2015年北航多源信息融合复习课.

整理文档很辛苦,赏杯茶钱您下走!

免费阅读已结束,点击下载阅读编辑剩下 ...

阅读已结束,您可以下载文档离线阅读编辑

资源描述

万江文《多源测试信息融合》复习课Outline1.数据融合概述2.检测融合3.属性融合4.基于Bayes统计理论的信息融合技术5.基于模糊集合论的信息融合技术6.证据理论基础知识及其改进7.证据理论在数据融合中的应用8.期末考试安排1.数据融合概述关于数据融合目的:对多源知识和多个传感器所获得的信息进行综合处理,消除多传感器信息之间可能存在的冗余和矛盾,利用信息互补来降低不确定性,以形成对系统环境相对完整一致的理解,从而提高系统智能规划和决策的科学性、反应的快速性和正确性,进而降低决策风险。定义:利用计算机技术,对不同传感器按时序获得的观测信息,按照一定的准则加以自动分析、优化和综合,为完成所需的决策和估计任务而进行的信息处理过程。1.数据融合概述数据融合过程:分析来自所有传感器的数据,并对其进行配准、关联、相关、估计、分类与信息反馈等。配准:将传感器数据统一到同一时间和空间参考系中关联:使用某种度量尺度对来自不同传感器的数据进行比较,确定进行相关处理的候选配对相关:对关联后的数据进行处理以确定它们是否属于同一个目标估计:依据相关处理后的结果对目标的状态变量与估计误差方差进行更新,实现对目标的未来状态预测分类:通过对特征数据的分析,确定目标的类型等1.1数据融合级别决策信息数据高层次融合传感器采集筛选、整合和抽象由低层到高层数据级融合特征级融合决策级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。优点:数据损失量较少,精度最高不足:实时性差、要求传感器是同类的、数据通信量大、抗干扰能力差、处理的数据量大每个传感器先抽象出自己的特征向量,然后由融合中心完成融合处理。优点:进行了数据压缩、对通信带宽的要求低、利于实时处理不足:有信息损失、融合性能降低每个传感器先基于自己的数据做出决策,然后由融合中心完成局部决策。优点:通信量小、抗干扰能力强、融合中心处理代价低不足:数据损失量最大、精度最低1.2数据融合方法的分类集中式融合结构分布式融合结构混合式融合结构多级式融合结构集中式融合结构将检测数据传递到融合中心,然后进行数据对准、点迹相关、数据互联、航迹滤波、预测与综合跟踪等。优点:信息损失最小;缺点:互联比较困难,并且要求系统必须具备大容量的存储能力,计算负担重,系统生存能力较差分布式融合结构中,每个传感器的检测数据在进入融合以前,先由它自己的处理器产生局部决策结论,然后将处理过的信息送至融合中心,完成综合决策,形成全局估计。优点:计算量小,易实现,系统生存能力强;缺点:信息损失量大集中式融合与分布式融合结合相结合特点:适合复杂高、难度大的大系统,可扩充性一般各局部节点可以同时或分别是集中式、分布式或混合式的融合中心,系统的融合节点再次对各局部节点传送来的航迹进行相关和合成。优点:信息损失中等,融合难度中等;缺点:系统结构复杂,实现难度高,成本高2.检测融合概述检测融合概念多传感器检测融合就是将来自多个不同传感器的观测数据或判决结果进行综合,从而形成一个关于同一环境或事件的更完全、更准确的判决。是信息融合理论中的一个重要研究内容。2.检测融合概述检测融合目的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改善检测性能更实用2.1检测融合系统的分类多传感器检测融合系统由多个传感器及融合中心构成。融合系统的融合方式分为集中式和分布式融合中心传感器节点MCUsensor1sensor2…sensorn能量供给单元2.2集中式检测融合系统特点优点:融合中心数据全面最终判决结果理论置信度高缺点:数据量大,通信带宽要求高信息处理时间长融合中心负荷大2.2分布式检测融合系统传感器1传感器N……传感器预处理1传感器预处理N传感器判定传感器判定融合判定…………分布式:各传感器首先基于自己的观测进行判决,然后将判决结果传输到融合中心,融合中心根据所有传感器的判决进行检验,形成最终判决。2.2分布式检测融合系统的特点优点:数据传输量小,通信带宽要求低分布式计算,融合效率高融合中心负荷小缺点:缺乏相互之间的关联数据损失大分布式检测结构是目前多传感器检测的主要结构模型2.3分布式融合检测系统2.3.1分布式融合检测系统分类并行结构分散结构串行结构树形结构现象S1S2检测融合中心…………SNY1Y2YNU1U2UNU0现象S1SNS2…………Y1Y2YNU1U2UN现象S1SNS2…………Y1Y2YNU1U2UN-1U0现象S1S3S2S4S5Y4U1U2U3Y5Y1Y2Y3U5=U02.3分布式融合检测系统2.3.2二元假设检验问题假设分布式并行检测融合系统由融合中心及N个传感器构成。每一个局部传感器基于自己的观测值yi完成同一个决策任务,之后将决策值ui传送到融合中心。融合中心的任务是根据接收到的局部决策,利用最优融合规则,作出全局决策u0。图1并行分布式检测融合系统事件传感器1传感器2传感器n融合中心y1y2ynu1u2un2.3分布式融合检测系统2.3.2二元假设检验问题在二元假设检验问题中,每个传感器的决策值ui为二元值,定义如下:设P(H0)=P0和P(H1)=P1分别为H0和H1出现的先验概率,且P0+P1=1局域决策值传送到融合中心构成融合中心的观测向量:融合中心基于U获得全局决策U0,融合中心的决策值为:010(1((1,2,iHHui,假设判定为无目标),假设判定为有目标)…,N)12(,,,)NUuuu……0100(1(HHu,假设判定为无目标),假设判定为有目标)2.3分布式融合检测系统2.3.3二元假设检验结果这种判决结果有四种可能性:00100010(1)0;(2)1;(3)1;(4)0HuHuHuHu为真,判决为真,判决为真,判决为真,判决。(1)、(2)为正确选择,(3)称为虚警(没有目标而判断为有目标)、(4)称为漏检(有目标判断为没有目标),为错误选择。多传感器目标检测的目的就是使目标检测的漏检率和虚警率尽可能低。2.3分布式融合检测系统2.3.4常见融合策略“与”融合检测准则“或”融合检测准则表决融合检测准则最大后验概率融合检测准则Neyman-Pearson融合检测准则贝叶斯融合检测准则最小误差概率准则2.3分布式融合检测系统“与”融合检测准则为:系统的检测概率和虚警概率分别为:可大大降低系统的虚警概率,但系统检测概率也随之降低。00,01,1u存在判决为的传感器所有传感器判决为N1iddiPP=N1iffiPP=“或”融合检测准则在具有n个传感器的检测网络中,设定一个阈值k,当存在k个以上的传感器支持某一假设时,则判定该假设成立。融合准则如下:其中,。当时,为“与”方法;当时,为“或”方法。2.3分布式融合检测系统1knkn1k1010,1,NiiNiiukuuk表决融合检验准则系统的检测概率和虚警概率分别为:该准则下k的取值很关键,应该在满足一定虚警率的前提下尽可能提高检测率,或在两者之间进行权衡,与实际要求有关。2.3分布式融合检测系统1(1)iiiinuuidddjkiujPPP1(1)iiiinuuifffjkiujPPP根据已有数据,选择最有可能产生该数据的假设。令表示在给定全局观测u的前提下,为真的概率,则取对应于的一个假设。融合规则为:两边取对数可得另外一种形式:2.3分布式融合检测系统最大后验概率融合检测准则(/)jPHujHmax(/u)jPH1100(/)1?:(/)PHuHHPHu1100(/)log0?:(/)PHuHHPHu2.3分布式融合检测系统(/)()(/),(0,1)()iiiPuHPHPHuiPu应用贝叶斯法则:故:从而最大后验概率融合检测准则也可写为:111000(/)(/)()(/)(/)()PHuPuHPHPHuPuHPH011001()(/)?:(/)()PHPuHHHPuHPH一般表示为:定义为似然比。、为似然函数。因此,式也称为似然比检验。2.3分布式融合检测系统010()?:uHH10(/)()(/)PuHuPuH1(/)PuH0(/)PuH010()?:uHH2.3分布式融合检测系统10101010101100(/)()(/)(1/)(0/)(1/)(0/)(1)(1)iiRRiiRRiimmRRiiffRRPuHuPuHPuHPuHPuHPuHPPPP以上给出的是最大后验概率准则的一般原理,下面推导分布式多传感器检测系统中基于最大后验概率准则的融合检测原理。2.3分布式融合检测系统00011()()PHPPHP将以上连乘式转化为连加式,两边取对数得:由取对数后可得:且101log()1iimmiiRRffPPuPP010()?:uHH010log()log?:uHH2.3分布式融合检测系统01011log?:NiiPwHHP由此得到N个传感器融合的最大后验概率融合检测准则为:其中:1log(),1log(),01imiifiimiifPuPwPuP2.3分布式融合检测系统Neyman-Pearson融合检测准则1111max(/)max()RPDHpydy0100(/)()fRPDHpydyP该融合准则的基本原则是在假定虚警概率不超过某个特定上限的前提下,使检测概率最大。即通过选择y空间的R1区来解决以下问题:Neyman-Pearson引理可精确表达寻找R1的策略。2.3分布式融合检测系统Neyman-Pearson引理对于二元假设检验问题,两个假设分别为H0和H1,已知其密度P0(y)和P1(y)。那么对于虚警概率P(D1/H0)≤Pf(Pf0),具有最大检验概率Pd的区域R1可由似然比检验得到其中λ0是Pf的函数。在非实际情况下,如果Pf=0,那么总是选择H0,除非当P0(y)=0时,才选择H110100()?:()pyHHpy2.3分布式融合检测系统101000(/)[()()/]fPDHPpypyHPλ0值的确定对于给定值Pf,应满足:显然,Neyman-Pearson准则不需要各个假设的先验概率。2.3分布式融合检测系统贝叶斯融合检测准则0100010110111()log?:()NiiPCCHHPCC因此,给定n个传感器,贝叶斯融合检测准则为:其中:1log(),1log(),01imiifiimiifPuPwPuP2.3分布式融合检测系统最小误差概率准则001110010,CCCCc在某些场合,对两类错误没有特殊的区别,令所有误差的代价函数最小也是一个合理的准则。即令:那么代价函数式变为:其中,为误差概率。010101[(/)(/)]eCcPPDHPPDHcPeP2.3分布式融合检测系统011001()?:()PpyHHpyP因此,最小误差概率准则为:与最大后验概率准则表达式完全相同。3.多源属性融合多源属性定义:多源属性融合是利用多传感器检测信息对目标的属性、类型进行判断。多源属性融合算法分类:对属性融合不存在精确的和唯一的算法分类,在属性融合领域中一般有统计法、经典推理、Bayes方法、模板法、表决法以及自适应神经网络等算法。他们可以归纳为三大类:物理模型、参数分类技术和基于基础知识的模型。属性融合(识别)算法参数分类物理模型基于知识的模型模拟估计语法分析映像代数极大似然估计Kalman滤波最小二乘法统计算法信息论技术Bayes经典推理Dempster-Shafer聚类分析参数模板自适应神经网络表决法熵法逻辑模板品质因数专家系统模糊集系统3.1基于物理模型的融合物理模型物理模型所采用的技术是根据物理模型模拟出可观测或可计算的数据,并把观测数据与预先存

1 / 95
下载文档,编辑使用

©2015-2020 m.777doc.com 三七文档.

备案号:鲁ICP备2024069028号-1 客服联系 QQ:2149211541

×
保存成功