多傳感器的融合方法

1、多傳感器數(shù)據(jù)融合多傳感器數(shù)據(jù)融合是一個新興的研究領(lǐng)域，是針對一個系統(tǒng)使用多種傳感器這一特定問題而展開的一種關(guān)于數(shù)據(jù)處理的研究。多傳感器數(shù)據(jù)融合技術(shù)是近幾年來發(fā)展起來的一門實踐性較強的應(yīng)用技術(shù)，是多學(xué)科交叉的新技術(shù)，涉及到信號處理、概率統(tǒng)計、信息論、模式識別、人工智能、模糊數(shù)學(xué)等理論。近年來，多傳感器數(shù)據(jù)融合技術(shù)無論在軍事還是民事領(lǐng)域的應(yīng)用都極為廣泛。多傳感器融合技術(shù)已成為軍事、工業(yè)和高技術(shù)開發(fā)等多方面關(guān)心的問題。這一技術(shù)廣泛應(yīng)用于C3I系統(tǒng)、復(fù)雜工業(yè)過程控制、機器人、自動目標(biāo)識別、交通管制、慣性導(dǎo)航、海洋監(jiān)視和管理、農(nóng)業(yè)、遙感、醫(yī)療診斷、圖像處理、模式識別等領(lǐng)域。實踐證明：與單傳感器系統(tǒng)相比，

2、運用多傳感器數(shù)據(jù)融合技術(shù)在解決探測、跟蹤和目標(biāo)識別等問題方面，能夠增強系統(tǒng)生存能力，提高整個系統(tǒng)的可靠性和魯棒性，增強數(shù)據(jù)的可信度，并提高精度，擴展整個系統(tǒng)的時間、空間覆蓋率，增加系統(tǒng)的實時性和信息利用率等。1基本概念及融合原理1.1多傳感器數(shù)據(jù)融合概念數(shù)據(jù)融合又稱作信息融合或多傳感器數(shù)據(jù)融合，對數(shù)據(jù)融合還很難給出一個統(tǒng)一、全面的定義。隨著數(shù)據(jù)融合和計算機應(yīng)用技術(shù)的發(fā)展，根據(jù)國內(nèi)外研究成果，多傳感器數(shù)據(jù)融合比較確切的定義可概括為：充分利用不同時間與空間的多傳感器數(shù)據(jù)資源，采用計算機技術(shù)對按時間序列獲得的多傳感器觀測數(shù)據(jù)，在一定準(zhǔn)則下進行分析、綜合、支配和使用，獲得對被測對象的一致性解釋與描述，

3、進而實現(xiàn)相應(yīng)的決策和估計，使系統(tǒng)獲得比它的各組成部分更充分的信息。1.2多傳感器數(shù)據(jù)融合原理多傳感器數(shù)據(jù)融合技術(shù)的基本原理就像人腦綜合處理信息一樣，充分利用多個傳感器資源，通過對多傳感器及其觀測信息的合理支配和使用，把多傳感器在空間或時間上冗余或互補信息依據(jù)某種準(zhǔn)則來進行組合，以獲得被測對象的一致性解釋或描述。具體地說，多傳感器數(shù)據(jù)融合原理如下：（1）N個不同類型的傳感器（有源或無源的）收集觀測目標(biāo)的數(shù)據(jù)；（2）對傳感器的輸出數(shù)據(jù)（離散的或連續(xù)的時間函數(shù)數(shù)據(jù)、輸出矢量、成像數(shù)據(jù)或一個直接的屬性說明）進行特征提取的變換，提取代表觀測數(shù)據(jù)的特征矢量Yi；（3）對特征矢量Yi進行模式識別處理（如，聚

4、類算法、自適應(yīng)神經(jīng)網(wǎng)絡(luò)或其他能將特征矢量Yi變換成目標(biāo)屬性判決的統(tǒng)計模式識別法等）完成各傳感器關(guān)于目標(biāo)的說明；（4）將各傳感器關(guān)于目標(biāo)的說明數(shù)據(jù)按同一目標(biāo)進行分組，即關(guān)聯(lián)；（5）利用融合算法將每一目標(biāo)各傳感器數(shù)據(jù)進行合成，得到該目標(biāo)的一致性解釋與描述。2多傳感器數(shù)據(jù)融合方法利用多個傳感器所獲取的關(guān)于對象和環(huán)境全面、完整的信息，主要體現(xiàn)在融合算法上。因此，多傳感器系統(tǒng)的核心問題是選擇合適的融合算法。對于多傳感器系統(tǒng)來說，信息具有多樣性和復(fù)雜性，因此，對信息融合方法的基本要求是具有魯棒性和并行處理能力。此外，還有方法的運算速度和精度；與前續(xù)預(yù)處理系統(tǒng)和后續(xù)信息識別系統(tǒng)的接口性能；與不同技術(shù)和方法的

5、協(xié)調(diào)能力；對信息樣本的要求等。一般情況下，基于非線性的數(shù)學(xué)方法，如果它具有容錯性、自適應(yīng)性、聯(lián)想記憶和并行處理能力，則都可以用來作為融合方法。多傳感器數(shù)據(jù)融合雖然未形成完整的理論體系和有效的融合算法，但在不少應(yīng)用領(lǐng)域根據(jù)各自的具體應(yīng)用背景，已經(jīng)提出了許多成熟并且有效的融合方法。多傳感器數(shù)據(jù)融合的常用方法基本上可概括為隨機和人工智能兩大類，隨機類方法有加權(quán)平均法、卡爾曼濾波法、多貝葉斯估計法、Dempster-Shafer（D-S）證據(jù)推理、產(chǎn)生式規(guī)則等；而人工智能類則有模糊邏輯理論、神經(jīng)網(wǎng)絡(luò)、粗集理論、專家系統(tǒng)等。可以預(yù)見，神經(jīng)網(wǎng)絡(luò)和人工智能等新概念、新技術(shù)在多傳感器數(shù)據(jù)融合中將起到越來越重要

6、的作用。2.1隨機類方法2.1.1加權(quán)平均法信號級融合方法最簡單、最直觀方法是加權(quán)平均法，該方法將一組傳感器提供的冗余信息進行加權(quán)平均，結(jié)果作為融合值，該方法是一種直接對數(shù)據(jù)源進行操作的方法。2.1.2卡爾曼濾波法卡爾曼濾波主要用于融合低層次實時動態(tài)多傳感器冗余數(shù)據(jù)。該方法用測量模型的統(tǒng)計特性遞推，決定統(tǒng)計意義下的最優(yōu)融合和數(shù)據(jù)估計。如果系統(tǒng)具有線性動力學(xué)模型，且系統(tǒng)與傳感器的誤差符合高斯白噪聲模型，則卡爾曼濾波將為融合數(shù)據(jù)提供唯一統(tǒng)計意義下的最優(yōu)估計?？柭鼮V波的遞推特性使系統(tǒng)處理不需要大量的數(shù)據(jù)存儲和計算。但是，采用單一的卡爾曼濾波器對多傳感器組合系統(tǒng)進行數(shù)據(jù)統(tǒng)計時，存在很多嚴(yán)重的問題，例

7、如：（1）在組合信息大量冗余的情況下，計算量將以濾波器維數(shù)的三次方劇增，實時性不能滿足；（2）傳感器子系統(tǒng)的增加使故障隨之增加，在某一系統(tǒng)出現(xiàn)故障而沒有來得及被檢測出時，故障會污染整個系統(tǒng)，使可靠性降低。2.1.3多貝葉斯估計法貝葉斯估計為數(shù)據(jù)融合提供了一種手段，是融合靜環(huán)境中多傳感器高層信息的常用方法。它使傳感器信息依據(jù)概率原則進行組合，測量不確定性以條件概率表示，當(dāng)傳感器組的觀測坐標(biāo)一致時，可以直接對傳感器的數(shù)據(jù)進行融合，但大多數(shù)情況下，傳感器測量數(shù)據(jù)要以間接方式采用貝葉斯估計進行數(shù)據(jù)融合。多貝葉斯估計將每一個傳感器作為一個貝葉斯估計，將各個單獨物體的關(guān)聯(lián)概率分布合成一個聯(lián)合的后驗的概率分

8、布函數(shù)，通過使用聯(lián)合分布函數(shù)的似然函數(shù)為最小，提供多傳感器信息的最終融合值，融合信息與環(huán)境的一個先驗?zāi)Ｐ吞峁┱麄€環(huán)境的一個特征描述。2.1.4D-S證據(jù)推理方法D-S證據(jù)推理是貝葉斯推理的擴充，其3個基本要點是：基本概率賦值函數(shù)、信任函數(shù)和似然函數(shù)。D-S方法的推理結(jié)構(gòu)是自上而下的，分三級。第1級為目標(biāo)合成，其作用是把來自獨立傳感器的觀測結(jié)果合成為一個總的輸出結(jié)果（ID）；第2級為推斷，其作用是獲得傳感器的觀測結(jié)果并進行推斷，將傳感器觀測結(jié)果擴展成目標(biāo)報告。這種推理的基礎(chǔ)是：一定的傳感器報告以某種可信度在邏輯上會產(chǎn)生可信的某些目標(biāo)報告；第3級為更新，各種傳感器一般都存在隨機誤差，所以，在時間上

9、充分獨立地來自同一傳感器的一組連續(xù)報告比任何單一報告可靠。因此，在推理和多傳感器合成之前，要先組合（更新）傳感器的觀測數(shù)據(jù)。2.1.5產(chǎn)生式規(guī)則產(chǎn)生式規(guī)則采用符號表示目標(biāo)特征和相應(yīng)傳感器信息之間的聯(lián)系，與每一個規(guī)則相聯(lián)系的置信因子表示它的不確定性程度。當(dāng)在同一個邏輯推理過程中，2個或多個規(guī)則形成一個聯(lián)合規(guī)則時，可以產(chǎn)生融合。應(yīng)用產(chǎn)生式規(guī)則進行融合的主要問題是每個規(guī)則的置信因子的定義與系統(tǒng)中其他規(guī)則的置信因子相關(guān)，如果系統(tǒng)中引入新的傳感器，需要加入相應(yīng)的附加規(guī)則。2.2人工智能類方法2.2.1模糊邏輯推理模糊邏輯是多值邏輯，通過指定一個0到1之間的實數(shù)表示真實度，相當(dāng)于隱含算子的前提，允許將多個

10、傳感器信息融合過程中的不確定性直接表示在推理過程中。如果采用某種系統(tǒng)化的方法對融合過程中的不確定性進行推理建模，則可以產(chǎn)生一致性模糊推理。與概率統(tǒng)計方法相比，邏輯推理存在許多優(yōu)點，它在一定程度上克服了概率論所面臨的問題，它對信息的表示和處理更加接近人類的思維方式，它一般比較適合于在高層次上的應(yīng)用（如決策），但是，邏輯推理本身還不夠成熟和系統(tǒng)化。此外，由于邏輯推理對信息的描述存在很大的主觀因素，所以，信息的表示和處理缺乏客觀性。模糊集合理論對于數(shù)據(jù)融合的實際價值在于它外延到模糊邏輯，模糊邏輯是一種多值邏輯，隸屬度可視為一個數(shù)據(jù)真值的不精確表示。在MSF過程中，存在的不確定性可以直接用模糊邏輯表示

11、，然后，使用多值邏輯推理，根據(jù)模糊集合理論的各種演算對各種命題進行合并，進而實現(xiàn)數(shù)據(jù)融合。2.2.2人工神經(jīng)網(wǎng)絡(luò)法神經(jīng)網(wǎng)絡(luò)具有很強的容錯性以及自學(xué)習(xí)、自組織及自適應(yīng)能力，能夠模擬復(fù)雜的非線性映射。神經(jīng)網(wǎng)絡(luò)的這些特性和強大的非線性處理能力，恰好滿足了多傳感器數(shù)據(jù)融合技術(shù)處理的要求。在多傳感器系統(tǒng)中，各信息源所提供的環(huán)境信息都具有一定程度的不確定性，對這些不確定信息的融合過程實際上是一個不確定性推理過程。神經(jīng)網(wǎng)絡(luò)根據(jù)當(dāng)前系統(tǒng)所接受的樣本相似性確定分類標(biāo)準(zhǔn)，這種確定方法主要表現(xiàn)在網(wǎng)絡(luò)的權(quán)值分布上，同時，可以采用經(jīng)*定的學(xué)習(xí)算法來獲取知識，得到不確定性推理機制。利用神經(jīng)網(wǎng)絡(luò)的信號處理能力和自動推理功能

12、，即實現(xiàn)了多傳感器數(shù)據(jù)融合。常用的數(shù)據(jù)融合方法及特性如表1所示。通常使用的方法依具體的應(yīng)用而定，并且，由于各種方法之間的互補性，實際上，常將2種或2種以上的方法組合進行多傳感器數(shù)據(jù)融合。3應(yīng)用領(lǐng)域隨著多傳感器數(shù)據(jù)融合技術(shù)的發(fā)展，應(yīng)用的領(lǐng)域也在不斷擴大，多傳感器融合技術(shù)已成功地應(yīng)用于眾多的研究領(lǐng)域。多傳感器數(shù)據(jù)融合作為一種可消除系統(tǒng)的不確定因素、提供準(zhǔn)確的觀測結(jié)果和綜合信息的智能化數(shù)據(jù)處理技術(shù)，已在軍事、工業(yè)監(jiān)控、智能檢測、機器人、圖像分析、目標(biāo)檢測與跟蹤、自動目標(biāo)識別等領(lǐng)域獲得普遍關(guān)注和廣泛應(yīng)用稱重傳感器。（1）軍事應(yīng)用數(shù)據(jù)融合技術(shù)起源于軍事領(lǐng)域，數(shù)據(jù)融合在軍事上應(yīng)用最早、范圍最廣，涉及戰(zhàn)術(shù)或

13、戰(zhàn)略上的檢測、指揮、控制、通信和情報任務(wù)的各個方面。主要的應(yīng)用是進行目標(biāo)的探測、跟蹤和識別，包括C31系統(tǒng)、自動識別武器、自主式運載制導(dǎo)、遙感、戰(zhàn)場監(jiān)視和自動威脅識別系統(tǒng)等。如，對艦艇、飛機、導(dǎo)彈等的檢測、定位、跟蹤和識別及海洋監(jiān)視、空對空防御系統(tǒng)、地對空防御系統(tǒng)等。海洋監(jiān)視系統(tǒng)包括對潛艇、魚雷、水下導(dǎo)彈等目標(biāo)的檢測、跟蹤和識別，傳感器有雷達、聲納、遠紅外、綜合孔徑雷達等?？諏?、地對空防御系統(tǒng)主要用來檢測、跟蹤、識別敵方飛機、導(dǎo)彈和防空武器，傳感器包括雷達、ESM（電子支援措施）接收機、遠紅外敵我識別傳感器、光電成像傳感器等。迄今為止，美、英、法、意、日、俄等國家已研制出了上百種軍事數(shù)據(jù)融合

14、系統(tǒng)，比較典型的有：TCAC戰(zhàn)術(shù)指揮控制,BETA戰(zhàn)場利用和目標(biāo)截獲系統(tǒng)，AIDD炮兵情報數(shù)據(jù)融合等。在近幾年發(fā)生的幾次局部戰(zhàn)爭中，數(shù)據(jù)融合顯示了強大的威力，特別是在海灣戰(zhàn)爭和科索沃戰(zhàn)爭中，多國部隊的融合系統(tǒng)發(fā)揮了重要作用。（2）復(fù)雜工業(yè)過程控制復(fù)雜工業(yè)過程控制是數(shù)據(jù)融合應(yīng)用的一個重要領(lǐng)域。目前，數(shù)據(jù)融合技術(shù)已在核反應(yīng)堆和石油平臺監(jiān)視等系統(tǒng)中得到應(yīng)用。融合的目的是識別引起系統(tǒng)狀態(tài)超出正常運行范圍的故障條件，并據(jù)此觸發(fā)若干報警器。通過時間序列分析、頻率分析、小波分析，從各傳感器獲取的信號模式中提取出特征數(shù)據(jù)，同時，將所提取的特征數(shù)據(jù)輸入神經(jīng)網(wǎng)絡(luò)模式識別器，神經(jīng)網(wǎng)絡(luò)模式識別器進行特征級數(shù)據(jù)融合，以

15、識別出系統(tǒng)的特征數(shù)據(jù)，并輸入到模糊專家系統(tǒng)進行決策級融合；專家系統(tǒng)推理時，從知識庫和數(shù)據(jù)庫中取出領(lǐng)域知識規(guī)則和參數(shù)，與特征數(shù)據(jù)進行匹配（融合）；最后，決策出被測系統(tǒng)的運行狀態(tài)、設(shè)備工作狀況和故障等。（3）機器人多傳感器數(shù)據(jù)融合技術(shù)的另一個典型應(yīng)用領(lǐng)域為機器人。目前，主要應(yīng)用在移動機器人和遙操作機器人上，因為這些機器人工作在動態(tài)、不確定與非結(jié)構(gòu)化的環(huán)境中（如“勇氣”號和“機遇”號火星車），這些高度不確定的環(huán)境要求機器人具有高度的自治能力和對環(huán)境的感知能力，而多傳感器數(shù)據(jù)融合技術(shù)正是提高機器人系統(tǒng)感知能力的有效方法。實踐證明：采用單個傳感器的機器人不具有完整、可靠地感知外部環(huán)境的能力。智能機器人應(yīng)

16、采用多個傳感器，并利用這些傳感器的冗余和互補的特性來獲得機器人外部環(huán)境動態(tài)變化的、比較完整的信息，并對外部環(huán)境變化做出實時的響應(yīng)。目前，機器人學(xué)界提出向非結(jié)構(gòu)化環(huán)境進軍，其核心的關(guān)鍵之一就是多傳感器系統(tǒng)和數(shù)據(jù)融合。（4）遙感多傳感器融合在遙感領(lǐng)域中的應(yīng)用，主要是通過高空間分辨力全色圖像和低光譜分辨力圖像的融合，得到高空問分辨力和高光譜分辨力的圖像，融合多波段和多時段的遙感圖像來提高分類的準(zhǔn)確*。*通管理系統(tǒng)數(shù)據(jù)融合技術(shù)可應(yīng)用于地面車輛定位、車輛跟蹤、車輛導(dǎo)航以及空中交通管制系統(tǒng)等。（6）全局監(jiān)視監(jiān)視較大范圍內(nèi)的人和事物的運動和狀態(tài)，需要運用數(shù)據(jù)融合技術(shù)。例如:根據(jù)各種醫(yī)療傳感器、病歷、病史、氣

17、候、季節(jié)等觀測信息，實現(xiàn)對病人的自動監(jiān)護；從空中和地面?zhèn)鞲衅鞅O(jiān)視莊稼生長情況，進行產(chǎn)量預(yù)測；根據(jù)衛(wèi)星云圖、氣流、溫度、壓力等觀測信息，實現(xiàn)天氣預(yù)報。4存在問題及發(fā)展趨勢數(shù)據(jù)融合技術(shù)方興未艾，幾乎一切信息處理方法都可以應(yīng)用于數(shù)據(jù)融合系統(tǒng)。隨著傳感器技術(shù)、數(shù)據(jù)處理技術(shù)、計算機技術(shù)、網(wǎng)絡(luò)通訊技術(shù)、人工智能技術(shù)、并行計算軟件和硬件技術(shù)等相關(guān)技術(shù)的發(fā)展，尤其是人工智能技術(shù)的進步，新的、更有效的數(shù)據(jù)融合方法將不斷推出，多傳感器數(shù)據(jù)融合必將成為未來復(fù)雜工業(yè)系統(tǒng)智能檢測與數(shù)據(jù)處理的重要技術(shù)，其應(yīng)用領(lǐng)域?qū)⒉粩鄶U大。多傳感器數(shù)據(jù)融合不是一門單一的技術(shù)，而是一門跨學(xué)科的綜合理論和方法，并且，是一個不很成熟的新研究領(lǐng)

18、域，尚處在不斷變化和發(fā)展過程中壓力傳感器。4.1數(shù)據(jù)融合存在的問題(1) 尚未建立統(tǒng)一的融合理論和有效廣義融合模型及算法；(2) 對數(shù)據(jù)融合的具體方法的研究尚處于初步階段；(3) 還沒有很好解決融合系統(tǒng)中的容錯性或魯棒性問題；(4) 關(guān)聯(lián)的二義性是數(shù)據(jù)融合中的主要障礙；(5)數(shù)據(jù)融合系統(tǒng)的設(shè)計還存在許多實際問題。4.2數(shù)據(jù)融合發(fā)展趨勢數(shù)據(jù)融合的發(fā)展趨勢如下：(1) 建立統(tǒng)一的融合理論、數(shù)據(jù)融合的體系結(jié)構(gòu)和廣義融合模型；(2) 解決數(shù)據(jù)配準(zhǔn)、數(shù)據(jù)預(yù)處理、數(shù)據(jù)庫構(gòu)建、數(shù)據(jù)庫管理、人機接口、通用軟件包開發(fā)問題，利用成熟的輔助技術(shù)，建立面向具體應(yīng)用需求的數(shù)據(jù)融合系統(tǒng)；(3)將人工智能技術(shù)，如，神經(jīng)網(wǎng)絡(luò)、遺傳算法、模糊理論、專家理論等引入到數(shù)據(jù)融合領(lǐng)域；利用集成的計算智能方法(如，模糊邏輯+神經(jīng)網(wǎng)絡(luò)，遺傳算法+模糊+神經(jīng)網(wǎng)絡(luò)等)提高多傳感融合的性能；(4)解決不確定性因素的表達和推理演算，例如：引入灰數(shù)的概念;(5) 利用有關(guān)的先驗數(shù)據(jù)提高數(shù)據(jù)融合的性能，研