信息融合技术.ppt

1、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。第一节总结了融合的概念始于20世纪70年代初，当时称为多源相关、多源合成、多传感器混合或数据融合，现在称为信息融合或数据融合。融合是指收集和整合各种信息源、多媒体和多格式信息，生成完整、准确、及时、有效的综合信息的过程。数据融合技术将多传感器数据和辅助数据库的相关信息相结合，获得比单传感器更准确、更清晰的推理结果。信息融合是综合处理和优化各种信息的获取、表示和内部关系的技术。传感器信息融合技术从多信息的角度处理和综合各种信息，从而剔除无用和错误的信息，保留正确和有用的成分，最终实现信息优化。1.概念、定义：综合多传感器信息，经过综合处理

2、，形成外部环境或被测对象的某一特征的表达。单个传感器只能获取环境或被测对象的部分信息片段，而多传感器信息融合后能够完美、准确地反映环境特征。这也为智能信息处理技术的研究提供了一个新概念。融合的多传感器信息具有冗余性、互补性、协同性、实时性和低成本的特点。多传感器信息融合与经典的信号处理方法有着本质的区别，其关键在于信息融合处理的多传感器信息形式更加复杂，可以出现在不同的信息层次。第二，信息融合技术在国外的发展，美国国防部三军实验室(JDL)主任联席会议对信息融合技术的定义是：信息融合是一个信息处理过程，它将从单个和多个信息源获得的数据和信息进行关联、关联和综合，以获得准确的位置和身份估计，并全

3、面、及时地评估形势、威胁及其重要性；这一过程是对附加信息源的估计、评价和需求评价的持续细化过程，也是信息处理过程中不断自我修正以提高结果的过程。后来，JDL将定义修改为：信息融合是指对单个或多个传感器的信息和数据进行多层次、多方面的处理，包括自动检测、关联、相关、估计和组合。自1973年信息融合技术首次提出以来，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。各个领域的研究人员研究了信息融合技术在各自研究领域的应用，取得了大量的研究成果，并总结了有效的工程实现方法。1973年，数据融合技术首次在美国国防部资助的声纳信号理解系统中提出。1988年，美国国防部将数据融合技术列为20世

4、纪90年代的20项关键技术之一。据统计，1991年，美国有54个数据融合系统被引入军用电子系统，其中87%有测试原型和测试床或已经应用。目前，它已经进入实用阶段。人工智能技术的应用(专家系统、神经网络等。)为解决目标识别，战场态势相关和估计正处于应用测试阶段；目前，信息融合仿真测试、测试和评估技术正朝着满足联合作战需求的方向发展，效能评估正处于建模阶段。由上述技术形成的信息融合产品已经装备在一些战术和战略系统中。例如，全球网络中心监视和瞄准(GNCST)系统是美国空军的一种新的情报信息融合处理系统，它对信息源几乎没有任何限制。它可以接收来自各种传感器的近实时信息，如光电、合成孔径雷达和无人机、

5、E-8C、RC-135平台上的信号情报侦察设备，将它们消化成有用的信息英国宇航系统公司还开发了一种新的信息融合技术，称为分散数据融合(DDF)。这种技术的独特之处在于它采用了分布式数据融合技术，而传统的数据融合是集中式的，即所有信息都在一个中心节点上集成和融合。这样，一旦中央节点受到攻击，整个系统将被摧毁。然而，在使用DDF技术的系统中不存在这样的问题，因为集成和收敛是在网络中的任何节点上进行的。如果一个节点离开网络，其他部分将继续工作并共享、合成和融合信息。英国宇航系统公司已经成功地验证了地面和空中分散传感器网络的互联技术，并融合了它们的信息。传感器网络中的所有数据被实时集成并融合到一个单一

6、的战场态势图中。在实验中，该公司成功地将8个节点联网和互连，包括2架自主无人机、1架战场监视雷达、1架武器定位雷达、2名配备电子双筒望远镜和掌上电脑的士兵，以及2名乘坐吉普车在试验场机动的士兵。整个网络可以动态重组。一旦武器定位雷达探测到敌方火炮开火，自主无人机可以立即获取相关信息，并迅速飞到相关区域进行调查；战场侦察雷达能跟踪地面机动目标，即使目标离开视线，雷达仍能对目标保持虚拟跟踪或虚拟警戒；一旦无人机飞过不同的传感器，它会将传感器引入网络，从而使单一态势图中的信息更加完整和准确。第三，信息融合的关键技术，数据融合是一个多层次、多方向的处理过程，它需要检测、关联和综合来自各种来源的数据，以

7、便更准确地进行态势评估。数据(或信息)融合系统的基本目标是对传感器获得的数据(如信号、图像、数量和矢量信息等)进行转换。)，人类将信息和现有的原始信息输入到关于某个状态和威胁的知识中。多传感器数据融合通过信号处理技术、图像处理技术、模式识别技术、估计技术和自动推理技术来提高状态感知能力。该技术广泛应用于自动目标识别、IFFN处理、自动状态评估等应用领域。相关关键技术有：多目标跟踪的信息融合技术、多假设跟踪及相关技术、随机数据相关滤波(PDAF)、交互式复合建模(IMM)、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(集中式结构和分布式结构)、相似传感器融合技术(结

8、构、算法和方法)不同传感器融合技术传感器对准技术(包括各种类型的对准问题及其解决方案)特征融合技术(识别/分类、证明计算、专家系统、神经网络、模糊逻辑、Bess网络等。)，四。意义和应用。信息融合技术的实现和发展是以信息电子学的原理、方法和技术为基础的。信息融合系统应该使用各种传感器来收集各种信息，包括声音、光、电、运动、视觉、触觉、力和语言。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方式收集信息。并将其传输到融合中心进行融合。除自然(物理)信息外，信息融合技术还集成了以语言为代表的社会信息，涉及大规模中文数据库、语言知识获取的理论和方法、机器翻

9、译、自然语言解释和处理技术等。信息融合采用了分形、混沌、模糊推理和人工神经网络等数学和物理理论和方法。其发展方向是综合和关联非线性和复杂环境因素的不同性质的信息，从不同角度观察和检测世界。1.在信息电子领域，2。在计算机科学领域，目前正在研究并行数据库、主动数据库和多数据库。信息融合要求系统能够适应不断变化的外部世界。因此，时空数据库的概念应运而生，为数据融合提供了保障。空间意味着不同种类的数据来自不同的空间位置，时间意味着数据库能够适应客观环境随着时间的变化而发生的相应变化。信息融合过程需要相应的数据库原理和结构，以便融合随时间和空间变化的数据。在信息融合的思想下，时空数据库是计算机科学的一

10、个重要研究方向。3.在自动化领域，信息融合技术以各种控制理论为基础，采用模糊控制、智能控制、进化计算等系统理论，结合生物、经济、社会和军事知识进行定性和定量分析。根据人脑的功能和原理，进行视觉、听觉、触觉、力、知觉、注意力、记忆、学习和高级认知过程，融合时空信息，自动解释数据和信息，判断环境和情况。目前，控制技术已经从程序控制转变为基于信息融合的智能控制。智能控制系统不仅应用于军事，还应用于涉及宏观、微观和社会的各个行业，如生产过程控制、生产、供销管理、城市建设规划、道路交通管理、企业管理、财务管理和预测、地质矿产管理、环境监测和保护、粮食作物生长监测、灾害天气预报和预防等。优点：提高了系统的

11、生存性，扩大了空间覆盖范围，提高了可靠性，减少了信息的模糊性，提高了检测性能，提高了空间分辨率，增加了测量空间的维数。第二节信息融合的分类和结构，1。组合：将多个传感器组合成并行或互补的方式以获得多组数据输出的处理方法是一种基本方式，所涉及的问题是输出模式的协调和综合以及传感器的选择。它应用于硬件级别。2.综合：在信息优化处理中获得清晰信息的有效方法。例如，在虚拟现实技术中，使用两个独立的相机来同时捕捉对象的不同侧面的两个图像，并且具有立体印象的对象的精确图像可以通过合成这两个图像来恢复。3.融合：当传感器数据集相关或传感器数据与系统内部的知识模型相关时，产生新的信息表达。4.相关性：通过处理

12、传感器信息获得某些结果不仅需要单一的信息处理，还需要相关性来学习传感器数据组之间的关系，从而获得正确的信息并消除无用和错误的信息。相关处理的目的是综合和优化识别、预测、学习和记忆的信息。(1)信息融合的分类；(5)由于信息融合的研究内容广泛多样，目前还没有统一的融合过程分类。(1)分类系统的信息融合按信息表示层次可分为三类：数据层融合、特征层融合和决策层融合。多源图像合成、图像折叠和理解通常采用数据层融合，并采用经典的检测和估计方法。特征层融合可分为两类：一类是目标状态信息融合，目标跟踪领域的一般方法可修改为多传感器目标跟踪方法；二是目标特征融合，本质上是一个模式识别问题。具体的融合方法仍然是

13、相应的模式识别技术。决策级融合是指不同类型的传感器观测同一目标，每个传感器局部完成处理，包括顶层处理、特征提取、识别或判断，从而对观测目标建立初步结论。然后，通过关联处理和决策层润色决策，最终得到联合推理结果。图1信息融合层次结构、(2)JDL模型(JDL实验室联合主任)和-JDL模型该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(情况提取)、第三层提取(威胁提取)和第四层提取(过程提取)。模型中的每一个模块都可以进一步分层，并且可以用不同的方法来实现。-JDL模型是JDL模型的简化，包括第0层到第1层和第4层到其他层。图2 JDL模型图3 -JDL模型、(3)根据数

14、据流融合的位置进行分类，多传感器融合系统中的一个关键问题是在哪里融合数据流。根据融合位置的不同，融合结构可分为三类：集中式融合、分布式多传感器融合和分散式融合结构。对于特定的信息融合应用，不可能找到最优的融合结构，结构的选择必须考虑计算资源、可用通信带宽、精度要求、传感器能力等。多传感器信息融合因其与单传感器信息利用相比具有以下特点而被广泛研究：(1)容错性。在单个传感器出现错误或故障的情况下，系统仍能正常可靠地工作。(2)互补性。每个传感器不仅提供物体的共同反射，还提供与每个传感器相关的特征反射。因此，信息融合可以实现不同传感器之间的信息互补，从而提高信息的利用率，降低系统认知的不准确性。(

15、3)实时性。你可以在更短的时间内获得更多的信息。系统的识别效率大大提高。第二，信息融合的结构，信息融合的结构可以分为串联和并联、Sn、S2、S1、y1、y2、yn、C1、C2、Cn、Y、S、C1、信息融合系统结构的例子，雷达测量的信息融合结构，传感器信号，传感器信号，先验信息，校正信息，先验信息，校正信息，传感器故障检测系统，第三节信息融合的一般方法，由各种传感器获得的多组客观环境(即被测对象)的数据都是按照一定的映射关系的客观环境。用数学语言描述的，所有传感器的所有信息只能描述环境的某些方面的特征，但有许多环境具有这些特征。为了使一组数据对应于一个独特的环境(也就是说，上面的映射是一对一的映

16、射)，有必要对映射的原始图像和映射本身添加约束，以便问题能够有一个独特的解决方案。嵌入式约束方法最基本的方法有：贝叶斯估计和卡尔曼滤波，嵌入式约束方法，证据组合方法，人工神经网络方法，1。嵌入式约束方法，1。贝叶斯估计是静态环境下融合多传感器低层数据的常用方法。其信息描述为概率分布，适用于加性高斯噪声的不确定信息。假设完成任务所需的环境特征用矢量F表示，传感器获得的数据信息用矢量D表示，两者都可以视为随机矢量。信息融合的任务是从数据d中推导和估计环境f，假设p(f，d)是随机向量f和d的联合概率分布密度函数，p(f|d)表示当d已知时，f的条件概率密度函数p(f|d)分别表示d和f的边缘分布密度函数。根据贝叶斯公式，我们只需要知道p(f|d)和p(f)。P(d)可视为一个归一化常数，它使p(f|d)p(f)成为一个概率密度函数，p(d|f)是当客观环境变量f已知时，传感器获得的d关于f的条件密度。当环境条件和传感器性能已知时，p(f|d)完全由决定环境和传感器原理的物理定律决定。然而，p(f)可以通过先验知识的获取和积累逐渐地、渐进地和精确地获得，因此总是有可能给出p(