多传感器数据融合技术1、引言同时其它西方发达国家和国际组织(如英、日、德、法及欧共体等)也积极开展了数据融合技术研究工作。1986年开始，每年IEEE主办的“机器人与自动化”(RoboticsandAutomation)学术会议上都有专门关于数据融合的专题。各种学术刊物也纷纷开辟专栏和出版专集，交流和探讨数据融合的有关问题。1987年欧洲共同体开始为期5年的SKIDS(SignalandKnowledgeIntegrationwithDecisionalControlforMulti—sensorySystem)计划，主要目标是研究多传感器数据融合的通用结构及实时信息融合技术等。1998年成立了国际信息融合学会(ISIF)，每年举行一次信息融合国际学术会议。促进了信息融合技术的交流与发展，相继取得了一些有重要影响的研究成果。和国外相比，我国在数据融合领域的研究起步较晚。1991年海湾战争结束以后，数据融合技术引起国内有关单位和专家的高度重视。一些高校和科研院所相继对数据融合的理论、系统框架和融合算法开展了大量研究，但基本上处于理论研究的层次上，在工程化、实用化方面尚未取得有成效的突破，有许多关键技术问题尚待解决，在工程应用领域，需要开发出有重要应用价值的实用系统。近年来数据融合技术已形成研究热点，国家自然科学基金和国家863计划已将其列入重点支持项目。1.2定义数据融合，是多元信息综合处理的一项新技术,它有多种译名,如多传感器相关、多源相关、多传感器融合、信息融合等。数据融合比较确切的定义可概括为:充分利用不同的时间和空间的多传感器信息资源,采用计算机技术对按时序获得的多传感器观测信息在一定的准则下加以自动分析、综合、支配和使用,获得被测对象的一致性解释与描述,以完成所需的决策和估计任务,使系统获得比它的各个组成部分更优越的性能。1.3内容数据关联:确定从多传感器来的数据是否反映同一个目标。多传感器ID/轨迹估计:假设从多源来的报告反映的是同一目标,对这些数据进行综合以改进对该目标的估计,或是改进对整个当前/未来情况的估计。采集管理:给定传感器环境的一种认识状态,通过分配多个信息捕获和处理源,以最大限度地发挥其性能,从而使其操作成本降到最低。简言之,传感器的数据融合功能主要包括多传感器的目标探测、数据关联、跟踪与识别、情况评估和预测。1.4特点生存能力强；扩展了空间覆盖范围；扩展了时间的覆盖范围；提高了可信度；降低了信息的模糊度；改进了探测性能；提高了空间分辨率；增加了测量维数；2、基本原理、融合过程及关键技术2.2融合过程数据融合过程主要包括多传感器(信号获取)、数据预处理、数据融合中心(特征提取、数据融合计算)和结果输出等环节,其过程如下图所示。2.3关键技术数据融合的关键技术主要是数据转换、数据相关、态势数据库和融合计算等,其中融合计算是多传感器数据融合系统的核心技术。①对多传感器的相关观测结果进行验证、分析、补充、取舍、修改和状态跟踪估计。②对新发现的不相关观测结果进行分析和综合。③生成综合态势,并实时地根据多传感器观测结果通过数据融合计算,对综合态势进行修改。3、数据融合系统的结构及功能模型123.2功能模型4、数据融合方法4.1综合平均法该方法是把来自多个传感器的众多数据进行综合平均。它适宜于用同样的传感器检测同一个检测目标。如果对一个检测目标进行了k次检测,其平均值Wi为分配给第i次检测的权数。4.2贝叶斯估计法贝叶斯推理技术主要用来进行决策层融合，它是通过先验信息和样本信息合成为后验分布，对检测目标作出推断。4.2D-S(Dempster-Shafer)证据推理法是贝叶斯推理的扩充,其3个基本要点是:基本概率赋值函数mi、信任函数Beli和似然函数Plsi。D-S方法的推理结构是自下而上的,分3级,推理结构如图5所示4.3模糊逻辑法针对数据融合中所检测的目标特征具有某种模糊性的现象,有人利用模糊逻辑方法来对检测目标进行识别和分类。建立标准检测目标和待识别检测目标的模糊子集是此方法的研究基础。但模糊子集的建立,需要有各种各样的标准检测目标,同时又必须建立合适的隶属函数。而确定隶属函数比较麻烦,目前还没有规范的方法可遵循。又由于标准检测目标子集的建立受到各种条件的限制,往往误差较大。4.4神经网络方法一个人工神经网络(AN)由多层处理单元或节点组成,可以用各种方法互联，图6表示一个具有3层节点的AN,输入向量是与目标有关的测量参数集,输入的数据向量经过AN非线性变换,得到一个输出向量,输出向量可能是目标身份。这样一种变换能够产生从数据到标识分类的映射,也就把多传感器的数据变换为一个实体的联合标识,这是一种特有的并行学习方式,完全不同于传统的基