信息融合绪论剖析.ppt

1.2 信息融合的模型分类与结构 集中式：在融合中心进行全部工作，信息损失小；但对通信要求高，中心计算负担重，生存能力差； 分布式：接收局部航迹，处理后形成全局估计；可靠性高，通信量小 混合式：综合性能较好，应用较多。 1.3 信息融合的主要技术与方法 信息融合的基本功能是相关、估计和识别。涉及多方面理论和技术，如信号处理、估计理论、不确定性理论、模式识别、最优化技术、神经网络和人工智能等，是一个涉及到信息科学、计算机科学、自动化科学的交叉学科。 1. 主要技术与方法： 信号处理与估计理论：小波、LSE、KF、UKF… 统计推断方法：经典推理、Bayes推理、证据理论… 信息论方法：熵方法、最小描述长度方法… 决策论方法 人工智能方法：模糊理论、ANN、GA… 1.3 信息融合的主要技术与方法 信号处理与估计理论方法 信号处理与估计理论方法（signal processing and estimation theory methods）包括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滤波（GSF）等非线性估计技术等。近年来，越来越多的学者致力于无迹Kalman滤波（UKF），基于随机抽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。 期望极大化（EM）算法为求解在具有不完全观测数据的情况下的参数估计与融合问题，提供了一个全新的思路。 1.3 信息融合的主要技术与方法 统计推断方法 统计推断方法（statistical inference methods）包括经典推理、Bayes推理、证据推理，以及随机集（Random set）理论、支持向量机理论等。 信息论方法 信息论方法（information theory methods）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（entropy based methods）、最小描述长度方法（minimum description length，MDL）等。 1.3 信息融合的主要技术与方法 决策论方法 决策论方法（decision theory methods）往往应用于高级别的决策融合。可以借助决策论方法融合可见光、红外以及毫米波雷达数据用于报警分析（alarm analysis）。 人工智能方法 人工智能方法（artificial intelligence methods）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（figure of merit ，FOM）等，在信息融合领域的运用也取得了一定的成果。 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。 1.3 信息融合的主要技术与方法 2. 几个关键问题 数据配准; 同类或异类数据； 观测数据的不确定性； 不完整、不一致及虚假数据； 数据关联； 粒度； 态势数据库； 数据配准 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。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。 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。 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