免费在线 多传感器信息融合 * 工业生产和日常生活中面对大量的数据处理问题，而这些数据往往会受噪声干扰，此时单个传感器获得的信息就很不全面。近年来在工程和科技上越来越多地采用多传感器融合技术。充分利用多传感器的资源，将多个传感器在时空上的互补或冗余，按某种算法或准则进行综合，增加了判断和估计的精确性和可靠性。 多传感器信息融合是将来自多个传感器的信息或数据进行综合处理，其核心是对来自多个传感器的数据进行多级别、多方面、多层次的处理，从而产生新的有意义的信息。 一．多传感器信息融合的基本概念 信息融合：可概括为将来自不同时空的多个传感器的局部不完整信息在一定的准则下加以综合处理，消除多传感器信息之间可能存在的冗余和矛盾，降低其不确定性，获得对被测对象的一致性解释与描述，从而提高智能系统决策、规划、反应的快速性和正确性，同时也降低其决策风险的信息处理过程。 多传感器融合是一个复杂的不确定信息的处理过程。多传感器系统可被理解为一个多入多出的系统。其中多传感器融合是整个处理过程中的重要组成部分，如图。 多传感器系统融合示意图 首先将被测对象它们转换为电信号，然后经过A／D变换将它们转换为数字量。数字化后电信号需经过预处理，以滤除数据采集过程中的干扰和噪声。对经处理后的有用信号作特征抽取，再进行数据融合；或者直接对信号进行数据融合。最后，输出融合的结果。 信息融合的过程 在多传感器系统中，各传感器的信息都是某个环境特征在该传感器空间中的描述。由于各传感器物理特性及空间位置上的差异，造成这些信息的描述空间各不相同，必须在融合前对这些信息进行适当处理，以得到环境特征在该空间上的一致描述。 融合处理的前提条件是从每个传感器得到的信息必须是对同一目标的同一时刻的描述：首先要保证每个传感器得到的信息是对同一目标的描述，这称为数据关联；其次，还要保证各传感器之间应在时间上同步，特别是在动态环境中。 二．多传感器融合中要解决的问题 大致可分为两大类：概率统计方法和人工智能方法。 概率统计有关方法包括：估计理论、卡尔曼滤波、假设检验、贝叶斯方法、统计决策理论等；人工智能方法包括概率推理、证据推理、模糊推理和产生式规则推理等逻辑推理方法。 多传感器数据融合系统关键在于信息融合所处理的多传感器信息具有复杂的形式，且可在不同的信息层次上出现。多传感器数据融合的层次包括数据层（即像素层）、特征层和决策层（即证据层）。 三．多传感器融合方法 它是对直接在各种传感器上采集到的原始信息未经预处理之前的数据层上进行的融合。这是在信息的最低层进行的，融合时要求有较高的纠错处理能力，并要求各传感器信息来自同性质传感器以使各传感器信息之间有很高的校准精度。 其主要优点是：能保持尽可能多的现场数据，提供其他融合层次所不能提供的细微信息；但局限性是数据处理量太大，处理代价高、实时性差；数据通信量较大，抗干扰能力较差。 像素级融合通常用于多源图像复合、图像分析等。 数据融合的层次结构： 1、像素级融合： 它属于中间层次，是对从传感器原始信息中提取的特征信息进行融合。一般提取特征信息应是像素信息的充分表示量或充分统计量，然后按特征信息对多传感器进行分类、汇集和综合。其主要优点在于实现了信息压缩，有利于实时处理，特征级融合结果能最大限度地给出决策分析所需的特征信息。 特征级融合主要用于多传感器目标跟踪领域。 数据融合的层次结构： 2、特征级融合： 它是三级融合的最终结果，属于高层次融合，是直接针对决策目标的融合。融合结果直接影响决策水平。因此决策级融合必须从具体决策问题的需求出发，充分利用特征级融合所提取的测量对象的各类特征信息，采用适当的融合技术来实现。 该级融合的优点是：具有很高的灵活性；系统对信息传输带宽要求低；能有效反映环境或目标各侧面的不同类型信息；容错性好；通信量小，抗干扰能力强；对传感器依赖性小。 但决策级融合首先要对原传感器信息进行预处理以获得各自的判定结果，故预处理代价高。 数据融合的层次结构： 3、决策级融合：

　　中考英语冀教版一轮复习教材复习---八年级(上)综合达标检测卷.pdf

　　统编版语文七年级上册第5课《秋天的怀念》课件(共30张PPT).pptx

　　必一运动

　　2023年度上海临港新片区文48个岗位员招聘笔试备考题库及答案解析.docx

　　原创力文档创建于2008年，本站为文档C2C交易模式，即用户上传的文档直接分享给其他用户（可下载、阅读），本站只是中间服务平台，本站所有文档下载所得的收益归上传人所有。原创力文档是网络服务平台方，若您的权利被侵害，请发链接和相关诉求至 电线) ，上传者