多传感信息融合解析.pptVIP

多传感信息融合技术 作者：第一组 目录 1 2 3 基本原理 发展现状 技术应用 1.1基本原理 利用计算机技术将来自多传感器或多源的信息和数据，在一定的准则下加以自动分析和综合，以完成所需要的决策和估计而进行的信息处理过程 1.2主要信息融合方法 1）模糊理论的传感信息融合 在实际生活中，我们所遇到的概念并不都是清晰的，即存在某个对象我们不能说它绝对符合或绝对不符合某概念把。人类专家对特定的被控对象或过程的控制策略总结成一系列以IF(条件)THEN(作用)形式表示的控制规则,通过模糊推理得到控制作用集,作用于被控对象。 2）人工神经网络的传感信息融合 许多处理单元相互连接组成的信号处理系统，每个单元的输出通过权值与其它单元相互连接，网 络结构分为前向型和反馈型，主要由处理单元的互联方式决定。 3）D-S理论的传感器信息融合 一种不确定推理方法，具有直接表达“不确定”和 “不知道”的能力 多传感器系统中,各传感器所提供的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质上是一个不确定的推理过程。如下是两种主要的信息融合方法 1.3体系架构 1）分布式：先对各个独立传感器所获得的原始数据进行局部处理，然后再将结果送入信息融合中心进行智能优化组合来获得最终的结果。分布式对通信带宽的需求低、计算速度快、可靠性和延续性好，但跟踪的精度却远没有集中式高；分布式的融合结构又可以分为带反馈的分布式融合结构和不带反馈的分布式融合结构。 2）集中式：集中式将各传感器获得的原始数据直接送至中央处理器进行融合处理，可以实现实时融合，其数据处理的精度高，算法灵活，缺点是对处理器的要求高，可靠性较低，数据量大，故难于实现； 3）混合式：混合式多传感器信息融合框架中，部分传感器采用集中式融合方式，剩余的传感器采用分布式融合方式。混合式融合框架具有较强的适应能力，兼顾了集中式融合和分布式的优点，稳定性强。混合式融合方式的结构比前两种融合方式的结构复杂，这样就加大了通信和计算上的代价。 2.发展现状 多传感信息融合又称多传感数据融合、多源数据融合。数据融合技术最早应用于上世纪70 年代美国的军事系统中，在此之后各发达国家都相继在军事应用中使用数据融合，而且已经开发出了投入使用的融合系统，比如美国的数据融合系统敌态势分析系统、全源信息分析系统，英国的炮兵智能数据融合示范系统、舰载多传感器数据融合系统等等。 国内研究信息融合起步较晚， 处于吸收和跟踪国外研究水平、理论学习阶段，开发出的信息融合系统的成功例子较少。近年来，随着我们国家对数据融合技术的重视和计算机数据存储处理能力的增强，也有不少对数据融合技术的研究的成功案例，如四川大学研制的多航管雷达数据融合系统，中科院开发的图像数据融合软件。 3.实际应用 军事方面：目前世界各主要军事大国都竞相投入大量人力 、物力、财力进行数据融合方面的研究 , 并已经取得显著的研究成果. 美 、英 、法 、意 、日等国已经研究出了上百个军用数据融合系统. 典型的如美国的“全源信息分析系统”( ASAS)、“战术陆军和空军指挥员自动情报保障”系统( LENSCE)、“敌态势分析系统”( EN2SCS); 英国的“炮兵智能信息融合”系统(AIDD)、“机动和控制” 系统( WAVELL)、“分布式数据融合系统。 民用方面： 工业机器人利用多传感器融合技术, 通过使用电视图像、声音、电磁等数据的融合来进行推理, 以完成物料搬用、零件制造、检验和装配等工作。汽车自动无人驾驶控制系统, 该系统由差分全球定位系统( DGPS)、惯性传感器( INS)、数字地图( DM)、立体图像传感器( SVS)、激光探测器( LS)和雷达( Radar) 系统组成. 其中差分全球定位系统 、惯性传感器、数字地图是用来确定汽车行驶地理位置和方向,并检测路面的几何形状; 图像传感器主要识别和跟踪汽车行驶路面边缘; 激光探测器和雷达完成汽车行驶过程中路况和前方障碍物等信息的检测. 系统将各传感器输出的信号通过卡尔曼滤波后进行信息融合, 从而得到汽车行驶路面的情况 ,通过控制机构实现汽车自动无人驾驶。 在采煤机方面的应用