2015-第二講模型與配準(zhǔn)關(guān)聯(lián)概述1

1、1課程內(nèi)容回顧§ 什么是信息融合 單源信息的局限性 概念術(shù)語：信息、數(shù)據(jù)、傳感器 信息融合的定義 多源信息的優(yōu)勢2第二講 常規(guī)模型與配準(zhǔn)關(guān)聯(lián)概述授課教員: 劉方四院ATR2信息融合系統(tǒng)優(yōu)勢優(yōu)勢： 增加了系統(tǒng)的生存能力 擴(kuò)展了時間、空間覆蓋范圍 提高信息度 減少了信息的模糊性不是簡單疊加， 改善了探測性能而是發(fā)揮信息的潛能， 提高了空間分辨率 提高系統(tǒng)可靠性全面反映實體的本質(zhì) 增加測量維數(shù)問題： 系統(tǒng)復(fù)雜性大大提高成本、重量、功耗、輻射增多帶來的易被敵方發(fā)現(xiàn)等4信息融合定義§ Dasarathy:信息融合是協(xié)同利用多源信息（傳感器、數(shù)據(jù)庫、人為獲取的信息）進(jìn)行決策和行動的 理

2、論、技術(shù)和工具，旨在比僅利用單信息源或 非協(xié)同利用部分多源信息獲得更精確和更穩(wěn)健 的性能。33軍事應(yīng)用示例課程內(nèi)容回顧§ 信息融合的基本原理 系統(tǒng)設(shè)計流程 基本處理過程 信息融合的級別劃分檢測、位置級、識別/級、態(tài)勢估計、威脅估計5典型信息融合處理過程傳感器管理74融合處理數(shù)據(jù)關(guān)聯(lián)數(shù)據(jù)配準(zhǔn)常用的融合分級-體現(xiàn)了信息抽象的不同層次檢測位置識別態(tài)勢威脅跟蹤數(shù)據(jù)層、特征層、決策層決策模型管理響應(yīng)先驗?zāi)Ｐ蚐ensorN。Sensor2Sensor15第二講 本講內(nèi)容安排2.1 信息融合的功能模型2.2 信息融合的結(jié)構(gòu)模型2.3 時空配準(zhǔn)概述2.4 數(shù)據(jù)關(guān)聯(lián)概述*10說明信息融合模型可以用功能

3、、結(jié)構(gòu)和數(shù)學(xué)模型等幾方面來研 究和表示。§ 功能模型從融合過程出發(fā),描述信息融合包括哪些主要功能、 數(shù)據(jù)庫,以及進(jìn)行信息融合時系統(tǒng)各組成部分之間的相互作 用過程。§ 結(jié)構(gòu)模型從信息融合的組成架構(gòu)出發(fā),說明信息融合系統(tǒng)的 軟、硬件組成,相關(guān)數(shù)據(jù)流、系統(tǒng)與外部環(huán)境的人機(jī)界面。§ 數(shù)學(xué)模型則是信息融合算法和綜合邏輯。96說明信息融合模型可以用:功能、結(jié)構(gòu)和數(shù)學(xué)模型等幾方面來研究和表示。功能模型從融合過程結(jié)構(gòu)模型從信息融合出發(fā),描述信息融合的組成出發(fā),說明信包括哪些主要功能、息融合系統(tǒng)的軟、硬數(shù)學(xué)模型則是信息融數(shù)據(jù)庫,以及進(jìn)行信件組成,相關(guān)數(shù)據(jù)流、合算法和綜合邏輯。息融合

4、時系統(tǒng)各組成系統(tǒng)與外部環(huán)境的人部分之間的相互作用機(jī)界面。過程。122.1 信息融合的功能模型117JDL模型§ 早在1985年美國三軍組織理事會JDL（Joint Directors of Laboratories）就提出了JDL數(shù)據(jù)融合模型。§ 近年來隨著軍事理論研究的發(fā)展和應(yīng)用，又對JDL 數(shù)據(jù)融合模型提出了進(jìn)一步擴(kuò)展和修正的考慮Llinas2004。§ 擴(kuò)展的： 信息需求 融合技術(shù)的發(fā)展14信息融合的功能模型§ JDL/DFS早期的三級功能模型§ 四級功能模型§ 五級功能模型§ 六級功能模型138信息需求§

5、1996年，美參聯(lián)會頒布2010年構(gòu)想，提出要創(chuàng)造和充分利用信息優(yōu)勢取得全譜優(yōu)勢，借助于“四個任何（Any）”，即在任何時間、任何地點(diǎn)，將任何信息送到任 何人手中 。§ 2000年，美參聯(lián)會公布2020構(gòu)想”，將“謀求信息優(yōu)勢”的目標(biāo)改為“謀求決策優(yōu)勢”，相應(yīng)地將從 “四個任何”改為“五個恰當(dāng)（Right）”，即在恰當(dāng)?shù)臅r 間、恰當(dāng)?shù)牡攸c(diǎn)，將恰當(dāng)?shù)男畔?，以恰?dāng)?shù)男问剿徒唤o恰當(dāng)?shù)慕邮照?，同時要壓制敵方謀求同樣能力的企圖。16信息需求國防和未來國土防御中的新概念，諸如:共有的（或者一致的，或者相應(yīng)的或者單集成的和用戶定義的）操作的表述。信息融合在其中以明確或者隱含的網(wǎng)絡(luò)為中心的、主導(dǎo)空間

6、知識、方式擔(dān)當(dāng)著之外的（非對稱性、信息戰(zhàn)中心：爭、美國的“FORCEnet”）等。 驅(qū)使 提高涉及到互聯(lián)網(wǎng)和基于Web的構(gòu)想。這些技 滿足術(shù)和相應(yīng)開展的信息服務(wù)都在迅猛發(fā)展。159信息融合的四級功能模型 （1998年的模型）DATA FUSION DOMAINLevel 0Level 1Level 2 ProcessingProcessingProcessingSub-object DataObjectSituationAssociation &RefinementRefinementHumanEstimationComputer Intel SourcesInteraction Ai

7、r Surveillance SurfaceSurveillanceData Base Space SurveillanceLevel 4ProcessingManagement SystemProcessSupportFusionRefinementDatabaseDatabase第0層子目標(biāo)的數(shù)據(jù)關(guān)聯(lián)與估計：像素與信號級的關(guān)聯(lián)與描述第層目標(biāo)提煉：觀測到航跡的關(guān)聯(lián)，連續(xù)狀態(tài)或離散狀態(tài)的估計（諸如：目標(biāo)的類型和）以及 第層態(tài)勢提煉：目標(biāo)的集結(jié)和關(guān)系分析，以形成包括結(jié)構(gòu)、交叉關(guān)系，通信，物理上下文等第層評估：有（威脅估計）,威脅趨勢估計，結(jié)果，敏感性和弱點(diǎn)估計；第層過程精煉：自適應(yīng)的搜索與處理（

8、的管理要素）Level 3 ProcessingImpact AssessmentJDL/DFS早期的三級模型§ 美國JDL/DFS根據(jù)信息融合輸出結(jié)果，在早期將信 息融合分為三級： 第一級-位置估計與目標(biāo)識別； 第二級態(tài)勢評估； 第三級威脅估計。Level 1:Level 2:Level 3:位置估計&目標(biāo)識別態(tài)勢評估威脅估計DATA FUSION PROCESSING17多級融合推斷10wherewhatwhenwhowhyhowhow wellphysical objectsindividualorganizationseventsspecificaggregatede

9、nvironment & enemy tacticslocalglobalenemy doctrine objectives & capabilitylocalglobalfriendly vulnerabilities & missionoptionsneedsfriendly assetslocalglobaleffectivenessbattletheatreresource managementlocalglobalLevel 1: Object RefinementLevel 2: Situation RefinementLevel 3: Threat Ref

10、inementLevel 4: Process RefinementDATA FUSION PROCESSING融合如何進(jìn)行-常規(guī)（單信源）方法的擴(kuò)展-專門面向融合的技術(shù)L1:L2: Situation RefinementAssociation/ 數(shù)字或統(tǒng)計的估計技Correlation術(shù)L0: Sub-ObjectAssociation/組合優(yōu)化 基于知識的符號技術(shù)CorrelationHuman 組合優(yōu)化Object RefinementComputer 數(shù)字或統(tǒng)計的估計L3: ImpasessmentInteraction 數(shù)字或統(tǒng)計的估計技術(shù)技術(shù) 數(shù)字或統(tǒng)計的估計技 Intel So

11、urces術(shù) Air Surveillance模式識別的技術(shù) Surface Surveillance 基于知識的符號技術(shù) Space SurveillanceL4: Adaptive Control Sensor 信源管理，信息論技術(shù) 自適應(yīng)過程?？刂普摷夹g(shù)19融合推斷的層次HIGHTYPES OF INFERENCE? THREAT ASSESSMENT REFINEMENT PROCESSTYPES OF DATA/PROCESSING? ANALYSIS OF SITUATION VICE BLUE MISSION, GOALS & VULNERABILITY; HOSTILE

12、 INTENT, LETHALITY? SITUATION ASSESSMENT REFINEMENT PROCESS? CONTEXTUAL ANALYSIS OF COMPLEX ENTITIES (BLUE & WHITE VIEWS; EVOLVING OB, ETC.)? BEHAVIOR OF ENTITIES? TIME, MOTION, FORCE DISPOSITION ANALYSIS? IDENTITY OF EMITTERS OR PLATFORMS? PROCESSING PARAMETRIC DATA FOR HULTEC, CLASSIFICATION,

13、IFFN, ETC.? POSITION/VELOCITY? USE OF MULTIPLE DATA FOR POSITION/VELOCITY ESTIMATION? EXISTENCE OF AN ENTITY? RAW SENSOR DATA (PASSIVE/ACTIVE)LOW11INFERENCE LEVELLEVEL ONEFUSION PROCESSING - OBJECT REFINEMENT22LEVEL ONE PROCESSING位置/屬性的估計目標(biāo)位置/運(yùn)動屬性分析數(shù)據(jù)校準(zhǔn) 觀測 空間參考系配準(zhǔn)位置/運(yùn)動屬性估計 時間參考系配準(zhǔn)的更新 測量配準(zhǔn)目標(biāo)管理 計算不確定性

14、分析數(shù)據(jù)/目標(biāo)關(guān)聯(lián)目標(biāo)估計 數(shù)據(jù)放映計算測度 關(guān)聯(lián)度量與真實測量對比 門限測試指定 數(shù)據(jù)到目標(biāo)的關(guān)聯(lián)計算不確定性12LEVEL THREEFUSION PROCESS - THREAT REFINEMENT24LEVEL THREE PROCESSING威脅提煉總體（紅軍、敵方企圖威脅時機(jī)確認(rèn)藍(lán)軍）能力估計潛在估計 弱點(diǎn)綜合態(tài)勢圖 危急時間界定（多視角估計） 威脅系統(tǒng)優(yōu)先級 友方系統(tǒng)機(jī)遇進(jìn)攻/防御LEVEL TWOFUSION PROCESS - SITUATION REFINEMENT23LEVEL TWO PROCESSING態(tài)勢提煉目標(biāo)集結(jié) 時間相關(guān)性 集合鄰近性/活動的集結(jié) 通信 功能

15、依托性上下文解釋/融合綜合態(tài)勢圖 環(huán)境（多視角估計） 天氣紅（我）、 軍事規(guī)則（條令條例）藍(lán)（敵）、 或政治的因素白（天氣、地理等）13SOURCE PRE-PROCESSING/ DATA BASE MANAGEMENT SYSTEM26融合控制 信號預(yù)處理 處理配置 優(yōu)先級/發(fā)信號數(shù)據(jù)庫管理系統(tǒng)支持?jǐn)?shù)據(jù)庫融合數(shù)據(jù)庫 環(huán)境 條令目標(biāo)位置/ 技術(shù)態(tài)勢估計 觀測數(shù)據(jù)威脅估計 任務(wù)數(shù)據(jù)LEVEL FOURFUSION PROCESS - PROCESS REFINEMENT25LEVEL FOUR PROCESSING過程提煉評估（實時控制/長期完善）融合控制 故障檢測與應(yīng)對位置/需求 性能度量(

16、MOP)態(tài)勢估計需求 效能度量(MOE)威脅估計需求 過程控制知識完善任務(wù)管理 任務(wù)需求 管理信源需求/防御 傳感器服務(wù)匯集 符合條件的數(shù)據(jù)需求通信 參考數(shù)據(jù)需求平臺142004年的修正版281998年的版本2715各級任務(wù)中的數(shù)據(jù)關(guān)聯(lián)30各級說明2916五級模型-信息抽象的不同層次§ 信息融合的第二種分類模型（五級模型） 第一級檢測級融合； 第二級位置級融合； 第三級目標(biāo)識別級融合； 第四級態(tài)勢評估； 第五級威脅估計。32新增的一級任務(wù)-其他思路31Level 5：VisualizeLevel 5：User Refinement17六級模型34第二級處理*數(shù)據(jù)校準(zhǔn)源*空間校準(zhǔn)第四級

17、處理*時間校準(zhǔn)*測量位置融合*態(tài)勢估計*聲納*相關(guān)門*環(huán)境評估*測量互聯(lián)*背景分析*紅外*跟蹤*分級推理*光電*濾波*航跡融合*電子支援*航跡關(guān)聯(lián)環(huán)措施(ESM)*敵我識別境(IFF)第五級處理*通信情報第三級處理(COMINT)*威脅估計*電子情報*屬性融合*致死度估計*意向/估計(ELINT)*物理模型*紅/蘭估計*其它*算法分類*度估計*知識模型*指示與警報*目標(biāo)瞄準(zhǔn)*分配人機(jī)接口評估計算智能化多性能計算文字、圖形MOE(有效性度量)地圖顯示維護(hù)33輔助信息預(yù)濾波*時間*位置*類型*特征支持?jǐn)?shù)據(jù)庫*技能計算*經(jīng)驗類*技術(shù)類管理*可用性*傳感器任務(wù)分配*任務(wù)優(yōu)先等級分配數(shù)據(jù)庫管理系統(tǒng)*監(jiān)視

18、*評估*增加*更新*檢索*合并*清除*歸檔第一級處理*檢測融合*檢測準(zhǔn)則*CFAR*最優(yōu)門限*融合準(zhǔn)則*分布CFAR態(tài)勢數(shù)據(jù)庫*動態(tài)對象*航跡182.2 信息融合的結(jié)構(gòu)模型36演變中的幾個特點(diǎn)人機(jī)交互、逐漸顯式地認(rèn)知優(yōu)化 凸顯數(shù)據(jù)庫引起重視逐漸強(qiáng)化了 功能意義精細(xì)處理：信息抽象 即評估、優(yōu)層次不同、 化、管理等目標(biāo)表述 功能基本功的精細(xì)度能保持不同3519檢測級融合的結(jié)構(gòu)模型檢測級融合的結(jié)構(gòu)模型主要有五種，即： 分散式結(jié)構(gòu) 并行結(jié)構(gòu) 串行結(jié)構(gòu) 樹狀結(jié)構(gòu) 帶反饋的并行結(jié)構(gòu)等38信息融合的結(jié)構(gòu)模型由于信息融合本身主要發(fā)生在 檢測級 位置級 屬性級我們在討論結(jié)構(gòu)模型時，針對這三級的融合結(jié)構(gòu)。3720

19、檢測級融合的結(jié)構(gòu)模型現(xiàn)象H現(xiàn)象HY2Y3Y4Y5YYYYY1S2S3S412N-1NUU23S1S2SN-1SNS1UN =U0UU14U1U2UN-1S5串行融合結(jié)構(gòu)Y1U = US1U150Y2UU0樹狀融合結(jié)現(xiàn)S22融合構(gòu)象·中心H Y·N·USNN帶反饋的并行融合結(jié)構(gòu)40檢測級的結(jié)構(gòu)模型現(xiàn)象H現(xiàn)象 HY1Y2K YNY1Y2YN-1YNS1S2 K SNS1S2SN-1SNU1U 2 K U NU1U2UN-1UN檢測中心分散式融合結(jié)構(gòu)并行融合結(jié)構(gòu)3921位置級融合的結(jié)構(gòu)模型集中式融合42位置級融合的結(jié)構(gòu)模型§ 位置級融合結(jié)構(gòu) 集中式 分布式 混

20、合式 多級式4122位置級融合的結(jié)構(gòu)模型混合式融合44位置級融合的結(jié)構(gòu)模型分布式融合4323屬性級融合的融合結(jié)構(gòu)§ 屬性級融合的融合結(jié)構(gòu)有三類： 決策層屬性融合 特征層屬性融合 數(shù)據(jù)層屬性融合46位置級融合的結(jié)構(gòu)模型多級式融合4524屬性級融合的融合結(jié)構(gòu)特征層屬性融合48屬性級融合的融合結(jié)構(gòu)決策層屬性融合4725Dasarathy提出的五級結(jié)構(gòu)模型§ Dasarathy將傳統(tǒng)的數(shù)據(jù)級、特征級和決策級融合進(jìn)一步細(xì) 分為五級： “數(shù)據(jù)入-數(shù)據(jù)出（DAI-DAO）” “數(shù)據(jù)入-特征出（DAI-FEO）” “特征入-特征出（FEI-FEO）” “特征入-決策出（FEI-DEO）”

21、“決策入-決策出（DEI-DEO）”§ 該方法可用于構(gòu)建靈活的信息融合系統(tǒng)結(jié)構(gòu)，對于實際的 應(yīng)用研究也有指導(dǎo)意義。50屬性級融合的融合結(jié)構(gòu)數(shù)據(jù)層屬性融合4926Dasarathy提出的五級結(jié)構(gòu)模型靈活的屬性信息融合結(jié)構(gòu)52Dasarathy提出的五級結(jié)構(gòu)模型屬性信息融合的結(jié)構(gòu)（五級）51DEI -DEO 融合決策級融合FEI -DEO 融合FEI -FEO 融合特征級融合DAI -FEO 融合數(shù)據(jù)級融合DAI-DAO 融合272.3 時空配準(zhǔn)概述§ 時間配準(zhǔn) 為什么需要時間配準(zhǔn)、 影響因素 解決方法 誤差帶來的后續(xù)影響§ 空間配準(zhǔn) 為什么需要空間配準(zhǔn) 空間配準(zhǔn)關(guān)注

22、的問題 解決方法 誤差帶來的后續(xù)影響542.3 時空配準(zhǔn)概述5328時間配準(zhǔn)的必要性如果不作時間配準(zhǔn) 各級傳感器時鐘不同步 多傳感器-多平臺間-多系統(tǒng)間，時間坐標(biāo)無法統(tǒng)一 各軍圖無法協(xié)同將導(dǎo)致： 后續(xù)的融合無法展開或結(jié)果毫無意義 干擾決策和判斷 最終影響效能為什么需要時間配準(zhǔn)有效融合的前提需要時間一致復(fù)雜戰(zhàn)場環(huán)境中有諸多因素干擾時間配準(zhǔn)作用：保證融合處理的多源輸入是同一目標(biāo)的相同時刻的觀測信息。29解決方法針對前兩種因素： 硬件方法，統(tǒng)一授時，精度可達(dá)：微秒級。 軟件系統(tǒng)校準(zhǔn)，精度可達(dá)毫秒級。針對第三種因素，現(xiàn)有方案有： 最小二乘法 內(nèi)插外推法 基于曲線擬合法 串行合并法 等影響因素§

23、; 時間對的影響因素： 校準(zhǔn)精度：各傳感器的時間基準(zhǔn)不一致，相互存在時間差； 傳輸延遲：各傳感器的時間校對信號和測量值經(jīng)通信網(wǎng)絡(luò)傳輸 時存在傳輸延遲； 采樣周期不一致：造成各傳感器測量值之間時刻不同步。30圓圓配(配km配) 配時間配準(zhǔn)誤差帶來的后續(xù)影響1. 影響時間累積類運(yùn)算的精度，例如：目標(biāo)、狀態(tài)估計（距離、方位、速度、度、角速度等）；2. 多目標(biāo)密集情況，干擾目標(biāo)辨別能力。影響群目標(biāo)及群內(nèi) 目標(biāo)鑒別；3. 目標(biāo)機(jī)動情況，可能發(fā)生誤判；4. 對檢測-識別-態(tài)勢-威脅等，會產(chǎn)生誤差累積效應(yīng)。目前，有專門應(yīng)對異步信源的融合決策方法研究，對時 間不一致的多源信息可以進(jìn)行融合處理。內(nèi)插外推方法推廣

24、用于復(fù)雜運(yùn)動模型目標(biāo)運(yùn)動的角速率為:a(i 1) a(i 1)w i = q i Ta(x , y )(xaj , yaj )配準(zhǔn)時刻數(shù)據(jù)為：Ri(xai , yai )xi ) + q )qijii(xa(i-1) , ya(i-1) )-1) , ya(i-1) )x - x(x , y )(x , y )yaj = yi + Ri sin( arc cos( ai i ) + q ij )i ii iRi典型實驗：設(shè)目標(biāo)的運(yùn)動圓圓圓圓圓圓圓圓圓圓1.5模型為勻速圓周運(yùn)動，半勻勻勻勻圓圓勻勻圓圓圓圓徑為40 km，角速率1/200 ，傳感器A和B的采樣周期分別為30s和47s，0.5兩傳感

25、器的測量誤差均值0為零，方差均為0.03km，0100200300400500600700800900時時圓圓時時(s)觀測時間段為900s。(xa(i 1) , ya(i 1) )qijRi(xaj , yaj )(x , y iai a(xa(i31為什么需要時空間配準(zhǔn)有效融合的前提需要待處理實體或目標(biāo)空間位置一致復(fù)雜戰(zhàn)場環(huán)境中有諸多因素干擾空間配準(zhǔn)作用：保證融合處理的多源輸入描述同一實體或目標(biāo)的相同位置觀測信息。2.3 時空配準(zhǔn)概述§ 時間配準(zhǔn) 為什么需要時間配準(zhǔn)、 影響因素 解決方法 誤差帶來的后續(xù)影響§ 空間配準(zhǔn) 為什么需要空間配準(zhǔn) 空間配準(zhǔn)關(guān)注的問題 解決方法

26、誤差帶來的后續(xù)影響6132空間配準(zhǔn)的必要性如果不作配準(zhǔn)和關(guān)聯(lián) 各級傳感器空間序列不一致 多傳感器-多平臺間-多系統(tǒng)間，空間坐標(biāo)無法統(tǒng)一 各軍圖無法協(xié)同將導(dǎo)致： 后續(xù)的融合無法展開或結(jié)果毫無意義 干擾決策和判斷 最終影響效能誤差產(chǎn)生途徑信息感知、信息處理和信息傳輸三個方面均有可能產(chǎn)生 影響融合決策結(jié)果的誤差。信息傳輸傳輸環(huán)境傳輸信息格式傳輸信道設(shè)備誤差 測讀誤差 隨機(jī)誤差數(shù)學(xué)模型誤差模型誤差 環(huán)境誤差信息感知算法誤差精度誤差其他因素誤差信息處理33解決方法§ 空間坐標(biāo)系統(tǒng)的統(tǒng)一：坐標(biāo)轉(zhuǎn)換（平臺內(nèi)-平臺間-系統(tǒng)級）坐標(biāo)系統(tǒng)表述模式常規(guī):笛卡爾坐標(biāo)系球/極坐標(biāo)系地理坐標(biāo)系 大地坐標(biāo)系等成像

27、傳感器:世界坐標(biāo)系 相機(jī)坐標(biāo)系 圖像坐標(biāo)系等空間配準(zhǔn)關(guān)注的問題§ 空間坐標(biāo)系統(tǒng)的統(tǒng)一：坐標(biāo)轉(zhuǎn)換： 平臺內(nèi)-平臺間-系統(tǒng)級§ 傳感器信息的空間配準(zhǔn) 同類傳感器空間配準(zhǔn) 異類傳感器（多模）空間配準(zhǔn)§ 動態(tài)誤差補(bǔ)償： 離線：傳感器系統(tǒng)誤差、數(shù)學(xué)模型及算法等經(jīng)驗誤差 ：多種機(jī)動因素、干擾等導(dǎo)致的動態(tài)誤差34坐標(biāo)系之間旋轉(zhuǎn)變換矩陣當(dāng)原坐標(biāo)系分別繞x軸、é100ùy軸和z軸轉(zhuǎn)動，R x ( q) = ê0 cos q sin q úêúêë0 - sin q cos q úû則

28、原坐標(biāo)系中的r和新坐標(biāo)系的r關(guān)系：écosq0 - sinqùr=R ()rRy (q) = ê 010 úxêúêësinq0cosq úûr=Ry()rr=R ()ré cosqsinq0 ùR (q) = ê- sinqcosq0 úzzêúêë001úû例：載體坐標(biāo)系§ 以載體質(zhì)心為原點(diǎn)，x軸沿載體縱向向前，y軸 為載體右側(cè)，z軸向下。陀螺輸出的參考坐標(biāo)系6735圖像配準(zhǔn)的一般步

29、驟特征提取特征匹配變換模型參數(shù)估計圖像重采樣和變換解決方法§ 傳感器間信息的空間配準(zhǔn) 同類傳感器空間配準(zhǔn) 異類傳感器（多模）空間配準(zhǔn)成像類信息的空間配準(zhǔn): 同類圖像配準(zhǔn)：面向機(jī)載紅外傳感器的圖像鑲嵌技術(shù) 異類圖像配準(zhǔn)：面向機(jī)載對地模式的紅外與SAR圖像的空間配準(zhǔn)36解決方法§ 動態(tài)誤差補(bǔ)償：結(jié)合濾波、估計理論 離線：傳感器系統(tǒng)誤差、數(shù)學(xué)模型及算法等經(jīng)驗誤差 ：多種機(jī)動因素、干擾等傳感器信息表述維數(shù)相關(guān)維度相似性度量等融合應(yīng)用精度需求任務(wù)特點(diǎn)性能約束目標(biāo)機(jī)動模型滿足精度要求下使用簡單模型典型幾何變換示意圖平移變換相似變換仿射變換投影變換非線性變換非線性變換確定傳感器信息之間的

30、幾何變換模型對配準(zhǔn)精度、算法復(fù)雜度、后續(xù)處理，都 有重要影響。7137空間誤差帶來的后續(xù)影響1. 影響位置類信息的精度，例如：目標(biāo)、狀態(tài)估計（距離、方位、速度、度、角速度等）；2. 多目標(biāo)密集情況，干擾目標(biāo)辨別能力。影響群目標(biāo)及群內(nèi) 目標(biāo)鑒別；3. 目標(biāo)機(jī)動情況，可能發(fā)生誤判；4. 對檢測-識別-態(tài)勢-威脅等，會產(chǎn)生誤差累積效應(yīng)。目前，多模成像傳感器空間配準(zhǔn)、動態(tài)誤差補(bǔ)償是研究 熱點(diǎn)也是難點(diǎn)。協(xié)作式目標(biāo)與非協(xié)作式目標(biāo)協(xié)同配準(zhǔn)方法特點(diǎn)： 充分利用IFF帶來的目標(biāo)； 發(fā)揮協(xié)作式目標(biāo)模型及先驗知識帶來的精度優(yōu)勢； 狀態(tài)估計的同時，實時獲取位置誤差信息； 對符合條件的非協(xié)作式目標(biāo)，簡化UKF計算，動態(tài)

31、進(jìn)行空間誤差補(bǔ)償。38數(shù)據(jù)關(guān)聯(lián)概述§ 問題的提出§ 數(shù)據(jù)關(guān)聯(lián)的定義§ 數(shù)據(jù)關(guān)聯(lián)的分類§ 通用概念處理流程§ 關(guān)聯(lián)度量§ 典型方法簡介762.4 數(shù)據(jù)關(guān)聯(lián)概述7539數(shù)據(jù)關(guān)聯(lián)的定義§ 數(shù)據(jù)關(guān)聯(lián)的過程即確定傳感器接收到的量測信息和 目標(biāo)源對應(yīng)關(guān)系的過程§ 數(shù)據(jù)關(guān)聯(lián)是研究一個觀測量和相關(guān)的其它觀測量之 間的關(guān)系。§ 數(shù)據(jù)關(guān)聯(lián)與數(shù)據(jù)匯集的本質(zhì)區(qū)別關(guān)聯(lián)：針對目標(biāo)匯集：針對實體（決策任務(wù)）78問題的提出 量測過程中存在誤差新目標(biāo) 目標(biāo)的確切數(shù)目未知§ 只有一個目標(biāo)§ 多個目標(biāo) 針對目標(biāo)§

32、 保持對已有的監(jiān)視§ 捕捉新增的§ 克服虛警等情況77航跡虛警40數(shù)據(jù)關(guān)聯(lián)典型分類按照關(guān)聯(lián)的對象可以分為： 量測與量測的關(guān)聯(lián)（航跡初始） 量測與航跡關(guān)聯(lián)（航跡保持或更新） 航跡與航跡的關(guān)聯(lián)（航跡綜合）數(shù)據(jù)關(guān)聯(lián)還可以分為： 靜態(tài)數(shù)據(jù)關(guān)聯(lián)：傳感器量測來自穩(wěn)態(tài)目標(biāo)或以及動態(tài)目標(biāo)的斷續(xù)測量， 常用于目標(biāo) 動態(tài)數(shù)據(jù)關(guān)聯(lián)：對于動態(tài)目標(biāo)，需要目標(biāo)的未來位置，因而需要反復(fù)關(guān)聯(lián)，即動態(tài)數(shù)據(jù)關(guān)聯(lián)，常用于目標(biāo)跟蹤：track initiation, track termination data association，track association, track fusion, track

33、correlation80多目標(biāo)關(guān)聯(lián)中的不確定性示例79目標(biāo)源量測41具有相同維數(shù)的關(guān)聯(lián)例子IRST：紅外搜索跟蹤（Infrared Search and Tracking） ESM：電子支援（electronics support measures）82傳感器坐標(biāo)系關(guān)聯(lián)空間維數(shù)距離方位高度3IRST精密ESM方位，高度2ESMESM方位或只有方向1聲吶聲吶方位或只有方向1數(shù)據(jù)關(guān)聯(lián)§ 具有相同維數(shù)的多傳感器數(shù)據(jù)關(guān)聯(lián)把測量變換到同一坐標(biāo)系和時間基上 在一個共同的主體判定空間中進(jìn)行關(guān)聯(lián)§ 具有不同維數(shù)的多傳感器數(shù)據(jù)關(guān)聯(lián)關(guān)聯(lián)可在具有不同維數(shù)測量空間的傳感器之間進(jìn)行在同維和不同維測

34、量處理中都要考慮不確定性§ 具有多個站點(diǎn)的多傳感器數(shù)據(jù)關(guān)聯(lián)先對來自不同站點(diǎn)的報告關(guān)聯(lián)，確定它們是否屬于同一源（識別） 再利用多站之間的幾何配置關(guān)系進(jìn)行幾何8142動態(tài)數(shù)據(jù)關(guān)聯(lián)§ 觀測與航跡關(guān)聯(lián)航跡保持或更新：§ 目標(biāo)本身的特征屬性主要由其運(yùn)動特性決定；§ 目標(biāo)的位置屬性也是活動的，常常以航跡來表述；§ 傳感器感知數(shù)據(jù)實際上也會以航跡形式出現(xiàn)，即由航跡 及其方程做出預(yù)報，再觀測與預(yù)報關(guān)聯(lián)。§ 航跡航跡的關(guān)聯(lián)主要是為了做航跡綜合或稱航跡融合。84具有不同維數(shù)的數(shù)據(jù)關(guān)聯(lián)例子IRST：紅外搜索跟蹤（Infrared Search and Tr

35、acking） ESM：電子支援（electronics support measures）83傳感器坐標(biāo)系關(guān)聯(lián)空間維數(shù)IFF（距離，方位，高度），（距離，方位）3，2IRST（距離，方位，高度），（方位，高度）3，2（距離，方位，高度），（方位，高度）3，2IRSTIRST（方位，高度），（方位）2，143要求§ 對動態(tài)目標(biāo)數(shù)據(jù)的處理，需要對目標(biāo)位置進(jìn)行連續(xù) 的或者沿時間的離散觀測，并具有估計目標(biāo)機(jī)動行 為的能力，以能夠 目標(biāo)的未來位置。§ 需要將傳感器的某個新觀測與已知目標(biāo) 的航跡反復(fù)進(jìn)行關(guān)聯(lián)，以確定哪一個傳感器的觀測是當(dāng)前 航跡或者是新目標(biāo)，或者是虛警。§

36、存在三種主要的應(yīng)用情況： 單傳感器單目標(biāo)跟蹤； 單傳感器多目標(biāo)跟蹤； 多傳感器多目標(biāo)跟蹤。86兩目標(biāo)跟蹤示例X OOXXOOXOXOXOO XO:測量 OX：X：估計：真實軌跡8544四個事件序列疊加后的視圖三種關(guān)聯(lián)結(jié)果，哪一個更合理？主要類型列表比較課程45數(shù)據(jù)關(guān)聯(lián)的通用概念處理流程候選觀測關(guān)聯(lián)指定數(shù)據(jù)關(guān)用概念處理流程90關(guān)聯(lián)矩陣是由觀測值和實體預(yù)報的觀測值構(gòu)成的矩陣，矩陣中每個元素值是相應(yīng)的觀測值（或其變化量）和實體預(yù)報值的接近程度的度量關(guān)聯(lián)度量。指定邏輯形成關(guān)聯(lián)矩陣執(zhí)行選通確定關(guān)聯(lián)范圍更新的 先驗信息數(shù)據(jù)關(guān)聯(lián)的通用概念處理流程候選觀測關(guān)聯(lián)指定數(shù)據(jù)關(guān)用概念處理流程89減少可能分析關(guān)聯(lián)對的第

37、二次選擇。即利用先驗物理知識或統(tǒng)計假定，減少可能的觀測觀測和觀測軌跡對數(shù)。指定邏輯形成關(guān)聯(lián)矩陣執(zhí)行選通確定關(guān)聯(lián)范圍更新的 先驗信息46采用假設(shè)組合的假設(shè)樹有三個序貫的觀測： y1,y2和y2； 有兩個實體A和B。§ 多假設(shè)估計是考慮所有可能的潛在真實假設(shè)，并隨序貫當(dāng)?shù)谝粋€觀測y1到達(dá)時，有到達(dá)的觀測估價這些假設(shè)的結(jié)果。因此可能產(chǎn)生和估計四個假設(shè)： 實體A一個擴(kuò)展的假設(shè)最后集采用假設(shè)組合的假設(shè)樹。實體B 實體A的虛警（FA） 實體(NE)y1y2y3形成了假設(shè)樹的四個分叉。FA當(dāng)?shù)诙€觀測y2到達(dá)時，引FA起了新假設(shè)。A 當(dāng)?shù)谌齻€觀測y到達(dá)時，又引起了新假設(shè)。 假設(shè)樹圖中任何一條分叉都

38、B FAFA表示一個潛在的可行推斷鏈， 則可以解釋對航跡觀列NEB的指定。B沿著圖中虛線的假設(shè)組合表NE明這樣的結(jié)果：NE 觀測y1與實體B 關(guān)聯(lián)圖 2.3.2 說明假設(shè)樹的例子觀測y與實體B 關(guān)聯(lián) 觀測y是虛警。92數(shù)據(jù)關(guān)聯(lián)的通用概念處理流程候選觀測關(guān)聯(lián)指定數(shù)據(jù)關(guān)用概念處理流程指定邏輯類似于統(tǒng)計中的假設(shè)檢驗問題。指定策略涉及四個基本問題： 采用什么度量來測量觀測之間的相似性？ 需要使用多少數(shù)據(jù)掃描？ 唯一的還是非唯一的？ 在任意時刻，需要考慮多少和什么類型的假設(shè)？91指定邏輯形成關(guān)聯(lián)矩陣執(zhí)行選通確定關(guān)聯(lián)范圍更新的 先驗信息47度量準(zhǔn)則94關(guān)聯(lián)度量方法1. 度量準(zhǔn)則2. 典型關(guān)聯(lián)度量 屬性 距

39、離度量 運(yùn)動特征 相關(guān)系數(shù) 歷史行為 二值矢量的關(guān)數(shù)和一致系數(shù) 概率相似性度量 兩個數(shù)據(jù)間的相關(guān)度量9348距離度量方法表 2.3.1 典型的距離度量公式距離名稱相關(guān)公式歐氏(y - z)21/ 2歐氏(y - z)W(y - z)T 1/ 2城市街區(qū)(y - z)Minkowski(y - z)P 1/ P逆協(xié)方差陣Mahalanobis(y - z)T S-1(y - z)Bhattacharyya1 (y - z)TSy + Sz -1(y - z) + 1 lnSy + Sz SS 8222yzChernoffs(1- s) (y - z)TsS + (1- s)S -1(y - z)

40、 + 1 lnsSy + (1- s)Sz2y96不等協(xié)方差陣進(jìn)行z2SysSz1-s典型關(guān)聯(lián)度量（1）距離度量方法dd(yz)觀測值向量y和z具體設(shè)計時應(yīng)結(jié)合： 觀測誤差傳感器的測量特性9549（3） 二值矢量的關(guān)數(shù)和一致系數(shù)為了確定一對二值矢量之間的相似性。設(shè)這對二值矢量分別為y和z，各自均 有元素為0或者1的若干分量，分別表示某個因素的不存在或者存在。有三種確定其 關(guān)聯(lián)的度量： 簡單匹配系數(shù)S =(a + b)(a + b + c + d ) Jaccard系數(shù)S =a(a + b + c)På v i S i j kS j k = i = 1P Gower系數(shù)å v

41、 ii = 1表示對于j組和k組對于變量i的相似程度98y/z101ab0cd（2）相關(guān)系數(shù)可以解釋為幾何角度測量r= COV ( y , z ) = s ( y, z )zys ss syzyz也有矢量表示。不是真的度量，不滿足三角不等式。9750（5）兩個數(shù)據(jù)間的相關(guān)度量§ 比較有不同信息的兩個數(shù)據(jù) 之間的相似性。§ 例如：兩個電子情報 （ELINT）都有輻射源的位置、模式、脈沖寬度、頻率、PRI和其它參數(shù)。研究兩個 是否描述了同樣一個輻射源Nå biwi FOMi MOC = i=1Nå diwii=1其中， N 是每個的分量數(shù)目；wi 先驗權(quán)因子

42、 （）； FOMi 是分量的優(yōu)值因子（）； di 是一個因子，如果兩個實體在數(shù)據(jù)中都存在則為 1，反之為零。100品質(zhì)因數(shù)或優(yōu)值因數(shù)， 一般結(jié)合空間、時間、屬性等變量計算給出（4）概率相似性度量§ 在多目標(biāo)跟蹤環(huán)境下，度量一個觀測量與具 體航跡的概率相似性，以指定該觀測應(yīng)當(dāng)歸屬什么具體航跡。§ 概率相似性度量模型，利用： 傳感器先驗虛警概率 目標(biāo)航跡存在的先驗概率 航跡起點(diǎn)與終點(diǎn)的模型信息9951數(shù)據(jù)關(guān)聯(lián)典型方法陣群關(guān)聯(lián)濾波目標(biāo)度量估計分析概率假設(shè)結(jié)合統(tǒng)計檢驗屬性關(guān)聯(lián)102關(guān)聯(lián)算法設(shè)計中的考慮因素§ 目標(biāo)數(shù)量和目標(biāo)密度§ 目標(biāo)重現(xiàn)率和目標(biāo)的動態(tài)特性

43、67; 背景噪聲源（如：星空、地面雜關(guān)聯(lián)目標(biāo)波和海洋噪聲等）考慮各種約束下 利用有效的關(guān)聯(lián)方法§ 傳感器的探測性能 實現(xiàn)：§ 傳感器測量的準(zhǔn)確性和過程噪聲錯誤關(guān)聯(lián)§ 傳感器或模型偏差狀態(tài)誤差最小§ 狀態(tài)估計器的性能10152數(shù)據(jù)關(guān)聯(lián)典型方法航跡航跡關(guān)聯(lián)算法以分布式航跡關(guān)聯(lián)為主要應(yīng)用§ 兩個傳感器之間 航跡關(guān)聯(lián)算法 修正航跡關(guān)聯(lián)算法 序貫航跡關(guān)聯(lián)算法§ 多傳感器之間 直接法 基于狀態(tài)估計的分配算法104數(shù)據(jù)關(guān)聯(lián)典型方法量測航跡關(guān)聯(lián)算法§ 經(jīng)典 最近鄰方法（nearest neighbor，NN） 概率數(shù)據(jù)關(guān)聯(lián)（probabil

44、ity data association，PDA） 交互式多模型概率數(shù)據(jù)關(guān)聯(lián)（IMMPDA） 概率數(shù)據(jù)關(guān)聯(lián)（joint probabilistic data association， JPDA） 多傳感概率數(shù)據(jù)關(guān)聯(lián)（MSJPDA）§ 其他 基于粒子濾波的概率數(shù)據(jù)關(guān)聯(lián) 多假設(shè)的方法（MHT） 概率多假設(shè)方法（PMHT)10353方法舉例數(shù)據(jù)關(guān)聯(lián)方法舉例106數(shù)據(jù)關(guān)聯(lián)典型方法其他方法§ 集中式多傳感器多目標(biāo)跟蹤的廣義S維分配算法§ 跟蹤起始算法 序列概率比檢驗（SPRT） Bayes軌跡確定方法（BTC） 啟發(fā)式算法（heuristic method） 基于邏輯規(guī)則的

45、方ogic-based track initiation） Hough變換方法§ 跟蹤終止方法 序列概率比檢驗 跟蹤門方法 Bayes跟蹤終止法§ 基于目標(biāo)可感知性的決策方法（PB-PDA）10554與ESM的數(shù)據(jù)關(guān)聯(lián)傳感器：距離、方位、速度等。 目標(biāo)運(yùn)動特征：速度、度、高度、旋轉(zhuǎn)性能、航跡、航向、出現(xiàn)（消失）位置； 目標(biāo)電磁特征：脈內(nèi)特征、脈間特征、RCS特征、JEM特征、 極化特征； 目標(biāo)形狀特征：一維距離像特征、二維SAR/ISAR像特征。ESM傳感器：屬性信息和方位信息。 ESM（Electronic Support Measurement）電子支援。（無源）傳感器，可以獲取輻射源目標(biāo)的屬性信息和位置 中的方位信息，沒有距離信息。108示例1§ 問題的提出 與ESM關(guān)聯(lián)§ 基本工具 最大似然估計原理說明§ 方法介紹 等樣本容量下的與ESM的航跡關(guān)聯(lián)§ 方法評述10755等樣本容量下的與ESM的航跡關(guān)聯(lián)§ 問題的描述由于： 一個航跡