新型智慧城市信息融合典型模型常用算法

1、附錄A（資料性附錄）信息融合典型模型A. 1 DFIG2004模型DFIG提出了作為第三代信息融合系統(tǒng)雛形的DFIG2004和作為第三代信息融介系統(tǒng)典型代農(nóng)的信息融合傳感番人匚疑式融合隱式融合5級(jí)和級(jí)0級(jí)2/3級(jí)1判定信息源知識(shí)機(jī)器描述級(jí)4推理資源管理平臺(tái) 級(jí)6地面站規(guī)劃任務(wù)管理附圖1：第三代信息融合的DFIG2004模型DFIG2004模型具有以下特征：a）將場(chǎng)景感知資源和任務(wù)管理納入信息融合范圍（稱“ 6級(jí)融合”），從而將場(chǎng)景感知管理與感知信息處理納入個(gè)整體結(jié)構(gòu)中，更易于場(chǎng)景感知的統(tǒng)控制和優(yōu)化以及與場(chǎng)景應(yīng)用的緊密耦合：b）將人的認(rèn)知判宦納入信息融合范圍，由人負(fù)責(zé)解決機(jī)器自動(dòng)融合顯示出的判定

2、、選擇與優(yōu)化問題（稱5級(jí) 融合），由人負(fù)責(zé)感知任務(wù)的規(guī)劃并推斷資源管理中的問題（稱6級(jí)融合），即從“人在其外”邁向“人在其 中”的信息融合。DFIG2004模型對(duì)于人在信息融合中的作用并未描述清楚，僅為初步考慮。如將第5級(jí)融合僅農(nóng)現(xiàn)為知識(shí)描 述，即機(jī)器融合呈現(xiàn)給人的問題與人的思維判定采用統(tǒng)的知識(shí)農(nóng)述形式，以利于人 與機(jī)器的一致理解。A.2用戶-融合”模型級(jí)：預(yù)處分用戶楮過程精木優(yōu)先級(jí)：對(duì)盤估情人機(jī)界面設(shè)人機(jī)界面設(shè)周邊關(guān)SI信號(hào)級(jí)：態(tài)勢(shì)估I羽愎光電E總團(tuán)隊(duì)交團(tuán)隊(duì)交級(jí):影晌估-傳感度性能估/聲納效用流址有效性風(fēng)險(xiǎn)需達(dá)A分拼雷達(dá)數(shù)據(jù)庫管理系統(tǒng) 4級(jí)級(jí):過程精煉:過程蒂煉4分布 式介氐禮輕宙達(dá)-信息、

3、動(dòng)II杯拆示-f冬感器管理剋ft （尿冷文捋啟攵尿咋 附圖2第三代信息融合的“用戶-融合”模型 用戶一融合模型中的5級(jí)融合在融合系統(tǒng)中的功能主要指人在人機(jī)界血上對(duì)系統(tǒng)的認(rèn)知交互功能。交互的依 據(jù)是融合系統(tǒng)顯示界面捉供的融合信息、人（情報(bào)員、操作員和控制員）的經(jīng)驗(yàn)與知識(shí)及其他來源信息，這些 信息通過人的頭腦思維與用戶任務(wù)聯(lián)系起來，對(duì)系統(tǒng)提供的信息進(jìn)行修正、判斷和選擇，使融合信息質(zhì)量和應(yīng) 用效能得以提升。由附圖2可見：a）用戶精煉向0級(jí)融合捉供數(shù)據(jù)價(jià)值信息，支持0級(jí)融合優(yōu)先收集和處理價(jià)值較高的數(shù)據(jù)，提 高0級(jí)融合對(duì) 后續(xù)級(jí)別的支持效能。b）用戶精煉向1級(jí)融合提供優(yōu)先級(jí)信息，指人對(duì)1級(jí)融合對(duì)象提供處

4、理優(yōu)先級(jí)，提升系統(tǒng)對(duì)任 務(wù)的支持度。c）用戶精煉向2級(jí)融合捉供周邊關(guān)系信息，是態(tài)勢(shì)估計(jì)不可或缺的信息。態(tài)勢(shì)估計(jì)實(shí)質(zhì)上是關(guān)系估計(jì)。無論 是實(shí)體內(nèi)部、實(shí)體間還是實(shí)體與外部環(huán)境關(guān)系，甚至實(shí)體屬性的識(shí)別，都需要外部信息。如時(shí)空上聚集在起 的實(shí)體般具有相同屬性，例如增加道路信息后，在公路內(nèi)的目標(biāo)是 汽車，而在公路外的目標(biāo)可能是坦克，盡 管它們距離很近。d）用戶精煉向3級(jí)融合提供意圖信息，將己方場(chǎng)景意圖或判斷對(duì)手意圖提供給融合系統(tǒng)，可修正系統(tǒng)自動(dòng)產(chǎn) 生意圖估計(jì)的不足或錯(cuò)誤。e）用戶精煉向4級(jí)融合捉供精煉效用信息，該信息指用戶基于任務(wù)需求與融合系統(tǒng)（經(jīng)與用戶 交互）產(chǎn)生的 諸級(jí)融合結(jié)果的差距，確定每級(jí)別的融

5、合規(guī)劃需求，作為相應(yīng)融合級(jí)別需達(dá)到的 性能指標(biāo)。有文獻(xiàn)將該點(diǎn)作 為資源管理對(duì)信息融合的多級(jí)控制功能來農(nóng)述，反映了用戶在融合過程精煉中的作用。用戶一融合模型未包含融合管理功能（感知資源和感知任務(wù)管理），以及用戶精煉/過模型對(duì)其 進(jìn)行了彌補(bǔ)。 DFIG2004程精煉與融合管理功能的關(guān)系， 附錄B（資料性附錄）信息融合常用算法城市信息融合常用算法包括（但不限于）如下算法：a）貝葉斯網(wǎng)絡(luò)：宜用于不確定知識(shí)衣達(dá)和推理領(lǐng)域，貝葉斯網(wǎng)絡(luò)是Bayes方法的擴(kuò)展；b）卡爾曼濾波：卡爾曼濾波（Kalman filtering）是種利用線性系統(tǒng)狀態(tài)方程，通過系統(tǒng)輸入輸出觀測(cè)數(shù)據(jù)， 對(duì)系統(tǒng)狀態(tài)進(jìn)行最優(yōu)估計(jì)的算法：c）

6、D-S證據(jù)理論：宜用于需要綜合考慮來自多源的不確定信息以完成問題求解的場(chǎng)合，屬于人E智能范疇，最 早應(yīng)用于專家系統(tǒng)中，具有處理不確定信息的能力，能滿足比貝葉斯概率論更弱的 條件：d）神經(jīng)網(wǎng)絡(luò)：對(duì)環(huán)境變化具有較強(qiáng)的自適應(yīng)能力和自學(xué)習(xí)能力，采用典型的黑箱學(xué)習(xí)模式，具有泛化能力強(qiáng)、 穩(wěn)定性高、容錯(cuò)性好、快速高效等優(yōu)勢(shì)。e）模糊集合理論：建立在被廣泛接受的產(chǎn)生式規(guī)則“if the眼達(dá)方式之上的計(jì)算方法，宜用于需要進(jìn)行模糊 邏輯推理的應(yīng)用場(chǎng)合：f）神經(jīng)網(wǎng)絡(luò)技術(shù)和模糊集合理論相結(jié)合：使用神經(jīng)網(wǎng)絡(luò)來實(shí)現(xiàn)系統(tǒng)的模糊邏輯推理，為傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)中沒 有明確物理含義的權(quán)值賦予模糊邏輯中推理參數(shù)的物理含義，提高整個(gè)系統(tǒng)的學(xué)習(xí) 能力和農(nóng)達(dá)能力，為信息融 合問題捉供有效的解決方案。g）遺傳算法：種能夠較好地解決多參數(shù)優(yōu)化問題的并行算法，并且針對(duì)算法的特點(diǎn)采用了某些新的算子，具 有良好的處理性能：h）遺傳