您的位置 首页 制造

多传感器信息交融的使用

多传感器信息融合的应用-1.1 引言目前,多传感器信息融合系统设计还缺乏一个统一的规范,还找不到一个行之有效的方法。信息融合模型主要包括融合的功能模型、结构模型和融合的数学模型。功能模型是从融合的过程

1.1 导言现在,多传感器信息交融体系规划还缺少一个一致的标准,还找不到一个卓有成效的办法。信息交融模型首要包含交融的功用模型、结构模型和交融的数学模型。功用模型是从交融的进程动身,描绘信息交融包含哪些功用、数据库以及进行信息交融时体系各组成不认之间的星湖作用进程;结构模型从交融组成动身,阐明信息交融体系的结构;数学模型则是信息交融算法和归纳逻辑。这三大模型是任何一个交融体系都必须处理的,因而他们构成了交融体系的核心问题,其间又以数学模型为要害之要害,也是现在研讨最多的一部分。

1.2 信息交融的功用模型信息交融的功用模型现在已有许多学者从不同的视点提出了信息交融体系的一般功用模型,最有威望的是美国全军政府安排的实验室理事联席会下边的技能委员会提出的功用模型。该模型把数据交融分为三级。榜首级是单源或多源处理,首要是数字处理、盯梢相关和相关;第二级是点评方针估量的调集,以及他们互相和布景的联系来点评整个状况;第三极用一个体系的先验方针调集来查验点评的状况。

1.2.1 散布式多传感器信息交融散布式多传感器信息交融是每个部分的传感器所取得的待估量参数模型或待决议计划现象的观测的一起,趁便给出估量或决议计划,并将他们的成果传递到交融中心,交融中心就将一切传感器的成果交融起来,得到终究的估量或决议计划。

1.2.2中心式多传感器信息交融中心式多传感器信息交融是传感器可以将观测彻底传递到交融中心,就相当于交融中心直接取得了一切的观测,这样的交融办法叫做中心式多传感器信息交融。

1.3信息交融的层次化描绘在实践环境中,各类传感器接收到的信息或许是实时信息,也或许对错实时信息;或许是快变的,也或许是缓变的;或许是含糊的,也或许是确认的;或许是相互支撑或互补,也或许是互相矛盾或竞赛。而多传感器信息交融的根本原理或动身点便是充分使用多个传感器资源,经过合理分配和运用,把多个传感器在空间或时刻上的冗余或互补信息依据某种原则进行交融,以取得被测方针的一致性描绘或解说,使该体系由此取得比其它各组成部分的子集所构成的体系更优越的功能。互补,也或许是互相矛盾或竞赛。而多传感器信息交融的根本原理或动身点便是充分使用多个传感器资源,经过合理分配和运用,把多个传感器在空间或时刻上的冗余或互补信息依据某种原则进行交融,以取得被测方针的一致性描绘或解说,使该体系由此取得比其它各组成部分的子集所构成的体系更优越的功能。多传感器信息交融与经典信号处理办法之间存在本质的差异,其要害在于信息交融所在理的多传感器信息具有更杂乱的方式,且可在不同的信息层次上表现。首要的信息表征层次有数据层、特征层和决议计划层。多传感器信息交融在不同问题范畴选用不同的完结方式,因而咱们难以对很多呈现的信息问题进行分类描绘。一般来说,大多数的交融问题都是针对同一层次上的信息方式来展开研讨的,因而咱们依据交融体系所在的信息层次,对信息交融的办法进行简略的描绘。

1.3.1数据层交融数据层交融的特点是直接在多传感器散布检测体系中的检测判定层或信号层上进行交融。归于底层数据交融,长处是信息量大!信息准确,缺点是很难到达实时要求、数据通信量大、抗干扰能力差,一起要求各个传感器信息具有同质性,不然需求进行标准校准。数据层交融一般用于多源图象组成,图象剖析与了解等方面。

1.3.2特征层交融特征层交融是对各个传感器的原始数据进行特征提取后取得的信息进行交融。这些特征信息包含边际、方向、速度、形状等。一般来说,构成特征的进程是一个较大起伏的信息紧缩的进程,这为实时处理供给了前提条件。特征层交融可划分为两大类:方针状况信息交融、方针特性交融。(1)方针状况信息交融方针状况信息交融首要使用于多传感器的方针盯梢范畴,方针盯梢范畴的很多办法都可以修正移植为多传感器方针盯梢办法。交融体系首要对传感器数据进行预处理以完结数据配准,即经过坐标改换和单位换算,把各传感器输人数据改换成一致的数据表达方式,在数据配准之后,交融处理首要完结参数相关和状况估量。常见的是序贯估量技能,其间包含卡尔曼滤波和扩展卡尔曼滤波。(2)方针特征信息交融方针特征信息交融便是特征层联合辨认,它本质便是模式辨认问题。多传感器体系为辨认供给了比单个传感器更多的有关方针的特征信息,增大了特征空间维数。详细的交融办法仍是模式辨认的相应技能,可是在交融一前必须先对特征进行相关处理,再对特征矢量分类成有意义的组合。对方针进行的交融辨认,便是依据相关后的联合特征矢量、详细完结技能包含参量模板法!特征紧缩和聚类算法、K阶最近邻、神经网络等,除此之外,依据常识的推理技能也可使用于特征交融辨认,但因为难以抽取环境和方针特征的先验常识,因而这方面的研讨仅仅才开端。特征层交融不管在理论仍是使用上都逐步趋于老练,构成了一套针对问题的详细处理办法。在交融的三个层次中,特征层上的交融可以说是展开最完善的,而且因为在特征层已树立了一整套的卓有成效的特征相关技能,可以确保交融信息的一致性,所以特征层交融有着杰出的使用与展开远景。

1.3.3决议计划层交融特征层交融不管在理论仍是使用上都逐步趋于老练,构成了一套针对问题的详细处理办法。在交融的三个层次中,特征层上的交融可以说是展开最完善的,而且因为在特征层已树立了一整套的卓有成效的特征相关技能,可以确保交融信息的一致性,所以特征层交融有着杰出的使用与展开远景。决议计划层交融输出是一个联合决议计划成果,在理论上这个联合决议计划应比任何单传感器决议计划更准确或更清晰,决议计划层交融所选用的办法有:Bayes理论、DS依据理论、含糊集理论及专家体系办法等。决议计划层交融在信息处理方面具有很高的灵活性,体系对信息传输带宽要求很低,能有用地交融反映环境或方针各个旁边面的不同类型信息,而且可以处理非同步信息,因而现在有关信息交融的很多研讨成果都是在决议计划层上取得的,而且构成了信息交融的一个热门。可是因为环境和方针的时变动态特性、先验常识获取的困难、常识库的巨量特性、面向方针的体系规划要求等,决议计划层交融理论与技能的展开仍遭到必定的束缚。

现有的信息交融的数学模型可分为三大类:(1)嵌入束缚观念(2)依据组合观念(3)神经网络办法尽管有些办法还不尽完善,但这些办法和依据这些办法的详细算法的确处理了不少实践问题,也推进着信息交融技能展开。第三章多传感器信息交融的远景尽管数据交融已得到了广泛的使用,但至今停止未构成一套完好的理论体系和有用的交融算法。绝大部分都是针对特定的问题、特定的范畴来研讨,也便是说现在数据交融的研讨都是依据问题的品种、特定的方针、特定的层次树立自己的交融模型和推理规矩,有的在此基础上构成所谓的最佳计划。所谓的最佳原则、最佳判别等仅仅理论上经过.若使用到实践上还有很大的间隔。即便在实践中得到了使用,也没有一个完善的点评体系对之作合理的点评。所以,多传感器数据交融体系的规划带有必定的盲目性,有必要树立一套完好的办法论体系来辅导数据交融体系的规划。

详细的缺乏之处有:1)未构成根本的理论结构和有用广义模型及算法;

2)并联的二义性是数据交融的首要妨碍;

3)交融体系的容错性或稳健性没有得到很好的处理;

4)对数据交融的详细办法的研讨尚处于初步阶段;

5)数据交融体系的规划还存在许多实践问题。跟着传感器技能、数据处理技能、核算机技能、网络技能、人工智能技能、并行核算机的软件和硬件技能等相关技能的展开,多传感器数据交融必将成为未来杂乱T业体系智能检测与数据处理的重要技能。

从现在收集到的国内外研讨资料来看,多传感器数据交融的研讨方向归纳如下:

1)改善交融算法以进一步前进交融体系的功能。现在,将含糊逻辑、神经网络、进化核算、粗集理论、支撑向量机、小波改换等核算智能技能有机地结合起来,是个重要的展开趋势。

2)怎么使用有关的先验数据前进数据的交融功能,也是一个需求仔细研讨的问题。

3)开发并行核算的软件和硬件,以满意很多数据的核算杂乱的多传感器交融的要求。

4)研讨出能处理多传感器集成与交融的%&&&&&%芯片,以及传感器模型和接口标准化是当时体系硬件的首要展开方向。

5)不知道和动态环境中多传感器集成与交融的研讨。

6)选用并行核算机结构的多传感器集成与交融的研讨。

7)展开虚拟现实技能的研讨,为多传感器数据交融研讨供给抱负的仿真渠道。

跟着科技的展开以及技能的前进,多传感器信息交融技能越来越广泛的使用于各种范畴,尤其是军事方面的使用。信息交融技能可以归纳各个传感器的不同信息,对方针信息进行预处理、相关、决议计划和交融。本文首要针对信息交融中的一些要害技能进行了理论研讨,首要工作为:特征层交融是信息交融的重要部分,决议计划层交融是信息交融的要害部分,数据决议计划从多个方针中做出判定,以确认终究冲击的方针“本文剖析了常用的DS依据组成理论以及其改善办法。针对DS依据组成理论的缺乏,将信息嫡理论使用到数据决议计划中,该办法可以很好的处理DS依据理论呈现的抵触过大、一票否决等问题,取得合理的交融作用。多传感器信息交融将来依然有很长的路要走,需求不断战胜各种困难,在现在的基础上,更好的被人们所使用,便利人们的日子。

声明:本文内容来自网络转载或用户投稿,文章版权归原作者和原出处所有。文中观点,不代表本站立场。若有侵权请联系本站删除(kf@86ic.com)https://www.86ic.net/bandaoti/zhizao/179953.html

为您推荐

联系我们

联系我们

在线咨询: QQ交谈

邮箱: kf@86ic.com

关注微信
微信扫一扫关注我们

微信扫一扫关注我们

返回顶部