1、多傳感器信息融合學(xué)習(xí)心得通過一學(xué)期的學(xué)習(xí)，對多傳感器信息融合有了一定的了解，學(xué)習(xí)了多傳感器 信息融合中的多種方法，并在小組論題和作業(yè)中都有所體現(xiàn)，下面我談一下自己 的學(xué)習(xí)心得。一、多傳感器信息融合的產(chǎn)生與發(fā)展多傳感器信息融合是由美國軍方在20世紀70年代提出的，通過對各傳感器 獲得的未知環(huán)境特征信息的分析和綜合，得到對環(huán)境全面、正確的估計，它避免了 單一傳感器的局限性，可以獲取更多信息，得出更為準確、可靠的結(jié)論。主要用于 對軍事目標(艦艇、飛機等)的檢測、定位、跟蹤和識別，具體應(yīng)用在海洋監(jiān)視、 空對空或地對空防御系統(tǒng)等。二、多傳感器信息融合主要方法多傳感器信息融合是建立在傳統(tǒng)的估計理論和識別算

2、法的基礎(chǔ)之上，主要有 卡爾曼濾波、貝葉斯理論、D-S證據(jù)理論和小波變換等，下面我簡單介紹一下各 種算法。1)卡爾曼濾波卡爾曼濾波器實際上是一個最優(yōu)化自回歸數(shù)據(jù)處理算法。首先，我們先要引 入一個離散控制過程的系統(tǒng)。該系統(tǒng)可用一個線性隨機微分方程來描述：X(k)=A X(k-1)+B U(k)+W(k)再加上系統(tǒng)的測量值：Z(k)=H X(k)+V(k)上兩式子中，X(k)是k時刻的系統(tǒng)狀態(tài)，U(k)是k時刻對系統(tǒng)的控制量。A 和B是系統(tǒng)參數(shù)，對于多模型系統(tǒng)，他們?yōu)榫仃嘮(k)是k時刻的測量值，H是 測量系統(tǒng)的參數(shù)，對于多測量系統(tǒng)，H為矩陣。W(k)和V(k)分別表示過程和測 量的噪聲。他們被假設(shè)

3、成高斯白噪聲(White Gaussian Noise)，他們的方差 分別 是Q，R (這里我們假設(shè)他們不隨系統(tǒng)狀態(tài)變化而變化)。假設(shè)現(xiàn)在系統(tǒng)的狀態(tài)是k，根據(jù)系統(tǒng)模型，可以基于系統(tǒng)上一狀態(tài)而預(yù)測出 現(xiàn)在狀態(tài)：X(klk-1)=A X(k-1lk-1)+B U(k)式(1)中，X(klk-1)是利用上一狀態(tài)預(yù)測的結(jié)果，X(k-llk-l)是上一狀態(tài)最優(yōu)的 結(jié)果，U(k)為現(xiàn)在狀態(tài)的控制量，如果沒有控制量，它可以為0。到現(xiàn)在為止，我們的系統(tǒng)結(jié)果已經(jīng)更新了，可是，對應(yīng)于X(klk-l)的方差還 沒更新。我們用P表示方差：P(klk-1)=A P(k-llk-l) A+Q(2)式(2)中，P(klk-

4、l)是X(klk-l)對應(yīng)的方差，P(k-llk-l)是X(k-llk-l)對應(yīng)的方差， A5表示A的轉(zhuǎn)置矩陣，Q是系統(tǒng)過程的方差。式子l，2就是卡爾曼濾波對系統(tǒng) 的預(yù)測。現(xiàn)在我們有了現(xiàn)在狀態(tài)的預(yù)測結(jié)果，然后我們再收集現(xiàn)在狀態(tài)的測量值。結(jié) 合預(yù)測值和測量值，我們可以得到現(xiàn)在狀態(tài)(k)的最優(yōu)化估算值X(klk)： TOC o 1-5 h z X(klk)= X(klk-l)+Kk(k) (Z(k)-H X(klk-l)(3)其中Kk為卡爾曼增益(Kalman Gain)：Kk(k)= P(klk-l) H / (H P(k|k-1) H + R)(4)到現(xiàn)在為止，我們已經(jīng)得到了 k狀態(tài)下最優(yōu)的估

5、算值X(klk)。但是為了要卡 爾曼濾波器不斷的運行下去直到系統(tǒng)過程結(jié)束，我們還要更新k狀態(tài)下X(klk) 的方差：P(klk)=(I-Kk(k) H)P(klk-l)(5)其中I為單位陣。當系統(tǒng)進入k+1狀態(tài)時，P(klk)就是式子(2)的P(k-llk-l)。這樣，算法就可以自回歸的運算下去。式子(1)、(2)、(3)、(4)和(5)就是卡爾曼濾波的5個基本公式。2)貝葉斯理論考查一個隨機試驗，在這個實驗中，n個互不相容的事件AA2、An 必發(fā)生一個，且只能發(fā)生一個，用P(Ai)表示的概率，則有：才 P (A ) = 1(6)ii=1設(shè)B為任意事件，則根據(jù)條件概率的定義及全概率公式，有(,

6、)pG|a(a )P偵 B)=i ii=1,2,n(7)i U PBA PPA )j=1 這就是貝葉斯公式。在(7)中，P(A1)、P(A2)、P(An)表示A1、A2、An出現(xiàn)的可能性，這 是在做試驗前就已知道的事實，這種知識叫做先驗信息，這種先驗信息以一個概 率分布的形式給出，常稱為先驗分布。現(xiàn)假設(shè)在試驗中觀察到B發(fā)生了，由于這個新情況的出現(xiàn)，對事件A1、 A2、An的可能性有了新的估計，此處也已一個概率分布PJb)、P(42 B)、 F(A B)的形式給出，因此有： nPA B)N0(8)才 P(A B)=1(9)ii=1這稱為“后驗分布”。它綜合了先驗信息和試驗提供的新信息，形成了關(guān)

7、于A.出現(xiàn)的可能性大小的當前認識。這個由先驗信息到后驗信息的轉(zhuǎn)化過程就 是貝葉斯統(tǒng)計的特征。3) D-S證據(jù)理論D-S證據(jù)理論是經(jīng)典概率理論的擴展，當先驗概率難以獲得時，證據(jù)理論就 比概率論合適。D-S方法與其他方法的區(qū)別在于：它具有兩個值，即對每個命題指派兩個不 確定性度量(類似但不等于概率)；存在一個證據(jù)屬于一個命題的不確定性測度， 使得這個命題似乎可能成立，但使用這個證據(jù)又不直接支持或拒絕它。下面先給 出幾個基本定義：設(shè)。是樣本空間，。由一互不相容的陳述集合組的幕集2。構(gòu)成命題集合。定義1基本概率分配函數(shù)M設(shè)函數(shù)M是滿足下列條件的映射：M： 2。一 0，1不可能事件的基本概率是0，即M(

8、0 )=0；對于A(。,則有：0M(A)1(3) 2q中全部元素的基本概率之和為1,即 M %A8則稱M是2q上的概率分配函數(shù)，M(A)稱為A的基本概率函數(shù)，表示對A 的精確信任。定義2命題的信任函數(shù)Bel對于任意假設(shè)而言，其信任度Bel(A)定義為A中全部子集對應(yīng)的基本概率 之和，即Bel： 2q T0, 1Bel(A)= M(B)，對所有的 A cQBj ADou(A)=Bel(-A)Bel函數(shù)也稱為下限函數(shù)，表示對A的全部信任。由概率分配函數(shù)的定義容 易得到：Bel (0 )=0Bel(Q )= M (B)BcQ定義3命題的似然函數(shù)PlPl： 2q T0，1Pl(A)=1-Bel(-A)

9、，對所有的 A cQPl函數(shù)也稱為上限函數(shù)，表示對A非假的信任程度。信任函數(shù)和似然函數(shù) 有如下關(guān)系：Pl(A)NBel(A),對所有的 A cQ而(Bel(A),Pl(A)稱為信任空間。三、多傳感器信息融合的應(yīng)用隨著多傳感器信息融合技術(shù)的迅速發(fā)展，除了在軍事領(lǐng)域的應(yīng)用，近年來在 許多民用領(lǐng)域也得到了快速的應(yīng)用，例如：圖像融合、智能機器人、故障診斷、智能交通系統(tǒng)等。1 .軍事應(yīng)用隨著信息技術(shù)的發(fā)展和近幾場局部戰(zhàn)爭的實踐，網(wǎng)絡(luò)中心戰(zhàn)將成為未來 信息化作戰(zhàn)的主要模式，因此信息融合將成為發(fā)展各分系統(tǒng)的最基本要求。信息融合技術(shù)是隨著信息處理和指揮自動化系統(tǒng)的發(fā)展而形成的，它的 優(yōu)越性來源于系統(tǒng)的“組合效

10、應(yīng)”。現(xiàn)代戰(zhàn)爭要求各作戰(zhàn)平臺能相互支援、 通力協(xié)作，以形成一個緊密結(jié)合的整體，最大限度的發(fā)揮整體合力。因此， 在信息化技術(shù)的幫助下，不同武器裝備實現(xiàn)了效能的互補，不同軍種之間實 現(xiàn)了功能的互補，具備了互聯(lián)、互通、互操作的能力，從而使不同軍種的不 同武器系統(tǒng)在技術(shù)上融為一體，在作戰(zhàn)時空上融為一體，進而使體系對抗成 為聯(lián)合作戰(zhàn)的主體。交通系統(tǒng)由于交通檢測器獲取信息的局限性，無法全面掌握整個路網(wǎng)的交通信 息，因此，通過信息融合技術(shù)在交通領(lǐng)域中的應(yīng)用，提高交通管理中的效率。信息融合技術(shù)在交通領(lǐng)域中主要用于車輛定位、車輛身份識別、車輛跟 蹤、車輛導(dǎo)航及交通管理。這其中關(guān)鍵的就是對交通數(shù)據(jù)進行融合。因此， 監(jiān)控中心必須對各個數(shù)據(jù)源的數(shù)據(jù)進行校驗，避免單個信息源失效而導(dǎo)致的 判斷失誤。圖像融合隨著數(shù)字圖像處理技術(shù)的迅速發(fā)展，人們獲取圖像的途徑越來越多，因 此圖像融合成為一個熱門研究領(lǐng)域。多傳感器圖像融合可進一步提高圖像分析、理解與目標識別能力。圖像 融合就是充分利用多幅圖像資源，通過對觀測信息的合理支配和使用，把多 幅圖像在空間或時間上的互