多傳感器數(shù)據(jù)融合算法

《多傳感器數(shù)據(jù)融合算法》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫。

1、WORD文檔下載可編輯一、背景介紹：多傳感器數(shù)據(jù)融合是一種信號處理、辨識方法，可以與神經(jīng)網(wǎng)絡(luò)、小波變換、kalman濾波技術(shù)結(jié)合進一步得到研究需要的更純凈的有用信號。多傳感器數(shù)據(jù)融合涉及到多方面的理論和技術(shù)，如信號處理、估計理論、不確定性理論、最優(yōu)化理論、模式識別、神經(jīng)網(wǎng)絡(luò)和人工智能等。多傳感器數(shù)據(jù)融合比較確切的定義可概括為：充分利用不同時間與空間的多傳感器數(shù)據(jù)資源，采用計算機技術(shù)對按時間序列獲得的多傳感器觀測數(shù)據(jù)，在一定準則下進行分析、綜合、支配和使用，獲得對被測對象的一致性解釋與描述，進而實現(xiàn)相應(yīng)的決策和估計，使系統(tǒng)獲得比它的各組成部分更充分的信息。多傳感器信息融合

2、技術(shù)通過對多個傳感器獲得的信息進行協(xié)調(diào)、組合、互補來克服單個傳感器的不確定和局限性，并提高系統(tǒng)的有效性能，進而得出比單一傳感器測量值更為精確的結(jié)果。數(shù)據(jù)融合就是將來自多個傳感器或多源的信息在一定準則下加以自動分析、綜合以完成所需的決策和估計任務(wù)而進行的信息處理過程。當(dāng)系統(tǒng)中單個傳感器不能提供足夠的準確度和可靠性時就采用多傳感器數(shù)據(jù)融合。數(shù)據(jù)融合技術(shù)擴展了時空覆蓋范圍，改善了系統(tǒng)的可靠性，對目標或事件的確認增加了可信度，減少了信息的模糊性，這是任何單個傳感器做不到的。實踐證明：與單傳感器系統(tǒng)相比，運用多傳感器數(shù)據(jù)融合技術(shù)在解決探測、跟蹤和目標識別等問題方面，能夠增強系統(tǒng)生

3、存能力，提高整個系統(tǒng)的可靠性和魯棒性，增強數(shù)據(jù)的可信度，并提高精度，擴展整個系統(tǒng)的時間、空間覆蓋率，增加系統(tǒng)的實時性和信息利用率等。信號級融合方法最簡單、最直觀方法是加權(quán)平均法，該方法將一組傳感器提供的冗余信息進行加權(quán)平均，結(jié)果作為融合值，該方法是一種直接對數(shù)據(jù)源進行操作的方法?？柭鼮V波主要用于融合低層次實時動態(tài)多傳感器冗余數(shù)據(jù)。該方法用測量模型的統(tǒng)計特性遞推，決定統(tǒng)計意義下的最優(yōu)融合和數(shù)據(jù)估計。多傳感器數(shù)據(jù)融合雖然未形成完整的理論體系和有效的融合算法，但在不少應(yīng)用領(lǐng)域根據(jù)各自的具體應(yīng)用背景，已經(jīng)提出了許多成熟并且有效的融合方法。多傳感器數(shù)據(jù)融合的常用方法基本上可概括

4、為隨機和人工智能兩大類，隨機類方法有加權(quán)平均法、卡爾曼濾波法、多貝葉斯估計法、產(chǎn)生式規(guī)則等;而人工智能類則有模糊邏輯理論、神經(jīng)網(wǎng)絡(luò)、粗集理論、專家系統(tǒng)等?？梢灶A(yù)見，神經(jīng)網(wǎng)絡(luò)和人工智能等新概念、新技術(shù)在多傳感器數(shù)據(jù)融合中將起到越來越重要的作用。數(shù)據(jù)融合存在的問題(1)尚未建立統(tǒng)一的融合理論和有效廣義融合模型及算法；(2)對數(shù)據(jù)融合的具體方法的研究尚處于初步階段；(3)還沒有很好解決融合系統(tǒng)中的容錯性或魯棒性問題；(4)關(guān)聯(lián)的二義性是數(shù)據(jù)融合中的主要障礙；(5)數(shù)據(jù)融合系統(tǒng)的設(shè)計還存在許多實際問題。二、算法介紹：　2.1多傳感器數(shù)據(jù)自適應(yīng)加權(quán)融合估計算法：設(shè)有n個傳感器對某

5、一對象進行測量，如圖1所示，對于不同的傳感器都有各自不同的加權(quán)因子，我們的思想是在總均方誤差最小這一最優(yōu)條件下，根據(jù)各個傳感器所得到的測量值以自適應(yīng)的方式尋找各個傳感器所對應(yīng)的最優(yōu)加權(quán)因子，使融合后的X值達到最優(yōu)。技術(shù)資料專業(yè)分享WORD文檔下載可編輯　最優(yōu)加權(quán)因子及所對應(yīng)的均方誤差：(多傳感器方法的理論依據(jù)：設(shè)n個傳感器的方差分別為σ21，σ22，…，σ2n；所要估計的真值為X，各傳感器的測量值分別為X1，X2，…，Xn，它們彼此互相獨立，并且是X的無偏估計；各傳感器的加權(quán)因子分別為W1，W2，…，Wn，則融合后的X值和加權(quán)因子滿足以下兩式：總均方誤差為因為X1，X2

6、，…，Xn彼此獨立，并且為X的無偏估計，所以E[(X-Xp)(X-Xq)]=0，(p≠q;p=1，2，…，n;q=1，2，…，n)，故σ2可寫成從式可以看出，總均方誤差σ2是關(guān)于各加權(quán)因子的多元二次函數(shù)，因此σ2必然存在最小值。該最小值的求取是加權(quán)因子W1，W2，…，Wn滿足式約束條件的多元函數(shù)極值求取。根據(jù)多元函數(shù)求極值理論，可求出總均方誤差最小時所對應(yīng)的加權(quán)因子：此時對應(yīng)的最小均方誤差為：以上是根據(jù)各個傳感器在某一時刻的測量值而進行的估計，當(dāng)估計真值X為常量時，則可根據(jù)各個傳感器歷史數(shù)據(jù)的均值來進行估計。設(shè)此時估計值為總均方誤差為同理，因為X1，X2，…，Xn為X的

7、無偏估計，所以X1(k)，X2(k)，…，Xn(k)技術(shù)資料專業(yè)分享WORD文檔下載可編輯也一定是X的無偏估計，故自適應(yīng)加權(quán)融合估計算法的線性無偏最小方差性1)線性估計由式可以看出，融合后的估計是各傳感器測量值或測量值樣本均值的線性函數(shù)。2)無偏估計因為Xp(p=1，2，…，n)為X的無偏估計，即E[X-Xp]=0(p=1，2…，n)，所以可得，X為無偏估計。同理，由于Xp(p=1，2…，n)為X的無偏估計，所以Xp(k)也一定是X的無偏估計。最小均方誤差估計在推導(dǎo)過程中，是以均方誤差最小做為最優(yōu)條件，因而該估計算法的均方誤差一定是最的。