每章重点、难点剖析CH17　多传感器数据融合.doc

《每章重点、难点剖析CH17　多传感器数据融合.doc》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、第17章　多传感器数据融合（知识点）知识点1　概述多传感器数据融合是对来自于不同传感器的信息进行分析和综合，以产生对被测对象统一的最佳估计。其研究目标是从工程上实现多个传感器信息处理的全过程。高度集成、高度融合、高度智能将成为数据融合系统未来发展的主线。17.1.2数据融合的目的数据融合的目的是通过数据组合而不是出现在输入信息中的任何个别元素，推导出更多的信息，得到最佳协同作用的结果，即利用多个传感器共同或联合操作的优势，提高传感器系统的有效性，消除单个或少量传感器的局限性。数据融合的最终目的是构造高性能

2、智能化系统。17.1.3数据融合的定义　一般可将数据融合定义为：充分利用不同时间与空间的多传感器信息资源，采用计算机技术对按时序获得的多传感器观测信息在一定准则下加以自动分析、综合、支配和使用，获得对被测对象的一致性解释与描述，以完成所需的决策和估计任务，使系统获得比它的各组成部分更优越的性能。即“融合”是将来自多传感器或多源的信息和数据模仿专家的综合信息处理能力进行智能化处理，从而得出更为准确可信的结论。17.1.4数据融合的特性(1)数据融合的时、空特性(2)数据融合的系统性16.1.5数据融合的优点

3、研究与实践结果表明，多传感器集成和数据融合的主要优点可归纳为：·准确性和全面性。·冗余性和容错性。·互补性。·可靠性。·实时性和经济性。知识点2　数据融合的基本原理多传感器数据融合的基本原理就像人脑综合处理信息一样，充分利用多个传感器资源，通过对多传感器及其观测信息的合理支配和使用，把多传感器在空间或时间上可冗余或互补信息依据某种准则进行组合，以获得被测对象的一致性解释或描述，使该信息系统由此获得比它的各组成部分的子集所构成的系统更优越的性能。17.2.1数据融合的层次　　　多传感器数据融合实际上是传感器

4、信息处理的一种方法，而信息的融合可以在传感器信息处理的不同层次上进行。按照在处理层次中的信息抽象程度不同，可以把融合层次大致分为三层：（1）原始层（或数据层）。（2）特征层。（3）决策层。该层典型的融合技术主要有经典推理理论、Bayes推理方法、Dempster-Shafer证据理论、加权决策方法（投票法）等。表17.1给出了各融合层次的性能比较。表17.1融合层次性能比较比较的项目原始层特征层决策层信息量最大中等最小信息损失最小中等最大容错性最差中等最好抗干扰性最差中等最好对传感器依赖性最大中等最小融合

5、方法最难中等最易预处理最小中等最大分类性质最好中等最差系统开放性最差中等最好17.2.3数据融合模型(1)功能模型功能模型是适用于任何融合系统的一组功能定义。数据融合系统的功能主要有特征提取、分类、识别、参数估计和决策，其中特征提取和分类是基础，实际的融合在识别和参数估计阶段完成。数据融合过程可分为两个步骤，与不同的信息抽象层次相对应：第一步是低层处理，包括像素级融合和特征级融合，输出的是状态、特征和属性等；第二步是高层处理，即决策级融合，输出的是抽象结果，如目的等。(2)结构形式多传感器数据融合的结构可

6、分为三种情形：并联融合、串联融合和混合融合。知识点3　数据融合的方法目前，数据融合的常用方法基本上可概括为随机和人工智能两大类。17.3.1随机类方法（1）加权平均法（2）Bayes概率推理法（3）Dempster-Shafer证据推理（4）卡尔曼滤波（5）产生式规则17.3.2人工智能类方法（1）模糊逻辑推理（2）神经网络方法（3）智能融合方法知识点4　数据融合系统的应用数据融合作为消除系统不确定因素、提供准确观测结果与新的观测信息的智能化处理技术，可以作为智能检测系统、智能控制系统和军事控制系统的一个

7、基本信息处理单元，因此数据融合可直接用于检测、控制、态势评估和决策过程。数据融合可应用于以下领域：（1）智能检测系统（2）过程或状态监视（3）机器人（4）空中交通管制　（5）军事应用