北航多源信息融合2015课件1信息融合概述.ppt

1、发表内容和教育订画，信息融合概要(2画格)多源检查融合原理(4画格)不确定推论(6画格)分散检查和融合(4画格)集中检查和融合(4画格)多传感器目标认识和融合模型(4画格)应用例(4画格)复习(。 包括进行多源数据的检测、相关、组合、估计，提高状态和身份识别估计的精度，及时完整地做评估战场状况和威胁的重要性水平。 美国三军组织实验室理事联合会(JDL )定义了一个信息处理过程，利用计算机技术，对不同传感器按时间顺序得到的观测信息，按照一定的标准进行自动分析、优化和整合，完成必要任务(目的)的估计和决定。一般定义：2、1.4信息融合分类、假设检验型、过滤烟嘴跟踪型、自动智能、融合技术分类、模式识

2、别型、聚类分析型、专家系统；基于人工神经网络的生物基、3、硬判决、软判决、软判决信息融合结构模型、检测融合、估计融合、融合目的、属性融合、 1.4信息融合分类，5，增加系统生存能力扩展空间和时间展望范围提高信任度降低信息歧义，1.5信息融合的优点，改善检测性能提高空间极限分辨率增加测量空间维数，6，3数据融合系统模型和处理结构3.1 JDL数据融合模型-从军事应用的角度出发， 数据源、人机界面、数据预处理、一次处理目标评价、二级处理态势评价、三次处理影响评价、四级处理过程评价、数据库管理系统、萨通讯端口数据库、融合数据库、7，3.1 jdl数据融合功能模型(。 目标评价是指军事上评价实体之间的

3、相互关系，主要包括态势抽象化和态势评价。 状况评价，将来映射现在的状况，评价参加者的设想和预测行动的影响。 影响评价是通过建立一定的优化指标来实时监测和评价融合过程，实现多传感器自适应信息的获取和处理、资源的最佳分配等。过程评估、8、3.2融合处理的过程、融合处理器对来自所有传感器的数据进行分析，并进行校准、关联、关联、估计、分类和信息反馈等。 校准：将传感器数据统一为同一基准时间和空间的关联：利用某测量尺度对来自不同传感器的航迹和计量资料进行比较， 决定进行关联处理的情侣对戒候补相关：处理关联后的航迹和雷达通讯端口决定它们是否属于同一目标推测：根据关联处理后的结果对目标的状态变量和推测误差方

4、差进行更新，实现目标的未来位置的预测分类：通过特征数据的分析，确定目标的类型等，9，决定，信息， 数据、环境、高级融合、传感器采集、筛选、整合和抽象化、自然环境信息、从低级到高级3.2融合处理过程、110 (1)数据级(像素级)融合、含义最低级别融合、直接对传感器观测数据进行融合处理、融合传感器1、传感器2、传感器n、关联性、数据电平融合、特征提取、属性判定、联合属性判定结果、12、不足、特征、数据丢失量少，精度最高，实时性差的要求传感器同种数据话务量量大，抗干扰能力差的处理的数据量大可分为目标状态和目标特征信息融合两种，传感器1、传感器2、传感器n、特征提取、关联、特征层属性融合、属性判定、

5、联合属性判定结果、14、特征被数据压缩，通讯带宽要求低，这是由于实时处理不足，信息损失融合性能降低的(2)传感器基于传感器n、特征提取、关联、决策层融合、联合属性判定结果、属性判别、属性判别、16、特征话务量小抗干扰能力强融合中心处理成本低、数据丢失量最大精度最低、(3)决策级融合集中型融合结构、分布式融合结构、混合型融合结构、信息流通形式和综合处理层， 多级融合结构，19，(1)集中融合结构，优点：信息损失最小，集中融合结构将检测报告传送至融合中心后进行数据配准、点迹关联、数据互联互通、航迹，缺点：互连困难，且系统需要大容量能力，修正负担重，系统生存能力差如下图所示，融合结构模型包括： 20

6、，(1)集中融合结构，传感器1，传感器2，传感器n，预处理，预处理，预处理传感器控制/种子文件反馈信息，检测与估计，21，(2)分布式融合结构，分布式融合结构中，各传感器的检测报告在进入融合之前， 首先，自身的处理器生成局部多目标跟踪航迹，然后将处理后的信息发送至融合中心，完成航迹关联、航迹合成，形成全局，传感器1、传感器2、传感器n、预处理、预处理、坐标变换、数据定位、航迹关联、航迹合成、目标状态、 回种子文件信息、检测与估计、多用途跟踪器、多坐标变换、数据定位、航迹关联、复合滤波、综合跟踪、目标状态、融合中心、传感器控制/回种子文件信息、检测与估计、多用途跟踪器、多用途跟踪器、选择与综合、

7、23航迹关联、 在分层融合结构中，各个本地节点可以是云同步或者分别是集中式、分布式或混合式融合中心，其中，系统的融合节点再次与从各个本地节点发送来的航迹相关联地进行合成。 (24 )不同融合结构的比较，(25 )融合算法是融合处理的基本内容，将多维输入数据基于信息融合功能，在不同融合水平上采用不同的数学方法，对数据进行综合处理，最终实现融合。 目前有许多融合算法，各有优缺点，其中流行的算法有贝叶斯方法、证据推理、神经网络和模糊理论等，对这些个4种算法的研究约占信息融合算法总体的85%。 4信息融合算法、26、融合算法综述、贝叶斯方法，在设定先验概率的条件下，利用贝叶斯规则纠正后验概率，并根据后

8、验概率化学基确定，可以处理不确定性问题，证据理论是经典概率理论的扩展，首先把Dempster提出的命题的不确定问题转换成集合的不确定问题这样可以对不真实自我问题进行建模和推论。其最大的特征是，不确定信息不是用“点估计”而是用“区间估计”来记述。 由此，在区分不明和不确定方面具有很大的灵活性。27、融合算法概述、模糊理论是基于分类的局部理论，最初是Zadob于1965年提出的。 模糊理论可进一步减轻概率论定义中的约束，且可缓慢地对经对数字化的信息建模。 对其估计过程的模糊扩展可以解决信息和判决的碰撞问题，神经网络由大量的神经元相连，是一种大规模分散的神经元处理系统。 由于信息融合过程接近于人的思维活动，与人的颅神经系统有很强的相似性，利用神经网络的结构优势和快速并行