《第二章信息融合系统的模型和结构分解ppt课件.ppt》由会员分享，可在线阅读，更多相关《第二章信息融合系统的模型和结构分解ppt课件.ppt（37页珍藏版）》请在三一办公上搜索。
1、第二章 信息融合系统的模型和结构,重庆大学自动化学院 柴毅 魏善碧2014.3,2,引言,对于目标测量识别，单传感器提取的信息往往是待识别目标的不完全描述，而利用多个传感器提取的独立、互补信息，能带来许多特殊效果，因而各种面向复杂应用背景的多传感器数据系统也随之大量涌现。数据融合技术最早由美国军方用于目标跟踪和目标识别，随着研究的深入和应用领域的扩大，数据融合技术已成功地应用于军事和民用领域的诸多方面。,3,引言,数据融合将某一目标的多源信息进行融合，形成比单一信息源更精确、更完全的估计和判决；把各个传感器在空间上、时间上冗余或互补的数据，依据某种准则进行组合，以获得对被测对象的一致性描述或理
2、解，使系统比组成它的各子系统具有更优越的性能。,4,引言,数据融合的概念定义为：把来自多个传感器和信息源的数据加以联合、相关和组合，以获得精确的位置估计和身份估计，以及对战况和威胁及其重要程度进行适时的完整评价。良好性能稳健性宽阔的时空覆盖区域很高的测量维数良好的目标空间分辨力,5,引言,美国“数据融合联合实验室”在防御系统中通用的数据融合处理模型：数据融合分为五级：第一个层次为检测/判决融合；第二个层次为空间（位置）融合；第三个层次为属性数据融合；第四个层次为态势评估；第五个层次为威胁估计。第一、二两个层次的数据融合适合于任意的多传感器数据融合系统，后三个层次主要适用于C3I（情报指挥控制与
3、通讯）系统中的数据融合。,6,2.1 信息融合系统的功能模型 2.2 信息融合的级别 2.3 信息融合系统的通用处理结构 2.4 信息融合要解决的几个关键问题 2.5 信息融合的主要技术和方法,第2章 信息融合系统的模型和结构,7,2.1 信息融合系统的功能模型,功能模型从融合过程出发，描述数据融合包括哪些主要功能、数据库，以及进行数据融合时系统各组成部分之间的相互作用过程。,8,2.1 信息融合系统的功能模型,促进系统管理人员、理论研究者、设计人员、评估人员相互之间更好地沟通和理解，从而使得整个系统的设计、开发和实施过程得以高效顺利地进行。,9,2.1 功能模型第一级处理：目标评估,第一级处
4、理：目标评估（object assessment）主要功能包括数据配准、数据关联、目标位置和运动学参数估计，以及属性参数估计、身份估计等，其结果为更高级别的融合过程提供辅助决策信息。,数据配准：就是将时域上不同步，空域上属于不同坐标系的多源观测数据进行时空对准，从而将多源数据纳入一个统一的参考框架中，为数据融合的后期工作做铺垫。,数据关联：主要处理分类和组合等问题,身份估计：处理的是实体属性信息的表征与描述,10,2.1 功能模型第二级处理,第二级处理：态势评估（situation assessment）态势评估是对整个态势的抽象和评定。态势抽象就是根据不完整的数据集构造一个综合的态势表示，从
5、而产生实体之间一个相互联系的解释。态势评定则关系到对产生观测数据和事件态势的表示和理解。态势评定的输入包括事件检测、状态估计以及为态势评定所生成的一组假设等。态势评定的输出在理论上是所考虑的各种假设的条件概率。,11,2.1 功能模型第三级处理,第三级处理：影响评估（impact assessment）影响评估是将当前态势映射到未来，对参与者设想或预测行为的影响进行评估。在军事领域即指威胁估计（threat assessment），是一种多层视图处理过程，用以解释对武器效能的估计，以及有效地扼制敌人进攻的风险程度。此外，威胁估计还包括通过汇集技术和军事条令数据库中的数据，对我军要害部位受敌人攻
6、击时的脆弱性做出估计，以及对作战事件出现的程度和可能性进行估计，并对敌方作战企图给出指示和告警。,12,2.1 功能模型第四级处理,第四级处理：过程评估（process assessment）过程评估是一个更高级的处理阶段。通过建立一定的优化指标，对整个融合过程进行实时监控与评价，从而实现多传感器自适应信息获取和处理，以及资源的最优分配，以支持特定的任务目标，并最终提高整个实时系统的性能。难点：如何对系统特定任务目标以及限制条件进行建模和优化，以平衡有限的系统资源，如计算机的运算能力以及通信带宽等。当前，利用效用理论来开发系统性能及效率模型，以及利用基于知识的方法来开发基于上下文环境的近似推理
7、是研究的重点。,13,2.1 信息融合系统的功能模型 2.2 信息融合的级别 2.3 信息融合系统的通用处理结构 2.4 信息融合要解决的几个关键问题 2.5 信息融合的主要技术和方法,第2章 信息融合系统的模型和结构,14,2.2 信息融合的级别,信息融合按照融合系统中数据抽象的层次，融合可以分为：数据级融合特征级融合决策级融合,15,2.2 融合级别数据级融合,数据级融合是最低层次的融合 直接对传感器的观测数据进行融合处理，然后基于融合后的结果进行特征提取和判断决策。,16,2.2 融合级别数据级融合,主要优点：只有较少数据量的损失，并能提供其他融合层次所不能提供的其他细微信息，所以精度最
8、高。它的局限性包括：所要处理的传感器数据量大，故处理代价高，处理时间长，实时性差这种融合是在信息的最低层进行的，传感器信息的不确定性、不完全性和不稳定性要求在融合时有较高的纠错处理能力它要求传感器是同类的，即提供对同一观测对象的同类观测数据数据通信量大，抗干扰能力差 此级别的数据融合用于多源图像复合、图像分析和理解以及同类雷达波形的直接合成等。,17,2.2 融合级别特征级融合,特征级融合属于中间层次的融合由每个传感器抽象出自己的特征向量（可以是目标的边缘、方向和速度等信息），融合中心完成特征向量的融合处理。一般来说，提取的特征信息应是数据信息的充分表示量或充分统计量。优点：实现了可观的数据压
9、缩，降低对通信带宽的要求，有利于实时处理，但由于损失了一部分有用信息，使得融合性能有所降低。,18,2.2 融合级别特征级融合,特征级融合可划分为目标状态信息融合和目标特征信息融合两大类。目标状态信息融合主要用于多传感器目标跟踪领域，融合处理首先对多传感数据进行数据处理，以完成数据校准，然后进行数据相关和状态估计。具体数学方法包括卡尔曼滤波理论、联合概率数据关联、多假设法、交互式多模型法和序贯处理理论。目标特征信息融合实际属于模式识别问题，常见的数学方法有参量模板法、特怔压缩和聚类方法、人工神经网络、K阶最近邻法等。,19,2.2 融合级别决策级融合,决策级融合是一种高层次的融合由每个传感器基
10、于自己的数据作出决策，然后在融合中心完成的是局部决策的融合处理。决策级融合是三级融合的最终结果，是直接针对具体决策目标的，融合结果直接影响决策水平。,20,2.2 融合级别决策级融合,这种处理方法数据损失量最大，因而相对来说精度最低，但其具有通信量小，抗干扰能力强，对传感器依赖小，不要求是同质传感器，融合中心处理代价低等优点。常见算法有Bayes推断、专家系统、DS证据推理、模糊集理论等。特征级和决策级的融合不要求多传感器是同类的。由于不同融合级别的融合算法各有利弊，所以为了提高信息融合技术的速度和精度，需要开发高效的局部传感器处理策略以及优化融合中心的融合规则。,21,2.2 融合级别三个层
11、次的比较,三个融合层次优缺点的比较：,22,2.1 信息融合系统的功能模型 2.2 信息融合的级别 2.3 信息融合系统的通用处理结构 2.4 信息融合要解决的几个关键问题 2.5 信息融合的主要技术和方法,第2章 信息融合系统的模型和结构,23,2.3 信息融合系统的通用处理结构,通用处理结构：在整个融合处理流程中，依照实现融合处理的场合不同，研究人员提出了通用处理结构的概念。Heisttand描述了三种处理结构，分别是集中式结构、分布式结构以及混合式结构。不同处理结构针对不同的加工对象。集中式结构：加工的是传感器的原始数据；分布式结构：加工的是经过预处理的局部数据；混合式结构：加工的既有原
12、始数据，又有预处理过的数据。,24,2.3 通用处理结构集中式,集中式系统结构 在此结构中，各个传感器录取的检测报告直接被送到融合中心，在那里进行数据对准、点迹相关、数据互联、航迹滤波、预测与综合跟踪。这种结构特点是信息损失小，对系统通信要术较高，融合中心计算负担重，系统的生存能力也较差。,25,2.3 通用处理结构分布式,分布式系统结构 分布式结构与集中式结构的区别在于，每个传感器的检测报告在进入融合中心以前，先由它自己的数据处理器产生局部多目标跟踪航迹，然后把处理后的信息送至融合中心，融合中心根据各结点的航迹数据完成航迹关联和航迹融合，形成全局估计。相对于集中式系统，此类系统具有造价低、可
13、靠性高、通信量小等特点。,26,2.3 通用处理结构混合式,混合式系统结构 混合式融合系统同时传输检测报告和经过局部结点处理后的航迹信息，它保留了上述两类系统的优点，但在通信和计算上要付出较昂贵的代价。此类系统也有上述两类系统难以比拟的优势，在实际场合往往采用此类结构。,27,2.1 信息融合系统的功能模型 2.2 信息融合的级别 2.3 信息融合系统的通用处理结构 2.4 信息融合要解决的几个关键问题 2.5 信息融合的主要技术和方法,第2章 信息融合系统的模型和结构,28,2.4 信息融合要解决的几个关键问题,数据对准 在多传感信息融合系统中，每个传感器提供的观测数据都在各自的参考框架之内
14、。在对这些信息进行组合之前，必须首先将它们变换到同一个参考框架中去。但要注意的是，由于多传感时空配准的舍入误差必须得到补偿。同类或异类数据 多传感器提供的数据在属性上可以是同类也可以是异类的，而且异类多传感器较之同类传感器，其提供的信息具有更强的多样性和互补性；但同时由于异类数据在时间上的不同步，数据率不一致以及测量维数不匹配等特点，使得对这些信息的融合处理更困难。,29,2.4 信息融合要解决的几个关键问题,传感器观测数据的不确定性 由于传感器工作环境的不确定性，导致观测数据包含有噪声成分。在融合处理中需要对多源观测数据进行分析验证，并补充综合，在最大限度上降低数据的不确定性。不完整、不一致
15、及虚假数据 在多传感信息融合系统中，对传感器接收到的量测数据有时会存在多种解释，称之为数据的不完整性；多传感数据往往也会对观测环境作出不一致甚至相互矛盾的解释；另外，由于噪声及干扰因素的存在，往往存在一些虚假的量测数据。信息融合系统需要能够对这些不完整数据、不一致数据以及虚假数据进行有效的融合处理。,30,2.4 信息融合要解决的几个关键问题,数据关联 数据关联问题广泛存在，需要解决单传感时间域上的关联问题，以及多传感空间域上的关联问题，从而能确定来源于同一目标源的数据。粒度 多传感器提供的数据可能是在不同的粒度级别上。这些数据可以是稀疏的，也可以是稠密的；它们也可能分别处于数据级、特征级，或
16、是符号级各种不同的抽象级别上，所以一个可行的融合方案应该可以工作在各种不同的粒度级别上。,31,2.4 信息融合要解决的几个关键问题,态势数据库 态势数据库为各个级别上的融合处理提供实时和非实时数据。这些数据包括多传感器观测数据、融合的中间结果数据、有关目标和环境的辅助信息以及进行融合处理所需的历史信息等。对整个信息融合系统中态势数据库的要求是容量要大、搜索要快、开放互连性要好，并具有良好的人机接口。因此，要开发更有效的数据模型、新的有效查找和搜索机制，以及分布式多媒体数据库管理系统等。,32,2.1 信息融合系统的功能模型 2.2 信息融合的级别 2.3 信息融合系统的通用处理结构 2.4
17、信息融合要解决的几个关键问题 2.5 信息融合的主要技术和方法,第2章 信息融合系统的模型和结构,33,2.5 信息融合的主要技术和方法,信息融合作为对多源信息的综合处理过程，具有本质的复杂性。传统的估计理论和识别算法为信息融合技术奠定了不可或缺的理论基础。同时，近年来出现的一些新的基于统计推断、人工智能以及信息论的新方法，也正成为推动信息融合技术向前发展的重要力量。,34,2.5 信息融合的主要技术和方法,1、信号处理与估计理论方法 主要有用于图像增强与处理的小波变换技术、加权平均、最小二乘、Kalman滤波等线性估计技术，以及扩展Kalman滤波（EKF），Gauss和滤波（GSF）等非线
18、性估计技术等。近年来，越来越多的学者致力于无迹Kalman滤波（UKF），基于随机采样技术的粒子滤波和 Markov链 Monte Carlo（MCMC）等非线性估计技术的研究，并取得了很多有价值的研究成果。,35,2.5 信息融合的主要技术和方法,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（random set）理论以及支持向量机理论等。3、信息论方法 信息论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。典型算法有熵方法、最小描述长度方法（MDL）等。4、决策论方法 决策论方法往往应用于高级别的决策融合。,36,2.5 信息融合的主要技术和方法,5、人工智能方法（artificial intelligence method）人工智能方法包括模糊逻辑、神经网络、遗传算法、基于规则的推理以及专家系统、逻辑模板法、品质因数法（FOM）等，在信息融合领域的运用也取得了一定的成果。6、几何方法 几何方法通过充分探讨环境以及传感器模型的几何属性来达到多传感信息融合的目的。,THE END,
