第13篇多傳感器數(shù)據(jù)融合課件

1、第第1313章章 多傳感器數(shù)據(jù)融合多傳感器數(shù)據(jù)融合13.1 多傳感器數(shù)據(jù)融合概述多傳感器數(shù)據(jù)融合概述 13.2 多傳感器數(shù)據(jù)融合模型多傳感器數(shù)據(jù)融合模型13.3 多傳感器數(shù)據(jù)融合技術(shù)多傳感器數(shù)據(jù)融合技術(shù)13.4 多傳感器數(shù)據(jù)融合應(yīng)用多傳感器數(shù)據(jù)融合應(yīng)用13.1 13.1 多傳感器數(shù)據(jù)融合概述多傳感器數(shù)據(jù)融合概述 v多傳感器數(shù)據(jù)多傳感器數(shù)據(jù)是針對(duì)一個(gè)系統(tǒng)中使用多個(gè)（種）傳是針對(duì)一個(gè)系統(tǒng)中使用多個(gè)（種）傳感器這一特定問題而提出的信息處理方法，是將來自感器這一特定問題而提出的信息處理方法，是將來自多傳感器或多源的信息和數(shù)據(jù)進(jìn)行綜合處理，從而對(duì)多傳感器或多源的信息和數(shù)據(jù)進(jìn)行綜合處理，從而對(duì)觀測(cè)對(duì)象形成

2、準(zhǔn)確結(jié)論的過程。觀測(cè)對(duì)象形成準(zhǔn)確結(jié)論的過程。v數(shù)據(jù)融合的目的數(shù)據(jù)融合的目的是基于各獨(dú)立傳感器的觀測(cè)數(shù)據(jù)，是基于各獨(dú)立傳感器的觀測(cè)數(shù)據(jù)，通過融合導(dǎo)出更豐富的有效信息，獲得最佳協(xié)同效果，通過融合導(dǎo)出更豐富的有效信息，獲得最佳協(xié)同效果，發(fā)揮多個(gè)傳感器的聯(lián)合優(yōu)勢(shì)，提高傳感器系統(tǒng)的有效發(fā)揮多個(gè)傳感器的聯(lián)合優(yōu)勢(shì)，提高傳感器系統(tǒng)的有效性和魯棒性，消除單一傳感器的局限性。性和魯棒性，消除單一傳感器的局限性。 13.1 13.1 多傳感器數(shù)據(jù)融合概述多傳感器數(shù)據(jù)融合概述 v從生物學(xué)的角度來看，人類和自然界中其他動(dòng)物對(duì)客觀從生物學(xué)的角度來看，人類和自然界中其他動(dòng)物對(duì)客觀事物的認(rèn)知過程，就是對(duì)多源數(shù)據(jù)的融合過程。事

3、物的認(rèn)知過程，就是對(duì)多源數(shù)據(jù)的融合過程。 v人類不是單純依靠一種感官，而是通過視覺、聽覺、觸人類不是單純依靠一種感官，而是通過視覺、聽覺、觸覺、嗅覺等多種感官獲取客觀對(duì)象不同質(zhì)的信息，或通覺、嗅覺等多種感官獲取客觀對(duì)象不同質(zhì)的信息，或通過同類傳感器（如雙耳）獲取同質(zhì)而又不同量的信息，過同類傳感器（如雙耳）獲取同質(zhì)而又不同量的信息，然后通過大腦對(duì)這些感知信息依據(jù)某種未知的規(guī)則進(jìn)行然后通過大腦對(duì)這些感知信息依據(jù)某種未知的規(guī)則進(jìn)行組合和處理，從而得到對(duì)客觀對(duì)象和諧與統(tǒng)一的理解和組合和處理，從而得到對(duì)客觀對(duì)象和諧與統(tǒng)一的理解和認(rèn)識(shí)。認(rèn)識(shí)。 v這一處理過程是復(fù)雜的，也是自適應(yīng)的，它將各種信息這一處理過程

4、是復(fù)雜的，也是自適應(yīng)的，它將各種信息（圖像、聲音、氣味和觸覺）轉(zhuǎn)換為對(duì)環(huán)境的有價(jià)值的（圖像、聲音、氣味和觸覺）轉(zhuǎn)換為對(duì)環(huán)境的有價(jià)值的解釋。自動(dòng)化數(shù)據(jù)融合系統(tǒng)實(shí)際上就是模仿這種由感知解釋。自動(dòng)化數(shù)據(jù)融合系統(tǒng)實(shí)際上就是模仿這種由感知到認(rèn)知的過程。到認(rèn)知的過程。 13.1 13.1 多傳感器數(shù)據(jù)融合概述多傳感器數(shù)據(jù)融合概述應(yīng)用簡(jiǎn)例應(yīng)用簡(jiǎn)例多傳感器系統(tǒng)可以用多傳感器系統(tǒng)可以用于地球環(huán)境監(jiān)測(cè)。主于地球環(huán)境監(jiān)測(cè)。主要應(yīng)用于對(duì)地面的監(jiān)要應(yīng)用于對(duì)地面的監(jiān)視、以便識(shí)別和監(jiān)視視、以便識(shí)別和監(jiān)視地貌、氣象模式、礦地貌、氣象模式、礦產(chǎn)資源，植物生長(zhǎng)、產(chǎn)資源，植物生長(zhǎng)、環(huán)境條件和威脅情況環(huán)境條件和威脅情況( (如原油泄

5、漏、輻射如原油泄漏、輻射泄漏等泄漏等) ) 如右圖所如右圖所示示 圖源：D.L. Hall and J. Llinas, An introduction to multisensor data fusion 13.1 13.1 多傳感器數(shù)據(jù)融合概述多傳感器數(shù)據(jù)融合概述 v數(shù)據(jù)融合過程數(shù)據(jù)融合過程主要由數(shù)據(jù)校準(zhǔn)、相關(guān)、識(shí)別、估主要由數(shù)據(jù)校準(zhǔn)、相關(guān)、識(shí)別、估計(jì)等部分組成。其中校準(zhǔn)與相關(guān)是識(shí)別和估計(jì)的基計(jì)等部分組成。其中校準(zhǔn)與相關(guān)是識(shí)別和估計(jì)的基礎(chǔ)，數(shù)據(jù)融合在識(shí)別和估計(jì)中進(jìn)行。礎(chǔ)，數(shù)據(jù)融合在識(shí)別和估計(jì)中進(jìn)行。 v校準(zhǔn)、相關(guān)、識(shí)別和估計(jì)校準(zhǔn)、相關(guān)、識(shí)別和估計(jì)貫穿于整個(gè)多傳感器數(shù)貫穿于整個(gè)多傳感器數(shù)據(jù)融

6、合過程，既是融合系統(tǒng)的基本功能，也是制約據(jù)融合過程，既是融合系統(tǒng)的基本功能，也是制約融合性能的關(guān)鍵環(huán)節(jié)。融合性能的關(guān)鍵環(huán)節(jié)。 13.1.1 13.1.1 多傳感器數(shù)據(jù)融合過程多傳感器數(shù)據(jù)融合過程v數(shù)據(jù)檢測(cè)數(shù)據(jù)檢測(cè)v數(shù)據(jù)校準(zhǔn)數(shù)據(jù)校準(zhǔn)v數(shù)據(jù)相關(guān)數(shù)據(jù)相關(guān)v參數(shù)估計(jì)參數(shù)估計(jì)v目標(biāo)識(shí)別目標(biāo)識(shí)別v行為估計(jì)行為估計(jì)13.1.2 13.1.2 多傳感器數(shù)據(jù)融合形式多傳感器數(shù)據(jù)融合形式v數(shù)據(jù)級(jí)融合數(shù)據(jù)級(jí)融合v特征級(jí)融合特征級(jí)融合v決策級(jí)融合決策級(jí)融合13.2.1 13.2.1 多傳感器數(shù)據(jù)融合結(jié)構(gòu)多傳感器數(shù)據(jù)融合結(jié)構(gòu)v串聯(lián)型融合串聯(lián)型融合13.2 13.2 多傳感器數(shù)據(jù)融合融合模型多傳感器數(shù)據(jù)融合融合模型v混聯(lián)

7、型融合混聯(lián)型融合v并聯(lián)型融合并聯(lián)型融合13.2.1 13.2.1 多傳感器數(shù)據(jù)融合結(jié)構(gòu)多傳感器數(shù)據(jù)融合結(jié)構(gòu)v從數(shù)據(jù)融合的控制關(guān)系來看，反饋型多傳感器數(shù)據(jù)融合過程從數(shù)據(jù)融合的控制關(guān)系來看，反饋型多傳感器數(shù)據(jù)融合過程中，傳感器或數(shù)據(jù)融合中心的處理方式及判斷規(guī)則受數(shù)據(jù)融中，傳感器或數(shù)據(jù)融合中心的處理方式及判斷規(guī)則受數(shù)據(jù)融合中心最終結(jié)論或中間結(jié)論的影響。數(shù)據(jù)處理依賴于一個(gè)反合中心最終結(jié)論或中間結(jié)論的影響。數(shù)據(jù)處理依賴于一個(gè)反饋控制過程，這種反饋可以是正反饋，也可以是負(fù)反饋。反饋控制過程，這種反饋可以是正反饋，也可以是負(fù)反饋。反饋控制可分為融合結(jié)論對(duì)傳感器的控制、對(duì)數(shù)據(jù)融合中心的饋控制可分為融合結(jié)論對(duì)傳

8、感器的控制、對(duì)數(shù)據(jù)融合中心的控制，以及中間結(jié)論對(duì)傳感器的控制三種?？刂?，以及中間結(jié)論對(duì)傳感器的控制三種。 v對(duì)傳感器的控制多體現(xiàn)在對(duì)傳感器策略、精度的控制、對(duì)傳對(duì)傳感器的控制多體現(xiàn)在對(duì)傳感器策略、精度的控制、對(duì)傳感器跟蹤目標(biāo)的跟蹤控制等。對(duì)融合中心的控制包括對(duì)融合感器跟蹤目標(biāo)的跟蹤控制等。對(duì)融合中心的控制包括對(duì)融合中心判斷規(guī)則的控制、對(duì)融合中心數(shù)據(jù)融合方式的控制、對(duì)中心判斷規(guī)則的控制、對(duì)融合中心數(shù)據(jù)融合方式的控制、對(duì)融合中心某一參數(shù)的控制等。融合中心某一參數(shù)的控制等。 13.2.1 13.2.1 多傳感器數(shù)據(jù)融合結(jié)構(gòu)多傳感器數(shù)據(jù)融合結(jié)構(gòu)v結(jié)論對(duì)傳感器結(jié)論對(duì)傳感器的反饋控制的反饋控制 v結(jié)論對(duì)融

9、合中結(jié)論對(duì)融合中心的反饋控制心的反饋控制 v中間結(jié)論對(duì)傳感中間結(jié)論對(duì)傳感器的反饋控制器的反饋控制 13.2.2 13.2.2 多傳感器數(shù)據(jù)融合模型多傳感器數(shù)據(jù)融合模型v多傳感器數(shù)據(jù)融合系統(tǒng)的模型設(shè)計(jì)是多傳感器數(shù)據(jù)多傳感器數(shù)據(jù)融合系統(tǒng)的模型設(shè)計(jì)是多傳感器數(shù)據(jù)融合的關(guān)鍵問題，取決于實(shí)際需求、環(huán)境條件、計(jì)融合的關(guān)鍵問題，取決于實(shí)際需求、環(huán)境條件、計(jì)算機(jī)、通信容量及可靠性要求等，模型設(shè)計(jì)直接影算機(jī)、通信容量及可靠性要求等，模型設(shè)計(jì)直接影響融合算法的結(jié)構(gòu)、性能和融合系統(tǒng)的規(guī)模。響融合算法的結(jié)構(gòu)、性能和融合系統(tǒng)的規(guī)模。 v多傳感器數(shù)據(jù)融合模型實(shí)際上是一種數(shù)據(jù)融合的組多傳感器數(shù)據(jù)融合模型實(shí)際上是一種數(shù)據(jù)融合

10、的組織策略，根據(jù)任務(wù)、要求和設(shè)計(jì)者認(rèn)識(shí)不同，模型織策略，根據(jù)任務(wù)、要求和設(shè)計(jì)者認(rèn)識(shí)不同，模型設(shè)計(jì)千差萬別。目前流行的有多種數(shù)據(jù)融合模型，設(shè)計(jì)千差萬別。目前流行的有多種數(shù)據(jù)融合模型，其中其中JDLJDL數(shù)據(jù)融合模型最具通用性。數(shù)據(jù)融合模型最具通用性。 13.2.2 13.2.2 多傳感器數(shù)據(jù)融合模型多傳感器數(shù)據(jù)融合模型vJDLJDL模型模型 JDLJDL數(shù)據(jù)融合模數(shù)據(jù)融合模型如右圖所示，型如右圖所示，數(shù)據(jù)融合過程包數(shù)據(jù)融合過程包括五級(jí)處理和數(shù)括五級(jí)處理和數(shù)據(jù)庫、人機(jī)接口據(jù)庫、人機(jī)接口支持等。五級(jí)處支持等。五級(jí)處理并不意味著處理并不意味著處理過程的時(shí)間順理過程的時(shí)間順序，實(shí)際上，處序，實(shí)際上，處理

11、過程通常是并理過程通常是并行的行的。 13.2.2 13.2.2 多傳感器數(shù)據(jù)融合模型多傳感器數(shù)據(jù)融合模型vBoydBoyd控制環(huán)控制環(huán) vBoydBoyd控制環(huán)包括四個(gè)處理環(huán)節(jié)：控制環(huán)包括四個(gè)處理環(huán)節(jié)：v(1)(1)觀測(cè)環(huán)節(jié)獲取目標(biāo)信息，與觀測(cè)環(huán)節(jié)獲取目標(biāo)信息，與JDLJDL模型的數(shù)據(jù)預(yù)處理功能相當(dāng)。模型的數(shù)據(jù)預(yù)處理功能相當(dāng)。v(2)(2)定向環(huán)節(jié)確定對(duì)象的基本特征，定向環(huán)節(jié)確定對(duì)象的基本特征，與與JDLJDL模型的目標(biāo)評(píng)估、態(tài)勢(shì)評(píng)估模型的目標(biāo)評(píng)估、態(tài)勢(shì)評(píng)估和威脅評(píng)估功能相當(dāng)。和威脅評(píng)估功能相當(dāng)。v(3)(3)決策環(huán)節(jié)確定最佳評(píng)估，制定決策環(huán)節(jié)確定最佳評(píng)估，制定反饋控制策略，與反饋控制策略，

12、與JDLJDL模型過程優(yōu)模型過程優(yōu)化與評(píng)估功能相當(dāng)。化與評(píng)估功能相當(dāng)。v(4)(4)執(zhí)行環(huán)節(jié)利用反饋控制調(diào)整傳執(zhí)行環(huán)節(jié)利用反饋控制調(diào)整傳感系統(tǒng)狀態(tài)，獲取額外數(shù)據(jù)等。感系統(tǒng)狀態(tài)，獲取額外數(shù)據(jù)等。JDLJDL模型沒有這一環(huán)節(jié)。模型沒有這一環(huán)節(jié)。 13.2.2 13.2.2 多傳感器數(shù)據(jù)融合模型多傳感器數(shù)據(jù)融合模型vWaterfallWaterfall模型模型 Waterfall Waterfall 模型模型的數(shù)據(jù)融合過程包括三個(gè)層次。的數(shù)據(jù)融合過程包括三個(gè)層次。v(1)(1)基于傳感模型和物理測(cè)量?；趥鞲心Ｐ秃臀锢頊y(cè)量模型對(duì)原始數(shù)據(jù)進(jìn)行預(yù)處理型對(duì)原始數(shù)據(jù)進(jìn)行預(yù)處理v(2)(2)進(jìn)行特征提取和特征

13、融合以進(jìn)行特征提取和特征融合以獲取信息的抽象表達(dá)，減少數(shù)據(jù)獲取信息的抽象表達(dá)，減少數(shù)據(jù)量，提高信息傳遞效率，第二層量，提高信息傳遞效率，第二層次的輸出是關(guān)于對(duì)象特征的估計(jì)次的輸出是關(guān)于對(duì)象特征的估計(jì)及其置信度。及其置信度。v(3)(3)利用現(xiàn)有知識(shí)對(duì)對(duì)象特征進(jìn)利用現(xiàn)有知識(shí)對(duì)對(duì)象特征進(jìn)行評(píng)價(jià)，形成關(guān)于對(duì)象、事件或行評(píng)價(jià)，形成關(guān)于對(duì)象、事件或行為的認(rèn)識(shí)。傳感器系統(tǒng)利用第行為的認(rèn)識(shí)。傳感器系統(tǒng)利用第三層次形成的反饋信息不斷調(diào)整三層次形成的反饋信息不斷調(diào)整自身狀態(tài)和數(shù)據(jù)準(zhǔn)備策略，進(jìn)行自身狀態(tài)和數(shù)據(jù)準(zhǔn)備策略，進(jìn)行重新設(shè)置和標(biāo)定等，提高傳感信重新設(shè)置和標(biāo)定等，提高傳感信息的利用率。息的利用率。 。 13.

14、2.2 13.2.2 多傳感器數(shù)據(jù)融合模型多傳感器數(shù)據(jù)融合模型vDasarathyDasarathy 模型模型 DasarathyDasarathy 模型充模型充分注意到傳感器數(shù)分注意到傳感器數(shù)據(jù)融合中數(shù)據(jù)融合、據(jù)融合中數(shù)據(jù)融合、特征融合和決策融特征融合和決策融合三者往往交替應(yīng)合三者往往交替應(yīng)用或聯(lián)合使用的事用或聯(lián)合使用的事實(shí)，根據(jù)所處理信實(shí)，根據(jù)所處理信息的類型對(duì)數(shù)據(jù)融息的類型對(duì)數(shù)據(jù)融合功能進(jìn)行了歸納，合功能進(jìn)行了歸納，明確了五種可能的明確了五種可能的融合形式，如表所融合形式，如表所示。示。 13.2.2 13.2.2 多傳感器數(shù)據(jù)融合模型多傳感器數(shù)據(jù)融合模型vOMNIBUSOMNIBUS模

15、型模型 是是 B o y dB o y d 控 制 環(huán) 、控 制 環(huán) 、DasarathyDasarathy模型和模型和 WaterfallWaterfall模型的混模型的混合，既體現(xiàn)了數(shù)據(jù)融合，既體現(xiàn)了數(shù)據(jù)融合過程的循環(huán)本質(zhì)，合過程的循環(huán)本質(zhì)，用融合結(jié)論調(diào)整傳感用融合結(jié)論調(diào)整傳感器系統(tǒng)的狀態(tài)，提高器系統(tǒng)的狀態(tài)，提高信息融合的有效性，信息融合的有效性，又細(xì)化了數(shù)據(jù)融合過又細(xì)化了數(shù)據(jù)融合過程中各個(gè)環(huán)節(jié)的任務(wù)，程中各個(gè)環(huán)節(jié)的任務(wù)，改善了數(shù)據(jù)融合實(shí)現(xiàn)改善了數(shù)據(jù)融合實(shí)現(xiàn)的可組合性。的可組合性。13.2.2 13.2.2 多傳感器數(shù)據(jù)融合模型多傳感器數(shù)據(jù)融合模型v多傳感器集成融合模型多傳感器集成融合模型

16、 根據(jù)傳感器所提供信息的根據(jù)傳感器所提供信息的等級(jí)參加不同融合中心的等級(jí)參加不同融合中心的數(shù)據(jù)融合，低等級(jí)的傳感數(shù)據(jù)融合，低等級(jí)的傳感器輸出原始數(shù)據(jù)或信號(hào)，器輸出原始數(shù)據(jù)或信號(hào)，高等級(jí)的傳感器輸出特征高等級(jí)的傳感器輸出特征或抽象符號(hào)信息，融合結(jié)或抽象符號(hào)信息，融合結(jié)論在最高等級(jí)的融合中心論在最高等級(jí)的融合中心產(chǎn)生，輔助信息系統(tǒng)為各產(chǎn)生，輔助信息系統(tǒng)為各融合中心提供資源，包括融合中心提供資源，包括各種數(shù)據(jù)庫、知識(shí)表達(dá)、各種數(shù)據(jù)庫、知識(shí)表達(dá)、特征解析、決策邏輯等。特征解析、決策邏輯等。 13.3 13.3 多傳感器數(shù)據(jù)融合技術(shù)多傳感器數(shù)據(jù)融合技術(shù)13.3.1 多傳感器數(shù)據(jù)融合算法的基本類型多傳感器

17、數(shù)據(jù)融合算法的基本類型13.3.2 Kalman濾波濾波13.3.3 基于基于Bayes理論的數(shù)據(jù)融合理論的數(shù)據(jù)融合13.3.4 基于神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)融合基于神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)融合13.3.5 基于專家系統(tǒng)的數(shù)據(jù)融合基于專家系統(tǒng)的數(shù)據(jù)融合13.3.6 基于聚類分析的數(shù)據(jù)融合基于聚類分析的數(shù)據(jù)融合 13.3.1 13.3.1 多傳感器數(shù)據(jù)融合算法基本類型多傳感器數(shù)據(jù)融合算法基本類型v物理模型物理模型 v參數(shù)分類技術(shù)參數(shù)分類技術(shù)v基于認(rèn)知的方法基于認(rèn)知的方法13.3.1 13.3.1 多傳感器數(shù)據(jù)融合算法基本類型多傳感器數(shù)據(jù)融合算法基本類型物理模型物理模型 根據(jù)物理模型模擬出可觀測(cè)或可計(jì)算的數(shù)根據(jù)物理模

18、型模擬出可觀測(cè)或可計(jì)算的數(shù)據(jù)，并把觀測(cè)數(shù)據(jù)與預(yù)先存儲(chǔ)的對(duì)象特征進(jìn)行據(jù)，并把觀測(cè)數(shù)據(jù)與預(yù)先存儲(chǔ)的對(duì)象特征進(jìn)行比較，或?qū)⒂^測(cè)數(shù)據(jù)特征與物理模型所得到的比較，或?qū)⒂^測(cè)數(shù)據(jù)特征與物理模型所得到的模擬特征進(jìn)行比較。比較過程涉及到計(jì)算預(yù)測(cè)模擬特征進(jìn)行比較。比較過程涉及到計(jì)算預(yù)測(cè)數(shù)據(jù)和實(shí)測(cè)數(shù)據(jù)的相關(guān)關(guān)系。如果相關(guān)系數(shù)超數(shù)據(jù)和實(shí)測(cè)數(shù)據(jù)的相關(guān)關(guān)系。如果相關(guān)系數(shù)超過一個(gè)預(yù)先設(shè)定的值。則認(rèn)為兩者存在匹配關(guān)過一個(gè)預(yù)先設(shè)定的值。則認(rèn)為兩者存在匹配關(guān)系系( (身份相同身份相同) )。 這類方法中，這類方法中，Kalman濾波技術(shù)最為常用。濾波技術(shù)最為常用。 13.3.1 13.3.1 多傳感器數(shù)據(jù)融合算法基本類型多傳感器

19、數(shù)據(jù)融合算法基本類型參數(shù)分類技術(shù)參數(shù)分類技術(shù) 參數(shù)分類技術(shù)依據(jù)參數(shù)數(shù)據(jù)獲得屬性說明，參數(shù)分類技術(shù)依據(jù)參數(shù)數(shù)據(jù)獲得屬性說明，在參數(shù)數(shù)據(jù)在參數(shù)數(shù)據(jù)( (如特征如特征) )和一個(gè)屬性說明之間建立和一個(gè)屬性說明之間建立一種直接的映像。參數(shù)分類分為有參技術(shù)和無一種直接的映像。參數(shù)分類分為有參技術(shù)和無參技術(shù)兩類，有參技術(shù)需要身份數(shù)據(jù)的先驗(yàn)知參技術(shù)兩類，有參技術(shù)需要身份數(shù)據(jù)的先驗(yàn)知識(shí)，如分布函數(shù)和高階矩等；無參技術(shù)則不需識(shí)，如分布函數(shù)和高階矩等；無參技術(shù)則不需要先驗(yàn)知識(shí)。要先驗(yàn)知識(shí)。 常用的參數(shù)分類方法包括常用的參數(shù)分類方法包括BayesianBayesian估計(jì)，估計(jì)，D DS S推理，人工神經(jīng)網(wǎng)絡(luò)，模式

20、識(shí)別，聚類分析，推理，人工神經(jīng)網(wǎng)絡(luò)，模式識(shí)別，聚類分析，信息熵法等。信息熵法等。 13.3.1 13.3.1 多傳感器數(shù)據(jù)融合算法基本類型多傳感器數(shù)據(jù)融合算法基本類型基于認(rèn)知的方法基于認(rèn)知的方法 基于認(rèn)知的方法主要是模仿人類對(duì)屬性判別的推基于認(rèn)知的方法主要是模仿人類對(duì)屬性判別的推理過程，可以在原始傳感器數(shù)據(jù)或數(shù)據(jù)特征基礎(chǔ)上進(jìn)理過程，可以在原始傳感器數(shù)據(jù)或數(shù)據(jù)特征基礎(chǔ)上進(jìn)行。行。 基于認(rèn)知的方法在很大程度上依賴于一個(gè)先驗(yàn)知基于認(rèn)知的方法在很大程度上依賴于一個(gè)先驗(yàn)知識(shí)庫。有效的知識(shí)庫利用知識(shí)工程技術(shù)建立，這里雖識(shí)庫。有效的知識(shí)庫利用知識(shí)工程技術(shù)建立，這里雖然未明確要求使用物理模型，但認(rèn)知建立在對(duì)待

21、識(shí)別然未明確要求使用物理模型，但認(rèn)知建立在對(duì)待識(shí)別對(duì)象組成和結(jié)構(gòu)有深入了解的基礎(chǔ)上，因此，基于認(rèn)對(duì)象組成和結(jié)構(gòu)有深入了解的基礎(chǔ)上，因此，基于認(rèn)知的方法采用啟發(fā)式的形式代替了數(shù)學(xué)模型。當(dāng)目標(biāo)知的方法采用啟發(fā)式的形式代替了數(shù)學(xué)模型。當(dāng)目標(biāo)物體能依據(jù)其組成及相互關(guān)系來識(shí)別時(shí)，這種方法尤物體能依據(jù)其組成及相互關(guān)系來識(shí)別時(shí)，這種方法尤其有效。其有效。 13.3.2 13.3.2 Kalman濾波濾波 Kalman濾波濾波 Kalman濾波實(shí)時(shí)融合動(dòng)態(tài)的低層次傳感器濾波實(shí)時(shí)融合動(dòng)態(tài)的低層次傳感器冗余數(shù)據(jù)，只需當(dāng)前的一個(gè)測(cè)量值和前一個(gè)采冗余數(shù)據(jù)，只需當(dāng)前的一個(gè)測(cè)量值和前一個(gè)采樣周期的預(yù)測(cè)值就能進(jìn)行遞推估計(jì)。

22、如果系統(tǒng)樣周期的預(yù)測(cè)值就能進(jìn)行遞推估計(jì)。如果系統(tǒng)具有線性動(dòng)力學(xué)模型，且系統(tǒng)噪聲和傳感器噪具有線性動(dòng)力學(xué)模型，且系統(tǒng)噪聲和傳感器噪聲可用白噪聲模型來表示，聲可用白噪聲模型來表示，Kalman濾波為融合濾波為融合數(shù)據(jù)提供了統(tǒng)計(jì)意義下的最優(yōu)估計(jì)。數(shù)據(jù)提供了統(tǒng)計(jì)意義下的最優(yōu)估計(jì)。 13.3.2 13.3.2 Kalman濾波濾波v離散序列的一階遞推估計(jì)模型如圖所示離散序列的一階遞推估計(jì)模型如圖所示 ()(1)(1)s kas kk13.3.2 13.3.2 Kalman濾波濾波 Kalman濾波濾波 a13.3.2 13.3.2 Kalman濾波濾波 Kalman濾波濾波 Kalman濾波可以實(shí)現(xiàn)不同

23、層次的數(shù)據(jù)融合。集中融濾波可以實(shí)現(xiàn)不同層次的數(shù)據(jù)融合。集中融合結(jié)構(gòu)在系統(tǒng)融合中心采用合結(jié)構(gòu)在系統(tǒng)融合中心采用Kalman濾波技術(shù)，可以得濾波技術(shù)，可以得到系統(tǒng)的全局狀態(tài)估計(jì)信息。傳感器數(shù)據(jù)自低層向融合到系統(tǒng)的全局狀態(tài)估計(jì)信息。傳感器數(shù)據(jù)自低層向融合中心單方向流動(dòng)，各傳感器之間缺乏必要的聯(lián)系。分散中心單方向流動(dòng)，各傳感器之間缺乏必要的聯(lián)系。分散融合結(jié)構(gòu)在對(duì)每個(gè)節(jié)點(diǎn)進(jìn)行局部估計(jì)的基礎(chǔ)上，接受其融合結(jié)構(gòu)在對(duì)每個(gè)節(jié)點(diǎn)進(jìn)行局部估計(jì)的基礎(chǔ)上，接受其它節(jié)點(diǎn)傳遞來的信息進(jìn)行同化處理，形成全局估計(jì)。分它節(jié)點(diǎn)傳遞來的信息進(jìn)行同化處理，形成全局估計(jì)。分散融合結(jié)構(gòu)網(wǎng)絡(luò)中，任何一個(gè)節(jié)點(diǎn)都可以獨(dú)立做出全局散融合結(jié)構(gòu)網(wǎng)絡(luò)中

24、，任何一個(gè)節(jié)點(diǎn)都可以獨(dú)立做出全局估計(jì)，某一節(jié)點(diǎn)的失效不會(huì)顯著地影響系統(tǒng)正常工作，估計(jì)，某一節(jié)點(diǎn)的失效不會(huì)顯著地影響系統(tǒng)正常工作，其它節(jié)點(diǎn)仍可以對(duì)全局做出估計(jì)，有效地提高了系統(tǒng)的其它節(jié)點(diǎn)仍可以對(duì)全局做出估計(jì)，有效地提高了系統(tǒng)的魯棒性和容錯(cuò)性。魯棒性和容錯(cuò)性。 13.3.3 13.3.3 基于基于BayesBayes理論數(shù)據(jù)融合理論數(shù)據(jù)融合v利用利用BayesBayes方法進(jìn)行數(shù)據(jù)融方法進(jìn)行數(shù)據(jù)融合的過程如圖所示：合的過程如圖所示： v(1)(1)將每個(gè)傳感器關(guān)于對(duì)象將每個(gè)傳感器關(guān)于對(duì)象的觀測(cè)轉(zhuǎn)化為對(duì)象屬性的說的觀測(cè)轉(zhuǎn)化為對(duì)象屬性的說明明: :v(2)(2)計(jì)算每個(gè)傳感器關(guān)于對(duì)計(jì)算每個(gè)傳感器關(guān)于對(duì)

25、象屬性說明的不確定性象屬性說明的不確定性: : v(3)(3)計(jì)算對(duì)象屬性的融合概計(jì)算對(duì)象屬性的融合概率：率： 12, .,mDDD()1,2,., ;1,2,.,jiP D Oin jm1212121(,.,) ( )(,.,)1,2,., ;1,2,.,(,.,) ( )miiimnmiiiP D DD O P OP O D DDin jmP D DD O P O13.3.3 13.3.3 基于基于BayesBayes理論數(shù)據(jù)融合理論數(shù)據(jù)融合v如果如果 相互獨(dú)立則：相互獨(dú)立則： v(4)(4)應(yīng)用判定邏輯進(jìn)行決策。若選取應(yīng)用判定邏輯進(jìn)行決策。若選取 的極大值的極大值作為輸出，這就是所謂的極

26、大后驗(yàn)概率（作為輸出，這就是所謂的極大后驗(yàn)概率（MAPMAP）判定準(zhǔn)則：）判定準(zhǔn)則：v運(yùn)用運(yùn)用BayesBayes方法中的條件概率進(jìn)行推理，能夠在出現(xiàn)某一證方法中的條件概率進(jìn)行推理，能夠在出現(xiàn)某一證據(jù)時(shí)給出假設(shè)事件在此證據(jù)發(fā)生的條件概率，能夠嵌入一據(jù)時(shí)給出假設(shè)事件在此證據(jù)發(fā)生的條件概率，能夠嵌入一些先驗(yàn)知識(shí)，實(shí)現(xiàn)不確定性的逐級(jí)傳遞。但它要求各證據(jù)些先驗(yàn)知識(shí)，實(shí)現(xiàn)不確定性的逐級(jí)傳遞。但它要求各證據(jù)之間都是相互獨(dú)立的，當(dāng)存在多個(gè)可能假設(shè)和多條件相關(guān)之間都是相互獨(dú)立的，當(dāng)存在多個(gè)可能假設(shè)和多條件相關(guān)事件時(shí)，計(jì)算復(fù)雜性增加。另外，事件時(shí)，計(jì)算復(fù)雜性增加。另外，BayesBayes方法要求有統(tǒng)一的方法要

27、求有統(tǒng)一的識(shí)別框架，不能在不同層次上組合證據(jù)。識(shí)別框架，不能在不同層次上組合證據(jù)。 1212(, . . . . ,)()() . . .()miiimiPDDDOPDOPDOPDO12(,.,)imPO D DD12,.,mDDD121()ma x (, . . . . ,) jimimPOPODDD13.3.4 13.3.4 基于神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合基于神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合v人工神經(jīng)網(wǎng)絡(luò)源人工神經(jīng)網(wǎng)絡(luò)源于大腦的生物結(jié)于大腦的生物結(jié)構(gòu)，神經(jīng)元是大構(gòu)，神經(jīng)元是大腦的一個(gè)信息處腦的一個(gè)信息處理單元，包括細(xì)理單元，包括細(xì)胞體、樹突和軸胞體、樹突和軸突，如圖所示。突，如圖所示。 13.3.4 13.3.4

28、基于神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合基于神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò) 神經(jīng)元利用樹突整合突觸所接收到的外界信神經(jīng)元利用樹突整合突觸所接收到的外界信息，經(jīng)軸突將神經(jīng)沖動(dòng)由細(xì)胞體傳至其他神經(jīng)元息，經(jīng)軸突將神經(jīng)沖動(dòng)由細(xì)胞體傳至其他神經(jīng)元或效應(yīng)細(xì)胞。神經(jīng)網(wǎng)絡(luò)使用大量的處理單元或效應(yīng)細(xì)胞。神經(jīng)網(wǎng)絡(luò)使用大量的處理單元( (即即神經(jīng)元神經(jīng)元) )處理信息，神經(jīng)元按層次結(jié)構(gòu)的形式組處理信息，神經(jīng)元按層次結(jié)構(gòu)的形式組織，每層上的神經(jīng)元以加權(quán)的方式與其它層上的織，每層上的神經(jīng)元以加權(quán)的方式與其它層上的神經(jīng)元連接，采用并行結(jié)構(gòu)和并行處理機(jī)制，具神經(jīng)元連接，采用并行結(jié)構(gòu)和并行處理機(jī)制，具有很強(qiáng)的容錯(cuò)性以及自學(xué)習(xí)、自組織及自適應(yīng)能

29、有很強(qiáng)的容錯(cuò)性以及自學(xué)習(xí)、自組織及自適應(yīng)能力，能夠模擬復(fù)雜的非線性映射。力，能夠模擬復(fù)雜的非線性映射。 13.3.4 13.3.4 基于神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合基于神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合v常用的人工神經(jīng)元常用的人工神經(jīng)元模型（模型（PEPE模型）模型） v典型的多級(jí)前饋典型的多級(jí)前饋感知模型感知模型 13.3.4 13.3.4 基于神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合基于神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)、功能特點(diǎn)和強(qiáng)大的非線性處理能力，恰好滿足了多源神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)、功能特點(diǎn)和強(qiáng)大的非線性處理能力，恰好滿足了多源信息融合技術(shù)處理的要求，人工神經(jīng)網(wǎng)絡(luò)以其泛化能力強(qiáng)、穩(wěn)定性高、信息融合技術(shù)處理的要求，人工神經(jīng)網(wǎng)絡(luò)以其泛化能力強(qiáng)、穩(wěn)定性

30、高、容錯(cuò)性好、快速有效的優(yōu)勢(shì)，在數(shù)據(jù)融合中的應(yīng)用日益受到重視。容錯(cuò)性好、快速有效的優(yōu)勢(shì)，在數(shù)據(jù)融合中的應(yīng)用日益受到重視。如果將數(shù)據(jù)融合劃分為三級(jí)，并針對(duì)具體問題將處理功能賦予信息處理如果將數(shù)據(jù)融合劃分為三級(jí)，并針對(duì)具體問題將處理功能賦予信息處理單元，可以用三層神經(jīng)網(wǎng)絡(luò)描述融合模型。第一層神經(jīng)元對(duì)應(yīng)原始數(shù)據(jù)單元，可以用三層神經(jīng)網(wǎng)絡(luò)描述融合模型。第一層神經(jīng)元對(duì)應(yīng)原始數(shù)據(jù)層融合。第二層完成特征層融合，并根據(jù)前一層提取的特征，做出決策。層融合。第二層完成特征層融合，并根據(jù)前一層提取的特征，做出決策。對(duì)于目標(biāo)識(shí)別，輸出就是目標(biāo)識(shí)別結(jié)論及其置信度；對(duì)于跟蹤問題，輸對(duì)于目標(biāo)識(shí)別，輸出就是目標(biāo)識(shí)別結(jié)論及其置信

31、度；對(duì)于跟蹤問題，輸出就是目標(biāo)軌跡及誤差。輸出層對(duì)應(yīng)決策融合，決策層的輸入輸出都應(yīng)出就是目標(biāo)軌跡及誤差。輸出層對(duì)應(yīng)決策融合，決策層的輸入輸出都應(yīng)該為軟決策及對(duì)應(yīng)決策的置信度。該為軟決策及對(duì)應(yīng)決策的置信度。 融合模型的全并行結(jié)構(gòu)對(duì)應(yīng)神經(jīng)網(wǎng)絡(luò)的跨層連接。決策信息處理單元組融合模型的全并行結(jié)構(gòu)對(duì)應(yīng)神經(jīng)網(wǎng)絡(luò)的跨層連接。決策信息處理單元組的輸出可以作為原始數(shù)據(jù)層數(shù)據(jù)融合單元組的輸入，對(duì)應(yīng)數(shù)據(jù)融合模型的輸出可以作為原始數(shù)據(jù)層數(shù)據(jù)融合單元組的輸入，對(duì)應(yīng)數(shù)據(jù)融合模型的層間反饋。數(shù)據(jù)融合模型的內(nèi)環(huán)路對(duì)應(yīng)前向神經(jīng)網(wǎng)絡(luò)中層內(nèi)的自反饋的層間反饋。數(shù)據(jù)融合模型的內(nèi)環(huán)路對(duì)應(yīng)前向神經(jīng)網(wǎng)絡(luò)中層內(nèi)的自反饋結(jié)構(gòu)。不論在數(shù)據(jù)融合的

32、哪個(gè)層次，同層各個(gè)信息處理單元組或同一信結(jié)構(gòu)。不論在數(shù)據(jù)融合的哪個(gè)層次，同層各個(gè)信息處理單元組或同一信息處理單元組的各個(gè)信息處理單元之間或多或少地存在聯(lián)系。息處理單元組的各個(gè)信息處理單元之間或多或少地存在聯(lián)系。 13.3.4 13.3.4 基于神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合基于神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合v人工神經(jīng)網(wǎng)絡(luò)信息融合具有如下性能：人工神經(jīng)網(wǎng)絡(luò)信息融合具有如下性能：v(1)(1)神經(jīng)網(wǎng)絡(luò)的信息統(tǒng)一存儲(chǔ)在網(wǎng)絡(luò)的連接權(quán)值和連接結(jié)構(gòu)神經(jīng)網(wǎng)絡(luò)的信息統(tǒng)一存儲(chǔ)在網(wǎng)絡(luò)的連接權(quán)值和連接結(jié)構(gòu)上，使得多源信息的表示具有統(tǒng)一的形式，便于管理和建立上，使得多源信息的表示具有統(tǒng)一的形式，便于管理和建立知識(shí)庫。知識(shí)庫。v(2)(2)神經(jīng)網(wǎng)

33、絡(luò)可增加信息處理的容錯(cuò)性，當(dāng)某個(gè)傳感器出現(xiàn)神經(jīng)網(wǎng)絡(luò)可增加信息處理的容錯(cuò)性，當(dāng)某個(gè)傳感器出現(xiàn)故障或檢測(cè)失效時(shí)，神經(jīng)網(wǎng)絡(luò)的容錯(cuò)功能可以使融合系統(tǒng)正故障或檢測(cè)失效時(shí)，神經(jīng)網(wǎng)絡(luò)的容錯(cuò)功能可以使融合系統(tǒng)正常工作，并輸出可靠的信息。常工作，并輸出可靠的信息。v(3)(3)神經(jīng)網(wǎng)絡(luò)具有自學(xué)習(xí)和自組織功能，能適應(yīng)工作環(huán)境的神經(jīng)網(wǎng)絡(luò)具有自學(xué)習(xí)和自組織功能，能適應(yīng)工作環(huán)境的不斷變化和信息的不確定性對(duì)融合系統(tǒng)的要求。不斷變化和信息的不確定性對(duì)融合系統(tǒng)的要求。v(4)(4)神經(jīng)網(wǎng)絡(luò)采用并行結(jié)構(gòu)和并行處理機(jī)制，信息處理速度神經(jīng)網(wǎng)絡(luò)采用并行結(jié)構(gòu)和并行處理機(jī)制，信息處理速度快，能夠滿足信息融合的實(shí)時(shí)處理要求?？欤軌驖M足信

34、息融合的實(shí)時(shí)處理要求。 13.3.5 13.3.5 基于專家系統(tǒng)數(shù)據(jù)融合基于專家系統(tǒng)數(shù)據(jù)融合v專家系統(tǒng)專家系統(tǒng)(Expert system)(Expert system)是一個(gè)具有大量專門知識(shí)與經(jīng)驗(yàn)是一個(gè)具有大量專門知識(shí)與經(jīng)驗(yàn)的程序系統(tǒng)，根據(jù)某領(lǐng)域一個(gè)或多個(gè)專家提供的知識(shí)和經(jīng)的程序系統(tǒng)，根據(jù)某領(lǐng)域一個(gè)或多個(gè)專家提供的知識(shí)和經(jīng)驗(yàn)，進(jìn)行推理和判斷，模擬人類專家的決策過程，以便解驗(yàn)，進(jìn)行推理和判斷，模擬人類專家的決策過程，以便解決那些需要人類專家處理的復(fù)雜問題。專家系統(tǒng)具有如下決那些需要人類專家處理的復(fù)雜問題。專家系統(tǒng)具有如下特點(diǎn)：特點(diǎn)： v(1)(1)啟發(fā)性：專家系統(tǒng)能運(yùn)用專家的知識(shí)和經(jīng)驗(yàn)進(jìn)行推理

35、、啟發(fā)性：專家系統(tǒng)能運(yùn)用專家的知識(shí)和經(jīng)驗(yàn)進(jìn)行推理、判斷和決策。判斷和決策。 v(2)(2)透明性：專家系統(tǒng)能夠解釋本身的推理過程和回答用戶透明性：專家系統(tǒng)能夠解釋本身的推理過程和回答用戶提出的問題，用戶能夠了解推理過程，提高對(duì)專家系統(tǒng)的提出的問題，用戶能夠了解推理過程，提高對(duì)專家系統(tǒng)的信賴感。信賴感。 v(3)(3)靈活性：專家系統(tǒng)能不斷地增長(zhǎng)知識(shí)，修改原有知識(shí)，靈活性：專家系統(tǒng)能不斷地增長(zhǎng)知識(shí)，修改原有知識(shí)，不斷更新，不斷充實(shí)和豐富系統(tǒng)內(nèi)涵，完善系統(tǒng)功能。不斷更新，不斷充實(shí)和豐富系統(tǒng)內(nèi)涵，完善系統(tǒng)功能。 13.3.5 13.3.5 基于專家系統(tǒng)數(shù)據(jù)融合基于專家系統(tǒng)數(shù)據(jù)融合v一個(gè)典型的專家系統(tǒng)

36、由知一個(gè)典型的專家系統(tǒng)由知識(shí)庫、推理器和接口三部識(shí)庫、推理器和接口三部分組成，如圖所示。分組成，如圖所示。 v知識(shí)庫組織事實(shí)和規(guī)則。知識(shí)庫組織事實(shí)和規(guī)則。 v推理器籍由知識(shí)庫中有效推理器籍由知識(shí)庫中有效的事實(shí)與規(guī)則，在用戶輸?shù)氖聦?shí)與規(guī)則，在用戶輸入的基礎(chǔ)上給出結(jié)果。入的基礎(chǔ)上給出結(jié)果。 v接口是用戶與專家系統(tǒng)間接口是用戶與專家系統(tǒng)間的溝通渠道，是人與系統(tǒng)的溝通渠道，是人與系統(tǒng)進(jìn)行信息交流的媒介，為進(jìn)行信息交流的媒介，為用戶提供了直觀方便的交用戶提供了直觀方便的交互作用手段?；プ饔檬侄?。 13.3.5 13.3.5 基于專家系統(tǒng)數(shù)據(jù)融合基于專家系統(tǒng)數(shù)據(jù)融合v建立專家系統(tǒng)首先要確認(rèn)建立專家系統(tǒng)首先

37、要確認(rèn)需解決的問題，根據(jù)需求需解決的問題，根據(jù)需求明確相關(guān)的知識(shí)并將其概明確相關(guān)的知識(shí)并將其概念化，由這些概念組成一念化，由這些概念組成一個(gè)系統(tǒng)的知識(shí)庫。其次是個(gè)系統(tǒng)的知識(shí)庫。其次是制定涵蓋上述知識(shí)的規(guī)則，制定涵蓋上述知識(shí)的規(guī)則，建立專家系統(tǒng)的過程如圖建立專家系統(tǒng)的過程如圖所示所示 。 v測(cè)試測(cè)試用于檢驗(yàn)用于檢驗(yàn)專家系統(tǒng)各個(gè)環(huán)節(jié)的專家系統(tǒng)各個(gè)環(huán)節(jié)的完整性完整性。在專家系統(tǒng)的在專家系統(tǒng)的建立過程中，需求、概念、組織結(jié)構(gòu)與規(guī)則是不斷完善的，建立過程中，需求、概念、組織結(jié)構(gòu)與規(guī)則是不斷完善的，往往需要不斷更新。建立專家系統(tǒng)的關(guān)鍵在于知識(shí)的獲取往往需要不斷更新。建立專家系統(tǒng)的關(guān)鍵在于知識(shí)的獲取與知識(shí)表

38、達(dá)與知識(shí)表達(dá)。 13.3.6 13.3.6 基于聚類分析數(shù)據(jù)融合基于聚類分析數(shù)據(jù)融合v對(duì)于沒有標(biāo)示類別或沒有明對(duì)于沒有標(biāo)示類別或沒有明確特征的數(shù)據(jù)樣本集，可以確特征的數(shù)據(jù)樣本集，可以根據(jù)樣本之間的某種相似程根據(jù)樣本之間的某種相似程度進(jìn)行分類，相似的歸一類，度進(jìn)行分類，相似的歸一類，不相似的歸為另一類或另一不相似的歸為另一類或另一些類，這種分類方法稱為聚些類，這種分類方法稱為聚類分析，如圖所示。類分析，如圖所示。 v聚類分析法試圖根據(jù)傳感數(shù)聚類分析法試圖根據(jù)傳感數(shù)據(jù)的結(jié)構(gòu)或相似性將數(shù)據(jù)集據(jù)的結(jié)構(gòu)或相似性將數(shù)據(jù)集分為若干個(gè)子集。將相似數(shù)分為若干個(gè)子集。將相似數(shù)據(jù)集中在一起成為一些可識(shí)據(jù)集中在一起成

39、為一些可識(shí)別的組，并從數(shù)據(jù)集中分離別的組，并從數(shù)據(jù)集中分離出來，眾多的不同特征可用出來，眾多的不同特征可用不同的聚類來表征不同的聚類來表征。 13.3.6 13.3.6 基于聚類分析數(shù)據(jù)融合基于聚類分析數(shù)據(jù)融合v進(jìn)行聚類分析時(shí)，首先需要確定一種規(guī)則來確定數(shù)據(jù)集的分進(jìn)行聚類分析時(shí)，首先需要確定一種規(guī)則來確定數(shù)據(jù)集的分離原則，尋找各個(gè)類之間的相似性是常用的辦法。對(duì)于兩個(gè)離原則，尋找各個(gè)類之間的相似性是常用的辦法。對(duì)于兩個(gè)給定的數(shù)據(jù)樣本給定的數(shù)據(jù)樣本 和和 ，幾種常見的相似性度量如：，幾種常見的相似性度量如： v點(diǎn)積：點(diǎn)積： v相似性比：相似性比： v歐幾里德距離：歐幾里德距離： v加權(quán)歐幾里德距離

40、：加權(quán)歐幾里德距離： v規(guī)范化相關(guān)系數(shù)：規(guī)范化相關(guān)系數(shù)： (,)() ()ijijiijjXXd e pXXXXXXiXjXc o s (,)ijijijXXXXXX(,)ijijiijjijXXSXXXXXXXX21(,)()niji kj kkdXXXX21(,)()niji kj kkdXXXX13.3.6 13.3.6 基于聚類分析數(shù)據(jù)融合基于聚類分析數(shù)據(jù)融合v在不規(guī)則粒子的測(cè)量中，人們并不關(guān)心粒子的在不規(guī)則粒子的測(cè)量中，人們并不關(guān)心粒子的直徑究竟是多少，而是關(guān)心粒子的種類及其統(tǒng)直徑究竟是多少，而是關(guān)心粒子的種類及其統(tǒng)計(jì)特性（平均直徑、方差等）。聚類分析適于計(jì)特性（平均直徑、方差等）。

41、聚類分析適于解決這類問題。解決這類問題。 v對(duì)于任意不規(guī)則粒子的情形，可以通過考察粒對(duì)于任意不規(guī)則粒子的情形，可以通過考察粒子在大小分布上的相似程度來進(jìn)行粒子識(shí)別。子在大小分布上的相似程度來進(jìn)行粒子識(shí)別。 v聚類分析算法能夠挖掘數(shù)據(jù)中的新關(guān)系，可以聚類分析算法能夠挖掘數(shù)據(jù)中的新關(guān)系，可以用于目標(biāo)識(shí)別和分類。但在聚類過程中加入了用于目標(biāo)識(shí)別和分類。但在聚類過程中加入了啟發(fā)和交互，帶有一定的主觀傾向性。一般說啟發(fā)和交互，帶有一定的主觀傾向性。一般說來，相似性度量的定義、聚類算法的選擇、數(shù)來，相似性度量的定義、聚類算法的選擇、數(shù)據(jù)排列的次序等都可能影響聚類結(jié)果。據(jù)排列的次序等都可能影響聚類結(jié)果。 1

42、3.4 13.4 多傳感器數(shù)據(jù)融合的應(yīng)用多傳感器數(shù)據(jù)融合的應(yīng)用13.4.1 人體對(duì)氣溫的感受人體對(duì)氣溫的感受13.4.2 管道泄漏檢測(cè)中的數(shù)據(jù)融合管道泄漏檢測(cè)中的數(shù)據(jù)融合13.4.3 醫(yī)學(xué)咨詢與診斷專家系統(tǒng)醫(yī)學(xué)咨詢與診斷專家系統(tǒng)13.4.4 多傳感器數(shù)據(jù)融合技術(shù)的局限性多傳感器數(shù)據(jù)融合技術(shù)的局限性 13.4.1 13.4.1 人體對(duì)氣溫的感受人體對(duì)氣溫的感受v布爾邏輯溫度表示布爾邏輯溫度表示v溫度信息模糊表示溫度信息模糊表示v濕度信息模糊表示濕度信息模糊表示13.4.1 13.4.1 人體對(duì)氣溫的感受人體對(duì)氣溫的感受13.4.2 13.4.2 管道泄漏檢測(cè)中的數(shù)據(jù)融合管道泄漏檢測(cè)中的數(shù)據(jù)融合v

43、當(dāng)管道發(fā)生泄漏時(shí)，由于管道內(nèi)外的壓差，泄漏處當(dāng)管道發(fā)生泄漏時(shí)，由于管道內(nèi)外的壓差，泄漏處流體迅速流失，壓力迅速下降，同時(shí)激發(fā)瞬態(tài)負(fù)壓流體迅速流失，壓力迅速下降，同時(shí)激發(fā)瞬態(tài)負(fù)壓波沿管道向兩端傳播。在管道兩端安裝傳感器拾取波沿管道向兩端傳播。在管道兩端安裝傳感器拾取瞬態(tài)負(fù)壓波信號(hào)可以實(shí)現(xiàn)管道的泄漏檢測(cè)和定位，瞬態(tài)負(fù)壓波信號(hào)可以實(shí)現(xiàn)管道的泄漏檢測(cè)和定位，如圖所示。如圖所示。其中：其中：a是負(fù)壓波在管道中的傳播速度；是負(fù)壓波在管道中的傳播速度；t為兩個(gè)為兩個(gè)檢測(cè)點(diǎn)接收負(fù)壓波的時(shí)間差；檢測(cè)點(diǎn)接收負(fù)壓波的時(shí)間差；L為所檢測(cè)的管道長(zhǎng)度為所檢測(cè)的管道長(zhǎng)度 13.4.2 13.4.2 管道泄漏檢測(cè)中的數(shù)據(jù)融合

44、管道泄漏檢測(cè)中的數(shù)據(jù)融合式中：表示負(fù)壓波的傳播速度，式中：表示負(fù)壓波的傳播速度，K為介質(zhì)的體積彈性系數(shù)，為介質(zhì)的體積彈性系數(shù)，表示介質(zhì)密度，表示介質(zhì)密度，E為管材的彈性系數(shù)，為管材的彈性系數(shù)，D為管道直徑，為管道直徑，e為管為管壁厚度壁厚度， C1表示與管道工藝參數(shù)有關(guān)的修正系數(shù)。表示與管道工藝參數(shù)有關(guān)的修正系數(shù)。 負(fù)壓波在管道中的傳播速度受傳送介質(zhì)的彈性、密度、介質(zhì)負(fù)壓波在管道中的傳播速度受傳送介質(zhì)的彈性、密度、介質(zhì)溫度及管材等實(shí)際因素的影響，并不是一個(gè)常數(shù)，如下公式溫度及管材等實(shí)際因素的影響，并不是一個(gè)常數(shù)，如下公式所示，顯然，溫度變化將影響傳送介質(zhì)的密度，負(fù)壓波在管所示，顯然，溫度變化將

45、影響傳送介質(zhì)的密度，負(fù)壓波在管道中的傳播速度不再是一個(gè)常數(shù)，為了準(zhǔn)確地對(duì)泄漏點(diǎn)進(jìn)行道中的傳播速度不再是一個(gè)常數(shù)，為了準(zhǔn)確地對(duì)泄漏點(diǎn)進(jìn)行定位，需要利用溫度信息校正負(fù)壓波的傳播速度。定位，需要利用溫度信息校正負(fù)壓波的傳播速度。 13.4.2 13.4.2 管道泄漏檢測(cè)中的數(shù)據(jù)融合管道泄漏檢測(cè)中的數(shù)據(jù)融合v泄漏點(diǎn)的定位與管道兩端獲取負(fù)壓波信號(hào)的泄漏點(diǎn)的定位與管道兩端獲取負(fù)壓波信號(hào)的時(shí)間差有關(guān)，提高泄漏點(diǎn)的定位精度，不僅時(shí)間差有關(guān)，提高泄漏點(diǎn)的定位精度，不僅需要在負(fù)壓波信號(hào)中準(zhǔn)確捕捉泄漏發(fā)生的時(shí)需要在負(fù)壓波信號(hào)中準(zhǔn)確捕捉泄漏發(fā)生的時(shí)間，還需要將兩端獲取的負(fù)壓波信號(hào)建立在間，還需要將兩端獲取的負(fù)壓波信號(hào)

46、建立在同一個(gè)時(shí)間基準(zhǔn)上同一個(gè)時(shí)間基準(zhǔn)上 ，不僅如此，由于不可避，不僅如此，由于不可避免的現(xiàn)場(chǎng)干擾、輸油泵振動(dòng)等因素的影響，免的現(xiàn)場(chǎng)干擾、輸油泵振動(dòng)等因素的影響，負(fù)壓波信號(hào)被淹沒在噪聲中，準(zhǔn)確捕捉泄漏負(fù)壓波信號(hào)被淹沒在噪聲中，準(zhǔn)確捕捉泄漏發(fā)生的時(shí)間點(diǎn)并不是一件容易的事，在小泄發(fā)生的時(shí)間點(diǎn)并不是一件容易的事，在小泄漏情況下更是如此。漏情況下更是如此。 13.4.2 13.4.2 管道泄漏檢測(cè)中的數(shù)據(jù)融合管道泄漏檢測(cè)中的數(shù)據(jù)融合v根據(jù)質(zhì)量守恒定律，沒有泄漏時(shí)進(jìn)入管道的根據(jù)質(zhì)量守恒定律，沒有泄漏時(shí)進(jìn)入管道的質(zhì)量流量和流出管道的質(zhì)量流量是相等的。質(zhì)量流量和流出管道的質(zhì)量流量是相等的。如果進(jìn)入流量大于流出

47、流量，就可以判斷管如果進(jìn)入流量大于流出流量，就可以判斷管道沿線存在泄漏。對(duì)于裝有流量計(jì)的管道，道沿線存在泄漏。對(duì)于裝有流量計(jì)的管道，利用瞬時(shí)流量的對(duì)比有助于區(qū)分管道泄漏與利用瞬時(shí)流量的對(duì)比有助于區(qū)分管道泄漏與正常工況：管道發(fā)生泄漏時(shí)，上游端瞬時(shí)流正常工況：管道發(fā)生泄漏時(shí)，上游端瞬時(shí)流量上升、壓力下降，下游端瞬時(shí)流量下降、量上升、壓力下降，下游端瞬時(shí)流量下降、壓力下降；正常工況下，兩端流量、壓力同壓力下降；正常工況下，兩端流量、壓力同時(shí)上升或下降。時(shí)上升或下降。 13.4.2 13.4.2 管道泄漏檢測(cè)中的數(shù)據(jù)融合管道泄漏檢測(cè)中的數(shù)據(jù)融合v管道運(yùn)行時(shí)，正常的調(diào)泵、調(diào)閥所激發(fā)的聲波信號(hào)可能與泄管道

48、運(yùn)行時(shí)，正常的調(diào)泵、調(diào)閥所激發(fā)的聲波信號(hào)可能與泄漏激發(fā)的負(fù)壓波信號(hào)具有相同特征，造成泄漏檢測(cè)的錯(cuò)誤判漏激發(fā)的負(fù)壓波信號(hào)具有相同特征，造成泄漏檢測(cè)的錯(cuò)誤判斷。在管道的兩端各增加一個(gè)傳感器，可利用辨向技術(shù)正確斷。在管道的兩端各增加一個(gè)傳感器，可利用辨向技術(shù)正確識(shí)別泄漏，如圖識(shí)別泄漏，如圖13.3013.30所示。調(diào)泵、調(diào)閥所激發(fā)的聲波信號(hào)先所示。調(diào)泵、調(diào)閥所激發(fā)的聲波信號(hào)先到達(dá)傳感器到達(dá)傳感器A A，后到達(dá)傳感器，后到達(dá)傳感器B B，而泄漏激發(fā)的負(fù)壓波信號(hào)則，而泄漏激發(fā)的負(fù)壓波信號(hào)則先到達(dá)傳感器先到達(dá)傳感器B B，后到達(dá)傳感器，后到達(dá)傳感器A A。兩個(gè)傳感信號(hào)的相關(guān)處理。兩個(gè)傳感信號(hào)的相關(guān)處理可以

49、準(zhǔn)確區(qū)分信號(hào)來源?？梢詼?zhǔn)確區(qū)分信號(hào)來源。13.4.2 13.4.2 管道泄漏檢測(cè)中的數(shù)據(jù)融合管道泄漏檢測(cè)中的數(shù)據(jù)融合v管道泄漏檢測(cè)系統(tǒng)管道泄漏檢測(cè)系統(tǒng)的多傳感器數(shù)據(jù)融的多傳感器數(shù)據(jù)融合結(jié)構(gòu)如圖所示合結(jié)構(gòu)如圖所示 13.4.3 13.4.3 醫(yī)學(xué)咨詢與診斷專家系統(tǒng)醫(yī)學(xué)咨詢與診斷專家系統(tǒng)v右圖所示是斯坦福右圖所示是斯坦福( (Stanford) )大學(xué)建大學(xué)建立的細(xì)菌感染疾病診斷和治療計(jì)算機(jī)立的細(xì)菌感染疾病診斷和治療計(jì)算機(jī)咨詢專家系統(tǒng)（咨詢專家系統(tǒng)（MYCIN系統(tǒng)），由咨系統(tǒng)），由咨詢、解釋和規(guī)則獲取詢、解釋和規(guī)則獲取3 3個(gè)子系統(tǒng)組成。個(gè)子系統(tǒng)組成。系統(tǒng)所有信息都存放在系統(tǒng)所有信息都存放在2 2

50、個(gè)數(shù)據(jù)庫中：個(gè)數(shù)據(jù)庫中：靜態(tài)數(shù)據(jù)庫存放咨詢過程中用到的所靜態(tài)數(shù)據(jù)庫存放咨詢過程中用到的所有規(guī)則，它實(shí)際上是專家系統(tǒng)的知識(shí)有規(guī)則，它實(shí)際上是專家系統(tǒng)的知識(shí)庫；動(dòng)態(tài)數(shù)據(jù)庫存放關(guān)于病人的信息，庫；動(dòng)態(tài)數(shù)據(jù)庫存放關(guān)于病人的信息，以及到目前為止咨詢中系統(tǒng)所詢問的以及到目前為止咨詢中系統(tǒng)所詢問的問題。每次咨詢，動(dòng)態(tài)數(shù)據(jù)都會(huì)更新問題。每次咨詢，動(dòng)態(tài)數(shù)據(jù)都會(huì)更新一次。一次。MYCINMYCIN系統(tǒng)的決策過程主要依系統(tǒng)的決策過程主要依據(jù)醫(yī)生的臨床經(jīng)驗(yàn)和判斷、試圖用產(chǎn)據(jù)醫(yī)生的臨床經(jīng)驗(yàn)和判斷、試圖用產(chǎn)生式規(guī)則的形式體現(xiàn)專家的判斷知識(shí)，生式規(guī)則的形式體現(xiàn)專家的判斷知識(shí)，以模仿專家的推理過程以模仿專家的推理過程. .

51、13.4.3 13.4.3 醫(yī)學(xué)咨詢與診斷專家系統(tǒng)醫(yī)學(xué)咨詢與診斷專家系統(tǒng)v中醫(yī)診斷的信中醫(yī)診斷的信息融合過程如息融合過程如圖所示，中醫(yī)圖所示，中醫(yī)診斷的信息融診斷的信息融合過程涉及視合過程涉及視覺、嗅覺、聽覺、嗅覺、聽覺、觸覺四種覺、觸覺四種不同的傳感器不同的傳感器 13.4.4 13.4.4 數(shù)據(jù)融合技術(shù)的局限性數(shù)據(jù)融合技術(shù)的局限性v多傳感器數(shù)據(jù)融合結(jié)果并不能代替單一高精度多傳感器數(shù)據(jù)融合結(jié)果并不能代替單一高精度傳感器測(cè)量結(jié)果。傳感器測(cè)量結(jié)果。多個(gè)傳感器的組合可以增強(qiáng)系統(tǒng)的健壯性，但這些傳感器多個(gè)傳感器的組合可以增強(qiáng)系統(tǒng)的健壯性，但這些傳感器并不一定能檢測(cè)到系統(tǒng)所感興趣的目標(biāo)特征。并不一定能

52、檢測(cè)到系統(tǒng)所感興趣的目標(biāo)特征。例如列車運(yùn)行過程中，列車的載重情況、運(yùn)行速度、振動(dòng)例如列車運(yùn)行過程中，列車的載重情況、運(yùn)行速度、振動(dòng)特性等對(duì)診斷列車輪系工作狀態(tài)提供了有價(jià)值的信息，但特性等對(duì)診斷列車輪系工作狀態(tài)提供了有價(jià)值的信息，但這些數(shù)據(jù)卻無法直接給出軸瓦的工作溫度。采用一個(gè)溫度這些數(shù)據(jù)卻無法直接給出軸瓦的工作溫度。采用一個(gè)溫度傳感器直接測(cè)量溫度要簡(jiǎn)單易行得多。傳感器直接測(cè)量溫度要簡(jiǎn)單易行得多。13.4.4 13.4.4 數(shù)據(jù)融合技術(shù)的局限性數(shù)據(jù)融合技術(shù)的局限性v數(shù)據(jù)融合處理不可能修正預(yù)處理或單個(gè)傳感器數(shù)據(jù)融合處理不可能修正預(yù)處理或單個(gè)傳感器處理時(shí)的錯(cuò)誤。處理時(shí)的錯(cuò)誤。數(shù)據(jù)融合處理不能彌補(bǔ)處理

53、過程中造成的信息損失。當(dāng)信數(shù)據(jù)融合處理不能彌補(bǔ)處理過程中造成的信息損失。當(dāng)信號(hào)的特征沒有被正確提取時(shí)，數(shù)據(jù)融合得到的結(jié)論肯定是號(hào)的特征沒有被正確提取時(shí)，數(shù)據(jù)融合得到的結(jié)論肯定是錯(cuò)誤的，數(shù)據(jù)融合不可能修正這些特征。錯(cuò)誤的，數(shù)據(jù)融合不可能修正這些特征。例如在管道泄漏檢測(cè)中，如果負(fù)壓波信號(hào)中泄漏發(fā)生的時(shí)例如在管道泄漏檢測(cè)中，如果負(fù)壓波信號(hào)中泄漏發(fā)生的時(shí)間特征點(diǎn)沒有準(zhǔn)確獲得，泄漏定位的準(zhǔn)確性就沒有保證，間特征點(diǎn)沒有準(zhǔn)確獲得，泄漏定位的準(zhǔn)確性就沒有保證，其它的技術(shù)措施如時(shí)間對(duì)準(zhǔn)、流量平衡等都不可能改變這其它的技術(shù)措施如時(shí)間對(duì)準(zhǔn)、流量平衡等都不可能改變這種結(jié)果。種結(jié)果。143.4.4 143.4.4 數(shù)據(jù)融合技術(shù)的局限性數(shù)據(jù)融合技術(shù)的局限性v數(shù)據(jù)融合過程中希望能用一種簡(jiǎn)單的方式來描數(shù)據(jù)融合過程中希望能用一種簡(jiǎn)單的方式來描述傳感器性能。述傳感器性能。傳感器模型的不準(zhǔn)確將導(dǎo)致融合結(jié)果錯(cuò)誤，這種錯(cuò)誤在后續(xù)傳感器模型的不準(zhǔn)確將導(dǎo)致融合結(jié)果錯(cuò)誤，