1多源数据融合的基本概念. ppt

多源信息融合处理技术演讲者: 李玉柏ybli@uestc.edu.cn第1讲: 多源信息融合的基本概念多源信息融合的概念多源信息融合的好处模型数据信息融合系统的概述主要应用融合分类数据融合的一般处理结构1.多源信息融合的概念目前尚无统一的信息融合定义. 定义1: 信息融合是一个多层次，多方面的过程，包括对多源数据的检测，关联，组合和估计，以提高状态和身份估计的准确性，以及战场情况和威胁的重要性及时和完整的评估. 美国武装部队组织实验室联合主任（JDL）提出的多源信息融合概念的定义2: 信息融合是从多个信息源（例如传感器，信息融合的概念，知识库）中获取相关信息. 与人本身，并执行过滤，关联和集成以形成表示框架，该框架适用于获取相关决策，解释信息，达到系统目标（例如识别或跟踪移动目标），传感器管理和系统控制. 定义3: 所谓的多源信息融合，主要是指利用计算机处理多源信息以获得综合可用信息的理论和方法. 它还包括对自然人和动物大脑的多传感器信息融合机制的探索. 多源信息融合的概念信息融合研究的关键问题是提出一些处理具有相似或不同特征的多源信息以获得具有相关和综合特征的融合信息的理论和方法.

研究重点在于特征识别和算法，这些功能可实现多传感器信息的互补集成，并改善不确定环境中的决策过程. 2.多源信息融合的好处提高了系统的生存能力: 多个传感器的测量信息之间存在冗余，从而增加了传感系统的生存能力并扩大了空间覆盖范围: 通过多个重叠覆盖传感器的作用面积，扩大空间覆盖范围；扩展时间覆盖范围: 使用多个传感器协作以提高检测连续性和检测概率；提高可信度: 多个传感器确认相同的目标或时间，可以提高可信度；减少信息的模糊性: 多个传感器的联合信息减少了目标或事件的不确定性；多源信息融合的好处提高了检测性能: 对目标或事件的多次测量的有效融合提高了检测的有效性，降低了风险；提供空间分辨率: 多传感器合成可以获得比任何单个传感器更高的分辨率；增加测量空间尺寸: 系统不易被敌方行动或自然现象破坏，从而增加了测量空间尺寸；成本低，重量轻，占用空间小: 多传感器的使用使传感器的选择更加灵活有效，可以达到成本低，重量轻，占用空间小的目的. 3.信息融合系统的模型由JDL数据融合小组构建的JDL数据融合模型信息融合系统的模型第一级处理所谓的对象评估. 主要功能包括数据注册，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. 结果为更高级别的融合过程提供了辅助决策信息.

这是本课程的主要内容. 信息融合系统的模型第二层处理所谓的情况评估问题，即对整个情况的抽象和评估. 情境抽象是基于不完整的数据集构建全面的情境表示，从而在实体之间生成相互关联的解释. 状况评估与观察数据和事件状况的表示和理解有关. 情况评估的输入包括事件检测，状态估计以及为情况评估而生成的一组假设. 情境评估的输出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第三级处理所谓的影响评估问题，该问题将当前情况映射到未来，并评估参与者的预期或预测行为的影响. 在军事领域，它指威胁评估. 威胁估计是一个多层视图处理过程，用于解释武器有效性的估计并有效抑制敌人攻击的风险. 威胁估计还包括从技术和军事学说中收集数据，以估计我军重要部分在遭到敌人攻击时的脆弱性，以及发生战斗事件的程度和可能性以及敌人的战斗尝试. 给出指示和警告. 4.信息融合的分类多源信息融合有许多分类方法. 例如，根据其融合技术，融合算法，融合结构分类等，给出了多源信息融合的各种分类；按照融合技术的分类，可以分为: 假设检验信息融合技术，滤波跟踪信息融合技术，聚类分析信息融合技术，模式识别信息融合技术，人工智能信息融合技术等.

4. 信息融合的分类多源信息融合的分类方法很多. 例如，根据融合技术，融合算法和融合结构分类，下面给出多源信息融合的各种分类； 1）按照融合技术的分类可以分为: 假设检验信息融合技术，滤波跟踪信息融合技术，聚类分析信息融合技术，模式识别信息融合技术，人工智能信息融合技术等. 信息融合2）根据融合系统中数据抽象的层次，将其分为三个层次: 数据层次融合，特征层次融合和决策层次融合. 数据级融合是最低级别的融合. 它直接融合传感器的观测数据，然后根据融合结果进行特征提取和判断. 此级别的数据融合用于多源图像合成，分析和理解以及类似网络雷达波形的合成. 特征级融合: 特征级融合属于融合的中间层. 每个传感器首先提取自己的特征向量（例如目标的边缘，方向和速度），然后融合中心完成特征向量融合过程. 数据融合的层次特征层次可以分为两类: 目标状态信息融合和目标特征信息融合. 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器数据执行数据处理以完成数据校正，然后执行数据关联和状态估计. 具体的数学方法包括卡尔曼滤波理论，联合概率数据关联，多重假设方法，交互式多重模型方法和顺序处理理论.

目标特征信息融合实际上是一个模式识别问题. 常见的数学方法包括参数模板方法，特征压缩和聚类方法，人工神经网络，K阶最近邻方法等. 数据融合级别决策级融合是一种高级融合. 每个传感器首先根据自己的数据做出决策，然后在融合中心完成本地决策融合过程. 决策级融合是三级融合的最终结果，直接针对特定的决策目标，而融合结果直接影响决策水平. 该处理方法具有最大的数据丢失量，因此具有最低的准确性. 但是，它具有通信量小，抗干扰能力强，对传感器的依赖性小，不需要同质传感器以及融合中心处理成本低的优点. 常用算法包括贝叶斯推理，专家系统，D-S证据推理，模糊集理论等. 信息融合的分类和层次3）根据信息融合的目的，多源信息融合的目的可以大致分为检测，状态估计和属性识别. 检测融合: 检测融合的主要目的是使用多个传感器进行信息融合处理，可以消除单个或单个传感器检测的不确定性，提高检测系统的可靠性，并获得对检测对象的更准确的了解. 例如，使用多个传感器来检测目标以确定目标是否存在. 单传感器检测缺乏对多源，多维信息的协调利用和综合处理，无法充分考虑检测对象的系统性和完整性，因此在可靠性，准确性和实用性上存在各种程度的缺陷. 它需要多个传感器共同检测并使用多个检测信息进行融合.

信息融合的分类和级别估计融合: 估计融合的主要目的是使用多传感器检测信息来估计目标轨迹. 使用单个传感器的估计可能难以获得更准确的估计结果. 需要多个传感器来共同估计并使用多个估计信息进行融合，以最终确定目标运动轨迹. 属性融合（Recognition Fusion）: 属性融合的主要目的是使用多传感器检测信息来判断目标属性和类型. 5.信息融合的通用处理结构信息融合处理的通用结构有三种，即集中式结构，分布式结构和混合结构. 三种处理结构处理的原始数据是不同的. 集中式结构处理传感器的原始数据；分布式结构处理预处理后的本地数据；混合结构同时处理原始数据和预处理数据. 在集中式系统结构中，每个传感器的检测报告直接发送到融合中心，在该中心进行数据对齐，点轨迹关联，数据互连，轨迹过滤，预测和全面跟踪. 集中式系统结构信息融合通用处理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进入融合中心之前，其自身的数据处理器首先生成局部的多目标跟踪轨迹，然后进行处理. 信息被发送到融合中心，融合中心根据每个节点的轨迹数据完成轨迹关联和轨迹融合，形成全局估计.

混合融合系统同时发送检测报告和本地节点处理的轨迹信息. 它保留了以上两种类型系统的优点，但是在通信和计算上却要付出更高的代价. 然而，这种类型的系统还具有难以与上述两种类型的系统相比较的优点，并且这种结构经常在实际情况下使用. 分布式系统结构混合融合系统结构6.信息融合应用领域1）军事应用是信息融合技术诞生的源泉: 主要用于军事目标（船舶，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. 海洋监视系统包括对潜艇，鱼雷和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，从而增强检测和反隐身能力，并提高系统的可靠性和生存能力. 同时，雷达联网系统具有较高的抗干扰能力，对主动干扰和抗辐射导弹具有特殊的功效. 雷达网络系统信息融合处理: 每个雷达完成观测数据的采集，可能的目标报告首先在本地处理，然后发送到信息融合中心，或直接发送到融合中心.

融合中心可以根据需要完成各种功能，例如目标检测，位置跟踪甚至属性分类，还可以将结果用于更高级别的处理. 雷达网络监控的融合模型根据每个雷达本地探测器中预测器和确定器的处理方式，可以将雷达网络系统的任何处理划分为不同的模型. 示例2: C3I系统的信息融合处理C3I系统是命令自动化技术系统. 它是一个使用计算机将命令，控制，通信和智能子系统连接在一起的综合系统. C3I系统信息源: 空中和太空侦察设备: 包括有人飞机，无人飞机，气球，飞艇和侦察卫星，提供战场目标图像等信息. 地面传感器: 主要有振动传感器，声学传感器，磁性传感器，拉紧电缆传感器等，它们的信息可用于确定目标的位置，状态和性质. 各种侦察雷达: 为地面或水移动目标提供运动参数. 光电传感器: 主要有弱光夜视，红外成像仪，激光测距观察仪等，它们可以识别目标并提供目标的形状，距离，方向和其他参数. 通信系统: 通过通信系统，有线通信系统和卫星通信系统信息融合的概念，可以及时接收上级，邻居或下属的各种情报信息. 其他间接信息来源: 主要是对行动有影响的民用信息. C3I系统信息融合功能模型C3I系统信息融合功能模型预处理器C3I系统信息融合功能模型预处理器用于融合相似传感器的数据. 时间和空间配准为多个传感器提供了统一的时空参考；信息融合处理器将测量值或参数进行组合以提高目标分类和态势估计的准确性;情况存储实时或历史情况数据以供查询；控制计算机完成对象的分类并进行情况评估，并使用信息源进行协调管理；显示和控制是显示结果的集成和评估. 指挥官根据此显示结果执行火力的指挥和控制，直到火力被反馈到战斗环境中.

示例3: 集成导航技术导航是引导式导航的缩写. 它的基本功能是引导飞机，轮船，车辆，甚至个人和导弹沿着所选路线准确安全地到达目的地. . 集成导航系统是将导航主体上的部分或全部导航设备组合为一个统一的系统，使用两种或更多种类型的设备提供多种信息，以形成，高精度的冗余系统. 集成导航系统有利于充分利用各种导航系统进行信息补充和信息协作，从而成为导航系统的发展方向. 主要导航技术-GNSS全球导航卫星系统GNSS包括GPS / GLONASS / GALILEO / COMPASS全球系统. 主要导航技术GNSS惯性制导: 通信系统定位: 集成导航融合技术多系统融合-多模式接收以及INS，WSN和通信系统融合的应用领域，实现无缝导航信息融合2）多信息融合近年来，在民用领域中，多传感器融合系统也得到了快速发展. 主要应用领域包括: 工业智能机器人，智能交通系统，车辆控制图像融合，检测和处理，遥感，遥测，入侵检测...示例4: 移动机器人中的信息融合技术移动机器人是一个综合的系统多种功能，例如环境感知，动态决策和计划，行为控制和执行. 移动机器人中使用的多源信息融合方法主要包括加权平均法，卡尔曼滤波器贝叶斯估计，Dempster-Shafer证据推理，模糊逻辑，神经网络和基于行为的方法.

移动机器人中的信息融合技术卡尔曼滤波及其在移动机器人中的扩展: 用于动态低级冗余传感器数据处理的实时融合，具有机器人的线性动态模型，并且系统噪声和传感器噪声为一致对于高斯分布的白噪声，卡尔曼滤波在统计意义上为融合数据提供了最佳估计. Tomatis等. 采用了基于卡尔曼滤波器的混合方法来实现移动机器人的导航. 测试结果表明，在1.15 km的距离内成功率达到96％. 从移动机器人的跟踪精度来看，与目标点的偏差仅为9mm. 示例5: 使用Google Earth融合遥感图像信息将发现遥感数据融合处理的必要性和重要性；遥感图像信息融合是信息融合的最常见形式之一，有不同的图像融合来源，光学，热学，雷达声纳图像融合，不同分辨率和不同视角的图像融合等. 遥感图像信息融合遥感图像信息融合图像数据融合可以分为像素级，特征级和特征级. 决策级三级融合模型，但是在遥感数据融合处理中一般采用信号级，像素级，特征级和符号级四级模型. 信号级融合将来自不同传感器的信号混合在一起，以产生质量更好，可靠性更高的融合信息；像素级融合用于图像增强，以提高处理效果，例如分割和特征提取；特征级融合使得能够以高置信度提取有用的图像特征；符号级融合使来自多个来源的信息能够在最高抽象级别得到有效利用，例如制定决策.

示例6: 智能交通监控，管理和控制通过将先进的信息技术，数据通信传输技术，电子传感技术和计算机处理技术有效地集成到整个地面交通管理系统中，可以建立智能交通系统. ，准确，高效的综合运输管理系统，可在各个方向广泛运行. ITS智能交通监控，管理和控制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，可以形成更丰富的交通信息，并可以在一定条件下进行自动分析，从而可以更有效地完成所需的交通决策和评估. 示例7: 空中交通管制当前的空中交通管制系统主要由雷达和提供，以提供空中图像，空中交通管制员负责数据处理任务. 随着雷达的多重覆盖和空中交通的增加，必须使用信息融合技术来自动形成图像. 例8: 过程控制工业过程监视系统是重要的信息融合应用领域. 融合的目的是确定导致系统状态超出正常运行范围的故障状况，并相应地触发多个警报. 多源信息融合技术已应用于核反应堆，火灾探测系统和石油平台监控系统. 示例9: 自动驾驶系统自动驾驶系统需要多传感器系统支持. 通常，无人驾驶汽车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，激光探测器和雷达系统.

通过惯性传感器，数字地图和差分全球定位系统，可以确定汽车的地理位置和方向以及路面的几何形状. 识别并跟踪立体图像传感器在其上驾驶汽车的路面边缘. 通过激光检测器和雷达，在行驶过程中完成对道路状况和汽车前方障碍物等信息的检测. 每个传感器输出的信号通过卡尔曼滤波用于信息融合，以识别汽车的路面，并且驾驶员可以由控制机构驱动. 汽车自动驾驶系统德国C. Stiller等人将多传感器信息融合技术用于自动驾驶，并对其进行了测试. 示例10: 入侵检测系统IDS多源信息融合技术在提高入侵检测系统IDS的性能方面起着重要作用. 从多个信息源获得的信息量将大于单个信息源的信息量. 对于IDS系统，如果可以充分利用网络上其他设备或应用程序系统生成的日志和审核记录，则可以大大提高检测的准确性和可靠性. 问题简要描述了信息融合一般处理结构的特征；参考图像融合的像素级，特征级和决策级三级融合模型；解释三级融合模型的含义；参考相关信息并解释第四层雷达网络模型的优缺点；查阅相关材料，除课堂上列出的10个应用示例外，还给出一个多源信息融合的应用示例，并进行总结. C / A OS / GPS III L1（1575.42 MHz）E6（1278.75 MHz）L2（1227.6 MHz）L5 / E5A（1164-1214 MP（Y）PRS L2C MP（Y）PRS CS E5b MHz）L5 E5a * E5b * Single定位单个GNSS单个GPS天基PNT多系统GNSS GNSS + UTMS GIS + INTERNET流行的服务室内和室外无缝导航随时随地任何人* *

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/tongxinshuyu/article-255211-1.html