多传感器信息融合Ch1(概念)(第1讲)教案详解.ppt

主讲人：周华平 1.1 信息融合的起源与一般概念 1. 起源 萌芽于第二次世界大战中对飞机、轮船、潜艇和 V-1 导弹的导航制导，当时叫做组合导弹制导 美国： 70年代：多个连续的声纳信号－潜艇位置检测 1985年：JDL（实验室联合理事会）下设的C3I委员会成立了信息融合专家组，统一信息融合概念，建立信息融合公共参考框架 1988年：信息融合列为重点开发的20项关键技术之一，且为最优先发展的A类 1.1 信息融合的起源与一般概念 开发了多个系统，用于目标跟踪识别、态势评估与威胁估计：TCAC（军用分析系统）、TOP（海军战争状态分析系统）、TRWDS（目标获取与武器输送系统）、INCA（多平台多传感器跟踪信息相关处理系统） 国内： 1995年：由国防科工委组织召开了第一次信息融合研讨会 1997 年，国家自然科学基金把信息融合技术作为鼓励研究领域重点推出 目前：多源信息融合的研究已经引起了国家有关部门的高度重视，并列入了 863 计划 1.1 信息融合的起源与一般概念 学术界： 1997年：在美国成立了国际信息融合学会(ISIF: International Society of Information Fusion) 各种学术会议和期刊：美国三军数据融合年会、SPIE国际年会，IEEE Trans. on AES，IT(Information Theory)，AC，SMC(Systems, Man and Cybernetics)，IP(Image Processing)，以及其它 IEEE 的相关会议和会刊中。 目前国内出版了一批信息融合方面的专著，有大量学术期刊刊登信息融合方面的研究成果，2007年自动化学报还将出版信息融合专刊。 INS全称Inertial Navigation System，即惯性导航系统 定义三个要点： （1）数据融合是多信源、多层次的处理过程，每个层次代表信息的不同抽象程度； （2）数据融合过程包括数据的检测、关联、估计与合并； （3）数据融合的输出包括低层次上的状态身份估计和高层次上的总战术态势的评估。 多传感器数据融合 包括：多传感器的目标探测、数据关联、跟踪与识别、情况评估和预测。 基本目的：通过融合得到比单独的各个输入数据更多的信息。这一点是协同作用的结果，即由于多传感器的共同作用，使系统的有效性得以增强。 多传感器数据融合系统可更大程度获取被探测目标和环境的信息量。单传感器信号处理或低层次的数据处理方式只是对人脑信息处理的一种低水平模仿。 实质：一种多源信息的综合技术，通过对来自不同传感器的数据进行分析和综合，可以获得被测对象及其性质的最佳一致估计。 多传感器数据融合：将经过集成处理的多种传感器信息进行合成，形成对外部环境某一特征的一种表达方式。 数据融合的优点 增加了系统的生存能力 扩展了空间覆盖范围 扩展了时间覆盖范围 提高了可信度 降低了信息的模糊度 改善了探测性能 提高了空间分辨率 增加了测量空间的维数 信息融合层次的划分主要有两种方法。 第一种方法是按照融合对象的层次不同，将信息融合划分为低层（数据级或像素级）、中层（特征级）和高层（决策级）。 另一种方法将是将传感器集成和数据融合划分为信号级、证据级和动态级。 数据级融合(或像素级融合) 对传感器的原始数据及预处理各阶段上产生的信息分别进行融合处理。尽可能多地保持了原始信息，能够提供其它两个层次融合所不具有的细微信息。 局限性： (1)由于所要处理的传感器信息量大，故处理代价高； (2)融合是在信息最低层进行的，由于传感器的原始数据的不确定性、不完全性和不稳定性，要求在融合时有较高的纠错能力； (3)由于要求各传感器信息之间具有精确到一个像素的配准精度，故要求传感器信息来自同质传感器； (4)通信量大。 数据级融合(或像素级融合) 特征级融合 利用从各个传感器原始数据中提取的特征信息，进行综合分析和处理的中间层次过程。 通常所提取的特征信息应是数据信息的充分表示量或统计量，据此对多传感器信息进行分类、汇集和综合。 特征级融合分类： 目标状态信息融合 目标特性融合。 特征级融合分类 目标状态信息融合 主要应用于多传感器目标跟踪领域。融合系统首先对传感器数据进行预处理以完成数据配准。数据配准后，融合处理主要实现参数相关和状态矢量估计。 目标特性融合 特征层联合识别，具体的融合方法仍是模式识别的相应技术，只是在融合前必须先对特征进行相关处理，对特征矢量进行分类组合。在模式识别、图像处理和计算机视觉等领域，已经对特征提取和基于特征的分类问题进行了深入的研究，有许多方法可以借用。 决策级融合 在信息表示的最高层次上进行的融合处理。不同类型的传感器观测同一个