期末作业：多元.doc

电子与信息工程学院 魏越 1130093047 研究生三班 多源信息融合技术综述 一、概述 近20年来, 多传感器信息融合技术受到广泛的关注, 成为80年代形成和发展的一种自动化信息综合处理技术，由于其充分利用多源数据的互补性和电子计算机的高速运算和智能, 提高了信息处理结果的质量。该多传感器信息融合是数学、军事科学、计算机科学、自动控制理论、人工智能、通信技术、管理科学等多种学科的交叉和具体运用。该融合技术最初仅用于军事科学, 现己广泛适用于民用工程。 发展多传感器信息融合技术的原因很多。在现代工程应用中,传感器技术广泛应用于机器人技术、机电一体化、柔性制造系统等控制技术。随着应用系统逐渐扩大,所需的功能也越来越复杂,使用的传感器种类也相应增多。原先的单一传感器检测技术已不能满足要求,多传感器融合技术应运而生。多传感器融合技术就是对同一检测对象,利用各种传感器检测的信息和不同的处理方法以获得该对象的全面检测信息, 从而提高检测精度和可靠性。 在多传感器系统中,信息表现为多样性、复杂性以及大容量, 信息处理不同于单一的传感检测处理技术,多传感器信息融合技术已成为当前的一个重要研究领域。 二、信息融合的发展历史与现状 作为一种信息综合和处理技术，信息融合实际上是许多传统学科和新技术相结合的一个边缘新兴学科，以下扼要介绍这些技术手段。 1) 信号处理与估计理论：信号处理与估计理论包括Kalman滤波等线性滤波技术，扩展Kalman滤波（EKF)和Gauss滤波（GSF）等非线性滤波技术，UKF滤波，基于随机采样技术的粒子滤波，Markov链等非线性估计技术，期望极大化EM算法，设计优化指标，实现最优估计（最小化风险法和最小化能量法等）。 2) 统计推断方法：统计推断方法包括经典推理、Bayes 推理、证据推理、随机集理论、支持向量机等。 3) 信息论的方法：运用优化信息度量的手段融合多源数据，从而获得问题的有效解决。典型算法有熵的方法、最小描述长度方法（MDL）等。 4) 人工智能方法(artificial intelligence)：人工智能方法包括模糊逻辑、神经网络、遗传算法、不确定性推理、专家系统、逻辑模板法、品质因数法（FOM）等。 5) 其他：决策论的方法，用于高级别的决策融合；几何方法，充分探讨环境与传感器模型的几何属性达到融合目的；数据结构与数据库管理等。 信息融合技术起源于军事领域，信息融合在军事上应用最早、范围最广，涉及战术或战略上的检测、指挥、控制、通信和情报任务的各个方面。主要的应用有采用多传感器的自主式武器系统和自备式运载器，广域监视系统，基于多传感器的截获、跟踪和指令控制的火控系统，情报收集系统，敌情指示和预警系统，态势与威胁估计，军事力量的指挥和控制站。如俄罗斯研制的米28 新型战斗机，使用了多传感器信息融合技术，融合了来自雷达、红外、电视摄像机、航空仪表、夜视仪等传感器的信息，构成了数据融合系统。 另外,信息融合技术已逐步向多领域进行渗透,如智能机器人与智能车辆领域; 医学图像处理与诊断；气象预报；地球科学；农业应用领域；现代制造领域和经济商业领域等等。此外信息融合技术还被用于火车定位、鱼类识别或车辆通过的检测等等。信息融合技术的应用范围日益广泛, 在一些实际应用中也取得了相应的成效。 三、信息融合的主要方法与当前的研究热点 多传感器信息融合的主要方法 多源信息的融合是指整个集成过程中, 实现来自多种信息源的信息间统一合并的具体阶段与方法, 因此它是整个多源信息集成系统中的关键技术, 其好坏关系到整个系统的效率与集成信息的准确性与可靠性.在多传感器感知系统中, 各信息源提供的信息都具有一定程度的不准确性,因此对这些具有不确定性的信息的融合过程实质上是一个非确定性推理与决策的过程.目前主要有以下几种方法: 1）贝叶斯估计：贝叶斯估计是融合静态环境中多传感器低层数据的一种常用方法, 其信息描述为概率分布, 适用于具有可加高斯噪声的不确定； 2）多贝叶斯估计：Durrant-Whyte 将任务环境表示为不确定几何物体集合多传感系统模型, 提出了多传感器信息融合的多贝叶斯估计； 3）加权平均法：作为数据层的融合算法, 此方法最简单也最直观； 4）卡尔曼滤波卡尔曼滤波：用于实时融合动态的低层次冗余传感器数据, 该方法用模型的统计特性递推决定统计意义下最优融合数据估计, 文献采用此方法； 5）统计决策理论：采用统计决策理论（SDF）为多传感器产生的冗余定位信息融合提出了分两步广义方法； 6）Shafer-Dempster证据推理:该方法是贝叶斯方法的推广,Waltz 和J.Llinas介绍此种方法； 7）带有置信因子的产生式规则：此法主要用于符号水平层表达传感器信息和信息属