精华内容
下载资源
问答
  • 多传感器数据融合简介(转)
    千次阅读
    2021-09-15 15:08:11

    转自知乎网友:多传感器融合(算法)综述 - 知乎

    多传感器融合(Multi-sensor Fusion, MSF)是利用计算机技术,将来自多传感器或多源的信息和数据以一定的准则进行自动分析和综合,以完成所需的决策和估计而进行的信息处理过程。

    一、基本原理

    多传感器融合基本原理就像人脑综合处理信息的过程一样,将各种传感器进行多层次、多空间的信息互补和优化组合处理,最终产生对观测环境的一致性解释。在这个过程中要充分利用多源数据进行合理支配与使用,而信息融合的最终目标则是基于各传感器获得的分离观测信息,通过对信息多级别、多方面组合导出更多有用信息。这不仅是利用了多个传感器相互协同操作的优势,而且也综合处理了其它信息源的数据来提高整个传感器系统的智能化。

    具体来讲,多传感器数据融合原理如下:

      (1)多个不同类型传感器(有源或无源)收集观测目标的数据;

      (2)对传感器的输出数据(离散或连续的时间函数数据、输出矢量、成像数据或一个直接的属性说明)进行特征提取的变换,提取代表观测数据的特征矢量Yi;

      (3)对特征矢量Yi进行模式识别处理(如聚类算法、自适应神经网络或其他能将特征矢量Yi变换成目标属性判决的统计模式识别法等),完成各传感器关于目标的说明;

      (4)将各传感器关于目标的说明数据按同一目标进行分组,即关联;

      (5)利用融合算法将目标的各传感器数据进行合成,得到该目标的一致性解释与描述。

    二、融合算法

    对于多传感器系统而言,信息具有多样性和复杂性,因此对信息融合算法的基本要求是具有鲁棒性和并行处理能力。其他要求还有算法的运算速度和精度;与前续预处理系统和后续信息识别系统的接口性能;与不同技术和方法的协调能力;对信息样本的要求等。一般情况下,基于非线性的数学方法,如果具有容错性、自适应性、联想记忆和并行处理能力,则都可以用来作为融合方法。

    多传感器数据融合的常用方法基本上可分为两大类:随机类和人工智能类。

    2.1 随机类

    (1)加权平均法

    信号级融合方法最简单直观的方法是加权平均法,将一组传感器提供的冗余信息进行加权平均,结果作为融合值。该方法是一种直接对数据源进行操作的方法。

    (2)卡尔曼滤波法

    主要用于融合低层次实时动态多传感器冗余数据。该方法用测量模型的统计特性递推,决定统计意义下的最优融合和数据估计。如果系统具有线性动力学模型,且系统与传感器的误差符合高斯白噪声模型,则卡尔曼滤波将为融合数据提供唯一统计意义下的最优估计。

    卡尔曼滤波的递推特性使系统处理无需大量的数据存储和计算。但是采用单一的卡尔曼滤波器对多传感器组合系统进行数据统计时,存在很多严重问题,例如:① 在组合信息大量冗余情况下,计算量将以滤波器维数的三次方剧增,实时性难以满足。② 传感器子系统的增加使故障概率增加,在某一系统出现故障而没有来得及被检测出时,故障会污染整个系统,使可靠性降低。

    (3)多贝叶斯估计法

    将每一个传感器作为一个贝叶斯估计,把各单独物体的关联概率分布合成一个联合的后验概率分布函数,通过使联合分布函数的似然函数为最小,提供多传感器信息的最终融合值,融合信息与环境的一个先验模型以提供整个环境的一个特征描述。

    (4)D-S证据推理法

    该方法是贝叶斯推理的扩充,包含3个基本要点:基本概率赋值函数、信任函数和似然函数。

    D-S方法的推理结构是自上而下的,分为三级:第一级为目标合成,其作用是把来自独立传感器的观测结果合成为一个总的输出结果(ID);第二级为推断,其作用是获得传感器的观测结果并进行推断,将传感器观测结果扩展成目标报告。这种推理的基础是:一定的传感器报告以某种可信度在逻辑上会产生可信的某些目标报告;第三级为更新,各传感器一般都存在随机误差,因此在时间上充分独立地来自同一传感器的一组连续报告比任何单一报告更加可靠。所以在推理和多传感器合成之前,要先组合(更新)传感器的观测数据。

    (5)产生式规则

    采用符号表示目标特征和相应传感器信息之间的联系,与每一个规则相联系的置信因子表示它的不确定性程度。当在同一个逻辑推理过程中,2个或多个规则形成一个联合规则时,可以产生融合。应用产生式规则进行融合的主要问题是每个规则置信因子的定义与系统中其他规则的置信因子相关,如果系统中引入新的传感器,需要加入相应的附加规则。

    2.2 AI类

    (1)模糊逻辑推理

    模糊逻辑是多值逻辑,通过指定一个0到1之间的实数表示真实度(相当于隐含算子的前提),允许将多个传感器信息融合过程中的不确定性直接表示在推理过程中。如果采用某种系统化的方法对融合过程中的不确定性进行推理建模,则可以产生一致性模糊推理。

    与概率统计方法相比,逻辑推理存在许多优点,它在一定程度上克服了概率论所面临的问题,对信息的表示和处理更加接近人类的思维方式,一般比较适合于在高层次上的应用(如决策)。但是逻辑推理本身还不够成熟和系统化。此外由于逻辑推理对信息的描述存在很多的主观因素,所以信息的表示和处理缺乏客观性。

    模糊集合理论对于数据融合的实际价值在于它外延到模糊逻辑,模糊逻辑是一种多值逻辑,隶属度可视为一个数据真值的不精确表示。在MSF过程中,存在的不确定性可以直接用模糊逻辑表示,然后使用多值逻辑推理,根据模糊集合理论的各种演算对各种命题进行合并,进而实现数据融合。

    (2)人工神经网络法

    神经网络具有很强的容错性以及自学习、自组织及自适应能力,能够模拟复杂的非线性映射。神经网络的这些特性和强大的非线性处理能力,恰好满足多传感器数据融合技术处理的要求。在多传感器系统中,各信息源所提供的环境信息都具有一定程度的不确定性,对这些不确定信息的融合过程实际上是一个不确定性推理过程。神经网络根据当前系统所接受的样本相似性确定分类标准,这种确定方法主要表现在网络的权值分布上,同时可以采用学习算法来获取知识,得到不确定性推理机制。利用神经网络的信号处理能力和自动推理功能,即实现了多传感器数据融合。

    三、应用领域

    多传感器数据融合作为一种可消除系统的不确定因素、提供准确的观测结果和综合信息的智能化数据处理技术,已在军事、工业监控、智能检测、机器人、图像分析、目标检测与跟踪、自动目标识别等领域获得普遍关注和广泛应用。

    (1)机器人

    多传感器数据融合技术的另一个典型应用领域为机器人。目前主要应用在移动机器人和遥操作机器人上,因为这些机器人工作在动态、不确定与非结构化的环境中(如“勇气”号和“机遇”号火星车)。这些高度不确定的环境要求机器人具有高度的自治能力和对环境的感知能力,而多传感器数据融合技术正是提高机器人系统感知能力的有效方法。实践证明:采用单个传感器的机器人不具有完整、可靠地感知外部环境的能力。智能机器人应采用多个传感器,并利用这些传感器的冗余和互补的特性来获得机器人外部环境动态变化的、比较完整的信息,并对外部环境变化做出实时的响应。目前,机器人学界提出向非结构化环境进军,其核心的关键之一就是多传感器系统和数据融合。

    (2)遥感

    多传感器融合在遥感领域中的应用,主要是通过高空间分辨力全色图像和低光谱分辨力图像的融合,得到高空问分辨力和高光谱分辨力的图像,融合多波段和多时段的遥感图像来提高分类的准确性。

    (3)智能交通管理系统

    数据融合技术可应用于地面车辆定位、车辆跟踪、车辆导航以及空中交通管制系统等。

    (4)复杂工业过程控制

    复杂工业过程控制是数据融合应用的一个重要领域。目前,数据融合技术已在核反应堆和石油平台监视等系统中得到应用。融合的目的是识别引起系统状态超出正常运行范围的故障条件,并据此触发若干报警器。通过时间序列分析、频率分析、小波分析,从各传感器获取的信号模式中提取出特征数据,同时,将所提取的特征数据输入神经网络模式识别器,神经网络模式识别器进行特征级数据融合,以识别出系统的特征数据,并输入到模糊专家系统进行决策级融合;专家系统推理时,从知识库和数据库中取出领域知识规则和参数,与特征数据进行匹配(融合);最后,决策出被测系统的运行状态、设备工作状况和故障等。

    四、存在问题及发展趋势

    随着传感器技术、数据处理技术、计算机技术、网络通讯技术、人工智能技术、并行计算软件和硬件技术等相关技术的发展,尤其是人工智能技术的进步,新的、更有效的数据融合方法将不断推出,多传感器数据融合必将成为未来复杂工业系统智能检测与数据处理的重要技术,其应用领域将不断扩大。多传感器数据融合不是一门单一的技术,而是一门跨学科的综合理论和方法,并且是一个不很成熟的新研究领域,尚处在不断变化和发展过程中。

    (1)存在问题及发展趋势

    尚未建立统一的融合理论和有效广义融合模型及算法;对数据融合的具体方法的研究尚处于初步阶段;还没有很好解决融合系统中的容错性或鲁棒性问题;关联的二义性是数据融合中的主要障碍;数据融合系统的设计还存在许多实际问题。

    (2)发展趋势

    建立统一的融合理论、数据融合的体系结构和广义融合模型;解决数据配准、数据预处理、数据库构建、数据库管理、人机接口、通用软件包开发问题,利用成熟的辅助技术,建立面向具体应用需求的数据融合系统;将人工智能技术,如,神经网络、遗传算法、模糊理论、专家理论等引入到数据融合领域;利用集成的计算智能方法(如,模糊逻辑+神经网络,遗传算法+模糊+神经网络等)提高多传感融合的性能;解决不确定性因素的表达和推理演算,例如:引入灰数的概念;利用有关的先验数据提高数据融合的性能,研究更加先进复杂的融合算法(未知和动态环境中,采用并行计算机结构多传感器集成与融合方法的研究等);在多平台/单平台、异类/同类多传感器的应用背景下,建立计算复杂程度低,同时,又能满足任务要求的数据处理模型和算法;构建数据融合测试评估平台和多传感器管理体系;将已有的融合方法工程化与商品化,开发能够提供多种复杂融合算法的处理硬件,以便在数据获取的同时就实时地完成融合。

    五、参考文献

    https://blog.csdn.net/ZXQHBD/article/details/69389019​blog.csdn.net/ZXQHBD/article/details/69389019

    https://blog.csdn.net/xingdou520/article/details/84103987

    更多相关内容
  • 多传感器数据融合的关键问题是模型设计,数据融合模型主要包括功能、结构和数学模型。根据数据融合功能层次性和信息流通方式及传输形式,把数据融合功能模型分为五级,即检测级、跟踪级、属性级、态势级和威胁级。...
  • 为解决上述问题,提出了一种基于BP神经网络算法的多传感器数据融合方法,对对象的先验要求不高,具有较强的自适应能力。仿真结果表明,采用BP神经网络对传感器数据进行融合处理大大提高了传感器的稳定性及其精度,...
  • 本系统所设计的机器人的主要... 多传感器数据融合技术结合了控制理论、信号处理、人工智能、概率和统计的发展,协同运用传感器的传感数据,提取所探测环境的近可能的有用信息,消除信息的不确定性,提高传感器的
  • 多传感器数据融合

    2014-09-14 19:58:19
    利用数据融合技术,在数据库的支持之下,充分发挥各传感器信息组合的潜能,为客观复现战术态势提供保障.文中给出了用于潜艇的数据融合算法的结构设计
  • 多传感器数据融合理论和实践经典英文教材,一般很难找到这种全面高清晰的教材。
  • MEMS陀螺仪随机序列趋势项提取算法.pdfMEMS陀螺仪随机序列趋势项提取算法.pdfMEMS陀螺仪随机序列趋势项提取算法.pdfMEMS陀螺仪随机序列趋势项提取算法.pdfMEMS陀螺仪随机序列趋势项提取算法.pdf
  • 只有把传感器信息融合起来,才是实现自动驾驶的关键。”现在路面上的很汽车,甚至是展厅内的很新车,内部都配备有基于摄像头、雷达、超声波或LIDAR等不同传感器的先进驾驶员辅助系统(ADAS)。这些系统的...
  • 本系统针对这些问题,在对火灾发生的过程和产物作了详细了解以后,选择适当的传感器对具有明显火灾特征的几个参数进行监测,再利用D-S证据理论对所有监测数据进行融合处理得到更为准确的判定结果。  1 火灾探测对象...
  • 针对目前传感器数据融合过程中,各传感器的可靠度估计困难和测量数据融合结果精度较低的问题,利用模糊理论中的相关性函数, 提出了传感器的相互支持程度计算的新方法,并基于最小二乘原理, 对支持程度高的传感器数据...
  • 据此提出一种利用模糊技术进行多传感器数据融合的温度趋势判别方法, 并结 合现场实际归纳了进行融合的数据种类,建立了实时专家系统控制策略。工业实践表明,该方法鲁棒性 强、 准确率高, 具有很强的实用性...
  • 特别是,本文对多传感器数据融合技术进行了综述,包括其优势和具有挑战性的方面。 基于推理,估计和分类,讨论现有多传感器数据融合技术的局限性; 尽管有一些关于数据融合的特定和一般文献评论。
  • 刮板输送机是煤矿井下重要的开采设备之一,简要分析了现阶段刮板输送机的故障诊断现状,针对刮板输送机故障种类繁多,相互影响大且不易诊断的问题,根据多传感器数据融合理论,提出了RBF和模糊积分相结合的刮板输送机故障...
  • 文中建立了功能完整的多传感器数据融合模型,使用最邻近数据关联( NNDA)算法提取目标航迹,采 用三次样条插值实现时间配准,并将传感器性能作为权重应用到航迹对的融合中,使用加权平均的方法融合航 迹对。引用回声状态...
  • 多传感器数据融合技术的理论及应用.pdf
  • 为减小倾角传感器角度测量误差造成的液压支架高度测量累积误差,提出了一种基于多传感器数据融合的液压支架高度测量方法,即利用分批估计算法和自适应加权算法将分别通过掩护梁和前连杆处倾角传感器所测角度计算得到的...
  • 多传感器数据融合理论及应用(第2版) 内容简介 本教材在“对潜在目标的跟踪和识别中传感器目标数据融合技术”这门短期课程,做了一些新的数据融合算法进行解释和举例说明。许多读者对其中三个领域特别感兴趣,即...
  • 针对传统Luo一致性数据融合算法的缺陷进行改进,并通过归一化特征值加权法得到每个传感器测量值被系统综合支持的程度,完成多传感器测量数据融合。实验结果表明:该数据算法计算步骤固定,方便在FPGA上实现;该里程...
  • 针对传感网测量水质数据过程中存在的必然不确定性和随机不确定性,提出了一种基于区间证据理论的多传感器数据融合水质判断方法。考虑传感器精度误差以及测量数据异常等问题,将每个传感器测量的水质数据用区间数表示...
  • 本系统所设计的机器人的主要... 多传感器数据融合技术结合了控制理论、信号处理、人工智能、概率和统计的发展,协同运用传感器的传感数据,提取所探测环境的近可能的有用信息,消除信息的不确定性,提高传感器的可
  • 两种异步多传感器数据融合算法的比较,肖溪子,卢耀舜,多传感器数据融合目前已经广泛应用于多个领域,其能够使测量更加准确,提高系统的可信度和可靠性。Kalman滤波和最小二乘滤波是数据
  • 准则下考察传感器的融合权重, 提出一种新的多传感器数据融合方法. 通过个性能指标折中估计传感器权重, 以降低决策的主观性和偶然性; 提出从不同融合级别来定义个准则, 定性地提高了准则的信息量; 在没有...
  • 研究生系列教材:多传感器数据融合及其应用(最新版)
  • 对文献[5]提出的Cao方法进行了改进,提出一种新的嵌入延迟相空间重构方法,不仅能够判断最小嵌入维数,还能够确定最佳时间延迟矢量。Cao方法的应用领域得以扩展,使得相空间重构问题可以在一个判断标准下完成。...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 31,847
精华内容 12,738
关键字:

多传感器数据融合