傳感器信息融合及其應(yīng)用論文

1、傳感器融合理論及應(yīng)用傳感器信息融合及其應(yīng)用綜述指導(dǎo)教師:姓名:專業(yè):學(xué)號:傳感器信息融合及其應(yīng)用綜述1引言近年來，多傳感器信息融合技術(shù)不論在軍事領(lǐng)域還是在民事領(lǐng)域都受到了廣泛的關(guān)注。這一技術(shù)正廣泛應(yīng)用于自動目標(biāo)識別、戰(zhàn)場監(jiān)視、自動飛行器導(dǎo)航、機器人、遙感、醫(yī)療診斷、圖像處理、模式識別和復(fù)雜工業(yè)過程控制等領(lǐng)域。多傳感器數(shù)據(jù)融合是指對不同知識源和傳感器采集的數(shù)據(jù)進(jìn)行融合，以實現(xiàn)對觀測現(xiàn)象更好地理解。從表面上看，多傳感器融合的概念很直觀，但實際上要真正實現(xiàn)一個多傳感器融合系統(tǒng)是比較困難的。異質(zhì)傳感器數(shù)據(jù)的建模、協(xié)同與解釋都是富有挑戰(zhàn)性的工作。盡管有很多困難，但由于多傳感器融合系統(tǒng)具有改善系統(tǒng)性能的巨

2、大潛力,人們還是投入了大量的精力進(jìn)行研究。傳感器是智能機器與系統(tǒng)的重要組成部分，其作用類似于人的感知器官，可以感知周圍環(huán)境的狀態(tài)，為系統(tǒng)提供必要的信息。例如,一個機器人可以通過位置傳感器獲得自身當(dāng)前的位置信息，為下一步的運動任務(wù)提供服務(wù)。通過傳感器可以將系統(tǒng)的輸入和輸出聯(lián)系在一起，構(gòu)成一個閉環(huán)的控制回路，這對實際應(yīng)用有著極其重要的意義。隨著工作環(huán)境與任務(wù)的日益復(fù)雜，人們對智能系統(tǒng)的性能提出了更高的要求。單靠一個位置傳感器無法消除由于其自身的累積誤差對系統(tǒng)造成的影響。另外單個傳感器往往無法滿足某些系統(tǒng)對魯棒性的要求。顯然，解決這些問題的一種有效途徑就是多傳感器技術(shù)。多傳感器技術(shù)的使用可以提高系統(tǒng)

3、的性能，但在實際應(yīng)用中還存在許多問題。目前，針對這些問題的研究已經(jīng)形成了一個新的研究領(lǐng)域，即多傳感器集成與融合。雖然這方面的研究只有短短十幾年，但已經(jīng)取得了許多研究成果，其中多傳感器融合的研究更是受到人們的重視，并且已經(jīng)成為目前該領(lǐng)域的研究熱點之一。和國外的研究相比，國內(nèi)在多傳感器融合方面的研究尚處于初始階段，對這方面系統(tǒng)介紹的文獻(xiàn)也相對較少。此外，多傳感器融合是一個復(fù)雜的信息處理過程，所要研究白問題多，而且解決問題的方法也很多，因此有必要對目前的研究情況進(jìn)行系統(tǒng)的介紹。圖1是多傳感器數(shù)據(jù)融合的示意圖，傳感器之間的冗余數(shù)據(jù)增強了系統(tǒng)的可靠性，傳感器之間的互補數(shù)據(jù)擴展了單個的性能。一般而言，多傳

4、感器融合系統(tǒng)具有以下優(yōu)點：1）提高系統(tǒng)的可靠性和魯棒性；2）擴展時間上和空間上的觀測范圍3）增強數(shù)據(jù)的可信任度；4）增強系統(tǒng)的分辨能力。在設(shè)計多傳感器融合系統(tǒng)時，應(yīng)考慮以下一些基本問題1）系統(tǒng)中傳感器的類型、分辨率、準(zhǔn)確率；2）傳感器的分布形式；3）系統(tǒng)的通信能力和計算能力；4）系統(tǒng)的設(shè)計目標(biāo)；5）系統(tǒng)的拓?fù)浣Y(jié)構(gòu)（包括數(shù)據(jù)融合層次和通信結(jié)構(gòu)）。2問題描述單傳感器系統(tǒng)結(jié)構(gòu)如圖2所示。單個傳感器在某一采樣時刻只能獲取一組數(shù)據(jù)，由于數(shù)據(jù)量少，所以經(jīng)過處理得到的信息只能用來描述環(huán)境的局部特征，在實際應(yīng)用中單傳感器系統(tǒng)往往被認(rèn)為是一個單入單出的系統(tǒng)。與單傳感器系統(tǒng)相比，多傳感器系統(tǒng)的結(jié)構(gòu)要復(fù)雜得多，如圖

5、3。多傳感器系統(tǒng)通過多個傳感器（可以為同構(gòu)，也可以為異構(gòu)）獲得更多種類和數(shù)量的傳感數(shù)據(jù)，因此經(jīng)過處理得到的多種信息能夠?qū)Νh(huán)境進(jìn)行更加全面的描述，在實際應(yīng)用中多傳感器系統(tǒng)可以被理解為一個多人多出的系統(tǒng)（包括多入單出系統(tǒng)）。這種結(jié)構(gòu)上的差異導(dǎo)致了多傳感器系統(tǒng)的處理過程比單傳感器系統(tǒng)更加復(fù)雜，其中多傳感器融合是整個處理過程中一個重要的組成部分，如圖4。系統(tǒng)圖3圖4物出在多傳感器融合中，包含了大量的不確定信息。首先，無論哪種傳感器，其測量數(shù)據(jù)都會存在一定的誤差，造成誤差的原因可能是環(huán)境中的不確定性，如噪聲；也可能是傳感器本身存在的問題，如傳感器故障或者模型偏差。因此從這樣的測量數(shù)據(jù)中提取的信息必然具有

6、某種不確定性（如隨機性）。其次，驗前信息是根據(jù)系統(tǒng)以往行為得到的一種經(jīng)驗信息，可以是人工產(chǎn)生的，也可以由系統(tǒng)自身產(chǎn)生，它也具有一定不確定性（如模糊性）。以上這些具有不確定性的信息統(tǒng)稱為不確定信息。除了上面介紹的兩種情況外，在處理過程中由于信息的損失也會產(chǎn)生新的不確定信息。多傳感器融合的研究對象就是這些不確定信息，通過融合處理可以降低信息的不確定性，提高對環(huán)境特征描述的準(zhǔn)確性。研究表明，經(jīng)融合處理得到的結(jié)果比單個傳感器得到的結(jié)果更準(zhǔn)確，同時信息的冗余還可以提高整個系統(tǒng)自身的魯棒性。多傳感器融合是一個復(fù)雜的不確定信息處理過程,有待解決的問題很多。2.1 信息描述空間的不同在多傳感器系統(tǒng)中，每個傳感

7、器得到的信息都是某個環(huán)境特征在該傳感器空間中的描述。由于各傳感器物理特性以及空間位置上的差異，造成這些信息的描述空間各不相同，因此很難對這樣的信息進(jìn)行融合處理。為了保證融合處理的順利進(jìn)行，必須在融合前對這些信息進(jìn)行適當(dāng)?shù)奶幚?，將這些信息映射到一個共同的參考描述空間中，然后進(jìn)行融合處理，最后得到環(huán)境特征在該空間上的一致描述。例如，在一個多傳感器系統(tǒng)中可以通過視覺傳感器得到物體位置信息，也可以用超聲波傳感器得到物體的位置信息。由于坐標(biāo)系不同，因此在融合前必須將它們轉(zhuǎn)換到同一個參考坐標(biāo)系中，然后進(jìn)行融合處理。這里值得注意的是，信息的不確定性給這個問題的解決帶來了許多困難。Durrant-Whyte在

8、文中曾提出了一種不確定幾何學(xué)的理論框架，它能夠有效地解決不確定幾何體在不同坐標(biāo)空間中的變換，這一方法還在文中得到了應(yīng)用。但這種方法僅限于幾何信息的處理。2.2 數(shù)據(jù)關(guān)聯(lián)與時間同步問題融合處理的前提條件是從每個傳感器得到的信息必須是對同一目標(biāo)的同一時刻的描述。這包括兩個方面，首先要保證每個傳感器得到的信息是對同一目標(biāo)的描述，比如同一物體的位置信息。在多傳感器融合中，這被稱之為數(shù)據(jù)關(guān)聯(lián)(Dataassoci-ation)。其次,要保證各傳感器之間應(yīng)該在時間上同步。在動態(tài)工作環(huán)境下，同步問題表現(xiàn)得尤為突出。文利用序列的方法來解決時變觀測(Time-variantobservation)的同步問題。是

9、值得研究的問題。在這方面，專家系統(tǒng)和數(shù)據(jù)挖掘技術(shù)為解決這些問題提供了很好的思路。2.3 驗前信息驗前信息也是多傳感器融合所要處理的內(nèi)容之一。它與其他信息不同，它可以被用于多傳感器融合的各個階段，對多傳感器融合起著重要的作用。因此，如何將驗前信息與多傳感器融合有機地結(jié)合以及在動態(tài)環(huán)境下如何獲取、更新驗前信息都2.4 融合方法多傳感器融合的實質(zhì)是不確定信息的處理，它需要能夠處理不確定信息的數(shù)學(xué)工具。要解決融合問題，首先要用具體的數(shù)學(xué)形式來描述不確定信息，然后用相應(yīng)的數(shù)學(xué)工具來處理。因此，不確定信息的不同表示方法對應(yīng)著不同種類的融合方法。例如,與隨機信息相對應(yīng)的是基于概率統(tǒng)計的融合方法；與模糊信息相

10、對應(yīng)的是基于模糊邏輯的融合方法。除了不確定性給處理帶來的困難外，多種不同形式的不確定性并存也給多傳感器融合帶來了很大的困難。此外,還要考慮應(yīng)用環(huán)境對融合方法的進(jìn)一步要求，即適用于動態(tài)與未知環(huán)境下的融合方法。2.5 融合結(jié)構(gòu)多傳感器融合具有明顯的層次結(jié)構(gòu)，如圖3所示,在從左到右的處理過程中，信息會變得越來越抽象，高層的信息可以看成是從多個低層信息中抽象出來的，例如，可以從兩幅圖像中得到物體的深度信息。雖然層次結(jié)構(gòu)為多傳感器融合提供了靈活性，但同時也帶來了一些問題，比如信息損失等。在這些所要解決的問題中，有些是在特殊應(yīng)用環(huán)境下提出的。然而作為多傳感器融合的本質(zhì)問題，無論是理論研究還是實際應(yīng)用，融合

11、方法都是多傳感器融合所研究的重點。3多傳感器融合方法作為多傳感器融合的研究熱點之一，融合方法一直受到人們的重視，這方面國外已經(jīng)作了大量的研究，并且提出了許多融合方法。目前，這些方法大致可分為兩大類：概率統(tǒng)計方法和人工智能方法。其中人工智能方法又可以分為兩種：邏輯推理方法和學(xué)習(xí)方法。3.1 概率統(tǒng)計方法概率論已有很長的歷史，它成功地處理了許多與不確定性有關(guān)的問題，有豐富的理論和系統(tǒng)的方法。它所研究的現(xiàn)象是隨機的，用隨機變量來表示不確定信息（隨機信息），將概率統(tǒng)計方法作為不確定信息處理的手段。在多傳感器融合中，常采用的與概率統(tǒng)計有關(guān)的方法包括：估計理論、卡爾曼濾波、假設(shè)檢驗、貝葉斯方法，統(tǒng)計決策理

12、論以及其他變形的方法。其中，文對卡爾曼濾波、貝葉斯估計、多貝葉斯方法和統(tǒng)計決策理論做了簡單的介紹，其他方法可以在本文所列舉的參考文獻(xiàn)中找到。概率統(tǒng)計方法可以在融合的各個層次上使用。盡管概率統(tǒng)計方法已經(jīng)成為多傳感器融合研究中不可缺少的工具但是在不確定性推理中仍然存在一些問題。這主要有兩方面的原因，首先,概率論本身存在著缺陷。目前，對概率存在兩種不同的解釋，一種是客觀概率，即事件發(fā)生的頻率；另一種是主觀概率，即人的信念。這兩者既存在著聯(lián)系,又存在著差異和矛盾。此外，概率論在傳統(tǒng)框架下無法綜合不同信息所表示信念。張堯庭等人討論了概率論存在的問題，并且介紹了兩種改進(jìn)的概率方法，即似然比推理和信任函數(shù)理

13、論。這兩種方法可以在一定程度上克服傳統(tǒng)概率方法所存在的問題。其次，在許多融合方法中，往往對傳感信息的性質(zhì)做了一些明確的假設(shè)，最常見的假設(shè)就是每個傳感器所采用的測量模型都包含一附加的白噪聲項，同時假設(shè)各個傳感器之間相互獨立?？墒窃趯嶋H應(yīng)用中這一假設(shè)很難滿足，這對概率統(tǒng)計方法的實際應(yīng)用會造成影響。止匕外，由于許多概率統(tǒng)計方法都是基于一個確定的概率分布，因此大多數(shù)概率統(tǒng)計方法只適合于靜態(tài)的工作環(huán)境。3.2 邏輯推理邏輯推理包括概率推理、證據(jù)推理、模糊推理、和產(chǎn)生式規(guī)則等。它們都屬于不確定性推理，是人工智能研究中最為活躍的研究領(lǐng)域之一。不確定性推理的方法，首先需要對不確定信息進(jìn)行表示（或度量）、不同的

14、表示方法即構(gòu)成不同的不確定性推理的方法。對人工智能中的不確定性進(jìn)行了深入的討論。對不確定性推理原理進(jìn)行了詳細(xì)的討論，并且提出了包含度理論。包含度理論不僅是研究不確定性推理的一般原理，而且是研究不確定現(xiàn)象的方法學(xué)。分別給出了模糊方法和D-S證據(jù)理論在多傳感器數(shù)據(jù)融合中的應(yīng)用。介紹了產(chǎn)生式規(guī)則在多傳感器融合中的應(yīng)用。此外,Luo和Kay還對D-S證據(jù)理論、模糊邏輯和產(chǎn)生式規(guī)則進(jìn)行了比較,與概率統(tǒng)計方法相比，邏輯推理存在許多優(yōu)點，它在一定程度上克服了概率論所面臨的問題，它對信息的表示和處理更加接近人類的思維方式，它一般比較適合于在高層次上的應(yīng)用（如決策），但是邏輯推理本身還不夠成熟和系統(tǒng)化。此外，由

15、于邏輯推理對信息的描述存在很大的主觀因素，所以信息的表示和處理缺乏客觀性。和概率統(tǒng)計方法一樣，邏輯推理在實際應(yīng)用中也存在一些問題。例如，證據(jù)組合規(guī)則是D-S證據(jù)理論的核心，但在應(yīng)用中要求滿足組合證據(jù)之間相互獨立，這在實際應(yīng)用中往往難以滿足。針對這一問題對D-S證據(jù)理論做了一些改進(jìn)。4數(shù)據(jù)融合技術(shù)的理論方法數(shù)據(jù)融合的關(guān)鍵問題是模型設(shè)計和融合算法，數(shù)據(jù)融合模型主要包括功能模型、結(jié)構(gòu)模型和數(shù)學(xué)模型。功能模型從融合過程出發(fā)，描述數(shù)據(jù)融合包括哪些主要功能和數(shù)據(jù)庫，以及進(jìn)行數(shù)據(jù)融合時系統(tǒng)各組成部分之間的相互作用過程；結(jié)構(gòu)模型從數(shù)據(jù)融合的組成出發(fā)，說明數(shù)據(jù)融合系統(tǒng)的軟、硬件組成，相關(guān)數(shù)據(jù)流、系統(tǒng)與外部環(huán)境的

16、人機界面；數(shù)學(xué)模型是數(shù)據(jù)融合的算法和綜合邏輯，算法主要包括分布檢測、空間融合、屬性融合、態(tài)勢評估和威脅估計算法等，下面從3個方面分別進(jìn)行介紹。1）信息融合的功能模型目前已有很多學(xué)者從不同角度提出了信息融合系統(tǒng)的一般功能模型，最有權(quán)威性的是DFS（美國三軍政府組織）實驗室理事聯(lián)席會（JDL）下面的C3I技術(shù)委員會（TPC3）數(shù)據(jù)融合專家組）提出的功能模型。該模型把數(shù)據(jù)融合分為3級。第1級是單源或多源處理，主要是數(shù)字處理、跟蹤相關(guān)和關(guān)聯(lián)；第2級是評估目標(biāo)估計的集合，及它們彼此和背景的關(guān)系來評估整個情況；第3級用一個系統(tǒng)的先驗?zāi)繕?biāo)集合來檢驗評估的情況。恃感H聞接情報爨理對戢然荊一處校關(guān)跟識人機接口圖

17、5態(tài)勢敢描蚱ff牯初»源披其簡化模型如圖5所示。2）信息融合的結(jié)構(gòu)模型數(shù)據(jù)融合的結(jié)構(gòu)模型有多種不同的分類方法，其中一種分類標(biāo)準(zhǔn)是根據(jù)傳感器數(shù)據(jù)在送入融合處理中心之前已經(jīng)處理的程度來進(jìn)行分類。在這種分類標(biāo)準(zhǔn)下，融合結(jié)構(gòu)被分為傳感器級數(shù)據(jù)融合、中央級數(shù)據(jù)融合及混合式融合，還可以根據(jù)數(shù)據(jù)處理過程的分辨率來對融合結(jié)構(gòu)進(jìn)行分類。在這種情況下，融合結(jié)構(gòu)為像素級、特征級和決策級融合。3）多傳感器信息融合實現(xiàn)的數(shù)學(xué)模型信息融合的方法涉及到多方面的理論和技術(shù)，如信號處理、估計理論、不確定性理論、模式識別、最優(yōu)化技術(shù)、模糊數(shù)學(xué)和神經(jīng)網(wǎng)絡(luò)等這方面國外已經(jīng)做了大量的研究。目前，這些方法大致分為兩類：隨機類方

18、法和人工智能方法。隨機類方法這類方法研究對象是隨機的，在多傳感器信息融合中常采用隨機類方法包括很多，這里只介紹前3種方法。a.Bayes推理方法把每個傳感器看作是一個Bayes估計器，用于將每一個目標(biāo)各自的關(guān)聯(lián)概率分布綜合成一個聯(lián)合后驗分布函數(shù)，然后隨觀測值的到來，不斷更新假設(shè)的該聯(lián)合分布似然函數(shù)，并通過該似然函數(shù)的極大或極小進(jìn)行信息的最后融合。雖然Bayes推理法解決了傳統(tǒng)的推理方法的某些缺點，但是定義先驗似然函數(shù)比較困難，要求對立的假設(shè)彼此不相容，無法分配總的不確定性，因此，Bayes推理法具有很大的局限性。b.Dempster-Shafer的證據(jù)理論是一種廣義的Bayes推理方法,它是通

19、過集合表示命題，把對命題的不確定性描述轉(zhuǎn)化為對集合的不確定性描述，利用概率分配函數(shù)、信任函數(shù)、似然函數(shù)來描述客觀證據(jù)對命題的支持程度，用它們之間的推理與運算來進(jìn)行目標(biāo)識別。D-S證據(jù)理論可以不需要先驗概率和條件概率密度，并且能將/不知道0和/不確定0區(qū)分開來，但是它存在潛在的指數(shù)復(fù)雜度問題和要求證據(jù)是獨立的問題。c.Kalman濾波融合算法它利用測量模型的統(tǒng)計特性，遞推確定在統(tǒng)計意義下最優(yōu)的融合數(shù)據(jù)估計，適合于線性系統(tǒng)的目標(biāo)跟蹤，并且一般適用于平穩(wěn)的隨機過程，它要求系統(tǒng)具有線性的動力學(xué)模型，且系統(tǒng)噪聲和傳感器噪聲是高斯分布白噪聲模型，并且計算量大，對出錯數(shù)據(jù)非常敏感。人工智能方法近年來，用于多

20、傳感器數(shù)據(jù)融合的計算智能方法有：小波分析理論、模糊集合理論、神經(jīng)網(wǎng)絡(luò)、粗集理論和支持向量機等，限于篇幅只介紹小波變換和神經(jīng)網(wǎng)絡(luò)方法。a.小波變換是一種新的時頻分析方法，它在多信息融合中主要用于圖像融合，即是把多個不同模式的圖像傳感器得到的同一場景的多幅圖像,或同一傳感器在不同時刻得到的同一場景的多幅圖像，合成為一幅圖像的過程。經(jīng)圖像融合技術(shù)得到的合成圖像可以更全面、精確地描述所研究的對象?；谛〔ㄗ儞Q的圖像融合算法為：首先用小波變換將各幅原圖像分解，然后基于一定的選擇規(guī)則，得到各幅圖像在各個頻率段的決策表,對決策表進(jìn)行一致性驗證得到最終的決策表，在最終決策表的基礎(chǔ)上經(jīng)過一定的融合過程，得到融合

21、后的多分辨表達(dá)式，最后經(jīng)過小波逆變換得到融合圖像。b.神經(jīng)網(wǎng)絡(luò)方法是在現(xiàn)代神經(jīng)生物學(xué)和認(rèn)知科學(xué)對人類信息處理研究成果的基礎(chǔ)上提出的，它有大規(guī)模并行處理、連續(xù)時間動力學(xué)和網(wǎng)絡(luò)全局作用等特點，將存儲體和操作合二為一。利用人工神經(jīng)網(wǎng)絡(luò)的高速并行運算能力，可以避開信息融合中建模的過程，從而消除由于模型不符或參數(shù)選擇不當(dāng)帶來的影響，并實現(xiàn)實時識別。由于神經(jīng)網(wǎng)絡(luò)的種類繁多，學(xué)習(xí)算法多種多樣，新的結(jié)構(gòu)和算法層出不窮，使得目前對神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)的研究非常廣泛。5多傳感器信息融合的研究進(jìn)展5.1 多傳感器信息融合的應(yīng)用進(jìn)展多傳感器數(shù)據(jù)融合系統(tǒng)的應(yīng)用可大致分為軍事應(yīng)用和民事應(yīng)用兩大類。軍事應(yīng)用是多傳感器數(shù)據(jù)融合技術(shù)誕

22、生的源泉，主要用于包括軍事目標(biāo)（艦艇、飛機、導(dǎo)彈等）的檢測、定位、跟蹤和識別。這些目標(biāo)可以是靜止的，也可以是運動的。具體應(yīng)用包括海洋監(jiān)視、空對空、地對空防御系統(tǒng)。海洋監(jiān)視系統(tǒng)包括潛艇、魚雷、水下導(dǎo)彈等目標(biāo)的檢測、跟蹤和識別，典型的傳感器包括雷達(dá)、聲納、遠(yuǎn)紅外、綜合孔徑雷達(dá)等?？諏?、地對空防御系統(tǒng)的基本目標(biāo)是檢測、跟蹤、識別敵方飛機、導(dǎo)彈和反飛機武器，典型的傳感器包括雷達(dá)、ESM®收機、遠(yuǎn)紅外、敵我識別傳感器、電光成像傳感器等。近年來，多傳感器融合系統(tǒng)在民事應(yīng)用領(lǐng)域得到了較快的發(fā)展，主要用于機器人、智能制造、智能交通、醫(yī)療診斷、遙感、刑偵和保安等領(lǐng)域。機器人主要使用電視圖像、聲音、電

23、磁等數(shù)據(jù)的融合來進(jìn)行推理，以完成物料搬運、零件制造、檢驗和裝配等工作。智能制造系統(tǒng)包括各種智能加工機床、工具和材料傳送裝置、檢測和試驗裝置以及裝配裝置。目的是在制造系統(tǒng)中用機器智能來代替人進(jìn)行智能加工、狀態(tài)監(jiān)測和故障診斷。智能交通系統(tǒng)采用多傳感器數(shù)據(jù)融合技術(shù)，實現(xiàn)無人駕駛交通工具的自主道路識別、速度控制以及定位。在以往的醫(yī)療診斷中，外科醫(yī)生常用視覺檢查以及溫度計和聽診器來幫助診斷?，F(xiàn)在出現(xiàn)了更為復(fù)雜而有效的醫(yī)用傳感技術(shù)，如超聲波成像、核磁共振成像和X-射線成像等。將這些傳感器的數(shù)據(jù)進(jìn)行融合能更準(zhǔn)確地進(jìn)行醫(yī)療診斷，如月中瘤的定位與識別。遙感在軍事和民事領(lǐng)域都有一定的應(yīng)用，可用于監(jiān)測天氣變化、礦產(chǎn)

24、資源、農(nóng)作物收成等。多傳感器融合在遙感領(lǐng)域中的應(yīng)用，主要是通過高空間分辨率全色圖像和低光譜分辨率圖像的融合，得到高空間分辨率和高光譜分辨率的圖像，融合多波段和多時段的遙感圖像來提高分類的準(zhǔn)確性。多傳感器數(shù)據(jù)融合技術(shù)在刑偵中的應(yīng)用，主要是利用紅外、微波等傳感設(shè)備進(jìn)行隱匿武器、毒品等的檢查。將人體的各種生物特征如人臉、指紋、聲音、肛膜等進(jìn)行適當(dāng)?shù)娜诤?，能大幅度提高對人的身份識別認(rèn)證能力，這對提高安全保衛(wèi)能力是很重要的。最初信息融合技術(shù)是為了滿足戰(zhàn)爭的需求，目前軍事領(lǐng)域仍是信息融合的最大應(yīng)用領(lǐng)域，發(fā)展也最快，主要應(yīng)用在預(yù)警系統(tǒng)、武器系統(tǒng)的指揮和控制、情報保障系統(tǒng)、軍事力量的評估和指揮系統(tǒng)以及天地一體

25、化信息融合系統(tǒng)。隨著各種傳感器技術(shù)和電子芯片的發(fā)展，信息融合技術(shù)在民用方面也得到了廣泛的發(fā)展，下面詳細(xì)介紹數(shù)據(jù)融合在智能機器人、故障診斷和圖像處理方面的應(yīng)用。1）信息融合在機器人研究領(lǐng)域中的應(yīng)用機器人技術(shù)是一門綜合技術(shù)，集光機電液信于一身，多感覺傳感器系統(tǒng)與機器人相結(jié)合，形成感覺機器人和智能機器人。機器人演奏、機器人足球比賽、機器人摔跤等需要高度信息融合技術(shù)，工業(yè)機器人則成為典型的多傳感器集成和融合系統(tǒng)，這里主要介紹信息融合技術(shù)在移動機器人和工業(yè)機器人方面的應(yīng)用。如何精確地獲得自身的位置并由此規(guī)劃運動路徑，是自主式移動機器人研究領(lǐng)域中一直得到關(guān)注的問題。輪式移動機器人由于輪子打滑及測量模型噪聲

26、等原因，存在累計誤差問題。為了進(jìn)一步提高移動機器人的定位精度,文獻(xiàn)采用擴展Kalman濾波對這兩種傳感器信息進(jìn)行融合,即通過激光掃描器提供的信息不斷修正光電編碼器的定位信息，提高了定位精度。工業(yè)機器人在工業(yè)系統(tǒng)中主要完成物料搬運、制造、裝配、檢測等，現(xiàn)已有一些較為成熟的應(yīng)用例子，如Htachi公司研制的應(yīng)用于電子產(chǎn)品裝配線上的工業(yè)機器人將三維視覺傳感器和力傳感器測出的數(shù)據(jù)進(jìn)行融合。Georgia理工學(xué)院研制的機器人融合視覺和觸覺傳感器的信息。還有Groen等人研制的用于機械產(chǎn)品裝配生產(chǎn)線上、Smith和Nitan等人研制的用于產(chǎn)品包裝、Kremers等人研制的適用于加工制造業(yè)的一些工業(yè)機器人。

27、2）信息融合技術(shù)在故障診斷領(lǐng)域中的應(yīng)用基于信息融合的故障診斷方法，是通過多傳感器獲取設(shè)備狀態(tài)的特征信號，并進(jìn)行多層關(guān)聯(lián)組合、數(shù)據(jù)選擇，從而獲得對診斷對象故障信息更可靠的認(rèn)識和對潛在故障發(fā)展趨勢的態(tài)勢評估。文獻(xiàn)針對某泵壓式供應(yīng)系統(tǒng)液體火箭發(fā)動機的泄漏故障，利用系統(tǒng)故障癥狀的分散性，提出了一種基于模糊數(shù)據(jù)融合技術(shù)的系統(tǒng)故障診斷方法。文獻(xiàn)構(gòu)造了神經(jīng)網(wǎng)絡(luò)信息融合中心，對來自多傳感器的殘差信號進(jìn)行了預(yù)處理和離散小波變換，使用改進(jìn)BP算法對神經(jīng)網(wǎng)絡(luò)分類器訓(xùn)練以進(jìn)行相應(yīng)的故障模式識別。文獻(xiàn)利用不同采樣速率多傳感器觀測對象，充分考慮多尺度、多信息融合狀態(tài)估計精度和強跟蹤濾波器理論在處理非線性系統(tǒng)時變參數(shù)與狀態(tài)

28、估計的能力，實現(xiàn)了變壓器故障的在線診斷。3）信息融合技術(shù)在圖像處理方面的應(yīng)用遙感圖像的信息融合能使各種空間、波譜和時間分辨率的圖像納入統(tǒng)一的時空內(nèi)，融合構(gòu)成一種新的圖像，增加信息量，實現(xiàn)多種信息的互補，改善了圖像的質(zhì)量和有效性。文獻(xiàn)把同一目標(biāo)的不同傳感器獲得的圖像數(shù)據(jù)利用小波包變換進(jìn)行融合，得到目標(biāo)較為清晰的融合圖像。文獻(xiàn)提出了一種針對SAR合成孔彳雷達(dá)）圖像保留邊緣的融合方法，在計算量不顯著增加的前提下，提高了邊緣檢測的質(zhì)量。在醫(yī)學(xué)方面CT與NMFM有不同的成像機理，CT能夠清晰表達(dá)骨骼信息，而NMFfg夠清晰表達(dá)軟組織信息，文獻(xiàn)提出了一種新的基于小波變換的系數(shù)取大融合算法，從而既可清晰地表

29、現(xiàn)骨組織信息，又可清晰地表現(xiàn)軟組織信息，這對臨床醫(yī)學(xué)具有十分重要的意義。符怔律取時也序列標(biāo)黑申先商特征蜀行白圖6龍晶工后過段設(shè)苫恥2簞攜觸a系蛻*模糊專事系胡*模霸屋理、判快；=5.2 多傳感器信息融合實現(xiàn)方法的進(jìn)展成熟的多傳感器信息融合方法主要有：經(jīng)典推理法、卡爾曼濾波法、貝葉斯估計法、Dempster-Shafer證據(jù)推理法、聚類分析法、參數(shù)模板法、物理模型法、嫡法、品質(zhì)因數(shù)法、估計理論法和專家系統(tǒng)法等。近年來，用于多傳感器數(shù)據(jù)融合的計算智能方法主要包括：模糊集合理論、神經(jīng)網(wǎng)絡(luò)、粗集理論、小波分析理論和支持向量機等。目前，人們已開始將多傳感器信息融合應(yīng)用于復(fù)雜工業(yè)過程控制系統(tǒng),文獻(xiàn)提出的復(fù)

30、雜工業(yè)過程綜合集成智能控制系統(tǒng)便是其中的一種。復(fù)雜工業(yè)過程多傳感器信息融合系統(tǒng)如圖6所示。圖中時間序列分析、頻率分析、小波分析從各傳感器獲取的信號模式中提取出特征數(shù)據(jù)，同時將所提取的特征數(shù)據(jù)輸入神經(jīng)網(wǎng)絡(luò)模式識別器；神經(jīng)網(wǎng)絡(luò)模式識別器進(jìn)行特征級數(shù)據(jù)融合，以識別出系統(tǒng)的特征數(shù)據(jù)，并輸入到模糊專家系統(tǒng)進(jìn)行決策級融合；專家系統(tǒng)推理時，從知識庫和數(shù)據(jù)庫中取出領(lǐng)域知識規(guī)則和參數(shù)，與特征數(shù)據(jù)進(jìn)行匹配（融合），最后決策出被測系統(tǒng)的運行狀態(tài)、設(shè)備工作狀況和故障等。6結(jié)論與期望本文對多傳感器融合目前的研究現(xiàn)狀進(jìn)行了討論，對其存在的問題進(jìn)行了詳細(xì)的描述，并且對存在的融合方法進(jìn)行了分類介紹，其中每種分類又包括許多具體的方法。隨著多傳感器融合研究的深入和相關(guān)學(xué)科的發(fā)展，還會出現(xiàn)新的方法，這些方法都存在其優(yōu)點和局限性。無論哪種方法，它所研究的對象都是不確定信息，不同種類的不確定信息都有不同的數(shù)學(xué)處理方法，目前還沒有一種通用的方法可以用來處理所有不確定信息。人們在尋找新算法的同時，開始考慮融合結(jié)構(gòu)的問題。融合結(jié)構(gòu)也是多傳感器融合所要研究的