基于神经网络的信息融合算法研究

《基于神经网络的信息融合算法研究》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、哈尔滨工业大学理学硕士学位论文第1章绪论1.1课题研究的目的和意义随着科学进步和军事发展要求，人们对多样大量信息的处理要求大大提高，比如军事上的火炮控制系统、石油地震勘探反射系数序列估计问题、海上[1]石油勘探、船舶动态定位系统、多传感器信息融合系统等。信息形式的多样性，信息数量的巨大性，信息关系的复杂性，以及要求信息处理的及时性，都已大大的超出了人脑的信息处理能力。本课题是多个交叉学科理论及其应用的研究，涉及到数学、计算机、通信、航空航天等专业。课题研究的主要内容分为两部分：神经网络和信息融合，这两种方法在理论研究和工程应用中都得到了广泛的重

2、视。神经网络是在许多学科的基础上发展起来的，它的研究的深入也必然会带动其它相关学的发展。神经生物学家也正期待着另一次理论上的飞跃，这将使他们能够解释己知的各种现象，并提出可由实验室验证的假说。虽然他们己经积累了大量关于大脑组成、大脑外形以及大脑基本要素等知识，但他们仍然解释不了有关大脑信息处理的一些实质性问题。而建立在认知过程信息处理的微[2]结构理论之上的神经网络作为人的认知过程的一种定量描述，则为神经科学家提供了一个独一无二的机会来发展和验证大脑的工作原理。神经网络理论的发展，可在神经科学中推动理论神经科学的发展，为计算神经科学提供必要的理

3、论和模型，同时也促进脑科学向定量、精确和理论化方向发展。以神经网络研究为开端，整个学术界对计算的概念和作用有了新的认识和提高。计算并不局限于数学中，并不仅仅采取逻辑的、离散的形式，而且大量的运算表现在对模糊的低精度的模拟量的并行计算。对于后一类计算，传统的计算机无法施展[3]其威力。神经网络的数学理论本质上是非线性的数学理论，因此，现代非线性科学方面的进展必将推动神经网络的研究，同时，神经网络理论也会对非线性科学提出新课题。神经网络研究的对象是神经系统，这是高度进化的复杂系统，也是系统科学中一个重要的具体领域。神经网络研究不仅重视系统的动态特性

4、，而且强调事件和信息在系统内部的表达和产生。在神经网络单向传播的多层前馈型网络中，BP网络（BackpropagationNetwork）有较好的泛化能力和学习能力，在工程中也得到了最广泛的应用，-1-哈尔滨工业大学理学硕士学位论文其不足在于BP神经网络易陷入局部极小点以及学习速度慢等。但目前的改进算法多集中于学习能力的提高，对泛化精度和存储空间地址映射的研究较少；以[4]模糊集理论为基础的信息融合技术在处理不确定性问题上有明显的优势，但在目标识别过程中隶属度函数的选择以及模糊规则的确定都需要大量信息的支[5]持；粒子滤波是一种基于递推Baye

5、s估计和蒙特卡罗模拟的滤波算法，由于其在非线性非高斯系统中体现的优良特性，在系统辨识、故障检测、过程监视、参数估计和定位跟踪等领域应用广泛，但它存在的计算量大，粒子退化现象，提议分布无法达到最优和估计发散等问题也需要进行进一步的研究；其它方法如粗糙集理论、关联聚类法，卡尔曼滤波等都有各自的优势和缺陷。3信息融合技术起源于美国军事系统CI中，经过多年的发展，现已成为与计算机技术、人工智能、概率统计、自动控制、信号处理、图像处理等多学科[6]密切相关的前沿技术领域。而用于目标识别的多源传感器信息融合主要涉及的方法有：人工神经网络、模糊逻辑、D-S（

6、Dempster-Shafer）证据理论、Bayes推理、支持向量机等。根据用于目标识别的信源层次的不同，也可以把基于信息融合的目标识别技术分为数据层目标识别、特征层目标识别和决策层目标识别。目标的跟踪则主要针对运动目标如船、飞行器等，主要使用雷达跟踪系统。目前采用的主要方法有扩展卡尔曼滤波(theExtendedKalmanFilter)，无偏一致可修正测量值卡尔曼滤波(theDebiasedConsistentConvertedMeasurementsKalmanFilter)，平淡卡尔曼滤波(theUnscentedKalmanFilte

7、r)、粒子滤波等。自从1973年美国开展信息融合理论研究以来，信息融合理论和工程应用的研究在世界各国蓬勃发展，并逐步形成独立的学科领域，取得了大量的理论和应用成果，在目标识别与定位跟踪方面，形成了以模糊集理论、人工神经网络、D-S证据理论、递推Bayes估计理论等为框架的多种识别与跟踪方法，并开发了一系列的综合目标识别跟踪系统，如美国的“协同作战能力系统”、英国[7]的“飞机敌我识别系统”等。而我国的信息融合研究开始于80年代，目前多集中于理论研究阶段，工程应用则主要集中于目标识别、定位跟踪等领域，而且尚处于起步发展阶段，仍有很多问题亟待解决。

8、目前国内已发表的目标识别与跟踪的文献中，以单传感器获得的单一信息为识别的数据基础的文献居多，单源信息存在较大的不稳定性和单一性，导致了目标的识别率较低