一種多傳感器數(shù)據(jù)融合的方法

一種多傳感器數(shù)據(jù)融合的方法

在數(shù)據(jù)采集和數(shù)據(jù)處理系統(tǒng)中，通常使用多個傳感器多次檢測相同的目標，并使用合適的算法將不同傳感器的觀察信息集成到圖形數(shù)據(jù)集。傳感器信息融合指的是充分利用不同時間與空間的多傳感器信息資源,采用計算機技術對按時序獲得的多傳感器觀測信息在一定準則下加以自動分析、綜合、支配和使用,獲得對被測對象的一致性解釋與描述,以完成所需的決策和估計任務,使系統(tǒng)獲得比它的各組成部分更優(yōu)越的性能。傳感器信息融合又稱為數(shù)據(jù)融合,文獻[1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17]針對多傳感器數(shù)據(jù)的融合問題進行了研究。文獻利用模糊理論給出了融合方法;文獻利用矩陣特征向量的穩(wěn)定理論進行融合;文獻提出了基于Bayes估計理論的融合方法;文獻給出了基于最小二乘法的融合方法;文獻利用指數(shù)衰減函數(shù)量化傳感器的支持程度,給出了一致性融合和可靠性融合方法;文獻研究了多傳感器狀態(tài)融合的估計理論;文獻針對異步數(shù)據(jù)給出了算法;文獻應用多傳感器融合技術改善全自動焊接系統(tǒng);文獻用影響模型進行數(shù)據(jù)融合。應該指出,上述這些方法都有很好的融合效果,但文獻采用給定界限值的方法定義各傳感器之間的關系矩陣,界限值的選取往往是根據(jù)經(jīng)驗確定,受主觀因素的作用太大。選擇不同界限值會產(chǎn)生不同的關系矩陣,導致不同的融合結果,從而影響算法的穩(wěn)健性。對多傳感器數(shù)據(jù)的融合,最關鍵的是要確定出各傳感器測量數(shù)據(jù)之間的融合權重,本文從可靠性角度,利用信噪比給出了一種的多傳感器數(shù)據(jù)融合方法。1數(shù)據(jù)整合1.1模糊數(shù)學仿真設測量系統(tǒng)有n個傳感器,分別對某一研究對象進行測量,設第i個傳感器k時刻的測量值為xi(k),i=1,2,…,n。我們視各傳感器的測量值為一個模糊集合,根據(jù)模糊數(shù)學理論,兩個模糊集合之間的相近程度可以用貼近度來度量。為量化各傳感器在同一時刻觀測值的支持程度,現(xiàn)采用模糊數(shù)學中的最大最小貼近度來度量。定義1:k時刻傳感器i與傳感器j觀測值的貼近度為σij(k)=min{xi(k),xj(k)}/max{xi(k),xj(k)}(1)定義2:k時刻各傳感器之間的貼近度矩陣為∑(k)=???????1σ21(k)?σn1(k)σ12(k)1?σn2(k)????σ1n(k)σ2n(k)?1???????(2)∑(k)=(1σ12(k)?σ1n(k)σ21(k)1?σ2n(k)????σn1(k)σn2(k)?1)(2)定義3:k時刻傳感器i與其它傳感器觀測值的一致性測度為ri(k)=∑j=1nσij(k)/n(3)ri(k)=∑j=1nσij(k)/n(3)1.2致性測度的描述文獻采用指數(shù)衰減函數(shù)定義各傳感器間的支持程度矩陣,選用線性函數(shù)度量最終的加權系數(shù),給出了可靠性融合法。本文認為,文獻中的指數(shù)衰減系數(shù)、最終加權系數(shù)中的可調參數(shù)的選擇仍然受主觀因素的影響,而且很難確定,因而有必要找到一種較客觀的融合方法。一致性測度ri(k)只是反映了在某個觀測時刻,傳感器i的觀測值與所有傳感器觀測值的接近程度。雖然在某個觀測時刻一致性測度ri(k)很大,但并不能說明在整個觀測區(qū)間上傳感器的可靠性高,即傳感器還存在自身的可靠性問題。為考慮在整個觀測區(qū)間的可靠性,定義k時刻傳感器i觀測一致性均值和方差分別為riˉˉˉ(k)=∑t=1kri(k)/k(4)σ2i(k)=∑t=1k[ri(t)?riˉˉˉ(t)]2/k(5)riˉ(k)=∑t=1kri(k)/k(4)σi2(k)=∑t=1k[ri(t)-riˉ(t)]2/k(5)某傳感器的一致性均值較大,且一致性方差較小,表明該傳感器的性能比較穩(wěn)定,具有較高的可靠性,在數(shù)據(jù)融合過程中應具有更高的權重。因此可采用信噪比(均值與方差之比)來刻畫一致可靠性測度。定義4:k時刻傳感器i的一致可靠性測度為wi(k)=riˉˉˉ(k)/σ2i(k)wi(k)=riˉ(k)/σi2(k)歸一化后為Wi(k)=wi(k)/∑j=1nwj(k)(6)Wi(k)=wi(k)/∑j=1nwj(k)(6)為減少計算量,在計算一致可靠性測度時,可采用如下遞推公式:riˉˉˉ(k)=k?1kriˉˉˉ(k?1)+1kriˉˉˉ(k)(7)σ2i(k)=k?1k{σ2i(k?1)+1k[ri(k)?riˉˉˉ(k)]2}(8)riˉ(k)=k-1kriˉ(k-1)+1kriˉ(k)(7)σi2(k)=k-1k{σi2(k-1)+1k[ri(k)-riˉ(k)]2}(8)基于信噪比的一致可靠性測度不包含可調參數(shù),它較好地避免了主觀因素的影響,從而能更加真實地刻畫各傳感器在所有測量信息中所占有的重要程度。因此本文利用一致可靠性測度進行融合,得到k時刻所有傳感器觀測值的融合數(shù)據(jù)為xf(k)=∑i=1nW(k)ixk(k)(9)xf(k)=∑i=1nW(k)ixk(k)(9)2比可靠性融合的總絕對誤差比較以文獻中的試驗來說明本文的方法。該試驗采用三個熱電偶對恒溫箱溫度檢測,經(jīng)過6次測量,得到如下表1所示的觀測值。在此,n=3。利用(1)-(9)式得到融合后的數(shù)據(jù),如表2所示。同時,在表2中也列出了平均值法和文獻的可靠性融合法的融合結果以及絕對誤差的比較。從表2可以看出,本文的信噪比融合法分別在測量次數(shù)k=1,2,3,4,6時比平均法融合的結果更接近真值900℃,相應的絕對誤差較小;同時信噪比融合分別在k=1,2,3,4,6時比可靠性融合的結果更接近真值,相應的絕對誤差較小。三種方法6次融合結果的總絕對誤差反映在表3中。從表3可以明顯看出,信噪比融合比平均法以及可靠性融合的總絕對誤差都小。為詳細比較三種方法的融合效果,將實驗次數(shù)提高到100次,仿真結果如圖1所示。圖1中絕對誤差的變化曲線,最下方的實曲線為信噪比融合法的,中間的星形點線為可靠性融合法的,最上方的虛點線為平均值法的。由此可見,與平均法、可靠性法相比,本文的信噪比法的絕對誤差最小,在精確性和穩(wěn)定性上有明顯的優(yōu)勢。為進一步得到更加全面的數(shù)據(jù)支持,下面增加仿真數(shù)據(jù),從圖2的200次仿真實驗結果可看出,信噪比法的絕對誤差曲線依然在最下方,信噪比法仍顯示出較好的精確性和穩(wěn)健性,并經(jīng)多次的重復仿真仍表現(xiàn)出較好的魯棒性。由上述分析可知,本文給出的信噪比融合法比平均法以及可靠性融合更準確,波動性較小,更穩(wěn)健。這主要是因為基于信噪比的一致可靠性測度是從測量數(shù)據(jù)本身提取出來的有關信息,它不受主觀因素的影響,從而能更加客觀地刻畫各傳感器在所有測量信息中所占有的重要程度,較好地度量了各傳感器在融合中所占的不同權重。平均值法沒有考慮各傳感器之間融合的不同權重(而是采用相等權重),不分優(yōu)劣盲目地利用測量數(shù)據(jù),可靠性融合法雖然在融合過程中考慮到觀測值在整個時間軸上的可靠性,但其融合結果較大地依賴于衰減系數(shù)和可調參數(shù)的選取,選擇不同的參數(shù)必將導致不同的融合結果,所以后兩種方法的融合效果都較信噪比法的差。3噪比的多傳感器數(shù)據(jù)融合方法本文針對多個傳感器