第19章多傳感器信息融合技術(shù)ppt課件

1、第19章 多傳感器數(shù)據(jù)交融技術(shù) C19.1 傳感器信息交融分類和構(gòu)造119.2 傳感器信息交融的普通方法19.3 信息交融系統(tǒng)的運(yùn)用32.概述多傳感器問題的引入非關(guān)聯(lián)測試工程丈量不同目的或?qū)ν荒康牡牟煌瑓?shù)進(jìn)展獨(dú)立丈量。多傳感器測試系統(tǒng)關(guān)聯(lián)的測試工程利用多個(gè)傳感器對(duì)同一目的的一樣或不同工程進(jìn)展丈量，綜合丈量結(jié)果用于分析目的特性。.當(dāng)檢測對(duì)象為多目的或快速機(jī)動(dòng)目的時(shí)，單一傳感器丈量困難。復(fù)雜的電磁環(huán)境使檢測的目的信號(hào)淹沒在大量噪聲及不相關(guān)信號(hào)與雜波中。當(dāng)單一傳感器失效或傳感器的可靠性有待提高時(shí)采用多傳感器系統(tǒng)。環(huán)境復(fù)雜目的復(fù)雜可靠性為什么要采用多個(gè)傳感器丈量同一目的參數(shù)？概述.概述 傳感器數(shù)據(jù)

2、交融的定義：對(duì)多種信息的獲取、表示及其內(nèi)在聯(lián)絡(luò)進(jìn)展綜合處置和優(yōu)化的技術(shù)。從多信息的視角進(jìn)展處置及綜合，得到各種信息的內(nèi)在聯(lián)絡(luò)和規(guī)律，從而剔除無用的和錯(cuò)誤的信息，保管正確的和有用的成分，最終實(shí)現(xiàn)信息的優(yōu)化。它為智能信息處置技術(shù)的研討提供了新的觀念。經(jīng)過交融后的傳感器信息具有以下特征：信息冗余性、信息互補(bǔ)性、信息實(shí)時(shí)性、信息獲取的低本錢性。.19.1 傳感器信息交融分類和構(gòu)造 19.1.1 傳感器信息交融分類可分為以下四類：組合、綜合、交融和相關(guān)。組合:由多個(gè)傳感器組合成平行或互補(bǔ)方式來獲得多組數(shù)據(jù)輸出的一種處置方法，是一種最根本的方式，涉及的問題有輸出方式的協(xié)調(diào)、綜合以及傳感器的選擇。在硬件這一

3、級(jí)上運(yùn)用。綜合:信息優(yōu)化處置中的一種獲得明確信息的有效方法。例如運(yùn)用兩個(gè)分開設(shè)置的攝像機(jī)同時(shí)拍攝到一個(gè)物體的不同側(cè)面的兩幅圖像，綜合這兩幅圖像可以復(fù)原出一個(gè)準(zhǔn)確的有立體感的物體的圖像。.19.1 傳感器信息交融分類和構(gòu)造 交融:當(dāng)將傳感器數(shù)據(jù)組之間進(jìn)展相關(guān)或?qū)鞲衅鲾?shù)據(jù)與系統(tǒng)內(nèi)部的知識(shí)模型進(jìn)展相關(guān)，而產(chǎn)生信息的一個(gè)新的表達(dá)式。相關(guān):經(jīng)過處置傳感器信息獲得某些結(jié)果，不僅需求單項(xiàng)信息處置，而且需求經(jīng)過相關(guān)來進(jìn)展處置，得悉傳感器數(shù)據(jù)組之間的關(guān)系，從而得到正確信息，剔除無用和錯(cuò)誤的信息。相關(guān)處置的目的：對(duì)識(shí)別、預(yù)測、學(xué)習(xí)和記憶等過程的信息進(jìn)展綜合和優(yōu)化。.19.1 傳感器信息交融分類和構(gòu)造 19.1.

4、2 信息交融的構(gòu)造 傳感器1傳感器2傳感器1輸入傳感器1輸出傳感器2輸入傳感器2輸出傳感器N傳感器N輸入最終結(jié)果串行交融方式圖19-1 多傳感器信息交融的構(gòu)造方式信息交融的構(gòu)造分為串聯(lián)、并聯(lián)，如圖19-1所示。串行交融時(shí)，當(dāng)前傳感器要接納前一級(jí)傳感器的輸出結(jié)果，每個(gè)傳感器既有接納處置信息的功能，又有信息交融的功能，各個(gè)傳感器的處置同前一級(jí)傳感器輸出的信息方式有很大關(guān)系。最后一個(gè)傳感器綜合了一切前級(jí)傳感器數(shù)出的信息，得到的輸出為串聯(lián)交融系統(tǒng)的結(jié)論。 .19.1 傳感器信息交融分類和構(gòu)造 并行交融時(shí)，各個(gè)傳感器直接將各自的輸出信息傳輸?shù)絺鞲衅鹘蝗谥行?，傳感器之間沒有影響，交融中心對(duì)各信息按適當(dāng)?shù)姆?/p>

5、法綜合處置后，輸出最終結(jié)果。還可將串行交融和并行交融方式結(jié)合組成混合交融方式，或總體串行部分并行，或總體并行部分串行。傳感器1傳感器1輸入傳感器2傳感器2輸入傳感器3傳感器3輸入信息交融中心最終結(jié)果b) 并行交融方式圖19-1 多傳感器信息交融的構(gòu)造方式.19.1 傳感器信息交融分類和構(gòu)造 19.1.3 信息交融的關(guān)鍵技術(shù) 包括數(shù)據(jù)轉(zhuǎn)換、數(shù)據(jù)相關(guān)、數(shù)據(jù)庫和交融推理的減少交融損失。1數(shù)據(jù)轉(zhuǎn)換：多傳感器輸出的數(shù)據(jù)方式、環(huán)境描畫等都不一樣，信息交融中心處置這些不同信息的關(guān)鍵即是把這些數(shù)據(jù)轉(zhuǎn)換成一樣方式，然后進(jìn)展相關(guān)處置。2數(shù)據(jù)相關(guān)：數(shù)據(jù)相關(guān)的中心問題是抑制傳感器丈量的不準(zhǔn)確性，堅(jiān)持?jǐn)?shù)據(jù)的一致性。因此

6、，應(yīng)控制和降低相關(guān)計(jì)算的復(fù)雜性，開發(fā)相關(guān)處置、交融處置和系統(tǒng)模擬的算法和模型。.19.1 傳感器信息交融分類和構(gòu)造 3態(tài)勢數(shù)據(jù)庫：態(tài)勢數(shù)據(jù)庫可分為實(shí)時(shí)數(shù)據(jù)庫和非實(shí)時(shí)數(shù)據(jù)庫。實(shí)時(shí)數(shù)據(jù)庫的作用是把當(dāng)前各傳感器的觀測結(jié)果及時(shí)提供應(yīng)信息交融中心，同時(shí)也存儲(chǔ)交融處置的最終態(tài)勢/決策分析結(jié)果和中間結(jié)果。非實(shí)時(shí)數(shù)據(jù)庫存儲(chǔ)各傳感器的歷史數(shù)據(jù)、相關(guān)目的和環(huán)境的輔助信息以及交融計(jì)算的歷史信息。態(tài)勢數(shù)據(jù)庫要求容量大、搜索快、開放互連性好，具有良好的用戶接口。4交融計(jì)算：涉及到以下問題，對(duì)多傳感器的相關(guān)觀測結(jié)果進(jìn)展驗(yàn)證、分析、補(bǔ)充、取舍、修正和形狀跟蹤估計(jì)；對(duì)新發(fā)現(xiàn)的不相關(guān)觀測結(jié)果進(jìn)展分析和綜合；生成綜合態(tài)勢，并實(shí)時(shí)

7、地根據(jù)對(duì)傳感器觀測結(jié)果經(jīng)過數(shù)據(jù)交融計(jì)算，對(duì)綜合態(tài)勢進(jìn)展修正；態(tài)勢決策分析。.19.2.1 數(shù)據(jù)交融處置的普經(jīng)過程19.2 傳感器信息交融的普通方法 .1目的形狀估計(jì)集中式數(shù)據(jù)交融構(gòu)造分布式數(shù)據(jù)交融構(gòu)造綜合式數(shù)據(jù)交融構(gòu)造2目的身份估計(jì)數(shù)據(jù)級(jí)數(shù)據(jù)交融構(gòu)造特征級(jí)數(shù)據(jù)交融構(gòu)造決策級(jí)數(shù)據(jù)交融構(gòu)造19.2 傳感器信息交融的普通方法 .目的形狀估計(jì)集中式數(shù)據(jù)交融構(gòu)造19.2 傳感器信息交融的普通方法 .目的形狀估計(jì)分布式數(shù)據(jù)交融構(gòu)造19.2 傳感器信息交融的普通方法 .目的身份估計(jì)數(shù)據(jù)級(jí)數(shù)據(jù)交融構(gòu)造19.2 傳感器信息交融的普通方法 .目的身份估計(jì)特征級(jí)數(shù)據(jù)交融構(gòu)造19.2 傳感器信息交融的普通方法 .目的

8、身份估計(jì)決策級(jí)數(shù)據(jù)交融構(gòu)造19.2 傳感器信息交融的普通方法 .人工智能假設(shè)檢驗(yàn)法Bayes估計(jì)法聚類分析方式識(shí)別數(shù)據(jù)交融算法按技術(shù)原理分類濾波跟蹤 19.2.2 信息交融方法19.2 傳感器信息交融的普通方法 .傳感器信息的不確定性傳感器輸出不能夠包含被丈量全部、完好的信息噪聲破壞可靠度精度目的要素19.2 傳感器信息交融的普通方法 .19.2 傳感器信息交融的普通方法 最常用的信息交融方法有三類：嵌入約束法、證據(jù)組合法和人工神經(jīng)網(wǎng)絡(luò)法。1 嵌入約束法由多種傳感器所獲得的被測對(duì)象的多組數(shù)據(jù)按照某種映射關(guān)系構(gòu)成的像，信息交融就是經(jīng)過像求解原像，即對(duì)客觀環(huán)境加以了解。.19.2 傳感器信息交融的

9、普通方法用數(shù)學(xué)言語描畫就是，一切傳感器的全部信息，也只能描畫環(huán)境的某些方面的特征，而具有這些特征的環(huán)境卻有很多，要使一組數(shù)據(jù)對(duì)應(yīng)獨(dú)一的環(huán)境(即上述映射為一一映射)，就必需對(duì)映射的原像和映射本身加約束條件，使問題能有獨(dú)一的解。嵌入約束法最根本的方法有Bayes估計(jì)和卡爾曼濾波。.Bayes統(tǒng)計(jì)實(shí)際在思索可靠度情況下傳感器丈量需求處理的一個(gè)關(guān)鍵問題：真值和丈量值。調(diào)查一個(gè)隨機(jī)實(shí)驗(yàn)，在該實(shí)驗(yàn)中n個(gè)互不相容的事件A1，A2，An必然會(huì)發(fā)生一個(gè)，且只能發(fā)生一個(gè)，用PAi表示Ai發(fā)生的概率，那么有：設(shè)利用一傳感器對(duì)A事件的發(fā)生進(jìn)展檢測，檢測結(jié)果為B，那么Ai為真值，B為丈量值。19.2 傳感器信息交融的普

10、通方法 先驗(yàn)知識(shí)：P(A1) 、 P(A2) 、 P(An) 表示事件A1，A2，An發(fā)生的概率，這是實(shí)驗(yàn)前的知識(shí)稱為“先驗(yàn)知識(shí)。Bayes統(tǒng)計(jì)實(shí)際以為，人們?cè)跈z驗(yàn)前后對(duì)某事件的發(fā)生情況的估計(jì)是不同，而且一次檢驗(yàn)結(jié)果不同對(duì)人們的最終估計(jì)的影響是不同的。19.2 傳感器信息交融的普通方法 后驗(yàn)知識(shí)：由于一次檢驗(yàn)結(jié)果B的出現(xiàn)，改動(dòng)了人們對(duì)事件A1，A2，An發(fā)生情況的認(rèn)識(shí)，這是實(shí)驗(yàn)后的知識(shí)稱為“后驗(yàn)知識(shí)。檢驗(yàn)后事件A1，A2，An發(fā)生的概率表現(xiàn)為條件概率：顯然有：19.2 傳感器信息交融的普通方法 Bayes估計(jì)是檢驗(yàn)過程中對(duì)先驗(yàn)知識(shí)向后驗(yàn)知識(shí)的不斷修正。條件概率公式：或全概率概率公式：其中Ai為

11、對(duì)樣本空間的一個(gè)劃分，即Ai為互斥事件且19.2 傳感器信息交融的普通方法 Bayes公式： 對(duì)一組互斥事件Ai，i=1，2，n，在一次丈量結(jié)果為B時(shí)，Ai發(fā)生的概率為：利用Bayes統(tǒng)計(jì)實(shí)際進(jìn)展丈量數(shù)據(jù)交融：充分利用了丈量對(duì)象的先驗(yàn)信息。是根據(jù)一次丈量結(jié)果對(duì)先驗(yàn)概率到后驗(yàn)概率的修正。19.2 傳感器信息交融的普通方法 基于Bayes估計(jì)的身份識(shí)別方法假設(shè)由n個(gè)傳感器對(duì)一未知目的參數(shù)進(jìn)展丈量，每一傳感器根據(jù)丈量結(jié)果利用一定算法給出一個(gè)關(guān)于目的的身份闡明。設(shè)A1，A2，An為n個(gè)互斥的窮舉目的，Bi為第j個(gè)傳感器給出的目的身份闡明，且Ai滿足：那么：19.2 傳感器信息交融的普通方法 基于Bay

12、es統(tǒng)計(jì)的目的識(shí)別交融模型19.2 傳感器信息交融的普通方法 基于Bayes統(tǒng)計(jì)的目的識(shí)別交融的普通步驟：獲得每個(gè)傳感器單元輸出的目的身份闡明B1，B2，Bn；計(jì)算每個(gè)傳感器單元對(duì)不同目的的身份闡明的不確定性即 ；i=1,2,n19.2 傳感器信息交融的普通方法 計(jì)算目的身份的交融概率：假設(shè)B1，B2，Bn相互獨(dú)立，那么：目的識(shí)別決策判據(jù)，尋覓極大似然估計(jì)19.2 傳感器信息交融的普通方法 舉例計(jì)算某醫(yī)院采用以下兩種設(shè)備檢驗(yàn)?zāi)撤N疾病，設(shè)備1對(duì)該疾病的漏診率為0.1，誤診率為0.25；設(shè)備2對(duì)該疾病的漏診率為0.2，誤診率為0.1。知人群中該疾病的發(fā)病率為0.05。分析分別利用兩臺(tái)設(shè)備和同時(shí)運(yùn)用

13、兩臺(tái)設(shè)備時(shí)檢驗(yàn)結(jié)果的概率。19.2 傳感器信息交融的普通方法 方法思緒傳感器A傳感器C傳感器B交融結(jié)果交融算法關(guān) 系矩 陣置 信距 離矩 陣最正確交融數(shù)數(shù) 據(jù)選 擇19.2 傳感器信息交融的普通方法 根本實(shí)際和方法置信間隔和置信間隔矩陣?yán)枚鄠€(gè)傳感器丈量某參數(shù)的過程中有兩個(gè)隨機(jī)變量，一是被測參數(shù)，二是每個(gè)傳感器的輸出Xi，i=1，2，m。普通以為它們服從正態(tài)分布，用xi表示第i個(gè)丈量值的一次丈量輸出，它是隨機(jī)變量Xi的一次取樣。設(shè)：19.2 傳感器信息交融的普通方法 為對(duì)傳感器輸出數(shù)據(jù)進(jìn)展選擇，必需對(duì)其可靠性進(jìn)展估計(jì)，為此定義各數(shù)據(jù)間的置信間隔。用Xi、Xj表示第i個(gè)和第j個(gè)傳感器的輸出，那么

14、其一次讀數(shù)xi和xj之間的置信間隔定義為：19.2 傳感器信息交融的普通方法 假設(shè)Xi、Xj服從正態(tài)分布，那么上式中：故可知：當(dāng) 時(shí)，當(dāng) 時(shí)，19.2 傳感器信息交融的普通方法 置信間隔矩陣：對(duì)m個(gè)傳感器的一次丈量數(shù)據(jù)，利用上述方法可以分別計(jì)算恣意兩個(gè)傳感器數(shù)據(jù)之間的置信間隔得到一個(gè) m X m 矩陣。19.2 傳感器信息交融的普通方法 根據(jù)詳細(xì)問題選擇適宜的臨界值 由 對(duì)數(shù)據(jù)的可靠性進(jìn)展斷定。由此得到一個(gè)二值矩陣，稱為關(guān)系矩陣。19.2 傳感器信息交融的普通方法 設(shè)被測參數(shù) ，第k個(gè)傳感器的丈量數(shù)據(jù) ，經(jīng)過刪選，選擇l個(gè)數(shù)據(jù)作為最正確交融數(shù)。交融結(jié)果 為：19.2 傳感器信息交融的普通方法

15、基于Bayes估計(jì)的數(shù)據(jù)交融普通步驟計(jì)算m個(gè)傳感器數(shù)據(jù)的置信間隔矩陣，為簡化計(jì)算，當(dāng)測試數(shù)據(jù)服從正態(tài)分布時(shí)可利用誤差函數(shù)計(jì)算置信間隔。19.2 傳感器信息交融的普通方法 選擇適宜的間隔臨界值，由置信間隔矩陣產(chǎn)生關(guān)系矩陣。由關(guān)系矩陣對(duì)多傳感器數(shù)據(jù)進(jìn)展選擇，產(chǎn)生最正確交融數(shù)。19.2 傳感器信息交融的普通方法 將 、 和最正確交融數(shù)對(duì)應(yīng)的 、 代入Bayes交融估計(jì)公式求的參數(shù)估計(jì)值。19.2 傳感器信息交融的普通方法 傳感器編號(hào)12345678方差25.7323.8124.9525.7535.6521.3323.9422.96測量值848.1850.5851.9849.9854.6849.384

16、8.0848.3利用8個(gè)傳感器對(duì)一個(gè)恒溫槽的溫度進(jìn)展丈量，知恒溫槽溫度滿足正態(tài)分布，其中 =850.50， =4.50258個(gè)傳感器的丈量結(jié)果如下：舉例計(jì)算19.2 傳感器信息交融的普通方法 19.2 傳感器信息交融的普通方法 卡爾曼濾波(KF)用于實(shí)時(shí)交融動(dòng)態(tài)的低層次冗余傳感器數(shù)據(jù)，該方法用丈量模型的統(tǒng)計(jì)特性，遞推決議統(tǒng)計(jì)意義下最優(yōu)交融數(shù)據(jù)合計(jì)。KF的遞推特性使系統(tǒng)數(shù)據(jù)處置不需大量的數(shù)據(jù)存儲(chǔ)和計(jì)算。.19.2 傳感器信息交融的普通方法 KF分為分散卡爾曼濾波(DKF)和擴(kuò)展卡爾曼濾波 (EKF)。DKF可實(shí)現(xiàn)多傳感器數(shù)據(jù)交融完全分散化，其優(yōu)點(diǎn)為每個(gè)傳感器節(jié)點(diǎn)失效不會(huì)導(dǎo)致整個(gè)系統(tǒng)失效。EKF的

17、優(yōu)點(diǎn)是可有效抑制數(shù)據(jù)處置不穩(wěn)定性或系統(tǒng)模型線性程度的誤差對(duì)交融過程產(chǎn)生的影響。嵌入約束法傳感器信息交融的最根本方法之一，但其缺陷在于需求對(duì)多源數(shù)據(jù)的整體物理規(guī)律有較好的了解，才干準(zhǔn)確地獲得p(d|f)，但需求預(yù)知先驗(yàn)分布p(f)。.19.2 傳感器信息交融的普通方法 2 證據(jù)組合法根本思想：完成某項(xiàng)智能義務(wù)是根據(jù)有關(guān)環(huán)境某方面的信息做出幾種能夠的決策，而多傳感器數(shù)據(jù)信息在一定程度上反映環(huán)境這方面的情況。因此，分析每一數(shù)據(jù)作為支持某種決策證據(jù)的支持程度，并將不同傳感器數(shù)據(jù)的支持程度進(jìn)展組合。并將分析得出現(xiàn)有組合證據(jù)支持程度最大的決策作為信息交融的結(jié)果。.19.2 傳感器信息交融的普通方法 證據(jù)組

18、合法是對(duì)完成某一義務(wù)的需求而處置多種傳感器的數(shù)據(jù)信息。完成某項(xiàng)智能義務(wù)，實(shí)踐是做出某項(xiàng)行動(dòng)決策。它先對(duì)單個(gè)傳感器數(shù)據(jù)信息每種能夠決策的支持程度給出度量(即數(shù)據(jù)信息作為證據(jù)對(duì)決策的支持程度)，再尋覓一種證據(jù)組合方法或規(guī)那么。在知兩個(gè)不同傳感器數(shù)據(jù)(即證據(jù))對(duì)決策的分別支持程度時(shí)，經(jīng)過反復(fù)運(yùn)用組合規(guī)那么，最終得出全體數(shù)據(jù)信息的結(jié)合體對(duì)某決策總的支持程度。得到最大證據(jù)支持決策，即信息交融的結(jié)果。.19.2 傳感器信息交融的普通方法 利用證據(jù)組合進(jìn)展數(shù)據(jù)交融的關(guān)鍵在于： 選擇適宜的數(shù)學(xué)方法描畫證據(jù)、決策和支持程度等概念；建立快速、可靠并且便于實(shí)現(xiàn)的通用證據(jù)組合算法構(gòu)造。證據(jù)組合法較嵌入約束法有以下優(yōu)點(diǎn)

19、：(1)對(duì)多種傳感器數(shù)據(jù)間的物理關(guān)系不用準(zhǔn)確了解，即無須準(zhǔn)確地建立多種傳感器數(shù)據(jù)體的模型；(2)通用性好，可以建立一種獨(dú)立于各類詳細(xì)信息交融問題背景方式的證據(jù)組合方法，有利于設(shè)計(jì)通用的信息交融軟、硬件產(chǎn)品；(3)人為的先驗(yàn)知識(shí)可以視同數(shù)據(jù)信息一樣，賦予對(duì)決策的支持程度，參與證據(jù)組合運(yùn)算。常用證據(jù)組合方法有概率統(tǒng)計(jì)方法和Dempster- Shafer證據(jù)推理。.概率統(tǒng)計(jì)方法假設(shè)一組隨機(jī)向量 分別表示n個(gè)不同傳感器得到的數(shù)據(jù)信息，根據(jù)每一個(gè)數(shù)據(jù) 可對(duì)所完成的義務(wù)做出一決策 。 的概率分布為 ， 為該分布函數(shù)中的未知參數(shù)，假設(shè)參數(shù)知時(shí)，那么 的概率分布就完全確定。用非負(fù)函數(shù) 表示當(dāng)分布參數(shù)確定為

20、時(shí)，第i個(gè)信息源采取決策 時(shí)所呵斥的損失函數(shù)。在實(shí)踐問題中， 是未知的，因此當(dāng)?shù)玫?時(shí)，并不能直接從損失函數(shù)中定出最優(yōu)決策。19.2 傳感器信息交融的普通方法 .19.2 傳感器信息交融的普通方法 先由 做出 的一個(gè)估計(jì)，記為 ，再由損失函數(shù) 決議出損失最小的決策。其中利用 估計(jì) 的估計(jì)量 有很多種方法。概率統(tǒng)計(jì)方法適用于分布式傳感器目的識(shí)別和跟蹤信息交融問題。Dempster-Shafer證據(jù)推理(簡稱D-S推理)D-S證據(jù)推理是Bayes推理的擴(kuò)展，在多傳感器目的識(shí)別、軍事指揮和防御方向得到了廣泛的運(yùn)用。一個(gè)完好的推理系統(tǒng)需求用幾個(gè)不同推理級(jí)來確保準(zhǔn)確的可信度表示。.19.2 傳感器信息交

21、融的普通方法 D-S推理的構(gòu)造自上而下可分為三級(jí)：第一級(jí)為目的合成，其作用十八來自幾個(gè)獨(dú)立傳感器的觀測結(jié)果合成一個(gè)總的輸出結(jié)果；第二級(jí)為推斷，其作用是獲取傳感器的觀測結(jié)果并進(jìn)展推斷，將傳感器的觀測結(jié)果擴(kuò)展成為目的報(bào)告;第三級(jí)為更新，由于傳感器存在隨機(jī)誤差，在時(shí)間上充分獨(dú)立的來自同一傳感器的一組延續(xù)報(bào)告，比任何單一報(bào)告都可靠，因此在進(jìn)展推斷和多傳感器合成之前要更新傳感器的觀測信息。.19.2 傳感器信息交融的普通方法 下面引見一下D-S推理的原理。假設(shè)F為一切能夠證據(jù)所構(gòu)成的有限集，f為集合F中的某個(gè)元素即某個(gè)證據(jù)。首先引入信任函數(shù) 0，1表示每個(gè)證據(jù)的信任程度：從上式可知，信任函數(shù)是概率概念的

22、推行，由于從概率論的知識(shí)出發(fā)，上式應(yīng)取等號(hào)。.19.2 傳感器信息交融的普通方法 進(jìn)一步可得： 引入根底概率分配函數(shù)m(f)0，1 由根底概率分配函數(shù)定義與之相對(duì)應(yīng)的信任函數(shù)：.19.2 傳感器信息交融的普通方法 當(dāng)利用N個(gè)傳感器檢測環(huán)境M個(gè)特征時(shí)，每一個(gè)特征為F中的一個(gè)元素。第i個(gè)傳感器在第k-1時(shí)辰所獲得的包括k-1時(shí)辰前關(guān)于第j個(gè)特征的一切證據(jù)，用根底概率分配函數(shù) 表示，其中 。第i個(gè)傳感器在第k時(shí)辰所獲得的關(guān)于第j個(gè)特征的新證據(jù)用根底概率分配函數(shù)表示 。由 和 可獲得第i個(gè)傳感器在第k時(shí)辰關(guān)于第j個(gè)特征的結(jié)合證據(jù) 。類似地，利用證據(jù)組合算法，由 和 可獲得在k時(shí)辰關(guān)于第j個(gè)特征的第i個(gè)

23、傳感器和第i+1個(gè)傳感器的結(jié)合證據(jù) 。.19.2 傳感器信息交融的普通方法 如此遞推下去，可獲得一切N個(gè)傳感器在k時(shí)辰對(duì)j特征的信任函數(shù)，信任度最大的即為信息交融過程最終斷定的環(huán)境特征。D-S證據(jù)推理優(yōu)點(diǎn)： 算法確定后，無論是靜態(tài)還是時(shí)變的動(dòng)態(tài)證據(jù)組合，其詳細(xì)的證據(jù)組合算法都有一共同的算法構(gòu)造。缺陷： 當(dāng)對(duì)象或環(huán)境的識(shí)別特征數(shù)添加時(shí)，證據(jù)組合的計(jì)算量會(huì)以指數(shù)速度增長。.19.2 傳感器信息交融的普通方法 人工神經(jīng)網(wǎng)絡(luò)法神經(jīng)網(wǎng)絡(luò)是由數(shù)個(gè)至數(shù)十億個(gè)被稱為神經(jīng)元的細(xì)胞組成我們大腦的微小細(xì)胞所組成，它們以不同方式銜接而型成網(wǎng)絡(luò)。人工神經(jīng)網(wǎng)絡(luò)就是嘗試模擬這種生物學(xué)上的體系構(gòu)造及其操作用于信息處置技術(shù)。人

24、工神經(jīng)網(wǎng)絡(luò)是利用多個(gè)簡單計(jì)算模型有機(jī)構(gòu)成一個(gè)計(jì)算網(wǎng)絡(luò)用以實(shí)現(xiàn)一個(gè)復(fù)雜的規(guī)那么。.神經(jīng)網(wǎng)絡(luò)技術(shù)的主要用途？利用一定數(shù)據(jù)在一定誤差下逼近一個(gè)解析式未知的函數(shù)。利用人工神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)空間的線性或非線性劃分，以此實(shí)現(xiàn)目的分類。神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)是基于數(shù)據(jù)的，最終的規(guī)那么對(duì)用戶是透明的。19.2 傳感器信息交融的普通方法 .19.2 傳感器信息交融的普通方法 .由上圖可得：19.2 傳感器信息交融的普通方法 19.2 傳感器信息交融的普通方法 .決議神經(jīng)網(wǎng)絡(luò)性能的幾個(gè)要素：神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)構(gòu)造：包括神經(jīng)網(wǎng)絡(luò)的層數(shù)、每層神經(jīng)元數(shù)量；每層神經(jīng)元的作用函數(shù)；神經(jīng)網(wǎng)絡(luò)訓(xùn)練的目的函數(shù)和學(xué)習(xí)算法；神經(jīng)網(wǎng)絡(luò)權(quán)值和閾值的初始值

25、；神經(jīng)網(wǎng)絡(luò)的訓(xùn)練數(shù)據(jù)。19.2 傳感器信息交融的普通方法 .神經(jīng)網(wǎng)絡(luò)的運(yùn)用步驟：神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)，包括確定網(wǎng)絡(luò)構(gòu)造、作用函數(shù)和學(xué)習(xí)算法；神經(jīng)網(wǎng)絡(luò)初始化；利用實(shí)驗(yàn)方法獲得神經(jīng)網(wǎng)絡(luò)的訓(xùn)練數(shù)據(jù)和測試數(shù)據(jù)；利用實(shí)驗(yàn)數(shù)據(jù)對(duì)網(wǎng)絡(luò)進(jìn)展訓(xùn)練和測試；利用訓(xùn)練后的網(wǎng)絡(luò)處置相關(guān)的輸入信息。19.2 傳感器信息交融的普通方法 .感知器神經(jīng)網(wǎng)絡(luò)特點(diǎn)：網(wǎng)絡(luò)構(gòu)造上可以為單層或多層的前向網(wǎng)絡(luò)構(gòu)造；作用函數(shù)為階躍函數(shù)，因此輸出為二值變量；利用輸入和誤差簡單計(jì)算權(quán)值和閾值調(diào)整量，學(xué)習(xí)算法很簡單；普通用于處理較為簡單的線性分類問題。19.2 傳感器信息交融的普通方法 .19.2 傳感器信息交融的普通方法 基于神經(jīng)網(wǎng)絡(luò)的傳感器信息交融特點(diǎn)如下：具有一致的內(nèi)部知識(shí)表示方式，經(jīng)過學(xué)習(xí)算法可將網(wǎng)絡(luò)獲得的傳感器信息進(jìn)展交融，獲得相應(yīng)網(wǎng)絡(luò)的參數(shù)，并且可將知識(shí)規(guī)那么轉(zhuǎn)換成數(shù)字方式，便于建立知識(shí)庫；利用外部環(huán)境的信息，便于實(shí)現(xiàn)知識(shí)自動(dòng)獲取及并行聯(lián)想推理；可以將不確定環(huán)境的復(fù)雜關(guān)系，經(jīng)過學(xué)習(xí)推理，交融為系統(tǒng)能了解的準(zhǔn)確信號(hào)；由于神經(jīng)網(wǎng)絡(luò)具有大規(guī)模并行處置信息才干，使得系統(tǒng)信息處