智能信息处理导论ppt第10章信息融合课件.ppt
第10章 信息融合,10.1 多源信息融合概述,10.1.1 多源信息融合基本概念10.1.2 多源信息融合分类10.1.3 多源信息融合技术的发展,10.1.1 多源信息融合基本概念,多源信息融合的来源多源信息融合是人类和其他生物系统进行观察的一种基本功能，自然界中人和动物感知客观对象，不是单纯依靠一种感官，而是多个感官的综合。多源信息融合的定义信息融合就是由多种信息源如传感器、数据库、知识库和人类本身获取相关信息，并进行滤波、相关和集成，从而形成一个表示架构，这种架构适合于获得有关决策，如对信息的解释，达到系统目标（例如识别、跟踪或态势评估），传感器管理和系统控制等。多传感器系统的定义例如在C3I系统中，多传感器系统是指由有源和无源两类传感器（如单基地和双-多基地雷达、激光探测器、声学探测器、电子侦查信息、电子情报等）组成的网络。它们覆盖了整个频谱（从微波经毫米波、红外直到电光）。,10.1.2 多源信息融合分类,按融合技术分类假设检验型信息融合技术滤波跟踪型信息融合技术聚类分析型信息融合技术模式识别型信息融合技术人工智能信息融合技术按融合判决方式分类硬判决方式软判决方式按传感器组合方式分类同类传感器组合异类传感器组合,10.1.2 多源信息融合分类,按信息融合处理层次分类数据级信息融合特征级信息融合决策级信息融合按信息融合结构模型分类集中式信息融合结构分布式信息融合结构按信息融合目的分类检测融合（Detection Fusion）估计融合（Estimation Fusion）属性融合（Recognition Fusion）按融合的信息类型分类数据融合图像融合,10.1.3 多源信息融合技术的发展,促进多源信息融合理论发展的主要动因之一是现代战争的迫切需要。促进信息融合理论发展的另一个重要因素是现代民用高科技发展的需要。现代身份认证系统要求能对人或物进行识别和辨认，这也需要多传感器信息融合技术的支持。,10.2 信息融合模型与算法,10.2.1 信息融合的模型10.2.2 多源信息融合算法概述,10.2.1 信息融合的模型,信息融合系统的功能模型信息融合系统的三级功能模型信息融合系统的五级功能模型信息融合系统的四级功能模型信息融合系统功能模型的新进展六级模型第六级为精细处理，包括了评估、规划、管理和控制，主要有以下几个方面性能评估融合控制要求信源要求任务管理信源管理,10.2.1 信息融合的模型,10.2.1 信息融合的模型,信息融合系统的结构模型检测级融合结构位置级融合结构目标识别级融合结构基本融合结构灵活的数据特征决策组合融合结构,10.2.1 信息融合的模型,10.2.2 多源信息融合算法概述,信息融合理论分为基于概率论的方法和非概率论的融合方法。信息融合的支撑学科有如下几种：计算机科学与工程；信息论：Shannon理论； 数学：概率论、泛函分析、随机集与鞅论、最优化理论等； 模式识别：目标基本的分类方法； 理解与推理：不确定性推理；传感器技术：雷达（普通雷达、成像SAR）、红外IR传感器（非成像、亚成像和成像）和声呐等；信号处理技术：经典信号处理理论和现代的数字滤波器、FFT、自适应信号处理、多抽样信号处理等；统计学：随机过程、统计信号检测与估计理论；系统与控制；人工智能和专家系统。,10.2.2 多源信息融合算法概述,在信息融合领域使用的主要数学工具或方法有概率论、推理网络、模糊理论和神经网络等，其中使用较多的是概率论、模糊理论、推理网络。当然，除了这几种常有的方法之外，还有其他很多解决途径。概率论推理网络模糊理论神经网络,10.3 贝叶斯信息融合方法,10.3.1 贝叶斯统计理论概述10.3.2 基于贝叶斯统计理论的信息融合,10.3.1 贝叶斯统计理论概述,Bayes统计学派和古典统计学派的基本观点是对立的，它对古典统计学派的批判有如下几点：,10.3.2 基于贝叶斯统计理论的信息融合,10.3.2 基于贝叶斯统计理论的信息融合,Bayes融合识别算法的主要步骤为：,10.4 信息的模糊决策融合算法,10.4.1 模糊逻辑概述10.4.2 多传感器模糊关系函数的融合10.4.3 基于可能性理论的信息融合应用,10.4.1 模糊逻辑概述,模糊理论模糊推理模糊关系函数的融合决策树方法提取模糊规则决策树算法框架评价标准可能性理论,10.4.2 多传感器模糊关系函数的融合,当从一个传感器（知识源）获得了某个目标的一些信息，可能还希望得到该目标的其他附加知识，该附加知识使用该传感器可能无法测到，而另一种传感器能够提供该信息，也就是说，两种传感器中的哪一个都能提供彼此所不能提供的必要信息，在这种情况下，不是除去那些只被一种传感器未证实的信息，而是增加信息，这称为知识源证实原理。,10.4.3 基于可能性理论的信息融合应用,10.5 Dempster-Shafer证据理论,10.5.1 Dempster-Shafer证据理论概述10.5.2 基于Dempster-Shafer证据理论的信息融合,10.5.1 Dempster-Shafer证据理论概述,10.5.1 Dempster-Shafer证据理论概述,10.5.1 Dempster-Shafer证据理论概述,10.5.1 Dempster-Shafer证据理论概述,10.5.2 基于Dempster-Shafer证据理论的信息融合,在贝叶斯方法中，决策的结果非此即彼，不能将不确定与不知道严格分开，而证据理论弥补了这一不足。单传感器多测量周期可信度分配的融合多传感器多测量周期可信度分配的融合中心式计算分布式计算,10.6 Vague集模糊信息融合,10.6.1 Vague 集定义10.6.2 信息融合模型描述10.6.3 基于Vague 集的融合方法10.6.4 仿真实例,10.6.1 Vague 集定义,10.6.2 信息融合模型描述,10.6.3 基于Vague 集的融合方法,基于Vague集的信息融合方法如下：,10.7 信息融合的神经网络模型与算法,10.7.1 信息融合模型的神经网络表示10.7.2 基于神经网络的信息融合技术10.7.3 基于神经网络的融合识别的基本原理,10.7.1 信息融合模型的神经网络表示,一般把信息融合划分为三级，并把针对具体问题的处理功能赋予信息处理单元，故可以用三层神经网络描述融合模型。第一层神经元对应原始数据层融合，第二层即所谓隐含层，完成特征层融合，并根据前一层提取的特征，做出决策。对于目标识别，输出就是目标识别及其置信度；对于跟踪问题，输出就是目标轨迹及误差。输出层对应决策融合，从某种意义讲，决策层融合是同一空间的点集变换到该空间某个点的映射。决策层的输入输出都应该为软决策，即对各个决策的置信度。,10.7.2 基于神经网络的信息融合技术,基于神经网络的信息融合技术的特点神经网络的信息统一存储在网络的连接权值和连接结构上，使得多源信息的表示具有统一的形式，便于管理和建立知识库。神经网络可增加信息处理的容错性，当某个传感器出现故障或检测失效时，神经网络的容错功能可以使融合系统正常工作，并输出可靠的信息。神经网络的自学习和自组织功能，使融合系统能适应工作环境的不断变化和信息的不确定性。神经网络的并行结构和并行处理机制，使得信息处理速度快，能够满足信息融合的实时处理要求。基于神经网络的信息融合技术研究和应用概况,10.7.3 基于神经网络的融合识别的基本原理,定理1 多传感器（两传感器）神经网络融合识别系统仅为对应映射时，其有效分类率大于其中某一传感器的有效分类信息率，而小于另一传感器的有效分类信息率。定理2 多传感器（两传感器）神经网络融合识别系统中存在非对应映射时，作为判据的有效分类信息率可能大于其中任一传感器的有效分类信息率，但一定不会比两个传感器的有效分类信息率都小。,10.8 信息融合的模糊神经Petri网模型,10.8.1 模糊Petri网10.8.2 多传感器信息融合10.8.3 模糊神经Petri网,10.8.1 模糊Petri网,10.8.2 多传感器信息融合,10.8.3 模糊神经Petri网,10.9 案例,10.9.1 引言10.9.2 贝叶斯统计理论10.9.3 发动机评估指标的确定和优化10.9.4 基于贝叶斯融合方法的性能状态评估模型10.9.5 计算实例与结论,10.9.1 引言,航空发动机经过长时间工作后，由于各部件的老化将导致其做功能力下降以及气流通道的变形、脏污导致总压恢复系数降低，而轴承的磨损和调节机构工作误差的增大都会引起发动机性能恶化。这些变化会通过发动机各个热力学性能参数的变化表现出来，若对各个性能参数所包含的信息进行融合，则可判断发动机当前的性能状态。但来自性能参数信息的判断结果由于信号测量、信号处理、及状态描述过程中信息传递的模糊性和随机性而产生不确定性，对各种不确定性结论进行综合处理必然导致最终的诊断结果也带有不确定性，这说明诊断信息融合过程是一个涉及不确定性推理的过程。本文采用基于贝叶斯统计理论的融合方法，运用从发动机气路热力参数提取的多个指标和基于贝叶斯方法的多指标故障诊断模型来评估发动机的性能状态。,10.9.2 贝叶斯统计理论,10.9.3 发动机评估指标的确定和优化,实际测试中，某型航空发动机运行状态参数达28个，由于实际条件的复杂性，这些热力参数与机器性能状态的对应关系具有一定的不确定性和模糊性。如何判断各参数在发动机性能评估中的可用性，选择出与性能状态相关性大的参数，从而能够真正反映真实的机器性能状态，是一个不可忽视的问题。,10.9.4 基于贝叶斯融合方法的性能状态评估模型,为了明确评估目的，本文将性能状态老化程度分为三类：,10.9.5 计算实例与结论,习题,1. 给出一般意义上的信息融合定义，并加以解释。2. 与单传感器相比，多传感器具有哪些优点？3. 信息融合是一个多级别、多层次的处理过程，其信息融合处理层次分为哪几个级？各有什么优缺点？4. 多源信息融合结构模型可以分为哪几种？各有什么优缺点？5. 说明基于贝叶斯统计理论的属性融合识别过程。6. 设有两个传感器：敌-我-中识别（IFFN）传感器：用于观测D1（属性x：敌、我、中）电子支援措施（ESM）传感器：用于观测D2（机型Oi：O1，O2， On）。两个传感器的似然函数PESM（D2|Oi）和PIFFN（D1|x）已知，先验概率P（x|Oi）、P（Oi）已知。利用贝叶斯统计理论给出融合敌我属性和机型的后验概率。7. 模糊逻辑信息融合技术主要有什么优点？8. 简述多传感器模糊关系函数的融合方法。,习题,9. 在图中标出Bel（A），Pl（A），P(A)所表示的区间，并解释其含义。10. 在Dempster-Shafer证据理论的第二个例子中，试计算：（1）基于IFF传感器2个周期累积量测对我机和不明目标的融合后验可信度分配值m（我轰炸机）和m（不明）；（2）第一个周期内基于3个传感器累积量测对我机和不明目标的融合后验可信度分配值m（我轰炸机）和m（不明）。11. 假设工件识别系统有四类工件P1，P2，P3，P4，现采用五类传感器S1，S2，S3，S4，S5进行量测。经多批采集数据，并将数据按Vague集表达得到输入数据表10-4，如下所列。求工件识别结果。,习题,12. 简述神经网络信息融合技术的优点。13. 简述信息融合模型的神经网络表示方法。14. 简述基于神经网络的融合识别的基本原理。,
