信息融合概述

1、信息融合概述第1頁，共30頁，2022年，5月20日，1點(diǎn)10分，星期一1.2 信息融合定義信息融合是一種多層次、多方面的處理過程，包括對多源數(shù)據(jù)進(jìn)行檢測、相關(guān)、組合和估計(jì)，從而提高狀態(tài)和身份估計(jì)的精度，以及對戰(zhàn)場態(tài)勢和威脅的重要程度進(jìn)行適時(shí)完整的評價(jià)。JDL(美國三軍組織實(shí)驗(yàn)室理事聯(lián)合會)定義：利用計(jì)算機(jī)技術(shù)，對不同傳感器按時(shí)序獲得的觀測信息，按照一定的準(zhǔn)則加以自動分析、優(yōu)化和綜合，為完成所需任務(wù)（目的）的估計(jì)和決策而進(jìn)行的信息處理過程。一般定義：2第2頁，共30頁，2022年，5月20日，1點(diǎn)10分，星期一1.4 信息融合的分類假設(shè)檢驗(yàn)型濾波跟蹤型人工智能按融合技術(shù)分類模式識別型聚類分析型

2、基于專家系統(tǒng)的基于人工神經(jīng)網(wǎng)絡(luò)以生物為基礎(chǔ)3第3頁，共30頁，2022年，5月20日，1點(diǎn)10分，星期一硬判決軟判決按融合判決方式同類傳感器異類傳感器按傳感器組合方式1.4 信息融合的分類4第4頁，共30頁，2022年，5月20日，1點(diǎn)10分，星期一集中式分布式按信息融合結(jié)構(gòu)模型檢測融合估計(jì)融合按融合的目的屬性融合1.4 信息融合的分類5第5頁，共30頁，2022年，5月20日，1點(diǎn)10分，星期一增加系統(tǒng)的生存能力擴(kuò)展空間和時(shí)間覆蓋范圍提高可信度降低信息的模糊度1.5 信息融合的優(yōu)點(diǎn)改善探測性能提高空間分辨率增加測量空間的維數(shù)6第6頁，共30頁，2022年，5月20日，1點(diǎn)10分，星期一3 數(shù)

3、據(jù)融合系統(tǒng)模型與處理結(jié)構(gòu)3.1 JDL數(shù)據(jù)融合模型-從軍事應(yīng)用的角度 數(shù)據(jù)源 人機(jī)接口 數(shù) 據(jù)預(yù)處理 一級處理目標(biāo)評估 二級處理態(tài)勢評估 三級處理影響評估四級處理過程評估 數(shù)據(jù)庫管理系統(tǒng)支持?jǐn)?shù)據(jù)庫融合數(shù)據(jù)庫7第7頁，共30頁，2022年，5月20日，1點(diǎn)10分，星期一3.1 JDL數(shù)據(jù)融合功能模型（實(shí)際應(yīng)用標(biāo)準(zhǔn)）數(shù)據(jù)配準(zhǔn)、數(shù)據(jù)關(guān)聯(lián)、目標(biāo)位置和運(yùn)動學(xué)、屬性參數(shù)、身份估計(jì)，用于提供輔助決策信息。目標(biāo)評估在軍事上指評價(jià)實(shí)體之間相互關(guān)系，主要包括態(tài)勢抽象和態(tài)勢評定。態(tài)勢評估將當(dāng)前態(tài)勢映射到未來，對參與者設(shè)想或預(yù)測行為的影響進(jìn)行評估。影響評估通過建立一定的優(yōu)化指標(biāo)，對融合過程進(jìn)行實(shí)時(shí)監(jiān)控與評價(jià)，實(shí)現(xiàn)多傳

4、感器自適應(yīng)信息獲取與處理、資源最優(yōu)分配等。過程評估8第8頁，共30頁，2022年，5月20日，1點(diǎn)10分，星期一3.2 融合處理的過程融合處理器分析來自所有傳感器的數(shù)據(jù)，并對其進(jìn)行配準(zhǔn)、關(guān)聯(lián)、相關(guān)、估計(jì)、分類與信息反饋等。配準(zhǔn)：將傳感器數(shù)據(jù)統(tǒng)一到同一參考時(shí)間和空間中關(guān)聯(lián)：使用某種度量尺度對來自不同傳感器的航跡與量測數(shù)據(jù)進(jìn)行比較，確定進(jìn)行相關(guān)處理的候選配對相關(guān)：對關(guān)聯(lián)后的航跡和報(bào)表進(jìn)行處理以確定它們是否屬于同一個(gè)目標(biāo)估計(jì)：依據(jù)相關(guān)處理后的結(jié)果對目標(biāo)的狀態(tài)變量與估計(jì)誤差方差進(jìn)行更新，實(shí)現(xiàn)對目標(biāo)未來位置的預(yù)測分類：通過對特征數(shù)據(jù)的分析，確定目標(biāo)的類型等9第9頁，共30頁，2022年，5月20日，1點(diǎn)

5、10分，星期一決策信息數(shù)據(jù)環(huán)境高層次融合傳感器采集篩選、整合和抽象自然環(huán)境信息由低層到高層3.2 融合處理的過程10第10頁，共30頁，2022年，5月20日，1點(diǎn)10分，星期一3.3 數(shù)據(jù)融合的級別數(shù)據(jù)級融合特征級融合決策級融合按照數(shù)據(jù)抽象的層次劃分11第11頁，共30頁，2022年，5月20日，1點(diǎn)10分，星期一 (1) 數(shù)據(jù)級（像素級）融合 含義 最低層次的融合，直接對傳感器的觀測數(shù)據(jù)進(jìn)行融合處理，然后基于融合后的結(jié)果進(jìn)行特征提取和判斷決策。傳感器1傳感器2傳感器N關(guān)聯(lián)數(shù)據(jù)級融合特征提取屬性判決聯(lián)合屬性判決結(jié)果12第12頁，共30頁，2022年，5月20日，1點(diǎn)10分，星期一不足 特點(diǎn)數(shù)

6、據(jù)損失量較少精度最高實(shí)時(shí)性差要求傳感器是同類的數(shù)據(jù)通信量大，抗干擾能力差處理的數(shù)據(jù)量大 (1） 數(shù)據(jù)級融合13第13頁，共30頁，2022年，5月20日，1點(diǎn)10分，星期一 (2)特征級融合 含義中間層次的融合，每個(gè)傳感器先抽象出自己的特征向量，然后由融合中心完成融合處理?？蓜澐譃槟繕?biāo)狀態(tài)和目標(biāo)特征信息融合兩類傳感器1傳感器2傳感器N特征提取關(guān)聯(lián)特征層屬性融合屬性判決聯(lián)合屬性判決結(jié)果14第14頁，共30頁，2022年，5月20日，1點(diǎn)10分，星期一 特點(diǎn)進(jìn)行了數(shù)據(jù)壓縮，對通信帶寬的要求低利于實(shí)時(shí)處理 不足有信息損失融合性能降低 (2)特征級融合15第15頁，共30頁，2022年，5月20日，1

7、點(diǎn)10分，星期一 (3) 決策級融合 含義 高層次的融合，每個(gè)傳感器先基于自己的數(shù)據(jù)做出決策，然后由融合中心完成局部決策。傳感器1傳感器2傳感器N特征提取關(guān)聯(lián)決策層融合聯(lián)合屬性判決結(jié)果屬性判別屬性判別屬性判別16第16頁，共30頁，2022年，5月20日，1點(diǎn)10分，星期一 特點(diǎn)通信量小抗干擾能力強(qiáng)融合中心處理代價(jià)低 不足數(shù)據(jù)損失量最大精度最低 (3) 決策級融合17第17頁，共30頁，2022年，5月20日，1點(diǎn)10分，星期一 (4) 不同級別的融合性能比較融合模型計(jì)算量容錯(cuò)性信息損失量精度抗干擾性融合方法傳感器同質(zhì)性通信數(shù)據(jù)量實(shí)時(shí)性融合水平象素級大差小高差難大大差低特征級中中中中中中中中中

8、中決策級小好大低好易小小好高18第18頁，共30頁，2022年，5月20日，1點(diǎn)10分，星期一3.4 融合處理的結(jié)構(gòu)模型集中式融合結(jié)構(gòu)分布式融合結(jié)構(gòu)混合式融合結(jié)構(gòu)根據(jù)信息流通形式和綜合處理層次多級式融合結(jié)構(gòu)19第19頁，共30頁，2022年，5月20日，1點(diǎn)10分，星期一（1） 集中式融合結(jié)構(gòu)優(yōu)點(diǎn)：信息損失最小集中式融合結(jié)構(gòu)將檢測報(bào)告?zhèn)鬟f到融合中心，然后進(jìn)行數(shù)據(jù)對準(zhǔn)、點(diǎn)跡相關(guān)、數(shù)據(jù)互聯(lián)、航跡濾波、預(yù)測與綜合跟蹤等。缺點(diǎn)：互聯(lián)比較困難，并且要求系統(tǒng)必須具備大容量的能力，計(jì)算負(fù)擔(dān)重，系統(tǒng)生存能力較差融合結(jié)構(gòu)的模型如下圖所示20第20頁，共30頁，2022年，5月20日，1點(diǎn)10分，星期一（1） 集

9、中式融合結(jié)構(gòu)傳感器1傳感器2傳感器N預(yù)處理預(yù)處理預(yù)處理坐標(biāo)轉(zhuǎn)換、數(shù)據(jù)對正點(diǎn)跡相關(guān)、數(shù)據(jù)互聯(lián)航跡文件與綜合跟蹤航跡濾波與更新目標(biāo)狀態(tài)融合中心傳感器控制/反饋信息檢測與估計(jì)21第21頁，共30頁，2022年，5月20日，1點(diǎn)10分，星期一（2） 分布式融合結(jié)構(gòu)分布式融合結(jié)構(gòu)中，每個(gè)傳感器的檢測報(bào)告在進(jìn)入融合以前，先由它自己的處理器產(chǎn)生局部多目標(biāo)跟蹤航跡，然后將處理過的信息送至融合中心，完成航跡-航跡相關(guān)、航跡合成，形成全局估計(jì)。傳感器1傳感器2傳感器N預(yù)處理預(yù)處理預(yù)處理坐標(biāo)轉(zhuǎn)換、數(shù)據(jù)對正航跡與航跡相關(guān)航跡合成目標(biāo)狀態(tài)融合中心傳感器控制/反饋信息檢測與估計(jì)多目標(biāo)跟蹤器多目標(biāo)跟蹤器多目標(biāo)跟蹤器22第2

10、2頁，共30頁，2022年，5月20日，1點(diǎn)10分，星期一（3） 混合式融合結(jié)構(gòu)傳感器1傳感器2傳感器N預(yù)處理預(yù)處理預(yù)處理坐標(biāo)轉(zhuǎn)換、數(shù)據(jù)對正航跡與航跡相關(guān)復(fù)合濾波、綜合跟蹤目標(biāo)狀態(tài)融合中心傳感器控制/反饋信息檢測與估計(jì)多目標(biāo)跟蹤器多目標(biāo)跟蹤器多目標(biāo)跟蹤器多路器選擇與 合并23第23頁，共30頁，2022年，5月20日，1點(diǎn)10分，星期一（4）多級式融合結(jié)構(gòu)局部融合節(jié)點(diǎn)1局部融合節(jié)點(diǎn)2局部融合節(jié)點(diǎn)N數(shù)據(jù)對正、控制參數(shù)航跡與航跡相關(guān)航跡相關(guān)目標(biāo)狀態(tài)融合節(jié)點(diǎn)分級融合結(jié)構(gòu)中，各局部節(jié)點(diǎn)可以同時(shí)或分別是集中式、分布式或混合式的融合中心，系統(tǒng)的融合節(jié)點(diǎn)再次對各局部節(jié)點(diǎn)傳送來的航跡進(jìn)行相關(guān)和合成。24第24

11、頁，共30頁，2022年，5月20日，1點(diǎn)10分，星期一（5）不同融合結(jié)構(gòu)的比較融合方式信息損失通信帶寬融合處理融合控制可擴(kuò)充性集中式小大復(fù)雜容易差分布式大小容易復(fù)雜好混合式中中中等中等一般25第25頁，共30頁，2022年，5月20日，1點(diǎn)10分，星期一 融合算法是融合處理的基本內(nèi)容，它將多維輸入數(shù)據(jù)根據(jù)信息融合的功能，在不同融合層次上采用不同的數(shù)學(xué)方法，對數(shù)據(jù)進(jìn)行綜合處理，最終實(shí)現(xiàn)融合。目前，已有大量的融合算法，都有各自的優(yōu)缺點(diǎn)，其中比較流行的算法有貝葉斯方法、證據(jù)推理、神經(jīng)網(wǎng)絡(luò)以及模糊理論等，這四種算法的研究約站整個(gè)信息融合算法的85%。4 信息融合算法26第26頁，共30頁，2022年

12、，5月20日，1點(diǎn)10分，星期一融合算法簡介貝葉斯方法是最早應(yīng)用于不確定信息融合的一種推理方法,其基本思想是在設(shè)定先驗(yàn)概率的條件下，利用貝葉斯規(guī)則計(jì)算出后驗(yàn)概率，從而根據(jù)后驗(yàn)概率做出決策，這樣就可以處理不確定性問題證據(jù)理論是經(jīng)典概率理論的擴(kuò)展，首先由Dempster提出構(gòu)造不確定推理模型的一般框架，將命題的不確定問題轉(zhuǎn)化為集合的不確定問題，之后， Shafer對該理論進(jìn)行了補(bǔ)充，從而形成了處理不確定信息的證據(jù)理論。它允許人們對不確定性問題進(jìn)行建模，并進(jìn)行推理。其最大特點(diǎn)是對不確定信息采用“區(qū)間估計(jì)”來描述，而不是用“點(diǎn)估計(jì)”的方法。這樣在區(qū)分不知道與不確定方面有較大的靈活性。27第27頁，共3

13、0頁，2022年，5月20日，1點(diǎn)10分，星期一融合算法簡介模糊理論是基于分類的局部理論，最先由Zadob于1965年提出。模糊理論進(jìn)一步放寬了概率論定義中的制約條件，從而可以對數(shù)字化信息進(jìn)行寬松建模。其對估計(jì)過程的模糊擴(kuò)展可以解決信息或判決的沖突問題神經(jīng)網(wǎng)絡(luò)是由大量的神經(jīng)元連接而成的,是一種大規(guī)模、分布式的神經(jīng)元處理系統(tǒng)。由于信息融合過程接近人類思維活動,與人腦神經(jīng)系統(tǒng)有較強(qiáng)的相似性,因此利用神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)優(yōu)勢和高速的并行運(yùn)算能力進(jìn)行多維信息融合處理是一種有效的技術(shù)途徑。28第28頁，共30頁，2022年，5月20日，1點(diǎn)10分，星期一融合算法比較算法優(yōu)點(diǎn)缺點(diǎn)Bayes準(zhǔn)則直觀性好，具有公理基礎(chǔ)易于理解，計(jì)算中等要求給出先驗(yàn)概率和概率獨(dú)立假設(shè)適應(yīng)條件苛刻，要求統(tǒng)一的識別框架不能區(qū)分“不確定”和“不知道”信息證據(jù)理論具有較強(qiáng)理論基礎(chǔ)不要求給出先驗(yàn)概率能區(qū)分“不確定”和“不知道”信息計(jì)算具有潛在的指數(shù)復(fù)雜度推理鏈較長時(shí)，使用不方便模糊集理論可解決信息或決策沖突問題可是現(xiàn)主、客觀件的信息融合算法原理直