信息融合

信息融合与控制第二章信息融合系统的模型和结构重庆大学自动化学院柴毅[e-mail]2引言对于目标测量识别，单传感器提取的信息往往是待识别目标的不完全描述，而利用多个传感器提取的独立、互补信息，能带来许多特殊效果，因而各种面向复杂应用背景的多传感器数据系统也随之大量涌现。数据融合技术最早由美国军方用于目标跟踪和目标识别，随着研究的深入和应用领域的扩大，数据融合技术已成功地应用于军事和民用领域的诸多方面。3引言数据融合将某一目标的多源信息进行融合，形成比单一信息源更精确、更完全的估计和判决；把各个传感器在空间上、时间上冗余或互补的数据，依据某种准则进行组合，以获得对被测对象的一致性描述或理解，使系统比组成它的各子系统具有更优越的性能。4引言数据融合的概念定义为：把来自多个传感器和信息源的数据加以联合、相关和组合，以获得精确的位置估计和身份估计，以及对战况和威胁及其重要程度进行适时的完整评价。良好性能稳健性宽阔的时空覆盖区域很高的测量维数良好的目标空间分辨力……5引言美国“数据融合联合实验室”在防御系统中通用的数据融合处理模型：数据融合分为五级：第一个层次为检测/判决融合；第二个层次为空间（位置）融合；第三个层次为属性数据融合；第四个层次为态势评估；第五个层次为威胁估计。第一、二两个层次的数据融合适合于任意的多传感器数据融合系统，后三个层次主要适用于C3I（情报指挥控制与通讯）系统中的数据融合。62.1信息融合系统的功能模型2.2信息融合的级别2.3信息融合系统的通用处理结构2.4信息融合要解决的几个关键问题2.5信息融合的主要技术和方法第2章信息融合系统的模型和结构72.1信息融合系统的功能模型功能模型从融合过程出发，描述数据融合包括哪些主要功能、数据库，以及进行数据融合时系统各组成部分之间的相互作用过程。数据源数据预处理一级处理目标评估二级处理态势评估三级处理影响评估人际接口数据库管理系统支持数据库融合数据库四级处理过程评估数据融合模型82.1信息融合系统的功能模型促进系统管理人员、理论研究者、设计人员、评估人员相互之间更好地沟通和理解，从而使得整个系统的设计、开发和实施过程得以高效顺利地进行。数据源数据预处理一级处理目标评估二级处理态势评估三级处理影响评估人际接口数据库管理系统支持数据库融合数据库四级处理过程评估数据融合模型92.1功能模型——第一级处理：目标评估第一级处理：目标评估（objectassessment）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。传感器1传感器1传感器1预处理预处理预处理数据配准数据配准数据配准跟踪门数据关联定位运动学/属性参数估计身份估计＊量测文件＊传感器信息＊航迹文件一级处理中的对象评估模型数据配准：就是将时域上不同步，空域上属于不同坐标系的多源观测数据进行时空对准，从而将多源数据纳入一个统一的参考框架中，为数据融合的后期工作做铺垫。数据关联：主要处理分类和组合等问题身份估计：处理的是实体属性信息的表征与描述102.1功能模型——第二级处理第二级处理：态势评估（situationassessment）态势评估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。112.1功能模型——第三级处理第三级处理：影响评估（impactassessment）影响评估是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。在军事领域即指威胁估计（threatassessment），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。此外，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。122.1功能模型——第四级处理第四级处理：过程评估（processassessment）过程评估是一个更高级的处理阶段。通过建立一定的优化指标，对整个融合过程进行实时监控与评价，从而实现多传感器自适应信息获取和处理，以及资源的最优分配，以支持特定的任务目标，并最终提高整个实时系统的性能。难点：如何对系统特定任务目标以及限制条件进行建模和优化，以平衡有限的系统资源，如计算机的运算能力以及通信带宽等。当前，利用效用理论来开发系统性能及效率模型，以及利用基于知识的方法来开发基于上下文环境的近似推理是研究的重点。132.1信息融合系统的功能模型2.2信息融合的级别2.3信息融合系统的通用处理结构2.4信息融合要解决的几个关键问题2.5信息融合的主要技术和方法第2章信息融合系统的模型和结构142.2信息融合的级别信息融合按照融合系统中数据抽象的层次，融合可以分为：数据级融合特征级融合决策级融合152.2融合级别——数据级融合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。传感器1传感器3传感器2关联数据级融合特征提取身份识别融合的身份识别结果数据级融合162.2融合级别——数据级融合主要优点：只有较少数据量的损失，并能提供其他融合层次所不能提供的其他细微信息，所以精度最高。它的局限性包括：所要处理的传感器数据量大，故处理代价高，处理时间长，实时性差这种融合是在信息的最低层进行的，传感器信息的不确定性、不完全性和不稳定性要求在融合时有较高的纠错处理能力它要求传感器是同类的，即提供对同一观测对象的同类观测数据数据通信量大，抗干扰能力差此级别的数据融合用于多源图像复合、图像分析和理解以及同类雷达波形的直接合成等。172.2融合级别——特征级融合特征级融合属于中间层次的融合由每个传感器抽象出自己的特征向量（可以是目标的边缘、方向和速度等信息），融合中心完成特征向量的融合处理。一般来说，提取的特征信息应是数据信息的充分表示量或充分统计量。优点：实现了可观的数据压缩，降低对通信带宽的要求，有利于实时处理，但由于损失了一部分有用信息，使得融合性能有所降低。传感器1传感器3传感器2特征提取关联特征层融合身份识别融合的身份识别结果特征级融合182.2融合级别——特征级融合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，以完成数据校准，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、特怔压缩和聚类方法、人工神经网络、K阶最近邻法等。192.2融合级别——决策级融合决策级融合是一种高层次的融合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。传感器1传感器3传感器2特征提取关联决策层融合融合的身份识别结果决策级融合身份识别身份识别身份识别202.2融合级别——决策级融合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。特征级和决策级的融合不要求多传感器是同类的。由于不同融合级别的融合算法各有利弊，所以为了提高信息融合技术的速度和精度，需要开发高效的局部传感器处理策略以及优化融合中心的融合规则。212.2融合级别——三个层次的比较三个融合层次优缺点的比较：数据级融合特征级融合决策级融合处理信息量最大中等最小信息量损失最小中等最大抗干扰性能最差中等最好容错性能最差中等最好算法难度最难中等最易融合前处理最小中等最大融合性能最好中等最差对传感器的依赖程度最大中等最小222.1信息融合系统的功能模型2.2信息融合的级别2.3信息融合系统的通用处理结构2.4信息融合要解决的几个关键问题2.5信息融合的主要技术和方法第2章信息融合系统的模型和结构232.3信息融合系统的通用处理结构通用处理结构：在整个融合处理流程中，依照实现融合处理的场合不同，研究人员提出了通用处理结构的概念。Heisttand描述了三种处理结构，分别是集中式结构、分布式结构以及混合式结构。不同处理结构针对不同的加工对象。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；混合式结构：加工的既有原始数据，又有预处理过的数据。242.3通用处理结构——集中式集中式系统结构在此结构中，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。这种结构特点是信息损失小，对系统通信要术较高，融合中心计算负担重，系统的生存能力也较差。传感器1传感器2传感器N预处理预处理预处理数据对准关联组合滤波目标状态检测与估计传感器控制与反馈信息选通和控制分类跟踪和分类参数＊目标分类＊成功说明的概率集中式融合系统结构252.3通用处理结构——分布式分布式系统结构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。相对于集中式系统，此类系统具有造价低、可靠性高、通信量小等特点。传感器1传感器2传感器N预处理预处理预处理数据对准关联组合滤波目标状态检测与估计选通和控制分类跟踪和分类参数＊目标分类＊成功说明的概率分布式融合系统结构跟踪和分类跟踪和分类跟踪和分类传感器控制与反馈信息262.3通用处理结构——混合式混合式系统结构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。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。传感器1传感器2传感器N预处理预处理预处理数据对准关联组合滤波目标状态检测与估计选通和控制分类跟踪和分类参数＊目标分类＊成功说明的概率混合式融合系统结构跟踪和分类跟踪和分类跟踪和分类传感器控制与反馈信息多路复用选择与合并检测参数272.1信息融合系统的功能模型2.2信息融合的级别2.3信息融合系统的通用处理结构2.4信息融合要解决的几个关键问题2.5信息融合的主要技术和方法第2章信息融合系统的模型和结构282.4信息融合要解决的几个关键问题数据对准在多传感信息融合系统中，每个传感器提供的观测数据都在各自的参考框架之内。在对这些信息进行组合之前，必须首先将它们变换到同一个参考框架中去。但要注意的是，由于多传感时空配准的舍入误差必须得到补偿。同类或异类数据多传感器提供的数据在属性上可以是同类也可以是异类的，而且异类多传感器较之同类传感器，其提供的信息具有更强的多样性和互补性；但同时由于异类数据在时间上的不同步，数据率不一致以及测量维数不匹配等特点，使得对这些信息的融合处理更困难。292.4信息融合要解决的几个关键问题传感器观测数据的不确定性由于传感器工作环境的不确定性，导致观测数据包含有噪声成分。在融合处理中需要对多源观测数据进行分析验证，并补充综合，在最大限度上降低数据的不确定性。不完整、不一致及虚假数据在多传感信息融合系统中，对传感器接收到的量测数据有时会存在多种解释，称之为数据的不完整性；多传感数据往往也会对观测环境作出不一致甚至相互矛盾的解释；