多傳感器信息融合技術(shù)

關(guān)于多傳感器信息融合技術(shù)概述多傳感器信息融合的分類和結(jié)構(gòu)

多傳感器信息融合的一般方法

多傳感器信息融合的實例

第2頁,共48頁，2024年2月25日，星期天

傳感器信息融合又稱數(shù)據(jù)融合，是對多種信息的獲取、表示及其內(nèi)在聯(lián)系進行綜合處理和優(yōu)化的技術(shù)。傳感器信息融合技術(shù)從多信息的視角進行處理及綜合，得到各種信息的內(nèi)在聯(lián)系和規(guī)律，保留正確的和有用的成分，最終實現(xiàn)信息的優(yōu)化。定義：將經(jīng)過集成處理的多傳感器信息進行合成，形成一種對外部環(huán)境或被測對象某一特征的表達方式。單一傳感器只能獲得環(huán)境或被測對象的部分信息段，而多傳感器信息經(jīng)過融合后能夠完善地、準確地反映環(huán)境的特征。第一節(jié)多傳感器信息融合概述第3頁,共48頁，2024年2月25日，星期天

多傳感器信息融合就像人腦處理信息過程一樣，充分利用多個傳感器資源，通過對各種傳感器及其觀測信息的合理支配與使用，將各種傳感器的互補與冗余信息依據(jù)某種準則組合起來，產(chǎn)生對觀測環(huán)境的一致性解釋和描述。信息融合的目標是基于各傳感器分離觀測信息，通過對信息的優(yōu)化組合導出更多的有效信息。它的最終目的是利用多個傳感器共同或聯(lián)合操作的優(yōu)勢，來提高整個傳感器系統(tǒng)的有效性。第4頁,共48頁，2024年2月25日，星期天信息融合技術(shù)的實現(xiàn)和發(fā)展以信息電子學的原理、方法、技術(shù)為基礎。信息融合系統(tǒng)采用多種傳感器收集各種信息，包括聲、光、電、運動、視覺、觸覺、力覺等。除了自然(物理)信息外，信息融合技術(shù)還融合社會類信息，以語言文字為代表，涉及到大規(guī)模漢語資料庫、語言知識的獲取理論與方法、機器翻譯、自然語言解釋與處理技術(shù)等。1、在信息電子學領域應用領域第5頁,共48頁，2024年2月25日，星期天以各種控制理論為基礎，信息融合技術(shù)采用模糊控制、智能控制、進化計算等系統(tǒng)理論，結(jié)合生物、經(jīng)濟、社會、軍事等領域的知識，進行定性、定量分析。目前的控制技術(shù)，已從程序控制進入了建立在信息融合基礎上的智能控制。智能控制系統(tǒng)不僅用于軍事，還應用于工廠企業(yè)的生產(chǎn)過程控制、城市建設規(guī)劃、道路交通管理、商業(yè)管理、金融管理與預測、地質(zhì)礦產(chǎn)資源管理、環(huán)境監(jiān)測與保護、糧食作物生長監(jiān)測、災害性天氣預報及防治等各行各業(yè)。2、在自動化領域第6頁,共48頁，2024年2月25日，星期天增加了系統(tǒng)的生存能力擴展了空間、時間覆蓋范圍提高了可信度降低了信息的模糊度改善了探測性能提高了空間分辨率增加了測量空間的維數(shù)優(yōu)點第7頁,共48頁，2024年2月25日，星期天第二節(jié)傳感器信息融合分類和結(jié)構(gòu)1、組合：由多個傳感器組合成平行或互補方式來獲得多組數(shù)據(jù)輸出的一種處理方法，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。2、綜合：信息優(yōu)化處理中的一種獲得明確信息的有效方法。例：在虛擬現(xiàn)實技術(shù)中，使用兩個分開設置的攝像機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原出一個準確的有立體感的物體的圖像。3、融合：將傳感器數(shù)據(jù)與系統(tǒng)內(nèi)部的知識模型進行相關(guān)，而產(chǎn)生信息的一個新的表達式。一、傳感器信息融合分類第8頁,共48頁，2024年2月25日，星期天二、信息融合系統(tǒng)的結(jié)構(gòu)模型從檢測的角度看，檢測級融合的結(jié)構(gòu)模型主要有五種，即：分散式結(jié)構(gòu)、并行結(jié)構(gòu)、串行結(jié)構(gòu)、樹狀結(jié)構(gòu)和帶反饋并行結(jié)構(gòu)。第9頁,共48頁，2024年2月25日，星期天(a)分散式結(jié)構(gòu)每個局部決策都是最終決策，可按照某種規(guī)則將這些分離的子系統(tǒng)聯(lián)系起來，看成一個大系統(tǒng)，并遵循大系統(tǒng)中的某種最優(yōu)化準則來確定每個子系統(tǒng)的工作點。圖1分散式結(jié)構(gòu)第10頁,共48頁，2024年2月25日，星期天(b)并行結(jié)構(gòu)每個局部節(jié)點的傳感器在收到未經(jīng)處理原始數(shù)據(jù)之后，在局部節(jié)點分別作出局部檢測判決，然后，它們在檢測中心通過融合得到全局決策。這種結(jié)構(gòu)在分布檢測系統(tǒng)中的應用較為普遍。圖2

并行結(jié)構(gòu)第11頁,共48頁，2024年2月25日，星期天(c)串行結(jié)構(gòu)每個局部節(jié)點分別接收各自的檢測后，首先由節(jié)點1作出局部判決，然后將它通信到節(jié)點2，而節(jié)點2則將它本身的檢測與之融合形成自己的判決，以后，重復前面的過程，并將最后一個節(jié)點的判決作為全局判決。圖3串行結(jié)構(gòu)第12頁,共48頁，2024年2月25日，星期天(d)樹狀結(jié)構(gòu)信息傳遞處理流程是從所有的樹枝到樹根，最后，在樹根即融合節(jié)點，融合從樹枝傳來的局部判決和自己的檢測，作出全局判決。圖4樹狀結(jié)構(gòu)第13頁,共48頁，2024年2月25日，星期天(e)反饋結(jié)構(gòu)每個局部檢測器在接收到觀測之后，把它們的判決送到融合中心，中心通過某種準則組合這些判決，然后把獲得的全局判決分別反饋到各局部傳感器作為下一時刻局部決策的輸入。可明顯地改善各局部節(jié)點的判決質(zhì)量。圖5帶反饋的并行結(jié)構(gòu)第14頁,共48頁，2024年2月25日，星期天1、標準Kalman濾波技術(shù)Kalman濾波是對離散線性系統(tǒng)進行狀態(tài)估計的一種常用方法，它是一組基于遞推的數(shù)據(jù)處理算法。Kalman濾波引入了狀態(tài)空間模型，其基本思想是利用前一時刻的估計值和當前的觀測值來得到對當前狀態(tài)變量的估計，其估計準則為最小均方誤差準則。下面我們通過一個框圖來說明卡爾曼濾波所處理的問題。第三節(jié)多傳感器信息融合一般方法第15頁,共48頁，2024年2月25日，星期天依據(jù)前一時刻的估計值以及當前時刻的觀測值給出當前時刻的估計值。用狀態(tài)方程和測量方程描述。狀態(tài)方程：量測方程：

假設是狀態(tài)變量，例如量測數(shù)據(jù)與系統(tǒng)的各狀態(tài)變量之間呈現(xiàn)線性關(guān)系。：觀測矩陣

：觀測噪聲第16頁,共48頁，2024年2月25日，星期天前提條件：、為互為不相關(guān)的高斯白噪聲。經(jīng)過推導，可得到迭代式為：第17頁,共48頁，2024年2月25日，星期天增益矩陣：均方誤差陣：第18頁,共48頁，2024年2月25日，星期天圖6卡爾曼濾波過程第19頁,共48頁，2024年2月25日，星期天擴展Kalman濾波在多目標多傳感器融合中，系統(tǒng)可能是非線性的。其最優(yōu)解通常不能用解析式表示，而且隨著時間的推移將趨于無窮維，運算量和存儲量的急劇膨脹使得這種最優(yōu)解在物理上是不可實現(xiàn)的，在工程上也沒有必要實現(xiàn)這種最優(yōu)解。對這類系統(tǒng)，至今尚未研究出完善的解法，目前所用的非線性算法都是近似的。下面介紹在跟蹤系統(tǒng)中常用的非線性濾波方法：擴展Klaman濾波.第20頁,共48頁，2024年2月25日，星期天擴展Kalman算法對非線性濾波問題常用的處理方法是利用線性化技巧將其轉(zhuǎn)化為一個近似的線性濾波問題。其中最常用的線性化方法是對非線性問題在狀態(tài)變量均值的鄰域內(nèi)進行泰勒級數(shù)展開，由此得到的濾波方法稱為擴展卡爾曼濾波（EKF）。

設非線性系統(tǒng)的狀態(tài)方程為：和線性情況一樣，假定在k時刻有估計：第21頁,共48頁，2024年2月25日，星期天擴展Kalman算法為了得到預測狀態(tài)，將系統(tǒng)的狀態(tài)方程在附近進行泰勒級數(shù)展開，取一階或者二階項，以便產(chǎn)生一階或二階EKF。具有二階項的展開式為：第22頁,共48頁，2024年2月25日，星期天對擴展卡爾曼濾波的余下步驟，只需按標準Kalman濾波的方法對上述泰勒展式進行推導即可。目前，擴展卡爾曼濾波雖然被廣泛用于解決非線性系統(tǒng)的狀態(tài)估計問題，但非線性因子的存在對濾波穩(wěn)定性和狀態(tài)估計精度都有很大的影響，其濾波效果在很多復雜系統(tǒng)中并不能令人滿意。模型的線性化誤差往往會嚴重影響最終的濾波精度，在模型非線性較強．以及系統(tǒng)噪聲非高斯時估計的精度嚴重下降，并可能導致濾波發(fā)散。第23頁,共48頁，2024年2月25日，星期天假定完成任務所需的有關(guān)環(huán)境的特征物用向量f表示，通過傳感器獲得的數(shù)據(jù)信息用向量d來表示，d和f都可看作是隨機向量。信息融合的任務就是由數(shù)據(jù)d估計環(huán)境f。假設p(f,d)為隨機向量f和d的聯(lián)合概率分布密度函數(shù)，則：p(f|d)表示在已知d的條件下，f關(guān)于d的條件概率密度函數(shù)；p(d|f)表示在已知f的條件下，d關(guān)于f的條件概率密度函數(shù)；p(d)和p(f)分別表示d和f的邊緣分布密度函數(shù)；二、Bayes估計法第24頁,共48頁，2024年2月25日，星期天已知d時，要推斷f，只須掌握p(f|d)即可，即：上式為概率論中的Bayes公式。信息融合通過數(shù)據(jù)信息d做出對環(huán)境f的推斷，即求解p(f|d)。由Bayes公式知，只須知道p(d|f)和p(f)即可。p(d|f)是在已知客觀環(huán)境變量f的情況下，傳感器得到的d關(guān)于f的條件密度。第25頁,共48頁，2024年2月25日，星期天通常,在某一時刻從多種傳感器得到一組數(shù)據(jù)信息d，由這一組數(shù)據(jù)給出當前環(huán)境的一個估計f。因此，實際中應用較多的方法是尋找最大后驗估計g，即：即最大后驗估計是在已知數(shù)據(jù)為d的條件下，使后驗概率密度p(f)取得最大值得點g。第26頁,共48頁，2024年2月25日，星期天在傳感器數(shù)據(jù)進行融合之前，必須確保測量數(shù)據(jù)代表同一實物，即要對傳感器測量進行一致性檢驗。常用以下距離公式來判斷傳感器測量信息的一致：式中，x1和x2為兩個傳感器測量信號，C為與兩個傳感器相關(guān)聯(lián)的方差陣。當距離T小于某個閾值時，兩個傳感器測量值具有一致性。

第27頁,共48頁，2024年2月25日，星期天神經(jīng)網(wǎng)絡是類型分析和函數(shù)逼近的常用方法，采用神經(jīng)網(wǎng)絡特定的學習算法來獲取知識，得到不確定性推理機制。神經(jīng)網(wǎng)絡多傳感器信息融合的實現(xiàn)，分三個重要步驟：根據(jù)智能系統(tǒng)要求及傳感器信息融合的形式，選擇其拓撲結(jié)構(gòu)；各傳感器的輸入信息綜合為一總體輸入函數(shù)，通過神經(jīng)網(wǎng)絡與環(huán)境交互作用把環(huán)境的統(tǒng)計規(guī)律反映網(wǎng)絡本身結(jié)構(gòu)；對傳感器輸出信息進行學習，確定權(quán)值的分配，進而對輸入模式做出解釋。三、人工神經(jīng)網(wǎng)絡法第28頁,共48頁，2024年2月25日，星期天人工神經(jīng)網(wǎng)絡神經(jīng)元利用樹突整合突觸所接收到的外界信息，經(jīng)軸突將神經(jīng)沖動由細胞體傳至其他神經(jīng)元。神經(jīng)網(wǎng)絡使用大量的處理單元(即神經(jīng)元)處理信息，神經(jīng)元按層次結(jié)構(gòu)的形式組織，每層上的神經(jīng)元以加權(quán)的方式與其它層上的神經(jīng)元連接，采用并行結(jié)構(gòu)和并行處理機制，具有很強的容錯性以及自學習、自組織及自適應能力，能夠模擬復雜的非線性映射。第29頁,共48頁，2024年2月25日，星期天典型的感知神經(jīng)網(wǎng)絡模型圖7神經(jīng)網(wǎng)絡結(jié)構(gòu)第30頁,共48頁，2024年2月25日，星期天如果將數(shù)據(jù)融合劃分為二級，并針對具體問題將處理功能賦予信息處理單元，可以用二層神經(jīng)網(wǎng)絡描述融合模型。第一層神經(jīng)元對應原始數(shù)據(jù)層融合。第二層完成特征層融合，并根據(jù)前一層提取的特征，做出決策。第31頁,共48頁，2024年2月25日，星期天四、專家系統(tǒng)專家系統(tǒng)是一個具有大量專門知識與經(jīng)驗的程序系統(tǒng)，根據(jù)某領域一個或多個專家提供的知識和經(jīng)驗，進行推理和判斷，模擬人類專家的決策過程，以便解決那些需要人類專家處理的復雜問題。專家系統(tǒng)具有如下特點：(1)啟發(fā)性：專家系統(tǒng)能運用專家的知識和經(jīng)驗進行推理、判斷和決策。(2)靈活性：專家系統(tǒng)能不斷地增長知識，修改原有知識，不斷更新，不斷充實和豐富系統(tǒng)內(nèi)涵，完善系統(tǒng)功能。

第32頁,共48頁，2024年2月25日，星期天一個典型的專家系統(tǒng)由知識庫、推理器和接口三部分組成，如圖所示。知識庫組織事實和規(guī)則。推理器籍由知識庫中有效的事實與規(guī)則，在用戶輸入的基礎上給出結(jié)果。接口是用戶與專家系統(tǒng)間的溝通渠道，為用戶提供直觀方便的交互作用手段第33頁,共48頁，2024年2月25日，星期天五、聚類分析法對于沒有標示類別或沒有明確特征的數(shù)據(jù)樣本集，可以根據(jù)樣本之間的某種相似程度進行分類，相似的歸一類，不相似的歸為另一類或另一些類，這種分類方法稱為聚類分析，如圖所示。

第34頁,共48頁，2024年2月25日，星期天五、聚類分析法聚類分析法試圖根據(jù)傳感數(shù)據(jù)的結(jié)構(gòu)或相似性將數(shù)據(jù)集分為若干個子集。將相似數(shù)據(jù)集中在一起成為一些可識別的組，并從數(shù)據(jù)集中分離出來。眾多的不同特征可用不同的聚類來表征。第35頁,共48頁，2024年2月25日，星期天進行聚類分析時，首先需要確定一種規(guī)則來確定數(shù)據(jù)集的分離原則，尋找各個類之間的相似性是常用的辦法。對于兩個給定的數(shù)據(jù)樣本和，幾種常見的相似性度量如：點積：相似性比：歐幾里德距離：第36頁,共48頁，2024年2月25日，星期天在不規(guī)則粒子的測量中，人們并不關(guān)心粒子的直徑究竟是多少，而是關(guān)心粒子的種類及其統(tǒng)計特性（平均直徑、方差等）。聚類分析適于解決這類問題。對于任意不規(guī)則粒子的情形，可以通過考察粒子在大小分布上的相似程度來進行粒子識別。聚類分析算法能夠挖掘數(shù)據(jù)中的新關(guān)系，可以用于目標識別和分類。第37頁,共48頁，2024年2月25日，星期天管道泄漏檢測中的數(shù)據(jù)融合醫(yī)學咨詢與診斷專家系統(tǒng)多傳感器數(shù)據(jù)融合技術(shù)的局限性

第四節(jié)多傳感器信息融合實例第38頁,共48頁，2024年2月25日，星期天管道泄漏檢測中的數(shù)據(jù)融合當管道發(fā)生泄漏時，由于管道內(nèi)外的壓差，泄漏處流體迅速流失，壓力迅速下降，同時激發(fā)瞬態(tài)負壓波沿管道向兩端傳播。在管道兩端安裝傳感器拾取瞬態(tài)負壓波信號可以實現(xiàn)管道的泄漏檢測和定位，如圖所示。其中：a是負壓波在管道中的傳播速度；△t為兩個檢測點接收負壓波的時間差；L為所檢測的管道長度。第39頁,共48頁，2024年2月25日，星期天式中：a表示負壓波的傳播速度，K為介質(zhì)的體積彈性系數(shù)，ρ表示介質(zhì)密度，E為管材的彈性系數(shù)，D為管道直徑，e為管壁厚度，C1表示與管道工藝參數(shù)有關(guān)的修正系數(shù)。負壓波在管道中的傳播速度受傳送介質(zhì)的彈性、密度、介質(zhì)溫度及管材等實際因素的影響，并不是一個常數(shù)，如下公式所示。顯然，溫度變化將影響傳送介質(zhì)的密度，負壓波在管道中的傳播速度不再是一個常數(shù)，為了準確地對泄漏點進行定位，需要利用溫度信息校正負壓波的傳播速度。第40頁,共48頁，2024年2月25日，星期天泄漏點的定位與管道兩端獲取負壓波信號的時間差有關(guān)，提高泄漏點的定位精度，需要在負壓波信號中準確捕捉泄漏發(fā)生的時間。根據(jù)質(zhì)量守恒定律，沒有泄漏時進入管道的質(zhì)量流量和流出管道的質(zhì)量流量是相等的。如果進入流量大于流出流量，就可以判斷管道沿線存在泄漏。對于裝有流量計的管道，利用瞬時流量的對比有助于區(qū)分管道泄漏與正常工況。第41頁,共48頁，2024年2月25日，星期天第42頁,共48頁，2024年2月25日，星期天右圖所示是斯坦福大學建立的細菌感染疾病診斷咨詢專家系統(tǒng)，由咨詢、解釋和規(guī)則獲取3個子系統(tǒng)組成。系統(tǒng)的決策過程主要依據(jù)醫(yī)生的臨床經(jīng)驗和判斷、試