智能传感器系统多传感器信息融合技术

第五章一、多传感器信息融合技术多传感器信息融合技术概述传感器信息融合的分类和结构传感器信息融合的一般方法传感器信息融合的实例多传感器信息融合是对来自于不同传感器的信息进行分析和综合，以产生对被测对象统一的最佳估计。研究目标：从工程上实现多个传感器信息处理的全过程。高度集成、高度融合、高度智能将成为信息融合系统的发展主线。信息融合的目的：通过数据组合推导出更多的信息，得到最佳协同作用效果；即利用多个传感器共同或联合操作的优势，提高传感系统有效性，消除单个或少量传感器的局限性。概述定义：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、信息获取的低成本性。传统的信号采集往往由单一的传感器来完成，即使采用多个（种）传感器也仅是从多个侧面孤立地反映目标信息。实际上，在大多数情况下，必须同时处理多个信号，而这些信号一般又来自多个信号源，即多传感器。但是多传感器也带来了信息冗余甚至矛盾。所以必须通过对各种传感器及其观测信息的合理支配与使用，将其采集的信息依据某种优化准则组合，产生对观测环境一致性的解释和描述，因此迫切要求对信息进一步处理。三、优点1.增加了系统的生存能力2.扩展了空间覆盖范围3.扩展了时间覆盖范围4.提高了可信度5.降低了信息的模糊度6.改善了探测性能7.提高了空间分辨率8.增加了测量空间的维数1、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。2、综合：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。传感器信息融合分类和结构3、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部的知识模型进行相关，而产生信息的一个新的表达式。4、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进行综合和优化。信息融合的结构分为串联和并联两种二、信息融合的结构SnS2S1Y1Y2YnC1C2CnYSC1C2Cn(a)串联(b)并联C1，C2，…，Cn表示n个传感器S1,S2,…，Sn表示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。……由多种传感器所获得的客观环境(即被测对象)的多组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。用数学语言描述就是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境却有很多，要使一组数据对应惟一的环境(即上述映射为一一映射)，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。通俗地说：即是通过把被测对象的观测值与被选假设进行比较，以确定哪个假设能最佳的描述观测值。嵌入约束法最基本的方法：Bayes估计和卡尔曼滤波传感器信息融合的一般方法一、嵌入约束法Bayes估计是融合静态环境中多传感器低层数据的一种常用方法。其信息描述为概率分布，适用于具有可加高斯噪声的不确定性信息。假定完成任务所需的有关环境的特征物用向量f表示，通过传感器获得的数据信息用向量d来表示，d和f都可看作是随机向量。信息融合的任务就是由数据d推导和估计环境f。假设p(f，d)为随机向量f和d的联合概率分布密度函数，则)()|()()|(),(fpdfpdpdfpdfp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)(/)()|()|(dpfpfdpdfp上式为概率论中的Bayes公式，是嵌入约束法的核心。在数据采集与信号处理系统中，经常需要多个传感器从不同的方位测量同一个指标参数，测得的数据越完整越精确，系统完成复杂任务的能力越强然而在多传感器数据采集系统中，由于传感器所处的方位不同和传感器自身质量的差异，以及一些无法控制的随机因素的作用，如受到传感器精度传输误差环境噪声和人为干扰等因素的影响，在实际中各传感器所测定的参数必定会有偏差这就存在如何审定被测参数结果的问题，其实这就是利用多个传感器对同一目标进行检测，并运用合理的算法融合多个传感器的观测数据，可以获得比单个传感器更加可靠的结果。复合处理－把几个传感器信息并行地、互补地组合起来处理。汇总处理－定义函数，对几个传感器信息进行归纳得出信息。融合处理－利用各传感器信息之间或传感器信息与内部模型之间的相互关系进行处理。联合处理－通过理解传感器信息相互之间的关系进行处理数据融合的处理形态功能模型数据融合模型特征提取分类决策识别参数估计传感器1传感器3传感器2目标状态测量目标属性测量低层处理高层处理状态向量特征、属性功能模型主要有特征提取、分类、识别、参数估计和决策，其中特征提取和分类是基础，融合在估计和决策阶段完成。融合步骤：1）低层处理：包括象素级融合和特片级融合，输出的是状态、特征和属性等；2）高层处理：决策级融合，输出的是抽象结果。特征提取：对传感器的观测值进行时间校准和空间坐标变换，形成统一的时间和空间参考点；分类：数据关联。判别不同时间与空间的数据否来自同一个被观测目标；将集到的多个传感器的新观测值与过去的观测值进行相关处理（要求来自同一个观测目标。通过分类可以得出每一个传感器对观测区域内每一个目标在某一时刻的观测值识别：观测结果形成一个N维的特征向量。将实测特征向量与已知类型特征进行比较，确定目标类别。识别是建立在已知目标类别先验知识的基础上。参数估计：即目标跟踪。决策：根据被观测目标的行为、企图、动向等制定应对策略和措施。结构形式一信息融合中心传感器1传感器N传感器2传感器1输入传感器2输入传感器N输入最终融合结果……传感器1传感器N传感器2传感器1输入传感器2输入传感器N输入最终融合结果……传感器1输出传感器2输出次级融合中心初级融合中心1传感器1传感器M传感器2传感器1输入传感器2输入传感器M输入最终融合结果…………初级融合中心L传感器1传感器N传感器2传感器1输入传感器2输入传感器N输入…………结构形式二除了自然(物理)信息外，信息融合技术还融合社会类信息，以语言文字为代表，涉及到大规模汉语资料库、语言知识的获取理论与方法、机器翻译、自然语言解释与处理技术等，信息融合采用分形、混沌、模糊推理、人工神经网络等数学和物理的理论及方法。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、探测世界。1、在信息电子学领域信息融合技术的实现和发展以信息电子学的原理、方法、技术为基础。信息融合系统要采用多种传感器收集各种信息，包括声、光、电、运动、视觉、触觉、力觉以及语言文字等。信息融合技术中的分布式信息处理结构通过无线网络、有线网络，智能网络，宽带智能综合数字网络等汇集信息，传给融合中心进行融合。二、意义及应用2、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、时间数据库的概念应运而生，为数据融合提供了保障。空间意味着不同种类的数据来自于不同的空间地点，时间意味着数据库能随时间的变化适应客观环境的相应变化。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、空间变化了的数据。在信息融合的思想下，提出的空间、时间数据库，是计算机科学的一个重要的研究方向。2、在计算机科学领域3、在自动化领域以各种控制理论为基础，信息融合技术采用模糊控制、智能控制、进化计算等系统理论，结合生物、经济、社会、军事等领域的知识，进行定性、定量分析。按照人脑的功能和原理进行视觉、听觉、触觉、力觉、知觉、注意、记忆、学习和更高级的认识过程，将空间、时间的信息进行融合，对数据和信息进行自动解释，对环境和态势给予判定。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。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、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。传感器信息融合的实例1.信息融合的民事应用领域1）工业过程监视及工业机器人2）遥感与金融系统3）空中交通管制与病人照顾系统4）船舶避碰与交通管制系统5）生物特征的身份识别2.信息融合技术军事上的应用1）采用多传感器的自主式武器系统和自备式运载器情报收集系统2）采用多传感器进行截获、跟踪和指挥制导的火控系统3）军事力量的指挥和控制站4）敌情指示和预警系统传感器信息融合的实例1.机器人中的传感器信息融合控制和信息融合计算机自主移动装配机器人装配机械手力觉传感器触觉传感器视觉传感器超声波传感器激光测距传感器多传感器信息融合自主移动装配机器人2.舰船上的传感器信息融合行扫描处理器红外探测器直流偏压AGC搜索器万向支架惯性导航系统图像摄像机万向支架图像处理共享存储器数据融合处理器环境控制显示记录人机界面图像摄像机传感器海军舰船传感器信息融合系统1、最小二乘法误差方程：最小二乘法与回归分析LAXVnmnnmmaaaaaaaaaA212222111211mxxxX210AV1)XAAAL（nlllL21nvvvV21回归分析：应用数理统计的方法，对实验数据进行分析和处理，从而得出反映变量间相互关系的经验公式，也称回归方程。线性回归方程（经验公式）的一般形式为：一元线性回归方程：一元线性拟合01122nnybbxbxbxxbby10ExampleX:15.030.040.0Y:75.080.082.0用一元线性回归建立x与y的关系。115.0130.0140.0Axbby10LAXV75.080.082.0L01bXb1)XAAAL（多元线性拟合12,,,;tttMtxxxyYX12NyyYy111212122212111MMNNNMxxxxxxXxxx012N12N01122ˆMMybbxbxbx1TTbXXXY1、定义：分析若干个预测变量和一个主要变量间的关系。2、多元回归分析原理回归分析是一种处理变量的统计相关关系的一种数理统计方法。其基本思想：虽然自变量和因变量之间没有严格的、确定性的函数关系，但可以设法找出最能代表它们之间关系的数学表达形式。多元回归分析法回归分析主要解决以下几个方面的问题：(1)确定几个特定的变量之间是否存在相关关系,如果存在的话，找出它们之间合适的数学表达式；(2)根据一个或几个变量的值，预测或控制另一个变量的取值，并且可以知道这种预测或控制能达到什么样的精确度；(3)进行因素分析。例如在对于共同影响一个变量的许多变量(因素)之间，找出哪些是重要因素，哪些是次要因素，这些因素之间又有什么关系等等。应用回归分析有很广泛的应用，例如实验数据的一般处理，经验公式的求得，因素分析，产品质量的控制，气象及地震预报，自