信息融合技术.ppt

信息融合技术概述了信息融合的分类和结构信息融合的一般方法信息融合的实例，第一节概述了融合(fusion )的概念在70年代初期，当时称为多源相关、多源合成、多传感器混合或数据融合(DataFusion )，现在称为信息融合(InformationFusion ) 融合是收集和整合各种信息来源、多媒体和多格式信息，创建完整、准确、及时、有效的综合信息过程。 数据融合技术将多个传感器的数据以及有关辅助数据库的信息相组合，以获得比单个传感器更准确和更清楚的推论结果。 信息融合是综合处理和优化多种信息检索、显示及其内在联系的技术。 传感器信息融合技术从多信息的角度进行处理和集成，得到各种信息的内在联系和规律，消除不必要的信息和错误的信息，保留正确的成分和有用的成分，最终实现信息的优化。 另一方面，概念、定义：合成综合处理后的多传感器信息，形成表现外部环境、被测定对象的某一特征的方式。 虽然单个传感器仅能够获得环境或被测量对象的一部分信息段，但是在多传感器信息融合之后，可以完全且正确地反映环境的特征。 为智能信息处理技术的研究提供了新的观念。 融合的多传感器信息具有信息冗馀、互补性、协调性、实时性、低成本性等特征。 多传感器信息的融合与典型的信号处理方法之间存在本质的差异，其重要的一点是，信息融合被处理的多传感器信息具有更加复杂的形式，且在不同的信息级别处出现。 二、国外信息融合技术的发展，美国国防部三军实验室董事联合会(JDL )的信息融合技术的定义，信息融合将从单一和多个信息源获取的数据与信息相关联、相关联、整合，获得正确的位置和身份估计， 全面、及时地评估情况、威胁和重要性的信息处理过程，是一个评估、评估和评估附加信息源需求的持续精简过程，同时是一个信息处理过程不断自我纠正的过程，能够取得更好的结果。 此后，JDL修改了这一定义：信息融合包括通过对单个传感器和多个传感器的信息和数据进行多阶段、多方面的处理，自动检测、关联、相关、估计和组合。 信息融合技术自1973年首次提出以来，经历了20世纪80年代初、90年代初和90年代末三次研究热潮。 各领域的研究人员开展了信息融合技术在研究领域的应用研究，取得了许多研究成果，总结了有效的工程实现方法。 美国在该技术的研究方面一直处于世界领先地位，1973年，美国国防部在支持开发的声纳信号理解系统中首次提出了数据融合技术，1988年，美国国防部将数据融合技术列为90年代重点研究开发的重要技术之一。 据统计，1991年美国有54个数据融合系统被引进军用电子系统，其中87%已经应用于试验机、实验床或试验床。 现在进入实用阶段。 应用人工智能技术(专家系统、神经网络等)解决目标识别、战场状况的关联与估计，正处于应用试验阶段，信息融合模拟、测试与评价技术正在向适应联合作战需求的方向发展，性能评价正处于建模阶段。 上述技术形成的信息融合产品已经装备在一些战术、战略系统中。 例如，“全球网络中心监测与目标”系统是美国空军的新型信息融合处理系统，该系统对信息源几乎没有限制，在无人机(UAV )、E-8C、RC-135等平台上的光电、合成孔径雷达、信号信息侦察装置等各种传感器的附近英国BAE系统公司也开发了被称为“分布式数据融合”的信息融合新技术。 该技术的独特特点是采用分布式数据整合技术，传统数据整合是集中的，即，所有信息都集成到一个中心节点中。 因此，如果中心节点受到攻击，整个系统将被破坏。 采用DDF技术的系统不存在这样的问题。 因为整合和融合是在网络上的任何节点上进行的。 当一个节点脱离网络时，其他部分继续工作，共享、整合和融合信息。 BAE系统公司将地面和空中分散的传感器网络相互连接，验证了其信息融合的技术。 传感器网络的所有数据实时集成到单个作战空间地图中。 该公司在实验中，成功实现了包括2架自主式UAV、1架战场监视雷达、1架武器定位雷达、2名持有电子双目望远镜和掌上电脑的士兵和2名乘吉普车在实验场行动的士兵在内的8个节点之间的网络相互连接。 可以动态重新定位整个网络。 武器定位雷达检测到敌人“炮火发射”后，自主UAV立即获取相关信息，能够迅速向相关地区调查的战场侦察雷达能够跟踪地面机动目标，即使其目标离开视线， 若某个UAV能够对目标保持“虚拟跟踪”或“虚拟警戒”，其雷达越过不同的传感器，则将该传感器导入该网络，使单个状况图中的信息更加完整且准确。 三、信息融合的关键技术、数据融合是一个多层次、多方位的过程，需要检测、相关、整合多种源数据，进行更准确的态势评价。 数据(或信息)集成系统的基本目标是将传感器获得的数据(例如，信号、图像、数量、向量信息等)、人的输入信息和现有原始信息转换成关于状态和威胁的知识。 多传感器数据融合利用诸如信号处理技术、图像处理技术、模式识别技术、估计技术和自动推理技术等许多技术来提高状态识别能力。 该技术广泛应用于自动目标识别、敌/我/中立方识别(IFFN )处理及自动状态评估等应用领域的相关关键技术是多目标跟踪的信息融合技术多假设跟踪和相关技术随机数据相关不稳定波(PDAF ) 技术交互式复合建模技术目标机动信息处理技术(自适应噪声模型等)非线性滤波技术融合结构技术(集中结构和分散结构)类似传感器融合技术(结构、算法和方法)不类似的传感器融合技术传感器融合技术(包括各种类型的定位课题及其解决技术) 特征融合技术(识别分类证明估计专家系统神经网络模糊逻辑基础网络等)，四是意义和应用，信息融合技术的实现和发展以信息电子学的原理方法技术为依据。 信息融合系统必须使用声音、光、电、运动、视觉、触觉、力觉、语言文字等各种传感器来收集各种信息。 信息融合技术中的分布式信息处理结构通过无线网络、有线网络、智能网络、宽带智能综合数字网络等对信息进行聚合并传递到融合中心进行融合。 除了自然(物理)信息外，信息融合技术还融合了社会类信息，涉及以语言文字为首的大型汉语数据库、语言知识获取理论和方法、机器翻译、自然语言解释和处理技术等，信息融合采用分形、混沌、模糊推理、人工神经网络等数学和物理理理论和方法。 其发展方向是综合关联非线性复杂环境因素不同性质的信息，从不同角度观察和探测世界。1、信息电子领域2、计算机科学领域、计算机科学领域目前正在开展并行数据库、主动数据库、多数据库的研究。 由于信息融合要求系统能够适应变化的外部世界，产生了空间、时间数据库的概念，为数据融合提供了保障。 不同于空间的数据类型来自不同的空间位置，时间意味着数据库可以随着时间的变化适应客观环境的变化。 信息融合处理过程需要有适当的数据库原理和结构来融合随时间、空间变化的数据。 在信息融合思想下，提出的空间、时间数据库是计算机科学的重要研究方向。 3、在自动化领域，信息融合技术采用模糊控制、智能控制、演化计算等系统理论，结合生物、经济、社会、军事等领域的知识进行定性定量分析。 根据人脑的功能和原理，进行视觉、听觉、触觉、力觉、感知、注意、记忆、学习等更高级的认识过程，融合空间、时间信息，自动解释数据和信息，判断环境和态势。 现在的控制技术已经从程序控制进入了基于信息融合的智能控制。 智能控制系统不仅应用于军事，还应用于工厂企业的生产过程控制和生产供应管理、城市建设规划、道路交通管理、商业管理、金融管理和预测、地质矿产资源管理、环境监测和保护、粮食作物生长监测、灾害性天气预报和防治等宏观、微观和社会相关行业。 三、增强优势、系统生存能力，拓宽空间垄断范围，提高可靠性，改善信息模糊，提高探测性能，提高空间分辨率，增加测量空间维数，第二节信息融合的分类与结构，1、 组合：以平行或互补的方式组合多个传感器以获得多组数据输出的一种处理方法是最基本的方式，有关的问题是输出方式的协调、综合以及传感器的选择。 在硬件级别应用。 2、综合：在信息优化处理中获得明确信息的有效方法。 例如：在虚拟现实技术中，使用两个分别设置的相机，同时拍摄一个物体不同侧面的两个图像，通过将这两个图像合并，可以恢复正确且立体感的物体的图像。 3 .融合：在传感器数据组之间进行相关，或者将传感器数据与系统内部的知识模型相关，就会产生新的信息公式。 4、相关：处理传感器信息可以得到一些结果，不仅需要个别的信息处理，而且需要通过相关处理，知道传感器数据组之间的关系，得到正确的信息，去除无用和错误的信息。 相关处理目的：综合优化识别、预测、学习、记忆等过程信息。 一、信息融合分类、五、信息融合研究内容的广泛性和多样性，使得目前对融合过程的分类不统一。 (1)按照信息表现层次的分类系统的信息融合，对于信息表现层次，分为数据层融合、特征层融合、决策层融合3种。 数据层融合常用于多源图像的复合、图像分割和理解等方面，采用经典的检测和估计方法。 特征层融合可分为两类：一种是目标状态信息融合，目标跟踪区域的粗略方法可修正为多传感器目标跟踪方法，另一种是目标特性的融合，其本质上是模式识别问题，具体融合方法仍然是模式识别的相应技术。 决策层融合是指不同类型的传感器观测到相同的目标，各传感器在当地完成处理，从而对观测到的目标(包括顶层处理、特征提取、识别或判决)建立初步结论。 然后，通过相关处理、决策层接触判决，最终得到联合推定结果。图1的信息融合层次，(2)JDL模型(JointDirectorsofLaboratories，JDL )和-JDL模型将融合过程分为四个阶段：源处理、第一层处理(目标提取)、第二层处理(态势提取)、第三层提取(威胁提取)和第四层提取(过程提取) 模型中的每个模块都可以进一步分层和以不同的方式实现。 -JDL模型是JDL模型的简化，在1层、4层融人的其他各层中包含了0层。 (3)通过数据流的聚合位置来分类图2的jdl模型图3-JDL模型，多传感器聚合系统的一个重要问题是在何处聚合数据流。 根据融合位置，融合结构可以分为三种类型：集中融合、分布式多传感器融合和无中心融合。 为特定的信息融合应用找不到最佳融合结构，结构的选择要综合考虑计算资源、可用通信带宽、精度要求、传感器能力等。 此外，之所以广泛研究多传感器信息的融合，是因为与单一传感器信息的利用相比，(1)具有容错性。 即使单个传感器发生误差或故障，系统也能正常工作。 (二)补充性。 由于各传感器不仅反映对象的共性，还反映各传感器自身的特性，所以可以利用信息融合实现不同传感器之间的信息补充，提高信息利用率，减少系统识别的不正确性。 (3)实时性。 用更少的时间就能获得更多的信息。 大幅提高系统的识别效率。 另外，信息融合的结构、信息融合的结构分为串联和并联两种，Sn、S2、S1、Y1、Y2、Yn、C1、C2、Cn、y、s、C1、C2、Cn、(a )串联、(b )并联、C1、C2、Cn为n个传感器S1、S2、Sn各自的传感器、三、信息融合系统的结构例子、雷达测量的信息融合结构-、外部逻辑、传感器信号、传感器信号、事前信息、修正信息、事前信息、修正信息、传感器故障检测系统、第三节信息融合的一般方法、从多个传感器得到的客观环境(即被测量对象) 的多组数据是具有客观环境按照地图关系形成的像，信息融合是通过像来解原图像，即了解客观环境。 用数学语言描述，所有传感器的所有信息都只能描述环境的某个方面的特征，但是由于这些特征的环境很多，为了使一组数据与唯一的环境相对应(即为了使上述映射成为一对一映射)，需要约束映射的原始图像和映射本身，这是唯一存在问题的嵌入约束法的最基本方法是Bayes估计和卡尔曼滤波、嵌入约束法、证据组合法、人工神经网络法、一种嵌入约束法、一种Bayes估计是在静态环境下融合多传感器低层数据的常用方法。 该信息被描述为概率分布，并且适用于可添加高斯噪声的不确定性信息。 如果与完成任务所需的环境相关联的特征物用向量f表示，并且由传感器获得的数据信息用向量d表示，则d和f都能够看作随机向量。 信息融合的任务是从数据d得出环境f进行推测。 设p(f，d )为随机向量f和d的联立概率分布密度函数，则p(f|d )为已知的d的条件，f为与d有关的条件概率密度函数p(f|d )为已知的f的条件，d为与f有关的条件概率密度函数p(d )和p(f )分别表示d和f的边缘分布密度函数，在d为已知的情况下，推定f 另外，信息融合是根据数据信息d求出环境f的推定，即p(f|d )。 根据Bayes的公式，只要知道p(f|d )和p(f )即可。 由于p(d )可被认为是以p(f|d)p(f )为概率密度函数的归一化常数，因此p(d|f )是在已知客观环境变量f的情况下由传感器获得的与d的f有关的条件密度。如果环境和传感器性能是已知的，则p(f|d )完全由确定环境和传感器原理的物理规律确定。 由于p(f )是通过先验知识的获得和累积而渐近且准确地获得的，因此p(f )一般具有较好的近似描述。 在嵌入约束法中，反映