多传感信息融合技术报告.docx

多传感信息融合技术报告.docx

《多传感信息融合技术报告.docx》由会员分享，可在线阅读，更多相关《多传感信息融合技术报告.docx（12页珍藏版）》请在冰点文库上搜索。

多传感信息融合技术报告

燕山大学

多传感器信息融合技术报告

年级专业：

测试计量技术17班

学生姓名：

李群朱彩云杨雪莹

孙东涛李永发郭文龙

完成日期：

2015年12月30日

摘要1.

1多传感信息融合技术的基本原理2

1.1研究背景及意义2.

1.2研究现状2.

1.2.1传感信息融合算法现状3

1.2.2传感信息融合模型现状4

1.2.3发展趋势5.

2多传感信息融合技术理论知识5.

2.1基本原理5.

2.2多传感信息融合技术的体系构架6

2.3信息融合的主要技术7.

2.3.1基于模糊理论的传感信息融合7

2.3.2基于人工神经网络的传感信息融合7

2.3.3基于D-S理论的传感信息8

3多传感信息融合技术的应用9

3.1在军事上的应用9

3.2在民用领域的应用9

摘要

多传感信号融合就是利用计算机技术将来自传感器或多元的信息和数据，在

一定的准则下加以自动分析和综合，以完成所需要的决策和估计而进行的信息处理过程。

多传感器信息融合是用于包含处于不同位置的多个或者多种传感器的信息处理技术。

随着传感器应用技术、数据处理技术、计算机软硬件技术和工业化控制技术的发展成熟，多传感器信息融合技术已形成一门热门新兴学科和技术。

我国对多传感器信息融合技术的研究已经在工程上已应用于信息的定位和识别等。

而且相信随着科学的进步，多传感器信息融合技术会成为一门智能化、精细化数据信息图像等综合处理和研究的专门技术。

本文主要介绍多传感信号融合技术的基本原理，发展现状以以及多传感信号融合技术在军事和民事上的应用。

关键字：

融合，多传感，信息

1多传感信息融合技术的基本原理

1.1研究背景及意义

随着工业的发展，单一传感信息不能提供可靠的信息。

从诊断学角度来看，只针对某方面的、单一的诊断信息均是模糊的、低可信度的，只用一方面来描述其工作状态是有一定局限性的。

多传感信息融合技术的冗余增强了系统的可靠性，它们的互补改善了单个传感器的不可靠性。

多传感信息融合增强了信息的可靠性、可信度，这是任何单个传感器不能比拟的。

多传感器信息融合技术的应用领域广泛，不仅应用于军事，在民事应用方面也有很大的空间。

军事应用是多传感器信息融合技术诞生的奠基石，具体应用包括海洋监视系统和军事防御系统。

在民事应用领域方面，主要用于智能处理以及工业化控制，智能处理包括医药方面的机器人微型手术和疾病监测尤其是智能家居等方面。

多传感器数据融合技术形成于上世纪80年代，它不同于一般信号处理，也不同于单个或多个传感器的监测和测量，而是对基于多个传感器测量结果基础上的更高层次的综合决策过程，目前已成为研究的热点。

1.2研究现状

数据融合技术最早应用于上世纪70年代美国的军事系统中，在此之后各发达国家都相继在军事应用中使用数据融合，而且已经开发出了投入使用的融合系统，比如美国的数据融合系统敌态势分析系统、全源信息分析系统，英国的炮兵智能数据融合示范系统、舰载多传感器数据融合系统等等。

国内研究信息融合起步较晚，处于吸收和跟踪国外研究水平、理论学习阶

段，开发出的信息融合系统的成功例子较少。

近年来，随着我们国家对数据融合技术的重视和计算机数据存储处理能力的增强，也有不少对数据融合技术的研究的成功案例，如四川大学研制的多航管雷达数据融合系统，中科院开发的图像数据融合软件。

目前对信息融合技术研究有很多的不足，主要包括以下几个方面：

（1）未形成系统的理论现阶段的多传感融合研究，都是以实际的问题为根据进行的，根据问题的特性，各自建立融合准则，形成最佳的融合方案。

未能抛

开实际问题，建立普遍的理论框架和融合结构模型，普遍使用的融合算法等。

（2）未能将多传感器融合系统有效的应用到实际中多传感器信息融合的研究还主要集中于理论研究上，实际应用领域的研究相对来说比较缺乏，在实际中的应用还不广泛。

（3）未建立应用指导准则和应用效果评价标准现阶段的多传感器信息融合系统的应用，都是以具体问题为依托的，各个实际应用系统之间基本没有联系，

也没有建立应用效果评价标准，系统的实现也非常困难。

多传感信息融合是多学科、多部门、多领域所共同关心的关键技术，已经成为一个十分活跃的热门研究领域，但是多传感信息融合技术还是一门很不成熟的技术。

信息融合技术具有相当的复杂性和困难性，其复杂性表现在：

有意的干扰

或者破坏就会导致传感网的监测数据不完整、不精确、甚至相互排斥；当今数据

量的不断增加（视频、图像等）和数据的迅速变化等。

其困难性表现在目的和功能的多重性。

在国外，IEEE系统和控制论会议、IEEE航空航天与电子系统会议、IEEE自动控制会议、IEEE指挥，控制，通信和信息管理系统（C3MIS）会议、国际军事运筹学会议等都在在不断的报道信息融合领域的最新研究和应用开发成果。

在国内尽管有很多的研究者，但是还没有相应的学术团体，没有用于学术交流的专刊，导致了我国在信息融合领域的研究进展的很缓慢。

1.2.1传感信息融合算法现状

虽然关于多传感信息融合的研究很多，但是到现在还没有一个广义的、有效的融合算法。

从信息的角度来分析信息融合的层次，涉及到的有数据层、特征层和决策层算法。

本文主要介绍普遍为学者们所接受的3层融合结构，即数据层、特征层和决策层（见图3）。

数据层融合如图3（a）所示，首先将全部传感器的观测数据融合，然后从融合的数据中提取特征向量，并进行判断识别。

这便要求传感器是同质的（传感器观测的是同一物理现象），如果多个传感器是异质的（观测的不是同一个物理量）,那么数据只能在特征层或决策层进行融合。

数据层融合不存在数据丢失的

问题，得到的结果也是最准确的，但对系统通信带宽的要求很高。

特征层融合如图3（b）所示。

每种传感器提供从观测数据中提取的有代表性的特征，这些特

征融合成单一的特征向量，然后运用模式识别的方法进行处理。

这种方法对通信带宽的要求较低，但由于数据的丢失使其准确性有所下降。

决策层融合是指在每

个传感器对目标做出识别后，将多个传感器的识别结果进行融合，如图3（c）所示。

由于对传感器的数据进行了浓缩，这种方法产生的结果相对而言最不准确，

I

S3多传合的3利层就蜻构

数懈层確合（b）特征尼融0独備层融汁

1.2.2传感信息融合模型现状

随着传感网的发展，传感器的数量越来越多，分布越来越广泛，但是至今还没有一个通用的传感器信息处理模型来对传感器资源、处理系统及其两者之间的联系进行描述。

信息处理过程其实就是一个信息模型表达方式，它的来源是传感器资源、控制信息和传感器监测结果。

有的学者集成现有的技术，旨在建立通用信息融合构架，希望能够尽可能多的将其应用到各种信息融合系统中。

但是，当

下还没有形成完整的理论框架和融合模型，现在已经使用的多传感信息功能模型

有Dasarathy功能模型（对数据融合做了一个非常有用的分类，它是根据所处理的数据或者信息的类型和处理得到的类型来定义的。

这个分类的突出优点是可以用自然的方式将技术类型映射到其中）、联合指挥实验室（JDLJointDirectorsofLaboratories）模型（对信息融合的功能进行了逻辑的划分，它包含了任意信息融

合系统的一些功能定义）、Omnibus功能模型（有闭环回路来控制信息的流动，并且对信息融合的功能进行了逻辑的划分）等，但是它们都是或多或少地有着4

种缺憾，不能推而广之。

123发展趋势

多传感器信息融合的发展主要还是集中在理论研究和应用研究两个方面，在

理论研究方面主要包括：

（1）建立系统的理论体系，包括建立融合结构模型标准、系统结构标准和融合算法标准；

（2）改进融合算法以进一步提高融合系统的性能；

（3）如何利用有关的先验数据提高数据融合的性能。

在应用研究领域，主要包括以下三个方面：

（1）不断扩大多传感信息融合的应用领域，将多传感信息融合运用到工农业中的各个需要运用多传感器的具体领域中。

（2）开发并行计算的软件和硬件，以满足具有大量数据且计算负责的多传感器融合的要求。

针对具体的应用情况，正确地评价多传感器信息融合的结果。

2多传感信息融合技术理论知识

2.1基本原理

多传感信息融合又可称为多传感数据融合或者多源信息融合，是指利用不同时间或空间的多种传感器数据信息，按照一定的准则进行分析、综合和应用，获得对被测对象的一致性解释与描述，从而实现相应的决策和估计。

多传感的冗余增强了系统的可靠性，它们的互补改善了单个传感器的不可靠性。

多传感信息融合增强了信息的可靠性、可信度，这是任何单个传感器不能比拟的。

实际上，多传感信息融合非常类似人类大脑对各种功能器官（耳朵、鼻子、眼睛等）采集信息的处理。

大脑将采集到的各种信息（味道、景象、声音、触觉等）综合起来，通过先验知识进行信息特征提取，对周围发生的事情和环境进行估计和判断。

可以说，多传感信息融合是对人类大脑的一种功能模拟，将来自不同途径采集的多种信息进行组合和分析，得到对被测对象的一致解释或描述。

图1是多传感器数据融合的示意图，传感器之间的冗余数据增强了系统的可靠性，传感器之间的互补数据扩展了单个的性能。

一般而言，多传感器融

合系统具有以下优点

1）提高系统的可靠性和鲁棒性；

2）扩展时间上和空间上的观测范围

3）增强数据的可信任度；

冗余信息

互补信息

图1多传感器融合示意图

2.2多传感信息融合技术的体系构架

根据数据处理方法的不同，信息融合系统的体系结构有三种：

分布式、集中式和混合式。

分布式：

先对各个独立传感器所获得的原始数据进行局部处理，然后再将结果送入信息

融合中心进行智能优化组合来获得最终的结果。

分布式对通信带宽的需求低、计算速度快、可靠性和延续性好，但跟踪的精度却远没有集中式高；分布式的融合结构又可以分为带反馈

的分布式融合结构和不带反馈的分布式融合结构。

集中式：

集中式将各传感器获得的原始数据直接送至中央处理器进行融合处理，可以实

现实时融合，其数据处理的精度高，算法灵活，缺点是对处理器的要求高，可靠性较低，数据量大，故难于实现；

混合式：

混合式多传感器信息融合框架中，部分传感器采用集中式融合方式，剩余的传

感器采用分布式融合方式。

混合式融合框架具有较强的适应能力，兼顾了集中式融合和分布

式的优点，稳定性强。

混合式融合方式的结构比前两种融合方式的结构复杂，这样就加大了

通信和计算上的代价。

2.3信息融合的主要技术

传感信息融合是一种形式架构，使用数学方法和处理技术对传感数据进行综合。

为了获取有用信息，就需要对多源的信息综合处理，具体的过程很复杂。

传感信息融合涉及到多门学科，例如：

数理统计、人工智能、模式识别、模糊理论和人工神经网络等，其正在成为研究的热点。

在传统的估计理论和识别算法理论基础上，近年来也出现的一些新的基于人工智能、神经网络（模糊神经网络、小波神经网络、灰色神经网络等）以及信息论的新方法，正成为推动信息融合技术向前发展的重要力量，下面对相关的技术手段进行简要介绍。

2.3.1基于模糊理论的传感信息融合

在实际生活中，我们所遇到的概念并不都是清晰的，即存在某个对象我们不能说它绝对符合或绝对不符合某概念，这种概念就称之为模糊概念。

例如“健康者”这个概念，以某工厂全体职工为论域，通过体检无任何疾病的人是绝对的“健康者”；身患疾病不能坚守岗位继续工作的人绝对不属于“健康者”；但是，还存在着各种程度的中间状态，也即存在着亦此亦彼的现象，他们可以算作健康者，也可以不算做健康者。

在日常生活中，发现了很多的逻辑悖论，譬如：

假定

（1）

三天不吃饭的人是饥饿的人

（2）比饥饿的人多吃一粒米饭的人还是属于饥饿的人。

那么由

（1）

（2）我们可以推出饥饿的人一天吃掉三碗米饭后还是属于饥饿的人。

产生这种悖论的关键是用精确的二值逻辑来描述概念，然后再用该类概念构成的判断进行推理，因此，产生悖论是不可避免的。

2.3.2基于人工神经网络的传感信息融合

人工神经网络是由许多处理单元相互连接组成的信号处理系统，每个单元的

输出通过权值与其它单元相互连接，网络结构分为前向型和反馈型，主要有处理单元的互联方式决定。

神经网络可以模拟人类的智能行为，其已经广泛应用在科研、农业、工业、交通、军事（例女口C3I:

commandcontrolcommunicationandintelligenee系统）等各个部门。

神经网络已经是信息融合的一种重要技术，因此，神经网络模型的大量研究为基于人工神经网络的传感器信息融合在实际生活中的应用打下了坚实的基础。

当前使用较多的神经网络模型有：

误差反向传播模型

（BPErrorBackPropagation）、径向基函数网络模型（RBFRadialBasisFunctionNetwork）等。

233基于D-S理论的传感信息

证据理论是Dempster于1967年首先提出，由他的学生Shafer于1976年进一步发展起来的一种不精确推理理论，也称为Dempster/Shafer证据理论（D-S证据理论），属于人工

智能范畴，最早应用于专家系统中，具有处理不确定信息的能力。

作为一种不确定推理方法，证据理论的主要特点是：

满足比贝叶斯概率论更弱的条件；具有直接表达不确定”和不知道”的能力•在此之后，很多技术将DS理论进行完善和发展，其中之一就是证据合成（Evidentialreasoning,ER）算法。

ER算法是在置信评价框架和DS理论的基础上发展起来的。

ER算法被成功应用于：

机动车评价分析、货船设计、海军系统安全分析与综合、软件系统安全性能分析、改造轮渡设计、行政车辆评估集组织评价。

在医学诊断、目标识别、军事指挥等许多，需要综合考虑来自多源的不确定信息，如多个传感器的信息、多位专家的意见等等，以完成问题的求解，而证据理论的组合规则在这方面的求解发挥了重要作用。

在DS证据理论中，由互不相容的基本命题（假定）组成的完备集合称为识

别框架，表示对某一问题的所有可能答案，但其中只有一个答案是正确的。

该框

架的子集称为命题。

分配给各命题的信任程度称为基本概率分配（BPA也称m

函数），m（A）为基本可信数，反映着对A的信度大小。

信任函数Bel（A）表示对命题A的信任程度，似然函数Pl（A）表示对命题A非假的信任程度，也即对A似乎可能成立的不确定性度量，实际上，［Bel（A）,Pl（A）］表示A的不确定区间，［0,Bel（A）］表示命题A支持证据区间，［0,Pl（A）］表示命题A的拟信区间，［Pl（A）,1］表示命题A的拒绝证据区间。

设m1和m2是由两个独立的证据源（传感器）导出的基本概率分配函数，则Dempster组合规则可以计算这两个证据共

同作用产生的反映融合信息的新的基本概率分配函数。

3多传感信息融合技术的应用

3.1在军事上的应用

目前世界各主要军事大国都竞相投入大量人力、物力、财力进行数据融合

方面的研究，并已经取得显著的研究成果.美、英、法、意、日等国已经研究出了上百个军用数据融合系统•典型的如美国的全源信息分析系统”ASAS）、战术陆军和空军指挥员自动情报保障”系统（LENSCE）、敌态势分析系

统”（EN2SCS）[8];英国的炮兵智能信息融合”系统（AIDD）、机动和控制”系统（WAVELL）[9]、分布式数据融合系统”；加拿大海军开发的（海军防空多传感器融合系统）[10]等•

英国BAE系统公司开发的分布式数据融合”（decentralizeddatafusion,DDF）系统独特之处在于它采用的是分布式数据融合[11]技术，而传统的数据融合都

是集中式的，即所有的信息在一个中心节点完成综合和融合•这样，一旦中心

节点遭到攻击，就会破坏整个系统•但采用DDF技术的系统就不存在这样的问题，因为综合和融合是在网络中的任何节点上进行的•若一个节点脱离网络,

其他部分仍会继续工作并共享、综合和融合信息.BAE系统公司已成功验证了将地面和空中的分散传感器组网互联并融合其信息的技术.使传感器网络中的全

部数据都被实时地综合和融合到了1幅单一的作战空间态势图中•该公司在试

验中成功地在8个节点之间进行了组网互联.这8个节点包括2架自主式UAV（无人驾驶飞机）、1台战场监视雷达、1台武器定位雷达、2名带有电子式双眼望远镜及掌上电脑的士兵和2名乘坐吉普车在试验场上机动的士兵.

整个网络可以动态地进行重新布局.一旦武器定位雷达检测到敌”火炮开火，自主式UAV可立刻得到相关信息，并迅速飞往有关区域进行调查；战场侦察雷达可跟踪地面机动目标，即使该目标离开了视线，该雷达仍可对目标保持虚拟跟踪”或虚拟警戒”，一旦某架UAV飞越了一个不同的传感器，它将把该传感器引入这个网络，从而使单一态势图中的信息更为完备和准确

3.2在民用领域的应用

工业机器人利用多传感器融合技术，通过使用电视图像、声音、电磁等数据

的融合来进行推理，以完成物料搬用、零件制造、检验和装配等工作。

这种多

传感器的信息融合技术充分利用了多个传感器的资源，通过对这些传感器及其

观测信息的合理支配和利用，把多个传感器在空间或时间上的冗余或互补信息根据一定的准则进行组合,从而获得对被测对象的一致性解释或描述，因此它不但能够提高导航精度，同时也使整个导航系统具有了较高的鲁棒性。

比如

Stanford大学研制的移动装配机器人系统，该机器人在视觉、激光测距和超声波传感器信息融合的基础上实现在未知或动态环境中的自主移动；在视觉、触觉和

力觉传感器信息融合的基础上，实现机械手装配作业的实现。

汽车自动无人驾驶控制系统，该系统由差分全球定位系统（DGPS）、惯性传感器（INS）、数字地图（DM）、立体图像传感器（SVS）、激光探测器（LS）和雷达（Radar）系统组成.其中差分全球定位系统、惯性传感器、数字地图是用来确定汽车行驶地理位置和方向，并检测路面的几何形状；图像传感器主要识别和跟踪汽车行驶路面边缘；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•系统将各传感器输出的信号通过卡尔曼滤波后进行信息融合，从而得到

汽车行驶路面的情况，通过控制机构实现汽车自动无人驾驶。