多傳感器的融合方法

1、多傳感器數(shù)據(jù)融合多傳感器數(shù)據(jù)融合是一個新興的研究領域，是針對一個系統(tǒng)使用多種傳感器這一特定問題而展開的一種關于數(shù)據(jù)處理的研究。多傳感器數(shù)據(jù)融合技術是近幾年來發(fā)展起來的一門實踐性較強的應用技術，是多學科交叉的新技術，涉及到信號處理、概率統(tǒng)計、信息論、模式識別、人工智能、模糊數(shù)學等理論。近年來，多傳感器數(shù)據(jù)融合技術無論在軍事還是民事領域的應用都極為廣泛。多傳感器融合技術已成為軍事、工業(yè)和高技術開發(fā)等多方面關心的問題。這一技術廣泛應用于 C3

2、I 系統(tǒng)、復雜工業(yè)過程控制、機器人、自動目標識別、交通管制、慣性導航、海洋監(jiān)視和管理、農(nóng)業(yè)、遙感、醫(yī)療診斷、圖像處理、模式識別等領域。實踐證明：與單傳感器系統(tǒng)相比，運用多傳感器數(shù)據(jù)融合技術在解決探測、跟蹤和目標識別等問題方面，能夠增強系統(tǒng)生存能力，提高整個系統(tǒng)的可靠性和魯棒性，增強數(shù)據(jù)的可信度，并提高精度，擴展整個系統(tǒng)的時間、空間覆蓋率，增加系統(tǒng)的實時性和信息利用率等。1 基本概念及融合原理1．1 多傳感器數(shù)據(jù)融合概念數(shù)據(jù)融合又稱作信息

3、融合或多傳感器數(shù)據(jù)融合，對數(shù)據(jù)融合還很難給出一個統(tǒng)一、全面的定義。隨著數(shù)據(jù)融合和計算機應用技術的發(fā)展，根據(jù)國內(nèi)外研究成果，多傳感器數(shù)據(jù)融合比較確切的定義可概括為：充分利用不同時間與空間的多傳感器數(shù)據(jù)資源，采用計算機技術對按時間序列獲得的多傳感器觀測數(shù)據(jù)，在一定準則下進行分析、綜合、支配和使用，獲得對被測對象的一致性解釋與描述，進而實現(xiàn)相應的決策和估計，使系統(tǒng)獲得比它的各組成部分更充分的信息。1．2 多傳感器數(shù)據(jù)融合原理大類，隨機類方法有

4、加權平均法、卡爾曼濾波法、多貝葉斯估計法、Dempster-Shafer （D-S）證據(jù)推理、產(chǎn)生式規(guī)則等；而人工智能類則有模糊邏輯理論、神經(jīng)網(wǎng)絡、粗集理論、專家系統(tǒng)等?？梢灶A見，神經(jīng)網(wǎng)絡和人工智能等新概念、新技術在多傳感器數(shù)據(jù)融合中將起到越來越重要的作用。2．1 隨機類方法2．1．1 加權平均法信號級融合方法最簡單、最直觀方法是加權平均法，該方法將一組傳感器提供的冗余信息進行加權平均，結果作為融合值，該方法是一種直接對數(shù)據(jù)源進行操作的

5、方法。2．1．2 卡爾曼濾波法卡爾曼濾波主要用于融合低層次實時動態(tài)多傳感器冗余數(shù)據(jù)。該方法用測量模型的統(tǒng)計特性遞推，決定統(tǒng)計意義下的最優(yōu)融合和數(shù)據(jù)估計。如果系統(tǒng)具有線性動力學模型，且系統(tǒng)與傳感器的誤差符合高斯白噪聲模型，則卡爾曼濾波將為融合數(shù)據(jù)提供唯一統(tǒng)計意義下的最優(yōu)估計?？柭鼮V波的遞推特性使系統(tǒng)處理不需要大量的數(shù)據(jù)存儲和計算。但是，采用單一的卡爾曼濾波器對多傳感器組合系統(tǒng)進行數(shù)據(jù)統(tǒng)計時，存在很多嚴重的問題，例如：（ 1）在組合信息大