第一章 多信息融合技术概论ppt课件.pptx

《第一章 多信息融合技术概论ppt课件.pptx》由会员分享，可在线阅读，更多相关《第一章 多信息融合技术概论ppt课件.pptx（87页珍藏版）》请在三一办公上搜索。

1、数据融合理论与应用,概 论,1,课程类型：选修学 时：32学时考 核：平时成绩20（作业、考勤） 期末考试80（闭卷）几点要求：上课尽量不要迟到 课堂上请将手机静音,课程简介,2,本章内容,3,随着系统的复杂性日益提高，依靠单个传感器对物理量进行监测显然限制颇多。因此在故障诊断系统中使用多传感器技术进行多种特征量的监测(如振动、温度、压力、流量等)，并对这些传感器的信息进行融合，以提高故障定位的准确性和可靠性。通过信息融合将多个传感器检测的信息与人工观测事实进行科学、合理的综合处理，可以提高状态监测和故障诊断智能化程度。,1.1 数据融合的目的,4,另外，现在战略监测和自主武器系统的性能及部署

2、速度都要求开发全新的数据处理技术。现代战争威胁的多样化和复杂化导致对传统数据和信号处理系统提出了更高的要求。因此必须从大量的可移动的和活动的传感器台站收集数据并加以融合，将人工方法不能进行检测的和提出的微弱信号进行多元信息融合处理。,1.1 数据融合的目的,5,1.什么是传感器,人与机器的机能对应关系图,6,眼 耳 鼻 舌 皮肤,光敏传感器声敏传感器气敏传感器味觉传感器压敏、热敏、湿敏传感器,人的感觉器官与对应的传感器：,传感器就是能感知外界信息并能按一定规律将这些信息转换成可用信号的器件或装置。,7,传感器的普遍性,8,胶片式“电子警察” 、数码式“电子警察” 、视频式“电子警察”；压力或磁

3、电传感器，两个脉冲信号，触发拍照系统进行拍照。,9,全自动洗衣机中的传感器：衣物重量传感器，衣质传感器，水温传感器，水质传感器，透光率光传感器(洗净度) 液位传感器，电阻传感器(衣物烘干检测)。,10,摄象头:CCD传感器,电荷藕合器件图像传感器CCD（Charge Coupled Device），由高感光度的半导体材料制成，能把光线转变成电荷，通过模数转换器芯片转换成数字信号，数字信号经过压缩以后由相机内部的闪速存储器或内置硬盘卡保存，因而可以轻而易举地把数据传输给计算机，并借助于计算机的处理手段，根据需要和想像来修改图像。,11,美国火星车“Sojourner”（索杰纳）号上用QCM来检测

4、太阳能电池板上的灰尘堆积情况。,12,雷达,C3I(军事指挥自动化系统)系统所用传感器的种类很多，但它们是以雷达、电子情报机（ELINT)、电子支援测量系统（ESM）、声音、红外等传感器为主， 再辅以其他类型的传感器，在整个三维空间形成一个传感器网阵。雷达，发收电磁波，主动雷达，被动雷达；波长短，预警雷达，火控雷达声音传感器是以空气、水和大地作为传播媒质的，相应的应用领域包括飞机、坦克及其他车辆的探测与识别，水下各类潜艇的探测和地震信号的记录与分析等。,13,C3I,Communication，Command，Control and Intelligence systems指挥自动化技术系统，

5、用电子计算机将指挥、控制、通信和情报各分系统紧密联在一起的综合系统简称C3I系统。,14,C3I系统是一种人机系统，能对地理上分布很广的资源集中进行协调，或针对某一部门面临的各种问题，采集、提供准确的实时情报，并作出决策。,C3I,15,C3I系统，极大地缩短了 ”监视战场和发现目标评估和处理信息下达作战指令和实践打击” 这一作战周期的时间:1986年美国空袭利比亚的“外科手术式”的战争，整个空袭行动只用了18分钟，其中攻击主要目标的持续时间仅11分钟。1989年美军入侵巴拿马战争的主要作战，只用了15个小时。1991年海湾战争和1999年的科索沃战争的规模较大，持续时间也不过42天和78天。

6、而海湾战争的地面作战仅100个小时。这其中，C3I系统发挥了关键作用。,声呐,SONAR（sound navigation and ranging ），声音导航测距声呐是各国海军进行水下监视使用的主要技术，用于对水下目标进行探测、分类、定位和跟踪；进行水下通信和导航，保障舰艇、反潜飞机和反潜直升机的战术机动和水中武器的使用。按工作方式可分为主动声呐：主动地发射水声信号，然后收测回波进行计算。如蝙蝠被动声呐：声呐被动接收舰船等水中目标产生的辐射噪声和水声设备发射的信号，以测定目标的方位。如飞蛾,16,17,机器人,机器人的自主移动是建立在视觉传感器、测距传感器和超声波传感器信息融合的基础上；机械

7、手装配作业是建立在视觉传感器、触觉传感器和力觉传感器信息融合的基础上。,自主移动装配机器人示意图,机器人主要由各种传感器、控制和信息融合计算机以及机械手等部件组成。,典型的多传感器系统，机器人进行工作的技术核心就是传感器信息融合。,2.多传感器问题的引入,非关联测试项目测量不同目标或对同一目标的不同参数进行独立测量。,多传感器测试系统,关联的测试项目利用多个传感器对同一目标的相同或不同项目进行测量，综合测量结果用于分析目标特性。,18,当检测对象为多目标或快速机动目标时，单一传感器测量困难。,复杂的电磁环境使检测的目标信号淹没在大量噪声及不相关信号与杂波中。,当单一传感器失效或传感器的可靠性有

8、待提高时采用多传感器系统。,2.多传感器问题的引入,环境复杂,目标复杂,可靠性,为什么要采用多个传感器测量同一目标参数？,19,3.数据融合的定义,人是一个最复杂的且自适应性极强的信息融合系统。人身上有许多功能不同的传感器。实际上，人的眼睛、耳朵、鼻子、 舌头和四肢，就是视觉、听觉、嗅觉、味觉和触觉传感器。例如，一个人到一个黑屋子中去取一只闹钟，他进屋后要“尽量地”看，要“拼命地”听，要用手去触摸，以确定闹钟的方向和位置。他对闹钟的定位，是通过综合各种信息进行的。,20,从军事应用的角度看，多传感器数据融合可以这样来定义: 所谓多传感器数据融合就是人们通过对空间分布的多源信息各种传感器的时空采

9、样，对所关心的目标进行检测、 关联（相关）、跟踪、估计和综合等多级多功能处理，以更高的精度、较高的概率或置信度得到人们所需要的目标状态和身份估计，以及完整、及时的态势和威胁评估，为指挥员提供有用的决策信息。,3.数据融合的定义,21,3.数据融合的定义,功能定义： 将来自多个信息源的数据进行相关、整合，以获得目标精确的位置、身份，最后对目标进行完整精确的评价该定义的重点：多个传感器对同一目标进行测量重点是融合：相关、整合目的：状态、身份、威胁估计等,22,3.数据融合的定义,技术定义： 充分利用不同时间与空间的多传感器数据资源，采用计算机技术按时间序列获得多传感器的观测数据，在一定准则下进行分

10、析、综合、支配和使用。获得对被测对象的一致性解释与描述，进而实现相应的决策和估计，使系统获得比它各组成部分更为充分的信息。该定义的重点：方法：分析、综合、支配、使用；目的：一致性解释与描述、更为充分的信息。,23,4.数据融合的时空性,分布在不同空间位置上的多传感器在对运动目标进行观测时，各传感器在不同时间和不同空间的观测值有所不同，从而形成一个观测值集合。 如：s个传感器在n个时刻观测同一个目标可有s*n个观测值，其集合Z为： Z = Zj (j=1,2,s) Z = Zj(k) (k=1,2,n) Zj：j号传感器观测值集合； Zj(k)：j号传感器在k时刻观测值。,24,多传感器观测值在

11、时空上的排列,25,数据融合的时间性与空间性问题,时空性是目标运动状态的观测的主要问题：,26,时空性的处理方法,为获得观测目标的准确状态，同时考虑数据融合的时间性与空间性。 实现方法： 先对各传感器不同时间的观测值集进行融合，得出每个传感器对目标状态的估计，然后将各个传感器的估计进行空间融合，从而得到目标状态的最终估计。,27,在同一时间对不同空间位置的各传感器的观测值进行融合，得出各不同时间的观测目标估计，然后对不同时间的观测目标估计按时间顺序进行融合，得出最终状态。 同时考虑数据融合的时间性与空间性，即上述两个同时进行，可以减少信息损失，提高数据融合系统的实时性。但同时进行的难度大，只适

12、合于大型多计算机的数据融合系统。,28,1.2数据融合的理论基础,1.数据融合的一般处理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。,机,29,1.数据统合的一般处理模型,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。,机,30,1.数据统合的一般处理模型,第一级处理：目标评估（object assessment） 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

13、决策信息。,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,31,第二级处理：态势评估（situation assessment） 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

14、的条件概率。,1.数据统合的一般处理模型,32,第三级处理：影响评估（impact assessment） 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（threat assessment），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。,1.数据统合的一般处理模型,33,第四级处理：过程评估（process assessment） 过

15、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。,1.数据统合的一般处理模型,34,实现数据融合系统的结构化是许多研究员关注的问题。将融合处理结构化的工作从20世纪80年代开始进行。在整个融合处理流程中，依照实现融合处理的场合不

16、同，研究人员提出了通用处理结构的概念。,2.数据融合的结构分类,35,1）目标跟踪,动态目标处理需要对目标位置进行连续的或按时间采样的离散测量，并要有估计目标运动的能力，以预测连续的传感器范围内目标的下一个位置。Heisttand描述了三种处理结构：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。不同处理结构针对不同的加工对象。,36,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。,特点：可利用传感器的全部信息进行状态估计

17、、速度估计和预测值估计。,缺点：把所有原始信息送给处理中心，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。,优点：信息损失小，性能好，目标状态和速度估计最佳。,37,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。,分布式系统结构,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。,38,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

18、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。,混合式系统结构,39,2）身份识别,身份识别是对基于不同传感器得到的目标属性数据多形成的一个组合的目标身份说明。预先度量所有已知目标的属性，将其作为身份识别的基础。身份识别比位置估计的范围更广泛。身份识别可以分为三个级别：数据级融合特征级融合决策级融合,40,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。,数据级融合,41,主要优点：只有较少数据量的损失；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。局限性包括：所要处理的传感器数据量大

19、，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，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。,数据级融合,42,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。缺点：由于损失了一部分有用信息，使得融合性能有所降低。,特征级融合,43,特征级融合可划

20、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。,特征级融合,44,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。,决策

21、级融合,45,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、DS证据推理、模糊集理论等。,决策级融合,46,三种级别融合的比较,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。,47,三个融合层次优缺点的比较：,48,1.3 数据融合的实现技术,49,1.目标跟踪,多传感器目标跟踪领域的一个研究重点是如何解决杂波干扰和目标高度机动的情

22、况下的目标跟踪问题。Bar-Shalom在1975年提出了概率数据互联滤波器；Blom1984年提出了基于Kalman滤波的多模型滤波器。两人在1988年进行了合作研究相互作用概率数据互联滤波器。,50,2. 目标识别,目标识别算法在概念上可以分为三类：物理模型基于知识的方法参数分类技术,51,1）物理模型,根据物理模型直接计算实体的特征。将模拟出的可观测或可计算的数据，与预先存储的对象特征进行比较，或将观测数据特征与物理模型所得到的模拟特征进行比较。比较过程涉及到计算预测数据和实测数据的相关关系。如果相关系数超过一个预先设定的值。则认为两者存在匹配关系(身份相同)。这类方法中，Kalman滤

23、波技术最为常用。如图1.13所示。,52,对象目标,53,传感器产生观测特征或图像，由身份识别过程把观测数据与预先存储的目标特征或根据对观测数据进行预测的物理模型所得出的模拟特征进行比较,预测一个实体特征的物理模型必须建立在要识别的物体的物理特征上，对每一类型的物体可能需要建立一个物理模型。,54,基于认知的方法主要是模仿人类对属性判别的推理过程，可以在原始传感器数据或数据特征基础上进行。基于认知的方法在很大程度上依赖于一个先验知识库。有效的知识库利用知识工程技术建立，这里虽然未明确要求使用物理模型，但认知建立在对待识别对象组成和结构有深入了解的基础上。因此，基于认知的方法采用启发式的形式代替

24、了数学模型。当目标物体能依据其组成及相互关系来识别时，这种方法尤其有效。如图1.14所示。,2）基于知识的方法,55,56,参数分类技术依据参数数据获得属性说明，在参数数据(如特征)和一个属性说明之间建立一种直接的映像。参数分类分为有参技术和无参技术两类：有参技术需要身份数据的先验知识，如分布函数和高阶矩阵等；无参技术则不需要先验知识。常用的参数分类方法包括Bayes估计，DS推理，人工神经网络，模式识别，聚类分析，信息熵法等。,3）参数分类技术,57,3.态势评估和威胁估计,在低层次的数据融合实现了对数据的压缩、提炼以后，其输出结果可以作为高层次上的态势评估和威胁估计的主要依据。目前为止，这

25、一领域的发展相当缓慢。态势评估需要考虑地形环境、兵力结构、社会政治等因素。威胁估计需要考虑敌方兵力的摧毁能力、弱点、意图等因素。需要汇集知识并建立算法和推理机制。,58,4. 数据融合的常用算法,传感器信息的不确定性,传感器输出不可能包含被测量全部、完整的信息,59,人工智能,假设检验法,Bayes估计法,聚类分析,模式识别,数据融合算法,按技术原理分类,滤波跟踪,60,经典统计理论：将被测参数看做一个固定值，没有充分利用其先验信息；一次只能估计两个假设；精度和信度是预定的，不依赖于样本。Bayes估计理论：Bayes方法具有严格的理论基础，应用广泛；采用归推理的方法对多源信息进行有效地融合；

26、充分利用了测量对象的先验信息。,61,滤波跟踪型数据融合算法：利用数字滤波方法根据测量值估计被测量真值；利用当前和历史测量数据估计目标未来状态。神经网络方法：是一种规则透明的非线性映射方法；信息存储于网络结构和连接权值；增强了信息处理的容错性；具有自组织和自学习能力。,62,数据融合结构总结,参考文献资料1、多传感器数据融合模型综述 总结基本结构2、战场感知资源管理与信息融合 结构变化,63,1.4 数据融合技术的发展,位置估计和身份识别,目前,海湾战争,20世纪70年代,1973年美国声纳信息融合研究,现代化战争的警钟,我国首次数据融合技术专题会议,64,参考文献3、多传感器数据融合发展评述

27、及展望4、信息融合技术现状_概念与结构模型,65,1.5 数据融合的应用,66,1.5 数据融合的应用,67,1.人体对气温的感受,布尔逻辑温度表示,温度信息模糊表示,湿度信息模糊表示,68,1.人体对气温的感受,69,2.管道泄漏检测中的数据融合,当管道发生泄漏时，由于管道内外的压差，泄漏处流体迅速流失，压力迅速下降，同时激发瞬态负压波沿管道向两端传播。在管道两端安装传感器拾取瞬态负压波信号可以实现管道的泄漏检测和定位，如图所示。,70,负压波在管道中的传播速度受传送介质的弹性、密度、介质温度及管材等实际因素的影响，并不是一个常数，如下公式所示：式中：K为介质的体积弹性系数，表示介质密度，E

28、为管材的弹性系数，D为管道直径，e为管壁厚度， C1表示与管道工艺参数有关的修正系数。,2.管道泄漏检测中的数据融合,71,泄漏点的定位与管道两端获取负压波信号的时间差有关；提高泄漏点的定位精度，不仅需要在负压波信号中准确捕捉泄漏发生的时间，还需要将两端获取的负压波信号建立在同一个时间基准上 ；由于不可避免的现场干扰、输油泵振动等因素的影响，负压波信号被淹没在噪声中，准确捕捉泄漏发生的时间点并不是一件容易的事，在小泄漏情况下更是如此。,2.管道泄漏检测中的数据融合,72,根据质量守恒定律，没有泄漏时进入管道的质量流量和流出管道的质量流量是相等的。如果进入流量大于流出流量，就可以判断管道沿线存在

29、泄漏。对于装有流量计的管道，利用瞬时流量的对比有助于区分管道泄漏与正常工况：管道发生泄漏时，上游端瞬时流量上升、压力下降，下游端瞬时流量下降、压力下降；正常工况下，两端流量、压力同时上升或下降。,2.管道泄漏检测中的数据融合,73,管道运行时，正常的调泵、调阀所激发的声波信号可能与泄漏激发的负压波信号具有相同特征，造成泄漏检测的误判。在管道的两端各增加一个传感器，可利用辨向技术正确识别泄漏，如图所示。调泵、调阀所激发的声波信号先到达传感器A，后到达传感器B，而泄漏激发的负压波信号则先到达传感器B，后到达传感器A。两个传感信号的相关处理可以准确区分信号来源。,2.管道泄漏检测中的数据融合,74,

30、管道泄漏检测系统的多传感器数据融合结构如图所示,2.管道泄漏检测中的数据融合,75,3.医学咨询与诊断专家系统,右图所示是斯坦福(Stanford)大学建立的细菌感染疾病诊断和治疗计算机咨询专家系统（MYCIN系统），由咨询、解释和规则获取3个子系统组成。系统所有信息都存放在2个数据库中：静态数据库存放咨询过程中用到的所有规则，它实际上是专家系统的知识库；动态数据库存放关于病人的信息，以及到目前为止咨询中系统所询问的问题。每次咨询，动态数据都会更新一次。MYCIN系统的决策过程主要依据医生的临床经验和判断、试图用产生式规则的形式体现专家的判断知识，以模仿专家的推理过程.,76,中医诊断的信息融

31、合过程如图所示，中医诊断的信息融合过程涉及视觉、嗅觉、听觉、触觉四种不同的传感器,3.医学咨询与诊断专家系统,77,参考文献资料5、多传感器数据融合技术研究现状及发展方向6、数据融合的概念_方法及应用7、 C_3_中的多传感器数据融合技术8、数据融合研究的回顾与展望9、数据融合在雷达目标识别中的应用另外：10、数据融合技术在汽车识别中的应用研究11、医疗物联网数据融合算法的研究12、结构健康监测中的数据融合技术,78,军事,生活,4.数据融合技术的局限性,多传感器数据融合结果并不能代替单一高精度传感器测量结果。多个传感器的组合可以增强系统的健壮性，但这些传感器并不一定能检测到系统所感兴趣的目标

32、特征。,例如列车运行过程中，列车的载重情况、运行速度、振动特性等对诊断列车轮系工作状态提供了有价值的信息，但这些数据却无法直接给出轴瓦的工作温度。采用一个温度传感器直接测量温度要简单易行得多。,79,数据融合处理不可能修正预处理或单个传感器处理时的错误。数据融合处理不能弥补处理过程中造成的信息损失。当信号的特征没有被正确提取时，数据融合得到的结论肯定是错误的，数据融合不可能修正这些特征。,例如在管道泄漏检测中，如果负压波信号中泄漏发生的时间特征点没有准确获得，泄漏定位的准确性就没有保证，其它的技术措施如时间对准、流量平衡等都不可能改变这种结果。,4.数据融合技术的局限性,80,数据融合过程中希

33、望能用一种简单的方式来描述传感器性能。传感器模型的不准确将导致融合结果错误，这种错误在后续处理中也是无法修复的。,例如利用光吸收机理测量粉尘时，没有办法建立粒子尺寸、构成、浓度等与光吸收特性关系的数学模型，而是利用现场标定的方法确定光吸收程度与粉尘浓度之间的关系，这种相对关系用任何融合技术都无法改变。用模型来准确描述传感器的性能是非常困难的。,4.数据融合技术的局限性,81,由于数据来源不同，一种单一的融合算法可能难以实现预想的融合效果，往往需要综合各门学科的多种技术，如信号处理，图像处理，模式识别，统计估计，自动推理理论和人工智能等。对于给定的数据如何选择合适算法来进行有效的信息融合是数据融

34、合技术发展所面临的挑战。,4.数据融合技术的局限性,82,缺乏对数据融合技术和数据融合系统性能进行评估的手段。如何建立评价机制，对数据融合系统进行综合分析，对数据融合算法和系统性能进行客观准确的评价，是待解决的问题。 随着新型传感器的不断涌现，以及现代信号处理技术、计算机技术、网络通信技术、人工智能技术、并行计算的软、硬件技术等相关技术的飞速发展，多传感器数据融合必将成为未来现代传感系统的重要技术支撑。,83,4.数据融合技术的局限性,1什么是多传感器数据融合？多传感器数据融合的实质是什么？2多传感器数据融合与信号处理的区别是什么？3比较不同数据融合形式的特点、结构和适应性，并用实例说明。4总

35、结不同数据融合方法的基本思想、组织结构和适用条件。5阅读相关文献，收集三个本章没有介绍的多传感器数据融合方法和应用案例。6为什么多传感器数据融合技术存在局限性？7试举一例，说明多传感器数据融合的机理、过程、算法结构，分析传感器数据融合的效果。,思考题：,84,1什么是多传感器数据融合？多传感器数据融合的实质是什么？3比较不同数据融合形式的特点、结构和适应性，并用实例说明。4总结不同数据融合方法的基本思想、组织结构和适用条件。5阅读相关文献，收集三个多传感器数据融合方法。6为什么多传感器数据融合技术存在局限性？7试举一例，说明多传感器数据融合的机理、过程、算法结构，分析传感器数据融合的效果。,思

36、考题：,85,人类本能地具有将身体上的各种器官（眼、耳、鼻和四肢等）所探测的信息（景物、声音、气味和触觉等）与先验知识进行综合的能力，以便对其周围的环境和正在发生的事件做出评估。多传感器信息融合实际上是对人脑综合处理复杂问题的一种功能模拟。与单传感器相比，运用多传感器信息融合技术在解决探测、跟踪和目标识别等问题方面，能够增强系统生存能力，提高整个系统的可靠性和健壮性，增强数据的可信度，提高精度，扩 展系统的时间、空间覆盖率，增加系统的实时性和信息利用率等。 作为多传感器融合的研究热点之一，融合方法一直受到人们的重视，这方面国外已经作了大量的研究，并且提出了许多融合方法。目前，多传感器数据融合的

37、常用方法大致可分为两大类：随机和人工智能方法。信息融合的不同层次对应不同的算法，包括加权平均 融合、卡尔曼滤波法、Bayes 估计、统计决策理论、概率论方法、模糊逻辑推理、人工神 经网络、D-S 证据理论等。,86,传感器数据融合的定义可以概括为把分布在不同位置的多个同类或不同类传感器所提供的局部数据资源加以综合，采用计算机技术对其进行分析，消除多传感器信息之间可能存在的冗余和矛盾，加以互补，降低其不确实性，获得被测对象的一致性解释与描述，从而提高系统决策、规划、反应的快速性和正确性，使系统获得更充分的信息。其信息融合在不同信息层次上出现，包括数据层融合、特征层融合、决策层融合。（1）数据级融

38、合。针对传感器采集的数据，依赖于传感器类型，进行同类数据的融合。 数据级的融合要处理的数据都是在相同类别的传感器下采集，所以数据融合不能处理异构 数据。（2）特征级融合。特征级融合，指的是提取所采集数据包含的特征向量，用来体现所 监测物理量的属性，这是面向监测对象特征的融合。如在图像数据的融合中，可以采用边 沿的特征信息，来代替全部数据信息。（3）决策级融合。决策级融合，指的是根据特征级融合所得到的数据特征，进行 一定的判别、分类，以及简单的逻辑运算，根据应用需求进行较高级的决策，是高级的融合。决策级融合是面向应用的融合。比如在森林火灾的监测监控系统中，通过对于温度、湿度和风力等数据特征的融合，可以断定森林的干燥程度及发生火灾的可能性等。这样，需要发送的数据就不是温湿度的值以及风力的大小，而只是发送发生火灾的可能性及危害程度等。在传感网络的具体数据融合实现中，可以根据应用的特点来选择融合方式。,87,