基于信号不融合度.docVIP

基于信息融合的不确定度认证研究 作 者 指导教师 摘 要：：多传感器信息融合广泛应用于智能机器人、自动目标识别、战场监视、医疗诊断、图像处理等领域。对新一代GPS测量不确定度的评定精度进行研究， 提出了一种基于信息融合的评定方法。 该方法首先求得置信距离测度， 得到置信距离矩阵， 并在此基础上得出表示相互支持程度的关系矩阵， 以此为评判标准得到最优测量组合， 最后运用融合方法得到融合结果。 关键词： Bayes 信息融合 测量不确定度 评定 The Evaluation Method of Measurement Uncertainty of Geometric Products Based on Information Fusion Abstract：Multi-sensor information fusion (MSIF) is being applied to a wide variety of fields such as intelligent robot, automated target recognition, battlefield surveillance, medical diagnostics, image processing. An evaluation method based on information fusion is proposed by studying the accuracy of measurement uncertainty of next-generation GPS. In this method, confidence distance measure and confidence distance matrixes are obtained firstly. On the basis of it, a relation matrix of mutual support degree is gained and the optimal combination of measurement is got secondly. By using fusion method, the fusion results are got finally. Key word：Information fusion Measurement uncertainty Evaluation 1 引言 1．1 信息融合原理 信息融合是对多源信息的综合处理过程， 它利用的是人类或其他逻辑思维系统中常用的基本功能，某种意义上指模仿人脑综合处理复杂问题，各种传感器的信息具有不同的特征：实时的或者非实时的，快变的或者缓变的，模糊的或者确定的，相互支持或者相互补偿，也可能是互相矛盾或竞争的。 多传感器信息融合的基本原理就像人脑综合处理充分利用多个传感器资源信息一样， 通过对这些传感器及其观测信息的合理支配和使用， 把多个传感器在空间或时间上的冗余或互补信息以及某种准则进行组合以获得被测对象的一致性解释和描述。 信息融合的目标是基于各种传感器的分离观察信息，通过对信息的优化组合导出更多的有效信息，最终目的是利用多个传感器共同或联合操作的优势来提高整个系统的有效性 。 基于不同时间和空间的多传感器信息, 在一定准则下, 对按时间序列获得的多传感器观测数据进行分析、综合、处理和使用, 通过它们之间的协调和性能互补的优势, 克服单个传感器的局限性, 获得对被测对象的一致性解释与描述, 进而实现相应的决策和估计, 使系统获得比其他的单个组成部分更加充分的信息, 提高整个传感器系统的有效性能, 以实现全面准确地描述被测对象 。 多传感器信息融合系统与所有单传感器信号处理或低层次的数据处理方式相比， 后者是对人脑信息处理的一种低水平模仿，而前者可更大程度获取被探测目标和环境的信息量。 融合一般分三个层次，数据级融合、特征级融合和决策级融合。文中的融合级别属于数据级融合。 多传感器信息融合是20世纪80年代出现的一个新兴学科，也是现代信息处理领域新近崛起的一个前沿性的研究方向,是针对一个系统中使用多个传感器这一问题而展开的一种信息处理方法。 它通过对多类同构或异构传感器的冗余信息和互补信息进行综合(集成或融合),得到被观测对象更加精确的评估,以便对事物进行正确的判断和决策。早期主要是应用在军事上,用于目标的检测、定位、跟踪和识别。而随着工业系统的复杂化和智能化,该技术已经推广到了民用领域,主要应用有移动机器人 、医疗诊断、智能交通、智能制造、智能检测、目标识别、现代化管理以及刑侦等很多领域。 一般而言,多传感器融合系统具有以下特点:提高系统的可靠性和鲁棒性;可扩展空间和时间