2.2數(shù)據(jù)融合的關(guān)鍵技術(shù)

第2講數(shù)據(jù)融合的關(guān)鍵技術(shù)2021/6/271智能信息處理技術(shù)2主要內(nèi)容一、傳感器管理二、數(shù)據(jù)融合的主要技術(shù)2021/6/272智能信息處理技術(shù)3一傳感器管理目的發(fā)現(xiàn)跟蹤和識(shí)別目標(biāo)要求覆蓋盡可能大的搜索空域較小的代價(jià)，較低的虛警率較高的發(fā)現(xiàn)率、精度與可信度核心問題傳感器的選擇傳感器工作模式的選擇傳感器工作優(yōu)化策略2021/6/273智能信息處理技術(shù)4傳感器管理主要內(nèi)容傳感器管理空間管理時(shí)間管理原因：不全向非同步方法：對(duì)傳感器進(jìn)行空間上的任務(wù)分配傳感器系統(tǒng)中，大部分傳感器不是全向工作的，并且傳感器之間是非同步的；空間管理2021/6/274智能信息處理技術(shù)5時(shí)間管理原因1：傳感器功能不同原因2：不同時(shí)刻不同傳感器的工作情況不同方法：不同時(shí)間使用不同傳感器組合時(shí)間管理多傳感器系統(tǒng)可能由多種多樣的傳感器組成的，每個(gè)傳感器都有不同的任務(wù)，即有不同分工。如水下無線傳感器網(wǎng)絡(luò)，水聽器陣列、水聲modem可能在某一時(shí)刻，只需要某些傳感器工作，或只需要某些方向上傳感器工作。例如，傳感器節(jié)點(diǎn)幾種工作狀態(tài)根據(jù)事件出現(xiàn)的順序，選用不同的傳感器組合，按一定的時(shí)間順序進(jìn)行統(tǒng)一管理。2021/6/275智能信息處理技術(shù)6二數(shù)據(jù)融合的主要技術(shù)

一、態(tài)勢(shì)數(shù)據(jù)庫二、數(shù)據(jù)融合2021/6/276智能信息處理技術(shù)71、態(tài)勢(shì)數(shù)據(jù)庫態(tài)勢(shì)數(shù)據(jù)庫實(shí)時(shí)數(shù)據(jù)庫非實(shí)時(shí)數(shù)據(jù)庫當(dāng)前觀測(cè)結(jié)果;中間結(jié)果;最終態(tài)勢(shì);把當(dāng)前各傳感器的觀測(cè)結(jié)果及時(shí)提供給融合中心，提供融合計(jì)算所需各種其他數(shù)據(jù)。同時(shí)也存貯融合處理的最終態(tài)勢(shì)/決策分析結(jié)果和中間結(jié)果。2021/6/277智能信息處理技術(shù)8傳感器歷史數(shù)據(jù)有關(guān)目標(biāo)和環(huán)境的輔助信息融合計(jì)算的歷史信息態(tài)勢(shì)數(shù)據(jù)庫要求容量大、搜索快、開放互聯(lián)性好，且具有良好的用戶接口。態(tài)勢(shì)數(shù)據(jù)庫實(shí)時(shí)數(shù)據(jù)庫非實(shí)時(shí)數(shù)據(jù)庫2021/6/2782.數(shù)據(jù)融合的常用方法Bayes估計(jì)法濾波跟蹤聚類分析數(shù)據(jù)融合技術(shù)

假設(shè)檢驗(yàn)法證據(jù)理論神經(jīng)網(wǎng)絡(luò)2021/6/279數(shù)據(jù)融合的常用技術(shù)D-S證據(jù)理論對(duì)信息的表示和處理更加接近人類的思維方式證據(jù)組合規(guī)則是DS證據(jù)理論的核心,但在應(yīng)用中要求滿足組合證據(jù)之間相互獨(dú)立Bayes估計(jì)理論Bayes方法具有嚴(yán)格的理論基礎(chǔ)，應(yīng)用廣泛采用歸納推理的方法對(duì)多源信息進(jìn)行有效融合充分利用了測(cè)量對(duì)象的先驗(yàn)信息2021/6/2710融合技術(shù)--Bayes統(tǒng)計(jì)理論不采用先驗(yàn)概率概率是一種類似頻數(shù)的解釋特征小概率原理.原理將被測(cè)參數(shù)看做一個(gè)固定值，沒有充分利用其先驗(yàn)信息精度和信度是預(yù)定的，不依賴于樣本。不足基于經(jīng)典統(tǒng)計(jì)方法的多傳感器數(shù)據(jù)處理2021/6/2711Bayes統(tǒng)計(jì)理論在考慮可靠度情況下傳感器測(cè)量需要解決的一個(gè)關(guān)鍵問題：真值和測(cè)量值考察一個(gè)隨機(jī)試驗(yàn)，在該試驗(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P（Ai）表示Ai發(fā)生的概率設(shè)利用一傳感器對(duì)A事件的發(fā)生進(jìn)行檢測(cè)，檢測(cè)結(jié)果為B，則Ai為真值，B為測(cè)量值12顯然有：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：Bayes統(tǒng)計(jì)理論Bayes統(tǒng)計(jì)理論認(rèn)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)是不同的，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。P(A1),P(A2)到P(An)表示事件A1,A2到An發(fā)生的概率，這是試驗(yàn)前的知識(shí)稱“先驗(yàn)知識(shí)”由于一次檢驗(yàn)結(jié)果B的出現(xiàn)，改變了人們對(duì)事件A1，A2，…，An發(fā)生情況的認(rèn)識(shí)，這是試驗(yàn)后的知識(shí)稱為“后驗(yàn)知識(shí)”。貝葉斯統(tǒng)計(jì)理論后驗(yàn)知識(shí)先驗(yàn)知識(shí)13Bayes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Bayes公式：對(duì)一組互斥事件Ai，i=1，2，…，n，在一次測(cè)量結(jié)果為B時(shí)，Ai發(fā)生的概率（后驗(yàn)概率）為：其中Ai為對(duì)樣本空間的一個(gè)劃分，即Ai為互斥事件且Bayes統(tǒng)計(jì)理論利用Bayes統(tǒng)計(jì)理論進(jìn)行測(cè)量數(shù)據(jù)融合：充分利用了測(cè)量對(duì)象的先驗(yàn)信息根據(jù)一次測(cè)量結(jié)果對(duì)先驗(yàn)概率到后驗(yàn)概率的修正1415模型特點(diǎn)經(jīng)典概率推理貝葉斯推理缺點(diǎn)用概率模型把觀測(cè)數(shù)據(jù)與所有樣本數(shù)據(jù)聯(lián)系起來概率模型通常是基于大量樣本而得到由已知數(shù)據(jù)確定假設(shè)事件發(fā)生概率不需要密度函數(shù)主觀概率來自于經(jīng)驗(yàn)多傳感器推廣到多維數(shù)據(jù)時(shí)需要先驗(yàn)知識(shí)和多維概率密度只能同時(shí)判決兩種假設(shè)事件多變量數(shù)據(jù)使計(jì)算復(fù)雜性加大沒有利用主觀先驗(yàn)知識(shí)必須要定義先驗(yàn)概率和似然函數(shù)各假設(shè)事件必須互斥不能支持不確定類問題當(dāng)多事件相關(guān)時(shí)計(jì)算復(fù)雜性加大1516舉例：有一病人去醫(yī)院診斷是否患有癌癥，該醫(yī)院檢測(cè)方法的漏診率是5%，4%誤診率，并假設(shè)在人群中1000人中有5人患癌癥。如果該病人檢測(cè)出來是陽性，則他實(shí)際患癌癥的概率是多少?16如提高檢測(cè)率到99.99%對(duì)結(jié)果的影響較?。?1.2%），但對(duì)漏診率影響較大，減小了一個(gè)數(shù)量級(jí)17基于Bayes估計(jì)的身份識(shí)別方法基于Bayes統(tǒng)計(jì)的目標(biāo)識(shí)別融合模型18開始基于Bayes估計(jì)的身份識(shí)別方法1獲得目標(biāo)身份說明2計(jì)算似然函數(shù)3計(jì)算融合概率4

目標(biāo)識(shí)別決策基于Bayes統(tǒng)計(jì)的目標(biāo)識(shí)別融合的一般步驟

計(jì)算每個(gè)傳感器單元對(duì)不同目標(biāo)的身份說明的似然函數(shù)即

獲得每個(gè)傳感器單元輸出的目標(biāo)身份說明

B1，B2，…，Bn計(jì)算目標(biāo)身份的融合概率：

目標(biāo)識(shí)別決策（判據(jù)）：

19基于Bayes估計(jì)的身份識(shí)別方法03計(jì)算目標(biāo)身份的融合概率：如果B1，B2，…，Bn相互獨(dú)立，則：20基于Bayes估計(jì)的身份識(shí)別方法舉例：采用兩種設(shè)備檢驗(yàn)?zāi)撤N癌癥，設(shè)備1對(duì)該癌癥的漏診率為0.1，誤診率為0.25；設(shè)備2對(duì)該癌癥的漏診率為0.2，誤診率為0.1。已知人群中該癌癥的發(fā)病率為0.05。分析分別利用兩臺(tái)設(shè)備和同時(shí)使用兩臺(tái)設(shè)備時(shí)檢驗(yàn)結(jié)果的概率。設(shè)備121設(shè)備1漏診率設(shè)備1檢測(cè)率該癌癥發(fā)病率設(shè)備1誤診率根據(jù)貝葉斯公式22設(shè)備2設(shè)備2漏診率設(shè)備2誤診率23檢驗(yàn)結(jié)果的正確率同時(shí)使用兩臺(tái)設(shè)備即為診斷為該疾病確為該癌癥的概率24Dempster-Shafer算法算法原理D-S數(shù)據(jù)融合過程2021/6/2725識(shí)別框架假設(shè)有n個(gè)互斥且窮盡的原始子命題存在，這個(gè)命題集組成了整個(gè)假設(shè)事件的空間，我們稱之為識(shí)別框架分配概率識(shí)別框架與概率分配值.......................................m(a1)m(a1，a2)總命題數(shù)2n-1不能直接賦概率值的m()如果不是所有概率都能直接分配給各子命題和他們的并時(shí)，把剩下的概率都分配給識(shí)別框架2021/6/2726

稱為的疑惑度，它代表了證據(jù)反駁命題的程度，既證據(jù)支持反命題的程度所有沒有分配給這個(gè)命題的反命題的概率分配值的和，即某些方面支持該命題的和（包括識(shí)別框架）為：支持度是直接分配給該命題證據(jù)所對(duì)應(yīng)的概率分配值的和，即該命題與該命題子命題的概率分配值的和為：不確定區(qū)間支持度、似然度及不確定區(qū)間基于支持的證據(jù)基于反駁的證據(jù)支持度似然度01不確定區(qū)間解釋[0，1]對(duì)命題

一無所知[0.6，0.6]命題為真的確切概率是0.6[0.25，0.85]證據(jù)同時(shí)支持及其反命題[0.25，1]證據(jù)部分支持命題[0，0.85]證據(jù)部分支持命題的反命題[1，1]命題完全為真[0，0]命題完全為假2021/6/2727命題支持度S(ai)似然度1-S()不確定區(qū)間0.4（給定）=0.8[0.4，0.8]0.2（給定）=0.6[0.2，0.6]=0.7=1[0.7，1]=1[1，1]舉例：某一時(shí)刻可能有三種類型的目標(biāo)a1、a2、a3被傳感器A探測(cè)到，A的識(shí)別框架為：則a1的反命題為：假設(shè)傳感器A分配給各命題和的概率分配值為：2021/6/2728Dempster規(guī)則融合多傳感器數(shù)據(jù)例2：假設(shè)存在四個(gè)目標(biāo)：a1=我方類型為1的目標(biāo)a3=敵方類型為1的目標(biāo)a2=我方類型為2的目標(biāo)a4=敵方類型為2的目標(biāo)傳感器A對(duì)目標(biāo)類型的直接分配為：這里對(duì)應(yīng)著傳感器A在判斷目標(biāo)類型屬于1時(shí)，由不知道引起的不確定性傳感器B對(duì)目標(biāo)類型的直接分配為：這里對(duì)應(yīng)著傳感器B在判斷目標(biāo)屬于敵方時(shí)由不知道所引起的不確定性2021/6/2729在用Dempster融合規(guī)則時(shí)，首先形成一個(gè)矩陣，矩陣中的每個(gè)元素是相應(yīng)命題的概率分配值，矩陣的第一列和最后一行就是被融合的那些相應(yīng)命題的概率分配值。其中：2021/6/2730由于實(shí)際情況下因此交命題為空的情況由交命題計(jì)算得到其中如果碰到交命題為空的情況，那么該交命題所對(duì)應(yīng)的概率分配值應(yīng)為0，其他非空的