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傳感器對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)檢測對象為多目的或快速機(jī)動目的時，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淹沒在大量噪聲及不相關(guān)信號與雜波中。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誤的信息，保管正確的和有用的成分，最終實現(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、信息實時性、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、級上運用。綜合:信息優(yōu)化處置中的一種獲得明確信息的有效方法。例如運用兩個分開設(shè)置的攝像機(jī)同時拍攝到一個物體的不同側(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)部的知識模型進(jìn)展相關(guān)，而產(chǎn)生信息的一個新的表達(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，剔除無用和錯誤的信息。相關(guān)處置的目的：對識別、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，當(dāng)前傳感器要接納前一級傳感器的輸出結(jié)果，每個傳感器既有接納處置信息的功能，又有信息交融的功能，各個傳感器的處置同前一級傳感器輸出的信息方式有很大關(guān)系。最后一個傳感器綜合了一切前級傳感器數(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，各個傳感器直接將各自的輸出信息傳輸?shù)絺鞲衅鹘蝗谥行模瑐鞲衅髦g沒有影響，交融中心對各信息按適當(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，堅持?jǐn)?shù)據(jù)的一致性。因此

6、，應(yīng)控制和降低相關(guān)計算的復(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)庫可分為實時數(shù)據(jù)庫和非實時數(shù)據(jù)庫。實時數(shù)據(jù)庫的作用是把當(dāng)前各傳感器的觀測結(jié)果及時提供應(yīng)信息交融中心，同時也存儲交融處置的最終態(tài)勢/決策分析結(jié)果和中間結(jié)果。非實時數(shù)據(jù)庫存儲各傳感器的歷史數(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交融計算：涉及到以下問題，對多傳感器的相關(guān)觀測結(jié)果進(jìn)展驗證、分析、補(bǔ)充、取舍、修正和形狀跟蹤估計；對新發(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，并實時

7、地根據(jù)對傳感器觀測結(jié)果經(jīng)過數(shù)據(jù)交融計算，對綜合態(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目的身份估計數(shù)據(jù)級數(shù)據(jù)交融構(gòu)造特征級數(shù)據(jù)交融構(gòu)造決策級數(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 .目的身份估計數(shù)據(jù)級數(shù)據(jù)交融構(gòu)造19.2 傳感器信息交融的普通方法 .目的身份估計特征級數(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、身份估計決策級數(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)檢驗法Bayes估計法聚類分析方式識別數(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)對應(yīng)獨一的環(huán)境(即上述映射為一一映射)，就必需對映射的原像和映射本身加約束條件，使問題能有獨一的解。嵌入約束法最根本的方法有Bayes估計和卡爾曼濾波。.Bayes統(tǒng)計實際在思索可靠度情況下傳感器丈量需求處理的一個關(guān)鍵問題：真值和丈量值。調(diào)查一個隨機(jī)實驗，在該實驗中n個互不相容的事件A1，A2，An必然會發(fā)生一個，且只能發(fā)生一個，用PAi表示Ai發(fā)生的概率，那么有：設(shè)利用一傳感器對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 先驗知識：P(A1) 、 P(A2) 、 P(An) 表示事件A1，A2，An發(fā)生的概率，這是實驗前的知識稱為“先驗知識。Bayes統(tǒng)計實際以為，人們在檢驗前后對某事件的發(fā)生情況的估計是不同，而且一次檢驗結(jié)果不同對人們的最終估計的影響是不同的。19.2 傳感器信息交融的普通方法 后驗知識：由于一次檢驗結(jié)果B的出現(xiàn)，改動了人們對事件A1，A2，An發(fā)生情況的認(rèn)識，這是實驗后的知識稱為“后驗知識。檢驗后事件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估計是檢驗過程中對先驗知識向后驗知識的不斷修正。條件概率公式：或全概率概率公式：其中Ai為

11、對樣本空間的一個劃分，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： 對一組互斥事件Ai，i=1，2，n，在一次丈量結(jié)果為B時，Ai發(fā)生的概率為：利用Bayes統(tǒng)計實際進(jìn)展丈量數(shù)據(jù)交融：充分利用了丈量對象的先驗信息。是根據(jù)一次丈量結(jié)果對先驗概率到后驗概率的修正。19.2 傳感器信息交融的普通方法 基于Bayes估計的身份識別方法假設(shè)由n個傳感器對一未知目的參數(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關(guān)于目的的身份闡明。設(shè)A1，A2，An為n個互斥的窮舉目的，Bi為第j個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)計的目的識別交融模型19.2 傳感器信息交融的普通方法 基于Bayes統(tǒng)計的目的識別交融的普通步驟：獲得每個傳感器單元輸出的目的身份闡明B1，B2，Bn；計算每個傳感器單元對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 計算目的身份的交融概率：假設(shè)B1，B2，Bn相互獨立，那么：目的識別決策判據(jù)，尋覓極大似然估計19.2 傳感器信息交融的普通方法 舉例計算某醫(yī)院采用以下兩種設(shè)備檢驗?zāi)撤N疾病，設(shè)備1對該疾病的漏診率為0.1，誤診率為0.25；設(shè)備2對該疾病的漏診率為0.2，誤診率為0.1。知人群中該疾病的發(fā)病率為0.05。分析分別利用兩臺設(shè)備和同時運用

13、兩臺設(shè)備時檢驗結(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 根本實際和方法置信間隔和置信間隔矩陣?yán)枚鄠€傳感器丈量某參數(shù)的過程中有兩個隨機(jī)變量，一是被測參數(shù)，二是每個傳感器的輸出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 為對傳感器輸出數(shù)據(jù)進(jìn)展選擇，必需對其可靠性進(jìn)展估計，為此定義各數(shù)據(jù)間的置信間隔。用Xi、Xj表示第i個和第j個傳感器的輸出，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，當(dāng) 時，19.2 傳感器信息交融的普通方法 置信間隔矩陣：對m個傳感器的一次丈量數(shù)據(jù)，利用上述方法可以分別計算恣意兩個傳感器數(shù)據(jù)之間的置信間隔得到一個 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 對數(shù)據(jù)的可靠性進(jìn)展斷定。由此得到一個二值矩陣，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個傳感器的丈量數(shù)據(jù) ，經(jīng)過刪選，選擇l個數(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估計的數(shù)據(jù)交融普通步驟計算m個傳感器數(shù)據(jù)的置信間隔矩陣，為簡化計算，當(dāng)測試數(shù)據(jù)服從正態(tài)分布時可利用誤差函數(shù)計算置信間隔。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)對應(yīng)的 、 代入Bayes交融估計公式求的參數(shù)估計值。19.2 傳感器信息交融的普通方法 傳感器編號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個傳感器對一個恒溫槽的溫度進(jìn)展丈量，知恒溫槽溫度滿足正態(tài)分布，其中 =850.50， =4.50258個傳感器的丈量結(jié)果如下：舉例計算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)用于實時交融動態(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)計特性，遞推決議統(tǒng)計意義下最優(yōu)交融數(shù)據(jù)合計。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)存儲和計算。.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可實現(xiàn)多傳感器數(shù)據(jù)交融完全分散化，其優(yōu)點為每個傳感器節(jié)點失效不會導(dǎo)致整個系統(tǒng)失效。EKF的

17、優(yōu)點是可有效抑制數(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。完成某項智能義務(wù)，實踐是做出某項行動決策。它先對單個傳感器數(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。在知兩個不同傳感器數(shù)據(jù)(即證據(jù))對決策的分別支持程度時，經(jīng)過反復(fù)運用組合規(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

19、：(1)對多種傳感器數(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)計通用的信息交融軟、硬件產(chǎn)品；(3)人為的先驗知識可以視同數(shù)據(jù)信息一樣，賦予對決策的支持程度，參與證據(jù)組合運算。常用證據(jù)組合方法有概率統(tǒng)計方法和Dempster- Shafer證據(jù)推理。.概率統(tǒng)計方法假設(shè)一組隨機(jī)向量 分別表示n個不同傳感器得到的數(shù)據(jù)信息，根據(jù)每一個數(shù)據(jù) 可對所完成的義務(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，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，第i個信息源采取決策 時所呵斥的損失函數(shù)。在實踐問題中， 是未知的，因此當(dāng)?shù)玫?時，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 的一個估計，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 的估計量 有很多種方法。概率統(tǒng)計方法適用于分布式傳感器目的識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，在多傳感器目的識別、軍事指揮和防御方向得到了廣泛的運用。一個完好的推理系統(tǒng)需求用幾個不同推理級來確保準(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：第一級為目的合成，其作用十八來自幾個獨立傳感器的觀測結(jié)果合成一個總的輸出結(jié)果；第二級為推斷，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)展成為目的報告;第三級為更新，由于傳感器存在隨機(jī)誤差，在時間上充分獨立的來自同一傳感器的一組延續(xù)報告，比任何單一報告都可靠，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中的某個元素即某個證據(jù)。首先引入信任函數(shù) 0，1表示每個證據(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出發(fā)，上式應(yīng)取等號。.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個傳感器檢測環(huán)境M個特征時，每一個特征為F中的一個元素。第i個傳感器在第k-1時辰所獲得的包括k-1時辰前關(guān)于第j個特征的一切證據(jù)，用根底概率分配函數(shù) 表示，其中 。第i個傳感器在第k時辰所獲得的關(guān)于第j個特征的新證據(jù)用根底概率分配函數(shù)表示 。由 和 可獲得第i個傳感器在第k時辰關(guān)于第j個特征的結(jié)合證據(jù) 。類似地，利用證據(jù)組合算法，由 和 可獲得在k時辰關(guān)于第j個特征的第i個

23、傳感器和第i+1個傳感器的結(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個傳感器在k時辰對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： 算法確定后，無論是靜態(tài)還是時變的動態(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)對象或環(huán)境的識別特征數(shù)添加時，證據(jù)組合的計算量會以指數(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)個至數(shù)十億個被稱為神經(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)是利用多個簡單計算模型有機(jī)構(gòu)成一個計算網(wǎng)絡(luò)用以實現(xiàn)一個復(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解析式未知的函數(shù)。利用人工神經(jīng)網(wǎng)絡(luò)實現(xiàn)空間的線性或非線性劃分，以此實現(xiàn)目的分類。神經(jīng)網(wǎng)絡(luò)的實現(xiàn)是基于數(shù)據(jù)的，最終的規(guī)那么對用戶是透明的。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)的運用步驟：神經(jīng)網(wǎng)絡(luò)的設(shè)計，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；利用實驗方法獲得神經(jīng)網(wǎng)絡(luò)的訓(xùn)練數(shù)據(jù)和測試數(shù)據(jù)；利用實驗數(shù)據(jù)對網(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：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如下：具有一致的內(nèi)部知識表示方式，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)，并且可將知識規(guī)那么轉(zhuǎn)換成數(shù)字方式，便于建立知識庫；利用外部環(huán)境的信息，便于實現(xiàn)知識自動獲取及并行聯(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；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