【《多传感器信息融合基本理论基础概述》2500字】

多传感器信息融合基本理论基础概述目录TOC\o"1-3"\h\u5081多传感器信息融合基本理论基础概述 186181.1多传感器信息融合基本原理 1212091.2信息融合的信息类别 261091.3信息融合过程 2178671.4信息融合方法 31.1多传感器信息融合基本原理人们在认知一些列客观事物的一般过程实际上就是通过综合地利用例如视觉、听觉、触摸觉、嗅觉和味觉等多种感知学的感官对客观事物的特性进行不同方向的搜索与感知,然后提取出客观事物多方位的信息搜索,将不同的传感器收集到的不同维度信息,根据特有的规则对他进行融合与全方位分析,更方便从中获取相对准确的观察对象。多传感器信息融合的融入式示意图如下图所示。图2-1多传感器信息融合示意图1.2信息融合的信息类别信息数据融合处理的系统中的数据库主要涵盖了先验式的数据库、在人上输入的信息以反多个传感备心圳1日心等零部件构成,实际应用过程中,多个传感器检测所得到的信息将会被认定为是最关键的数据源。多传感器融合检测所得到的大量数据资料信息一般可划分为三类:1）冗余的资料。它不但包括多个传感器经过对同一个对象的各种特征进行检测所得到的数据信息,还包括着一个传感器在规定的时间内对同一个对象的不同特征进行多次得检测所得到的数据信息。2）互补资料。互补性信息是指由多个不同的传感器对待检测对象从不同的使用度对待检测产生的多维度数据。每一个维度的信息都是应该通过向符测量的目称呆一侧输入进行抽还,多维的信息被组合在一起便已经可以基本叙述出来。3）协同资料。他可以简单的分为两个方面,一种是传感器要经过相互获得特定的数据信息,而另一种就是通过同一时刻把多个传感器相互检测或者是相互合作起来去共同完成数据和信息的一种方式来进行数据获取。1.3信息融合过程信息融合过程通常分为以下五步.1）信号的集中采集。使用多个不同的传感器进行信号采集,这些信号不仅包含着电信号,也包含非电信号。2）a/d函数转换。简单来说就是电信号与非电信号之间的相互转换。3）信息预处理。对提取到的信息先进性整理化处理。4）进行特征提取。对所收集到的信息进行特征化处理。5）融合计算。根据实际情况确定使用不同的逻辑算法。图2-2信息融合过程1.4信息融合方法1）经典推理假设性的检验就是在我们已经具备了先验性知识的基础上,对如何分别接受两个假设ho和h做出了判断。融合判断的工作原理与之类似,先通过挖掘分析样本资料中数据的内部规律,制订得出了相应的法则,依据这些法则对传感器探测到的信息进行了判断。2）加权平均法加权平均融合算法既比较简便,又容易被人理解。此种算法的基本设计思想是将多个传感器检测得到的数据乘以它们之间对应的权值,然后对其进行累加求和,得到的这些求和结果即为判断的依据。由此该算法可以显示其中的计算误差大小,并且其实现方式很简便。不过,加权权值平均法的一些重要技术关键权值参数-即对权值的融合计算与权值分配及其权值调节都往往需要带有一定的权值主观性,所以这种权值融合计算方式的广泛应用实际效果普遍不理想,缺乏了实用性。加权平均融合算法的最大优势之处在于其实时性相对较高。3）贝叶斯推理thomasbayes1990年提出的贝叶斯推理融合算法被广泛认为已经是进行现代向量信息分析融合的最早期和经典推理算法之一,通常也被应用在各种静态计算环境下用来进行三维特征和深层向量信息的分析融合。贝叶斯推理的一个根本原理也就是:因为传感器检测得到的信息和数据之间存在着很大的差异和不确定性,我们通常都可以暂时地对被检测得到的信息和数据进行似然估计,在一个传感器不断地检测到的信息和数据在探测过程中,不断地会出现有新的数据被重复添加,这样就会使得我们能够通过利用一个新的检测得到的信息不断地对似然估计方式来实现更新,并按照一定规则最终作出了优化决策。贝叶斯推理算法所需要处理的都必须是独立事件,而且算法的实际运用都需要先验得到的概率,若未没有先验得到的知识,则会需要对其进行大量的数据统计,这个过程通常都需要花费大量的时间和精力来进行大量的随机统计和实验,这也正是贝叶斯推理技术的局限性之处。4）D-S证据理论d-s融合证据分析理论融合分析方法是它是一种在美国政府部门决策层信息管理中广泛地被使用的一种经典政府信息系统融合证据分析方法,它也被业界普遍认为为它是所有贝叶斯推理证据理论的一个拓展,突破了所有贝叶斯推理证据理论所有必需的证据前瞻性和先验概率。d-s理论证据模型理论非常地地具有它的开创性和它地首次明确提出了置信区间和不充分确定置信区间的结合概念,对于一个较为大概而已被充分确认的确定事件同样给与其具有相应的不可置信未知概率,对于一个较为未知的确定事件则也同样给与其具有相应的可置信的未知概率,理论证据模型已完全基本适应了目前现代科学人类证据思维的理论模式。该算法的具体流程是通过利用多台传感器检索和探测待检目标的特征和属性信息,并根据这些特征和属性信息建立起来构成各自相对应的证据(证据即是目标分辨率的支撑度),d-s证据理论正是按一定的原理和规则对这些证据进行了组合,并对其做出最后的判断。5）人工神经网络人工神经网络是近年来科学家们探索仍人汹仲红处出归他记元来从理信息,通新兴学科。神经网络是利用按照一疋规则相且走按个1P用江相和和非传性映射常由多层处理单元或节点构成。神经网络只有依独日水数左种合从理不宗整的能力,且实践表明三层bp神经网络都可以映射出仕息非线出内效。辽、策尖昇云安灯多不过是因为在或者带有噪声数据时,神经网络的特征和性能一般都要少于传统策尖昇云安灯r。小笼提出了实际的应用情况,并且在小笼提出了如何正确地使用网络模型、层次和节点之间的关系以及网络学习模型的设置。而且本文的第四章将会深入地研究了神经网络对于信息融合技术中的作用。6）卡尔曼滤波卡尔曼滤波通常被广泛地应用在一个进行信息融合的环境中并具有一定分代性的噪声估计,若一个信息融合的系统能够直接地建立一个引起线曼滤波的其中一个本质便是在最小均方误差准则下的最优线性估计,若一个信息融合的系统能够直接地建立一个引起线性模型,并且其误差必须能够符合高斯白噪声的特性,这时下小多德对当前的