新聞中心

EEPW首頁(yè) > 模擬技術(shù) > 設(shè)計(jì)應(yīng)用 > 多傳感器信息融合基本原理及應(yīng)用

多傳感器信息融合基本原理及應(yīng)用

作者: 時(shí)間:2010-08-11 來(lái)源:網(wǎng)絡(luò) 收藏

一、引言

傳統(tǒng)的信號(hào)采集往往由單一的傳感器來(lái)完成,即使采用多個(gè)(種)傳感器也僅是從多個(gè)側(cè)面孤立地反映目標(biāo)信息。實(shí)際上,在大多數(shù)情況下,必須同時(shí)處理多個(gè)信號(hào),而這些信號(hào)一般又來(lái)自多個(gè)信號(hào)源,即多傳感器。但是多傳感器也帶來(lái)了信息冗余甚至矛盾。所以必須通過(guò)對(duì)各種傳感器及其觀測(cè)信息的合理支配與使用,將其采集的信息依據(jù)某種優(yōu)化準(zhǔn)則組合,產(chǎn)生對(duì)觀測(cè)環(huán)境一致性的解釋和描述,因此迫切要求對(duì)信息進(jìn)一步處理?!?a class="contentlabel" href="http://m.butianyuan.cn/news/listbylabel/label/信息融合">信息融合”就是對(duì)多傳感器的數(shù)據(jù)進(jìn)行多級(jí)別、多方面、多層次的處理,即組合或融合來(lái)自多個(gè)傳感器或其他信息源的數(shù)據(jù),以獲得綜合的、更好的估計(jì)。

目前國(guó)內(nèi)在多傳感器融合方面的研究尚處于初始階段,對(duì)這方面系統(tǒng)介紹的文獻(xiàn)也相對(duì)較少,多傳感器融合是一個(gè)復(fù)雜的信息處理過(guò)程,所要研究的問(wèn)題多,而且解決問(wèn)題的方法也很多,因此有必要對(duì)目前的研究情況進(jìn)行系統(tǒng)的介紹。

二、基本概念及優(yōu)越性

由于的定義都是功能性的描述,美國(guó)國(guó)防部JDL從軍事應(yīng)用的角度將數(shù)據(jù)融合進(jìn)行定義,WaltzLlinas對(duì)其進(jìn)行了補(bǔ)充和修改,給出了較完整的定義:一種多層次的、多方面的處理過(guò)程,這個(gè)過(guò)程是對(duì)多源數(shù)據(jù)進(jìn)行檢測(cè)、結(jié)合、相關(guān)、估計(jì)和組合以達(dá)到精確的狀態(tài)估計(jì)和身份估計(jì),以及完整及時(shí)的態(tài)勢(shì)評(píng)估和威脅估計(jì)。

近年來(lái)信息融合技術(shù)在基本理論和實(shí)現(xiàn)方法上得到極大的完善,顯示出自身極大的優(yōu)越性,主要表現(xiàn)在:容錯(cuò)性好;系統(tǒng)精度高;信息處理速度塊;互補(bǔ)性強(qiáng);信息獲取成本低等方面。

三、數(shù)據(jù)融合技術(shù)的理論方法

數(shù)據(jù)融合的關(guān)鍵問(wèn)題是模型設(shè)計(jì)和融合算法,數(shù)據(jù)融合模型主要包括功能模型、結(jié)構(gòu)模型和數(shù)學(xué)模型。功能模型從融合過(guò)程出發(fā),描述數(shù)據(jù)融合包括哪些主要功能和數(shù)據(jù)庫(kù),以及進(jìn)行數(shù)據(jù)融合時(shí)系統(tǒng)各組成部分之間的相互作用過(guò)程;結(jié)構(gòu)模型從數(shù)據(jù)融合的組成出發(fā),說(shuō)明數(shù)據(jù)融合系統(tǒng)的軟、硬件組成,相關(guān)數(shù)據(jù)流、系統(tǒng)與外部環(huán)境的人機(jī)界面;數(shù)學(xué)模型是數(shù)據(jù)融合的算法和綜合邏輯,算法主要包括分布檢測(cè)、空間融合、屬性融合、態(tài)勢(shì)評(píng)估和威脅估計(jì)算法等,下面從3個(gè)方面分別進(jìn)行介紹。

1)信息融合的功能模型目前已有很多學(xué)者從不同角度提出了信息融合系統(tǒng)的一般功能模型,最有權(quán)威性的是DFS(美國(guó)三軍政府組織-實(shí)驗(yàn)室理事聯(lián)席會(huì)(JDL)下面的C3I技術(shù)委員會(huì)(TPC3)數(shù)據(jù)融合專家組)提出的功能模型。

該模型把數(shù)據(jù)融合分為3級(jí)。第1級(jí)是單源或多源處理,主要是數(shù)字處理、跟蹤相關(guān)和關(guān)聯(lián);第2級(jí)是評(píng)估目標(biāo)估計(jì)的集合,及它們彼此和背景的關(guān)系來(lái)評(píng)估整個(gè)情況;第3級(jí)用一個(gè)系統(tǒng)的先驗(yàn)?zāi)繕?biāo)集合來(lái)檢驗(yàn)評(píng)估的情況。

其簡(jiǎn)化模型如圖1所示。

多傳感器信息融合基本原理及應(yīng)用

2)信息融合的結(jié)構(gòu)模型數(shù)據(jù)融合的結(jié)構(gòu)模有多種不同的分類方法,其中一種分類標(biāo)準(zhǔn)是根據(jù)傳感器數(shù)據(jù)在送人融合處理中心之前已經(jīng)處理的程度來(lái)進(jìn)行分類。在這種分類標(biāo)準(zhǔn)下,融合結(jié)構(gòu)被分為傳感器級(jí)數(shù)據(jù)融合,中央級(jí)數(shù)據(jù)融合及混合式融合,還可以根據(jù)數(shù)據(jù)處理過(guò)程的分辨率來(lái)對(duì)融合結(jié)構(gòu)進(jìn)行分類。在這種情況下,融合結(jié)構(gòu)為像素級(jí)、特征級(jí)和決策級(jí)融合。

3)多傳感器信息融合實(shí)現(xiàn)的數(shù)學(xué)模型信息融合的方法涉及到多方面的理論和技術(shù),如信號(hào)處理、估計(jì)理論、不確定性理論、模式識(shí)別、最優(yōu)化技術(shù)、模糊數(shù)學(xué)和神經(jīng)網(wǎng)絡(luò)等這方面國(guó)外已經(jīng)做了大量的研究。

目前,這些方法大致分為兩類:隨機(jī)類方法和人工智能方法。

①隨機(jī)類方法這類方法研究對(duì)象是隨機(jī)的,在多傳感器信息融合中常采用隨機(jī)類方法包括很多,這里只介紹前3種方法。

aBayes推理方法把每個(gè)傳感器看作是一個(gè)Bayes估計(jì)器,用于將每一個(gè)目標(biāo)各自的關(guān)聯(lián)概率分布綜合成一個(gè)聯(lián)合后驗(yàn)分布函數(shù),然后隨觀測(cè)值的到來(lái),不斷更新假設(shè)的該聯(lián)合分布似然函數(shù),并通過(guò)該似然函數(shù)的極大或極小進(jìn)行信息的最后融合。雖然Bayes推理法解決了傳統(tǒng)的推理方法的某些缺點(diǎn),但是定義先驗(yàn)似然函數(shù)比較困難,要求對(duì)立的假設(shè)彼此不相容,無(wú)法分配總的不確定性,因此,Bayes推理法具有很大的局限性。

bDempster-Shafer的證據(jù)理論是一種廣義的Bayes推理方法,它是通過(guò)集合表示命題,把對(duì)命題的不確定性描述轉(zhuǎn)化為對(duì)集合的不確定性描述,利用概率分配函數(shù)、信任函數(shù)、似然函數(shù)來(lái)描述客觀證據(jù)對(duì)命題的支持程度,用它們之間的推理與運(yùn)算來(lái)進(jìn)行目標(biāo)識(shí)別。D-S證據(jù)理論可以不需要先驗(yàn)概率和條件概率密度,并且能將“不知道”和“不確定”區(qū)分開來(lái),但是它存在潛在的指數(shù)復(fù)雜度問(wèn)題和要求證據(jù)是獨(dú)立的問(wèn)題。

cKalman濾波融合算法它利用測(cè)量模型的統(tǒng)計(jì)特性,遞推確定在統(tǒng)計(jì)意義下最優(yōu)的融合數(shù)據(jù)估計(jì),適合于線性系統(tǒng)的目標(biāo)跟蹤,并且一般適用于平穩(wěn)的隨機(jī)過(guò)程,它要求系統(tǒng)具有線性的動(dòng)力學(xué)模型,且系統(tǒng)噪聲和傳感器噪聲是高斯分布白噪聲模型,并且計(jì)算量大,對(duì)出錯(cuò)數(shù)據(jù)非常敏感。

②人工智能方法近年來(lái),用于多傳感器數(shù)據(jù)融合的計(jì)算智能方法有:小波分析理論、模糊集合理論、神經(jīng)網(wǎng)絡(luò)、粗集理論和支持向量機(jī)等,限于篇幅只介紹小波變換和神經(jīng)網(wǎng)絡(luò)方法。

a.小波變換是一種新的時(shí)頻分析方法,它在多信息融合中主要用于圖像融合,即是把多個(gè)不同模式的圖像傳感器得到的同一場(chǎng)景的多幅圖像,或同一傳感器在不同時(shí)刻得到的同一場(chǎng)景的多幅圖像,合成為一幅圖像的過(guò)程。經(jīng)圖像融合技術(shù)得到的合成圖像可以更全面、精確地描述所研究的對(duì)象?;谛〔ㄗ儞Q的圖像融合算法為:首先用小波變換將各幅原圖像分解,然后基于一定的選擇規(guī)則,得到各幅圖像在各個(gè)頻率段的決策表,對(duì)決策表進(jìn)行一致性驗(yàn)證得到最終的決策表,在最終決策表的基礎(chǔ)上經(jīng)過(guò)一定的融合過(guò)程,得到融合后的多分辨表達(dá)式,最后經(jīng)過(guò)小波逆變換得到融合圖像。

b.神經(jīng)網(wǎng)絡(luò)方法是在現(xiàn)代神經(jīng)生物學(xué)和認(rèn)知科學(xué)對(duì)人類信息處理研究成果的基礎(chǔ)上提出的,它有大規(guī)模并行處理、連續(xù)時(shí)間動(dòng)力學(xué)和網(wǎng)絡(luò)全局作用等特點(diǎn),將存儲(chǔ)體和操作合二為一。利用人工神經(jīng)網(wǎng)絡(luò)的高速并行運(yùn)算能力,可以避開信息融合中建模的過(guò)程,從而消除由于模型不符或參數(shù)選擇不當(dāng)帶來(lái)的影響,并實(shí)現(xiàn)實(shí)時(shí)識(shí)別。由于神經(jīng)網(wǎng)絡(luò)的種類繁多,學(xué)習(xí)算法多種多樣,新的結(jié)構(gòu)和算法層出不窮,使得目前對(duì)神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)的研究非常廣泛。

四、信息融合技術(shù)的應(yīng)用研究

最初信息融合技術(shù)是為了滿足戰(zhàn)爭(zhēng)的需求,目前軍事領(lǐng)域仍是信息融合的最大應(yīng)用領(lǐng)域,發(fā)展也最快,主要應(yīng)用在預(yù)警系統(tǒng)、武器系統(tǒng)的指揮和控制、情報(bào)保障系統(tǒng)、軍事力量的評(píng)估和指揮系統(tǒng)以及天地一體化信息融合系統(tǒng)。隨著各種傳感器技術(shù)和電子芯片的發(fā)展,信息融合技術(shù)在民用方面也得到了廣泛的發(fā)展,下面詳細(xì)介紹數(shù)據(jù)融合在智能、方面的應(yīng)用。

①信息融合在研究領(lǐng)域中的應(yīng)用技術(shù)是一門綜合技術(shù),集光機(jī)電液信于一身,多感覺(jué)傳感器系統(tǒng)與機(jī)器人相結(jié)合,形成感覺(jué)機(jī)器人和智能機(jī)器人。機(jī)器人演奏、機(jī)器人足球比賽、機(jī)器人摔跤等需要高度信息融合技術(shù),工業(yè)機(jī)器人則成為典型的多傳感器集成和融合系統(tǒng),這里主要介紹信息融合技術(shù)在移動(dòng)機(jī)器人和工業(yè)機(jī)器人方面的應(yīng)用。

如何精確地獲得自身的位置并由此規(guī)劃運(yùn)動(dòng)路徑,是自主式移動(dòng)機(jī)器人研究領(lǐng)域中一直得到關(guān)注的問(wèn)題。輪式移動(dòng)機(jī)器人由于輪子打滑及測(cè)量模型噪聲等原因,存在累計(jì)誤差問(wèn)題。為了進(jìn)一步提高移動(dòng)機(jī)器人的定位精度,文獻(xiàn)[15]采用擴(kuò)展Kalman濾波對(duì)這兩種傳感器信息進(jìn)行融合,即通過(guò)激光掃描器提供的信息不斷修正光電編碼器的定位信息,提高了定位精度。

工業(yè)機(jī)器人在工業(yè)系統(tǒng)中主要完成物料搬運(yùn)、制造、裝配、檢測(cè)等,現(xiàn)已有一些較為成熟的應(yīng)用例子,如Hitachi公司研制的應(yīng)用于電子產(chǎn)品裝配線上的工業(yè)機(jī)器人將三維視覺(jué)傳感器和力傳感器測(cè)出的數(shù)據(jù)進(jìn)行融合。Georgia理工學(xué)院研制的機(jī)器人融合視覺(jué)和觸覺(jué)傳感器的信息。還有Groen等人研制的用于機(jī)械產(chǎn)品裝配生產(chǎn)線上、SmithNitan等人研制的用于產(chǎn)品包裝、Kremers等人研制的適用于加工制造業(yè)的一些工業(yè)機(jī)器人。

2)信息融合技術(shù)在領(lǐng)域中的應(yīng)用基于信息融合的方法,是通過(guò)多傳感器獲取設(shè)備狀態(tài)的特征信號(hào),并進(jìn)行多層關(guān)聯(lián)組合、數(shù)據(jù)選擇,從而獲得對(duì)診斷對(duì)象故障信息更可靠的認(rèn)識(shí)和對(duì)潛在故障發(fā)展趨勢(shì)的態(tài)勢(shì)評(píng)估。

文獻(xiàn)[16]針對(duì)某泵壓式供應(yīng)系統(tǒng)液體火箭發(fā)動(dòng)機(jī)的泄漏故障,利用系統(tǒng)故障癥狀的分散性,提出了一種基于模糊數(shù)據(jù)融合技術(shù)的系統(tǒng)故障診斷方法。文獻(xiàn)[17]構(gòu)造了神經(jīng)網(wǎng)絡(luò)信息融合中心,對(duì)來(lái)自多傳感器的殘差信號(hào)進(jìn)行了預(yù)處理和離散小波變換,使用改進(jìn)BP算法對(duì)神經(jīng)網(wǎng)絡(luò)分類器訓(xùn)練以進(jìn)行相應(yīng)的故障模式識(shí)別。文獻(xiàn)[18]利用不同采樣速率多傳感器觀測(cè)對(duì)象,充分考慮多尺度、多信息融合狀態(tài)估計(jì)精度和強(qiáng)跟蹤濾波器理論在處理非線性系統(tǒng)時(shí)變參數(shù)與狀態(tài)估計(jì)的能力,實(shí)現(xiàn)了變壓器故障的在線診斷。

3)信息融合技術(shù)在方面的應(yīng)用遙感圖像的信息融合能使各種空間、波譜和時(shí)間分辨率的圖像納入統(tǒng)一的時(shí)空內(nèi),融合構(gòu)成一種新的圖像,增加信息量,實(shí)現(xiàn)多種信息的互補(bǔ),改善了圖像的質(zhì)量和有效性。文獻(xiàn)〔19〕把同一目標(biāo)的不同傳感器獲得的圖像數(shù)據(jù)利用小波包變換進(jìn)行融合,得到目標(biāo)較為清晰的融合圖像。文獻(xiàn)〔20〕提出了一種針對(duì)SAR(合成孔徑雷達(dá))圖像保留邊緣的融合方法,在計(jì)算量不顯著增加的前提下,提高了邊緣檢測(cè)的質(zhì)量。

在醫(yī)學(xué)方面CTNMR具有不同的成像機(jī)理,CT能夠清晰表達(dá)骨骼信息,而NMR能夠清晰表達(dá)軟組織信息,文獻(xiàn)[21]提出了一種新的基于小波變換的系數(shù)取大融合算法,從而既可清晰地表現(xiàn)骨組織信息,又可清晰地表現(xiàn)軟組織信息,這對(duì)臨床醫(yī)學(xué)具有十分重要的意義。

五、數(shù)據(jù)融合研究中的存在問(wèn)題

1)未形成基本理論框架和有效廣義模型及算法雖然數(shù)據(jù)融合的研究已經(jīng)相當(dāng)廣泛,但是自前對(duì)信息融合的研究都是根據(jù)問(wèn)題的種類,各自建立融合準(zhǔn)則,并在此基礎(chǔ)上形成所謂最佳融合方案,而且目前很多研究工作是基礎(chǔ)研究、仿真性工作。

2)關(guān)聯(lián)的二義性是數(shù)據(jù)融合中的主要障礙在進(jìn)行融合處理前,必須對(duì)信息進(jìn)行關(guān)聯(lián),以保證所融合的信息是來(lái)自同一目標(biāo)。所以,信息可融合性的判斷準(zhǔn)則及如何進(jìn)一步降低關(guān)聯(lián)的二義性已成為融合研究領(lǐng)域亟待解決的問(wèn)題。

3)數(shù)據(jù)融合方法與融合系統(tǒng)實(shí)施問(wèn)題數(shù)據(jù)融合系統(tǒng)的設(shè)計(jì)實(shí)施目前還存在許多實(shí)際的問(wèn)題:傳感器動(dòng)態(tài)測(cè)量誤差模型的建立、傳感器系統(tǒng)優(yōu)化、復(fù)雜動(dòng)態(tài)環(huán)境下系統(tǒng)實(shí)時(shí)性、大型知識(shí)庫(kù)的建立與管理、與其他領(lǐng)域的很多新技術(shù)的“嫁接與融合”,如人工智能技術(shù)、計(jì)算神經(jīng)網(wǎng)絡(luò)計(jì)算、遺傳算法、進(jìn)化計(jì)算、虛擬現(xiàn)實(shí)技術(shù)性等,這些尚無(wú)成熟理論。

4)融合系統(tǒng)的容錯(cuò)性和穩(wěn)健性沒(méi)有得到很好的解決沖突(矛盾)信息或傳感器故障所產(chǎn)生的錯(cuò)誤信息等的有效處理,即系統(tǒng)的容錯(cuò)性或穩(wěn)健性也是信息融合理論研究中必須考慮的問(wèn)題。

六、研究方向展望

盡管信息融合技術(shù)20多年來(lái)已有了很大的發(fā)展,但仍然還有很多領(lǐng)域有待于進(jìn)一步的研究與探索,目前主要包括:

多傳感器分布檢測(cè)研究分布式檢測(cè)融合自提出至今已形成了比較完善的理論體系。目前對(duì)該領(lǐng)域的研究主要有:在各檢測(cè)器性能時(shí)變的條件下,如何自適應(yīng)估計(jì)各檢測(cè)器性能并進(jìn)行分布式檢測(cè)融合是目前的一個(gè)方向;在信號(hào)參數(shù)模糊下的分布式檢測(cè)融合問(wèn)題:在信號(hào)參數(shù)隨機(jī)變化下的分布式檢測(cè)融合問(wèn)題;微弱信號(hào)的檢測(cè)融合問(wèn)題。

異類多傳感器信息融合技術(shù)研究異類多傳感器信息融合由于具有時(shí)間不同步,數(shù)據(jù)率不一致及測(cè)量維數(shù)不匹配等特點(diǎn),幾因而具有很大的不確定性。在異類多傳感器信息融合中,如何利用各傳感器信息進(jìn)行航跡起始,如何綜合利用位置、動(dòng)態(tài)及特征和屬性參數(shù)改善目標(biāo)跟蹤性,如何合理利用互補(bǔ)信息以改善對(duì)目標(biāo)的識(shí)別及如何實(shí)現(xiàn)檢測(cè)跟蹤的聯(lián)合優(yōu)化都是需要進(jìn)一步研究和解決的問(wèn)題。③傳感器資源分配與管理技術(shù)研究多個(gè)傳感器構(gòu)成了多傳感器系統(tǒng)的互補(bǔ)體系,因此必須按照某些工作準(zhǔn)則適當(dāng)?shù)毓芾磉@些傳感器,以便獲得最優(yōu)的數(shù)據(jù)采集性能。傳感器管理的內(nèi)容通常包括:空間管理、模式管理和時(shí)間管理。這一方面主要包括:傳感器性能預(yù)測(cè),傳感器對(duì)目標(biāo)的分配方法,傳感器空間和時(shí)間作用范圍控制準(zhǔn)則,傳感器配置和控制策略,傳感器接口技術(shù),傳感器對(duì)目標(biāo)分配的優(yōu)先級(jí)技術(shù),以及傳感器指示和交接技術(shù)。

研究數(shù)據(jù)融合用的數(shù)據(jù)庫(kù)和知識(shí)庫(kù),高速并行檢索和推理機(jī)制利用大型空間數(shù)據(jù)庫(kù)中數(shù)據(jù)和知識(shí)進(jìn)行推理是融合系統(tǒng)過(guò)程中的關(guān)鍵任務(wù),因此深人研究和探討空間數(shù)據(jù)庫(kù)的知識(shí)庫(kù),高速并行推理機(jī)制應(yīng)成為未來(lái)的研究重點(diǎn)之一。

七、結(jié)語(yǔ)

綜上所述,多傳感器信息融合技術(shù)涉及到多學(xué)科、多領(lǐng)域,且具有多信息量、多層次、多手段等特點(diǎn),并在機(jī)器人、故障診斷、等民用領(lǐng)域中,充分發(fā)揮了強(qiáng)大的信息處理優(yōu)勢(shì),幾乎一切需要信息處理的系統(tǒng)都可以應(yīng)用信息融合,利用信息融合技術(shù)可得到比單一信息源更精確更完全的判斷。隨著科學(xué)技術(shù)的發(fā)展,尤其是人工智能技術(shù)的進(jìn)步,數(shù)據(jù)融合的基礎(chǔ)理論將更加完善,兼有穩(wěn)健性和準(zhǔn)確性的融合算法和模型將不斷推出,研究數(shù)據(jù)融合的數(shù)據(jù)庫(kù)和知識(shí)庫(kù)也會(huì)取得重大進(jìn)展。在將來(lái),多傳感器信息融合技術(shù)以軍事應(yīng)用為核心,將不斷地向工業(yè)、農(nóng)業(yè)等領(lǐng)域滲透,進(jìn)而取得更為廣泛的應(yīng)用。

傳感器相關(guān)文章:傳感器工作原理


風(fēng)速傳感器相關(guān)文章:風(fēng)速傳感器原理
合成孔徑雷達(dá)相關(guān)文章:合成孔徑雷達(dá)原理


評(píng)論


相關(guān)推薦

技術(shù)專區(qū)

關(guān)閉