基于D-S证据理论的多传感器信息融合技术实现-毕业论文.doc

《基于D-S证据理论的多传感器信息融合技术实现-毕业论文.doc》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第13页共13页基于D-S证据理论的多传感器信息融合技术实现基于D-S证据理论的多传感器信息融合技术实现摘要：D-S证据理论融合方法广泛应用于自动识别、机器人、工业过程控制、模式识别等领域。在对原始观测数据分析处理基础上，本文基于D-S证据理论将多个传感器提供的信息进行数据融合并实现目标信号的决策，并详细说明了D-S证据理论融合的组合规则、冲突消除策略。最后，基于D-S证据理论对多传感器信号进行加权融合并通过正弦信号进行实验仿真。仿真结果说明，基于D-S证据理论对量测数据进行处理，能够在高斯白噪声的环境下对系统状态进行实时估计，并具有良好的抗干扰能力和较好的系统精确性。关键词：信息融合

2、，多传感器，融合方法，D-S证据理论1引言一个智能化的控制和检测系统想要获得有关周围环境的认识，优化已有的认识，必须应用到传感器技术。因此，传感器是智能系统感知外部世界信息的“器官”。具有数据融合能力的智能系统实质上就模仿人类对信息的高智能化处理。与单传感器信号处理相比，多传感器信息融合可以更大程度地获取被测环境和目标的信息量。所谓的信息融合就是将来自多个传感器获取的信息进行综合处理，从而得出更加精确、可靠的结论，这里的传感器是指各种数据获取系统和相关数据等。信息融合的也称为数据融合，但用信息融合更确切、更具概括性。一般人们认为，信息不仅包括了数据还包括了知识。信息融合的目的是通过数据

3、组合推导出更多的信息，得到最佳协同作用的结果，即利用多个传感器的联合操作，提高传感器系统的有效性，消除少量传感器的局限性。本文通过D-S证据理论实现多传感器的信息融合并构造高性能智能化系统。2物理模型应用多传感器对目标信号进行测量，最后进行数据融合技术得到目标信号的较精确参数。其算法流程图如图1所示：第13页共13页基于D-S证据理论的多传感器信息融合技术实现图1多传感器信息融合物理模型每个传感器对目标都有一个测量，假设有个传感器，则其用个测量。经过D-S证据决策之后，得到一个最精确、最合理的参数。3数学建模3.1信息融合技术的基本原理3.1.1信息融合基本过程信息融合是采用多传感器系

4、统模仿人类自身信息处理过程，对复杂信息进行综合处理需求的结果。如图1：图2信息融合基本过程3.1.2信息融合的基本原理多传感器信息融合就是对人类大脑对信息处理的一种高水平的模仿。其融合原理为：（1）个类型不同的传感器获取被观测目标的数据；第13页共13页基于D-S证据理论的多传感器信息融合技术实现（2）通过特征提取对传感器获取的数据进行变换，变换后得到表观测量数据的特征矢量；（3）对特征矢量进行模式识别处理，得到各个传感器关于目标的说明数据；（4）通过是否为同一目标的检测将各传感器关于目标的说明数据进行分组，即关联；（5）利用融合算法对目标和传感器数据进行合成，得到该目标的一致性描述和

5、解释。3.1.3多传感器信息融合的优越性（1）准确性和全面性。与使用一种传感器相比，多传感器信息融合处理后可以获得有关周围环境的更准确、更全面的信息。（2）冗余性和容错性。一组相似的传感器采集的信息存在冗余性，而这种冗余信息的适当融合可以在整体上降低信息的不准确性；在单个传感器出现误差和失效的情况下，系统仍能正常工作。（3）互补性。不同类型的传感器采集的信息具有明显的互补性，某些传感器提供密集的信息，另一些传感器给出的是稀疏信息。这种互补性经过适当处理后，可以补偿单一传感器的不准确性和测量范围的局限性。（4）可靠性。多传感器可增加系统的可靠性，某个或某几个传感器失效，系统仍能正常运行。

6、（5）实时性和经济性。与使用单个传感器相比，多传感器信息信息融合技术可以更迅速、更经济地获取有关环境的多种信息。3.2多传感器的信息融合的功能模型从信息融合的功能角度，可将信息融合的过程分为状态级融合、检测级融合、属性级融合、威胁估计和势态评估等5级。（1）检测级融合。检测级融合的主要功能为有无判断目标。主要取决于传感器的布置，有串行拓扑、并行拓扑和树形拓扑等三种拓扑结构。（2）特征级融合。特征级融合的主要功能为目标状态的估计，分为分散式、分级式和集中式等结构。（3）像素级融合。像素级融合的目的是目标身份的确定，分为特征层融合、数据层融合和决策层融合。表1三种融合层次的比较融合层次信息

7、丢失实时性精度容错性抗干扰力计算量融合水平像素级小差高差差大低第13页共13页基于D-S证据理论的多传感器信息融合技术实现特征级中中中中中中中检测级大好低优优小高4D-S证据理论证据理论是由Dempster于1967年提出的，后由Shafer加以扩充和发展，所以证据理论又称为D-S证据理论。它是在信息融合过程中处理不确定性问题的一种有效方法，特别适合多传感器智能系统的数据融合问题，现已成为信息融合的理论基础。4.1D-S算法基本理论4.1.1证