合的概念 n 多源信息融合的好处 n 信息融合系统的模型 n 数据融合的分类 n 数据融合的通用处理结构 n主要应用 1、多源信息融合的概念 n目前没有统一的信息融合定义。 n定义1:信息融合就是一种多层次、多方面的处 理过程,包括对多源数据进行检测、相关、组合 和估计,从而提高状态和身份估计的精度,以及 对战场态势和威胁的重要程度进行适时完整的评 价。 – 美国三军组织实验室理事联合会JDL(Joint Directors of Laboratories)提出来的 多源信息融合的概念 n定义2:信息融合就是由多种信息源,如传感器 、数据库、知识库和人类本身来获取有关信息, 并进行滤波、相关和集成,从而形成一个表示构 架,这种构架适合于获得有关决策、对信息的解 释、达到系统目标(如识别或跟踪运动目标)、传 感器管理和系统控制等。 n定义3:所谓多源信息融合,主要是指利用计算 机进行多源信息处理,从而得到可综合利用信息 的理论和方法,其中也包含对自然界人和动物大 脑进行多传感信息融合机理的探索。 多源信息融合的概念 n信息融合研究的关键问题,就是提出一些理论和 方法,对具有相似或不同特征的多源信息进行处 理,获得具有相关和集成特性的融合信息。 n研究的重点是特征识别和算法,这些算法使得多 传感信息的互补集成,改善不确定环境中的决策 过程。 2、多源信息融合的好处 n增强系统的生存能力:多个传感器的量测信息之 间存在冗余度,增加了传感系统生存范围性 n扩展空间覆盖范围:通过多个交叠覆盖的传感器 作用区域,扩展了空间覆盖范围; n扩展时间覆盖范围:用多个传感器协同作用提高 检测连续性和检测概率; n提高可信度:多个传感器对同一目标或时间进行 确认,有可能提高可信度; n降低信息的模糊度:多传感器的联合信息降低了 目标或事件的不确定性; 多源信息融合的好处 n改进探测性能:对目标或事件的多种量测的有效 融合,提高了探测的有效性,降低风险; n提供空间分辨率:多传感器合成可以获得比任何 单一传感器更高的分辨率; n增加了量测空间维数:系统不易受到敌方行动或 自然现象的破坏,因而增加了量测空间维数; n成本低、质量轻、占空少:多个传感器的使用, 使得对传感器的选择更加灵活和有效,因而可达 到成本低、质量轻、占空少的目的。 3、信息融合系统的模型 nJDL数据融合组构建的JDL数据融合模型 信息融合系统的模型 n第一级处理的是所谓目标评估object assessment 。 – 主要功能包括数据配准、数据关联、目标位 置和运动学参数估计,以及属性参数估计、 身份估计等,其结果为更高级别的融合过程 提供辅助决策信息。 – 这是本课程主要内容。 信息融合系统的模型 n第二级处理的是所谓态势评估situation assessment问题,是对整个态势的抽象和评定。 – 态势抽象就是根据不完整的数据集构造一个 综合的态势表示,从而产生实体之间一个相 互联系的解释。 – 态势评定则关系到对产生观测数据和事件态 势的表示和理解。态势评定的输入包括事件 检测、状态估计以及为态势评定所生成的一 组假设等。态势评定的输出在理论上是所考 虑的各种假设的条件概率。 信息融合系统的模型 n第三级处理的是所谓影响评估impact assessment 问题,它将当前态势映射到未来,对参与者设想 或预测行为的影响进行评估。 – 在军事领域指威胁估计threat assessment。 – 威胁估计是一种多层视图处理过程,用以解释对 武器效能的估计,以及有效地扼制敌人进攻的风 险程度。 – 威胁估计还包括通过汇集技术和军事条令数据库 中的数据,对我军要害部位受敌人攻击时的脆弱 性做出估计,以及对作战事件出现的程度和可能 性进行估计,并对敌方作战企图给出指示和告警 。 4、信息融合的分类 n多源信息融合有多种分类方法,如按照其融合技 术、融合算法、融合结构分类等,以下给出多源 信息融合的各种分类;按融合技术分类可分为: – 假设检验型信息融合技术 – 滤波跟踪型信息融合技术 – 聚类分析型信息融合技术 – 模式识别型信息融合技术 – 人工智能型信息融合技术等。 4、信息融合的分类 n多源信息融合有多种分类方法,如按照其融合技 术、融合算法、融合结构分类等,以下给出多源 信息融合的各种分类; 1)按融合技术分类可分为: – 假设检验型信息融合技术 – 滤波跟踪型信息融合技术 – 聚类分析型信息融合技术 – 模式识别型信息融合技术 – 人工智能型信息融合技术等。 信息融合的分类与级别 2)按照融合系统中数据抽象的层次,划分为三个 级别:数据级融合、特征级融合、决策级融合。 n数据级融合是最低层次的融合,直接对传感器的 观测数据进行融合处理,然后基于融合后的结果 进行特征提取和判断决策。 – 此级别的数据融合用于多源图像复合、分析 和理解以及同类组网雷达波形的合成等。 n特征级融合:特征级融合属于中间层次的融合, 先由每个传感器抽象出自己的特征向量(如目标 的边缘、方向和速度等信息),融合中心完成的 是特征向量的融合处理。 数据融合的级别 特征级融合可划分为目标状态信息融合和目标特 征信息融合两大类。 – 目标状态信息融合主要用于多传感器目标跟 踪领域,融合处理首先对多传感数据进行数 据处理,以完成数据校难,然后进行数据相 关和状态估计。具体数学方法包括卡尔曼滤 波理论、联合概率数据关联、多假设法、交 互式多模型法和序贯处理理论。 – 目标特征信息融合实际属于模式识别问题, 常见的数学方法有参量模板法、特征压缩和 聚类方法、人工神经网络、K阶最近邻法等。 数据融合的级别 n决策级融合是一种高层次的融合,先由每个传感 器基于自己的数据作出决策,然后在融合中心完 成的是局部决策的融合处理。 – 决策级融合是三级融合的最终结果,是直接 针对具体决策目标的,融合结果直接影响决 策水平。这种处理方法数据损失量最大,因 而相对来说精度最低,但其具有通信量小, 抗干扰能力强,对传感器依赖小,不要求是 同质传感器,融合中心处理代价低等优点。 常见算法有Bayes推断、专家系统、D-S证据 推理、模糊集理论等。 信息融合的分类与级别 3)按照信息融合的目的分类,多源信息融合的目 的大体可分为检测、状态估计和属性识别。 n检测融合(Detection Fusion):检测融合的主要目 的是利用多传感器进行信息融合处理,可以消除 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,获得对检测对象更准确的认识,例 如利用多个传感器检测目标以判断其是否存在。 – 利用单个传感器的检测缺乏对多源多维信息的协同利 用、综合处理,也未能充分考虑检测对象的系统性和 整体性,因而在可靠性、准确性和实用性方面都存在 着不同程度的缺陷,需要多个传感器共同检测,并利 用多个检测信息进行融合。 信息融合的分类与级别 n估计融台(Estimation Fusion):估计融合的主要 目的是利用多传感器检测信息对目标运动轨迹进 行估计。利用单个传感器的估计可能难以得到比 较准确的估计结果,需要多个传感器共同估计, 并利用多个估计信息进行融合,以最终确定目标 运动轨迹。 n属性融合(Recognition Fusion):属性融合的主要 目的是利用多传感器检测信息对目标属性、类型 进行判断。 5、信息融合通用处理结构 n信息融合处理有三种通用结构,分别是集中式结 构、分布式结构以及混合式结构。 n三种处理结构处理的原始数据不同。集中式结构 加工的是传感器的原始数据;分布式结构加工的 是经过预处理的局部数据;而混合式结构加工的 既有原始数据,又有预处理过的数据。 n在集中式系统结构中,各个传感器录取的检测报 告直接被送到融合中心,在那里进行数据对准、 点迹相关、数据互联、航迹滤波、预测与综合跟 踪。 集中式系统结构 信息融合通用处理结构 n分布式结构与集中式结构的区别在于,每个传感 器的检测报告在进入融合中心以前,先由它自己 的数据处理器产生局部多目标跟踪航迹,然后把 处理后的信息送至融合中心,融合中心根据各结 点的航迹数据完成航迹关联和航迹融合,形成全 局估计。 n混合式融合系统同时传输检测报告和经过局部结 点处理后的航迹信息,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,在实际场合往往来用此类结构。 分布式系统结构 混合式融合系统结构 6、信息融合的应用领域 1 1)军事应用是信息融合技术诞生的源泉)军事应用是信息融合技术诞生的源泉:主要用于 包括军事目标(舰艇、飞机、导弹等)的检测、定 位、跟踪和识别。具体应用包括海洋监视、空对 空或地对空防御系统等。 – 海洋监视系统包括潜艇、鱼雷、水下导弹等 目标的检测、跟踪和识别,典型的传感器包 括雷达、声纳、远红外、合成孔径雷达等。 – 空对空或地对空防御系统的基本目标是检测 、跟踪、识别敌方飞机、导弹等,典型的传 感器包括雷达、ESM接收机、远红外探测器 、敌我识别传感器、电光成像传感器等。 举例1、雷达的组网监视 n雷达组网系统可以从多视角探测雷达目标的空间 和时间覆盖范围,增强了探测和反隐身能力,提 高了系统可靠性和生存能力。同时,雷达组网系 统具有更高层次的抗干扰能力,它具有抗有源干 扰和抗反辐射导弹的特殊效能。 n雷达组网系统信息融 合处理:每部雷达完 成观测数据获取,并 将可能的目标报告先 经过局部处理然后送 往信息融合中心,或 是直接送往融合中心 。融合中心根据需要 完成目标检测、定位 跟踪乃至属性分类等 各种功能,也可以将 结果用于更高层次的 处理。 雷达的组网监视的融合模型 n雷达组 网系统 的任何 处理可 以根据 各个雷 达的局 部检测 器中预 测器和 判决器 处理分 成不同 的模型 。 举例2:C3I系统的信息融合处理 nC3I系统就是指挥自动化技术系统,是用计 算机将指挥、控制、通信和情报各分系统 紧密联在一起的综合系统。 C3I系统的信息来源 n空中和空间侦察器:包括有人驾驶飞机、无人驾驶飞机 、气球、飞艇以及侦察卫星等,提供战场目标图像等信 息。 n地面传感器:主要有震动传感器、音响传感器、磁性传 感器、应变电缆传感器等,其信息可用于判定目标的位 置、状态和性质等。 n各种侦察雷达:提供地面或水面活动目标的运动参数。 n光电传感器:主要有微光夜视仪、红外成像仪、激光测 距观测仪等,可以识别目标,提供目标的形状、距离、 方向等参数。 n通信系统:通过无线电通信系统、有线通信系统和卫星 通信系统可以及时接收上级、友邻或下属传来的各种情 报信息。 n其他间接信息来源:主要是对作战有影响的民用信息。 C3I系统的信息融合处理 C3I系统信息融合功能模型 C3I系统信息融合功能模型 n预处理器是对同类传感器的数据进行融合; n时间和空间配准为多传感器提供统一时空参照; n信息融合处理器是把测量值或参数进行合并,以 提高目标的分类识别及态势估计的准确性; n态势数据库存储着实时或历史态势数据以供查询 ; n控制计算机完成对目标的分类和进行态势评定, 并对信息源的使用进行协调管理; n显示与控制是把融合和评定的结果显示出来,指 挥员根据这一显示结果进行指挥与控制火力,直 至把火力反馈到作战环境中。 举例3:组合导航技术 n导航是导引航行的简称,它的基本作用是引导飞 机、舰船、车辆,甚至是个人、导弹,准确地沿 着所选定的路线安全地到达目的地。 n组合导航系统是将航行体上的某些或全部导航设 备组合成一个统一的系统,利用两种或两种以上 的设备提供多重信息,构成一个多功能、高精度 的冗余系统。组合导航系统有利于充分利用各导 航系统进行信息互补与信息合作,因而成为导航 系统发展的方向。 主要的导航技术 — GNSS n全球导航卫星统GNSS包括GPS/ GLONASS/ GALILEO/ COMPASS全球系统。 C/A OS/GPS III L1L1 (1575.42 MHz) E6 (1278.75 MHz) L2 (1227.6 MHz) L5/E5AL5/E5A (1164-1214 M P(Y) PRS L2C M P(Y) PRS CS E5b MHz) L5 E5a* E5b* 主要的导航技术GNSS n惯性制导: n通信系统定位: 组合导航的融合技术 单一的定位 单一的GNSS 单一的GPS 天基PNT 多系统GNSS GNSS+UTMS GIS+INTERNET 大众 化服 务 室内 外无 缝导 航 Anywhere, Anytime, Anyone n多系统融合-多模式接收 n与INS、WSN和通信系统融合-实现无缝导航 信息融合的应用领域 2 2)民事领域的多元信息融合处理应用)民事领域的多元信息融合处理应用 n近年来,多传感器融合系统也在民事应用领域得 到了较快的发展,主要应用领域包括有: – 工业智能机器人 – 智能交通系统 – 汽车控制 – 图像融合、检测与处理 – 遥感遥测 – 入侵检测 – …… 举例4:移动机器人中的信息融合技术 n移动机器人是一个集环境感知、动态决策与规划 、行为控制与执行等多种功能于一体的综合系统 。移动机器人中采用的多源信息融合方法主要包 括加权平均法、Kalman滤波Bayes估计、 Dempster-Shafer证据推理、模糊逻辑、神经网 络以及基于行为方法等。 移动机器人中的信息融合技术 n移动机器人中的Kalman滤波及其扩展:用于实 时融合动态的低层次冗余传感器数据处理,对于 机器人具有线性动力学模型,且系统噪声和传感 器噪声是符合高斯分布的白噪声,Kalman滤波 为融合数据提供统计意义下的最优估计。 nTomatis等人采用基于Kalman滤波混合法实现了 移动机器人的导航,试验结果表明,在1.15km 的路程上成功率达到96%。从移动机器人的跟踪 精度来看,偏离目标 点的误差仅为9mm。 举例5:遥感图像信息的融合 n使用Google earth的就 会发现遥感数据融合 处理的必要性和重要 性; n遥感图像信息融合是 最常见的信息融合形 式之一, 有不同来源图 像融合,光学、热、 雷达、声纳图像的融 合,不同分辨率、不 同视角图像的融合等 。 遥感图像信息的融合 n遥感信息传感设备 – 无人机测控 – 星载SAR – 机载红外检测 – 中继卫星测控技术 – …… 遥感图像信息的融合 n图像数据融合可分为若干层次,如象素级、特征 级和决策级三级融合模型,但在遥感数据融合处 理中一般采用信号级、象素级、特征级和符号级 四级模型。 – 信号级融合将不同传感器的信号进行混合,以 便产生具有更佳质量与可靠性的融合信息; – 象素级融合的作用是图像增强,以便改善如分 割与特征提取等处理的效果; – 特征级融合使得能够以高的置信度来提取有用 的图像特征; – 符号级融合允许来自多个源的信息在最高抽象 层次上被有效地利用,如进行决策。 举例6:智能交通监视、管理与控制 n智能交通系统是将先 进的信息技术、数据 通讯传输技术、电子 传感技术及计算机处 理技术等有效的集成 运用于整个地面交通 管理系统而建立的一 种在大范围内、全方 位发挥作用的,实时 、准确、高效的综合 交通运输管理系统。 ITS智能交通监视、管理与控制 n多源交通信息的处理是智能交通系统的基础。 通过多源信息融合技术,能形成更加丰富的交 通信息,在一定准则下进行自动分析,能更有 效完成所需的交通决策和评估。 举例7:空中交通管制 n当前的空中交通管制系统主 要由雷达和无线电提供空中 图像,并由空中交通管制器 承担数据处理的任务。随着 雷达多重覆盖和空中交通量 的增加,必须运用信息融合 技术,使图像形成自动化。 举例8:过程控制 n工业过程监视系统是 一个重要的信息融合 应用领域,融合的目 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 触发若干报警器。 n多源信息融合技术已 在核反应堆、火灾检 测系统、石油平台监 视系统中得到应用。 举例9:汽车自动驾驶系统 n汽车自动驾驶系统需要多传感系统支持,一般无人汽车 自动驾驶系统的多传感器系统包括差分全球定位系统 DGPS、惯性传感器INS、数字地图,立体图像传感器, 激光探测器和雷达等系统。 – 通过惯性传感器、数字地图和差分全球定位系统,确 定汽车行使的地理位置和方向以及路面的几何形状。 – 通过立体图像传感器辨识、跟踪汽车行使路面边缘。 – 通过激光探测器和雷达,完成汽车行驶过程中路况和 前方障碍物等信息的检测。 n将各个传感器输出的信号通过卡尔曼滤波进行信 息融合,识别汽车行驶路面情况,通过控制机构 实现汽车无人驾驶。 汽车自动驾驶系统 n德国C. Stiller等人把多传感器信息融合技术用 于汽车自动无人驾驶,并进行了测试。 举例10:入侵检测系统IDS n多源信息融合技术为 入侵检测系统IDS的性 能提升起着重要作用 。从多个信息源获得 的信息量会比单一信 息源多。对于IDS系统 ,如果能够充分利用 网络中其他设备或应 用系统产生的日志和 审计记录,必将极大 提高自己检测的准确 性和可靠性。 思考题 n简述信息融合的通用处理结构的特点; n查阅关于图像融合的象素级、特征级和决 策级三级融合模型;解释三级融合模型的 含义; n查阅相关资料,解释雷达组网四级模型的 优缺点; n查阅相关资料,给出一个除课堂所列出的 10个应用实例之外的多源信息融合应用实 例,并进行总结。
展开阅读全文
  麦档网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
0条评论

还可以输入200字符

暂无评论,赶快抢占沙发吧。

关于本文
本文标题:1多源数据融合的基本概念
链接地址:https://www.maidoc.com/p-15673827.html
关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服 - 联系我们

[email protected] 2018-2020 maidoc.com版权所有  文库上传用户QQ群:3303921 

麦档网为“文档C2C模式”,即用户上传的文档所得金币直接给(下载)用户,本站只是中间服务平台,本站所有文档下载所得的金币归上传人(含作者)所有。
备案号:蜀ICP备17040478号-3  
川公网安备:51019002001290号 

本站提供办公文档学习资料考试资料文档下载


收起
展开