数据融合课件

数据融合技术及应用1数据融合技术及应用1一、何一、何谓数据融合数据融合数据融合一词最早出现在20 世纪70 年代，并于20 世纪80 年代发展成一项专门技术。它是人类模仿自身信息处理能力的结果，类似人类和其它动物对复杂问题的综合处理。数据融合技术最早用于军事，1973 年美国研究机构就在国防部的资助下，开展了声纳信号解释系统的研究。目前，工业控制、机器人、空中交通管制、海洋监视和管理等领域也向着多传感器数据融合方向发展。2一、何谓数据融合21.数据融合的概念数据融合的概念数据融合概念是针对多传感器系统而提出的。在多传感器系统中，由于信息表现形式的多样性，数据量的巨大性，数据关系的复杂性，以及要求数据处理的实时性、准确性和可靠性，都已大大超出了人脑的信息综合处理能力，在这种情况下，多传感器数据融合技术应运而生。多传感器数据融合(Multi-Sensor Data Fusion，MSDF)，简称数据融合；也被称为多传感器信息融合(Multi-Sensor Information Fusion，MSIF)。31.数据融合的概念32.数据融合的定数据融合的定义数据融合是利用计算机技术对时序获得的若干感知数据，在一定准则下加以分析、综合，以完成所需决策和评估任务而进行的数据处理过程。数据融合的实质是针对多维数据进行关联或综合分析，进而选取适当的融合模式和处理算法，用以提高数据的质量，为知识提取奠定基础42.数据融合的定义数据融合是利用计算机技术对时序获得的若干感3.数据融合的体系数据融合的体系结构构53.数据融合的体系结构54.数据融合的数据融合的层次次1.像素级融合 特点：1)直接在采集到的原始数据层上进行融合；2)原始观测信息未经预处理之前或只进行很少的处理就进行数据综合分析，是最低层次的融合；3)参与融合的传感器信息间具有一个像素的配准精度。应用：多源图像复合，图像分析和理解；同类雷达波形的直接合成。64.数据融合的层次1.像素级融合6优点：提供其它融合层次不能提供的细微信息.缺点：实时性差 抗干扰能力差 在信息的最低层进行，要求在数据融合时有较高的纠错能力 7优点：提供其它融合层次不能提供的细微信息.7882.特征级融合对来自传感器的原始信息进行特征提取(特征可以是被观测对象的各种物理量)，然后对特征信息进行综合分析和处理。特征级融合属于中间层次，融合过程为：1)提取特征信息(数据信息表示量或统计量)2)按特征信息对多传感器数据进行分类、综合和分析。92.特征级融合9特征级融合分类：1)目标状态数据融合主要应用：多传感器目标跟踪领域融合过程：对传感器数据进行预处理以完成数据校准；实现参数相关的状态向量估计。10特征级融合分类：102)目标特性融合 在融合前必须先对特征进行相关处理，把特征向量分成有意义的组合。优点：实现可观的信息压缩，有利于实时处理；所提取的特征直接与决策分析有关，融合结果能最大限度地给出决策分析所需特征信息。应用：C3I系统112)目标特性融合1112123.决策级融合 特点：1)是一种高层次融合，其结果为检测、控制、指挥、决策提供依据；2)从具体决策问题出发，充分利用特征级融合的最终结果，直接针对具体决策目标，融合结果直接影响决策水平。133.决策级融合13优点：1)融合中心处理代价低，具有很高灵活性；2)通信量小，抗干扰能力强；3)具有容错性；4)对传感器的依赖性小，可以是同质的，也可以是异质的；5)能有效反映环境或目标各侧面不同类型信息。14优点：14缺点：1)对原传感器信息进行预处理以获得各自的判定结果；2)预处理代价高。15缺点：1516165.算法算法目前有大量的多传感器数据融合算法，基本上可概括为两大类：一是随机类方法，包括加权平均法、卡尔曼滤波法、贝叶斯估计法、D-S证据推理等。二是人工智能类方法，包括模糊逻辑、神经网络等。不同的方法适用于不同的应用背景。神经网络和人工智能等新概念、新技术在数据融合中将发挥越来越重要的作用。175.算法17传感网数据融合路由算法 目前，针对传感网中的数据融合问题，国内在以数据为中心的路由协议以及融合函数、融合模型等方面已经取得了许多研究成果，主要集中在数据融合路由协议方面。按照通信网络拓扑结构的不同,比较典型的数据融合路由协议有：基于数据融合树的路由协议、基于分簇的路由协议，以及基于节点链的路由协议。18传感网数据融合路由算法18常用的数据融合方法比常用的数据融合方法比较19常用的数据融合方法比较19二、数据融合技二、数据融合技术的的应用用现如今数据融合主要应用于以下几个领域：智能检测系统 利用智能检测系统的多传感器进行数据融合处理，可以消除单个或者单类传感器检测的不确定性，提高智能检测系统的可靠性，获得对检测对象的更准确的认识和解释。20二、数据融合技术的应用现如今数据融合主要应用于以下几个领域：工业过程监控 工业过程监控是一个比较明显的数据融合的应用领域。融合的目的是识别引起系统状态超出正常的运行范围的故障条件，并据此触发若干的报警器。目前，数据融合技术已经在核反应堆和石油平台监视系统中得到应用。21工业过程监控21通过时间序列分析、频率分析、小波分析，从各传感器获取的信号模式中提取出特征数据，同时，将所提取的特征数据输入神经网络模式识别器，神经网络模式识别器进行特征级数据融合，以识别出系统的特征数据，并输入到模糊专家系统进行决策级融合；专家系统推理时，从知识库和数据库中取出领域知识规则和参数，与特征数据进行融合；最后，决策出被测系统的运行状态、设备工作状况和故障等。22通过时间序列分析、频率分析、小波分析，从各传感器获取的信号模全局监控 监控较大范围内的人和事物。例如利用空中和地面的传感器可以监控庄稼成长的情况，预测农作物的产量；根据卫星云图、气流、温度等观测信息，可预测天气。还可以根据各种医疗传感器、病例、病史、气候、季节等观测信息，实现对病人的自动监护。23全局监控23军事应用 最早的应用领域，涉及战术或战略上的信息监测、通信、情报、指挥等各个方面。24军事应用24三、数据融合技三、数据融合技术存在的存在的问题尚未建立统一的融合理论和有效广义融合模型和算法；对数据融合的具体方法的研究尚处于初步阶段关联的二义性是数据融合中的主要障碍还没有很好解决融合系统中的容错性或者鲁棒性（控制系统在一定的参数摄动下，维持某些性能的特性）问题。设计还存在许多实际问题。25三、数据融合技术存在的问题尚未建立统一的融合理论和有效广义融