北航多源信息融合2017课件1信息融合概述.ppt

北航多源信息融合2017课件1信息融合概述.ppt

《北航多源信息融合2017课件1信息融合概述.ppt》由会员分享，可在线阅读，更多相关《北航多源信息融合2017课件1信息融合概述.ppt（30页珍藏版）》请在冰点文库上搜索。

主讲内容及教学计划,信息融合概述（2课时）多源检测融合原理（4课时）不确定推理（6课时）分布式检测与融合（4课时）集中式检测与融合（4课时）多传感器目标识别与融合模型（4课时）应用实例（4课时）复习（2课时）,1,1.2信息融合定义,信息融合是一种多层次、多方面的处理过程，包括对多源数据进行检测、相关、组合和估计，从而提高状态和身份估计的精度，以及对战场态势和威胁的重要程度进行适时完整的评价。

JDL（美国三军组织实验室理事联合会）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，为完成所需任务（目的）的估计和决策而进行的信息处理过程。

一般定义：

2,1.4信息融合的分类,假设检验型,滤波跟踪型,人工智能,按融合技术分类,模式识别型,聚类分析型,基于专家系统的,基于人工神经网络,以生物为基础,3,硬判决,软判决,按融合判决方式,同类传感器,异类传感器,按传感器组合方式,1.4信息融合的分类,4,集中式,分布式,按信息融合结构模型,检测融合,估计融合,按融合的目的,属性融合,1.4信息融合的分类,5,增加系统的生存能力扩展空间和时间覆盖范围提高可信度降低信息的模糊度,1.5信息融合的优点,改善探测性能提高空间分辨率增加测量空间的维数,6,3数据融合系统模型与处理结构,3.1JDL数据融合模型-从军事应用的角度,数据源,人机接口,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,四级处理过程评估,数据库管理系统,支持数据库,融合数据库,7,3.1JDL数据融合功能模型（实际应用标准）,数据配准、数据关联、目标位置和运动学、属性参数、身份估计，用于提供辅助决策信息。

目标评估,在军事上指评价实体之间相互关系，主要包括态势抽象和态势评定。

态势评估,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。

影响评估,通过建立一定的优化指标，对融合过程进行实时监控与评价，实现多传感器自适应信息获取与处理、资源最优分配等。

过程评估,8,3.2融合处理的过程,融合处理器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一参考时间和空间中关联：

使用某种度量尺度对来自不同传感器的航迹与量测数据进行比较，确定进行相关处理的候选配对相关：

对关联后的航迹和报表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，实现对目标未来位置的预测分类：

通过对特征数据的分析，确定目标的类型等,9,决策,信息,数据,环境,高层次融合,传感器采集,筛选、整合和抽象,自然环境信息,由低层到高层,3.2融合处理的过程,10,3.3数据融合的级别,数据级融合,特征级融合,决策级融合,按照数据抽象的层次划分,11,

（1）数据级（像素级）融合,含义最低层次的融合，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2,传感器N,关联,数据级融合,特征提取,属性判决,联合属性判决结果,12,不足,特点,数据损失量较少精度最高,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,

（1）数据级融合,13,

（2）特征级融合,含义中间层次的融合，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。

可划分为目标状态和目标特征信息融合两类,传感器1,传感器2,传感器N,特征提取,关联,特征层属性融合,属性判决,联合属性判决结果,14,特点进行了数据压缩，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,

（2）特征级融合,15,（3）决策级融合,含义高层次的融合，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。

传感器1,传感器2,传感器N,特征提取,关联,决策层融合,联合属性判决结果,属性判别,属性判别,属性判别,16,特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,（3）决策级融合,17,（4）不同级别的融合性能比较,18,3.4融合处理的结构模型,集中式融合结构,分布式融合结构,混合式融合结构,根据信息流通形式和综合处理层次,多级式融合结构,19,

（1）集中式融合结构,优点：

信息损失最小,集中式融合结构将检测报告传递到融合中心，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。

缺点：

互联比较困难，并且要求系统必须具备大容量的能力，计算负担重，系统生存能力较差,融合结构的模型如下图所示,20,

（1）集中式融合结构,传感器1,传感器2,传感器N,预处理,预处理,预处理,坐标转换、数据对正,点迹相关、数据互联,航迹文件与综合跟踪航迹滤波与更新,目标状态,融合中心,传感器控制/反馈信息,检测与估计,21,

（2）分布式融合结构,分布式融合结构中，每个传感器的检测报告在进入融合以前，先由它自己的处理器产生局部多目标跟踪航迹，然后将处理过的信息送至融合中心，完成航迹-航迹相关、航迹合成，形成全局估计。

传感器1,传感器2,传感器N,预处理,预处理,预处理,坐标转换、数据对正,航迹与航迹相关,航迹合成,目标状态,融合中心,传感器控制/反馈信息,检测与估计,多目标跟踪器,多目标跟踪器,多目标跟踪器,22,（3）混合式融合结构,传感器1,传感器2,传感器N,预处理,预处理,预处理,坐标转换、数据对正,航迹与航迹相关,复合滤波、综合跟踪,目标状态,融合中心,传感器控制/反馈信息,检测与估计,多目标跟踪器,多目标跟踪器,多目标跟踪器,多路器,选择与合并,23,（4）多级式融合结构,局部融合节点1,局部融合节点2,局部融合节点N,数据对正、控制参数,航迹与航迹相关,航迹相关,目标状态,融合节点,分级融合结构中，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。

24,（5）不同融合结构的比较,25,融合算法是融合处理的基本内容，它将多维输入数据根据信息融合的功能，在不同融合层次上采用不同的数学方法，对数据进行综合处理，最终实现融合。

目前，已有大量的融合算法，都有各自的优缺点，其中比较流行的算法有贝叶斯方法、证据推理、神经网络以及模糊理论等，这四种算法的研究约站整个信息融合算法的85%。

4信息融合算法,26,融合算法简介,贝叶斯方法是最早应用于不确定信息融合的一种推理方法,其基本思想是在设定先验概率的条件下，利用贝叶斯规则计算出后验概率，从而根据后验概率做出决策，这样就可以处理不确定性问题,证据理论是经典概率理论的扩展，首先由Dempster提出构造不确定推理模型的一般框架，将命题的不确定问题转化为集合的不确定问题，之后，Shafer对该理论进行了补充，从而形成了处理不确定信息的证据理论。

它允许人们对不确定性问题进行建模，并进行推理。

其最大特点是对不确定信息采用“区间估计”来描述，而不是用“点估计”的方法。

这样在区分不知道与不确定方面有较大的灵活性。

27,融合算法简介,模糊理论是基于分类的局部理论，最先由Zadob于1965年提出。

模糊理论进一步放宽了概率论定义中的制约条件，从而可以对数字化信息进行宽松建模。

其对估计过程的模糊扩展可以解决信息或判决的冲突问题,神经网络是由大量的神经元连接而成的,是一种大规模、分布式的神经元处理系统。

由于信息融合过程接近人类思维活动,与人脑神经系统有较强的相似性,因此利用神经网络的结构优势和高速的并行运算能力进行多维信息融合处理是一种有效的技术途径。

28,融合算法比较,29,作业,简述信息融合的基本思想。

信息融合处理结构的分类，并列举其主要优缺点。

简述四种常用信息融合算法的优缺点。

查阅信息融合技术在某一领域的具体应用实例，画出系统解决方案图。

30,