第一章 多信息融合技术概论优质PPT.pptx
- 文档编号:13130786
- 上传时间:2022-10-06
- 格式:PPTX
- 页数:87
- 大小:1.74MB
第一章 多信息融合技术概论优质PPT.pptx
《第一章 多信息融合技术概论优质PPT.pptx》由会员分享,可在线阅读,更多相关《第一章 多信息融合技术概论优质PPT.pptx(87页珍藏版)》请在冰豆网上搜索。
,传感器就是能感知外界信息并能按一定规律将这些信息转换成可用信号的器件或装置。
非电信息,电信号,7,传感器的普遍性,8,胶片式“电子警察”、数码式“电子警察”、视频式“电子警察”;
压力或磁电传感器,两个脉冲信号,触发拍照系统进行拍照。
9,全自动洗衣机中的传感器:
衣物重量传感器,衣质传感器,水温传感器,水质传感器,透光率光传感器(洗净度)液位传感器电阻传感器(衣物烘干检测)。
10,摄象头:
CCD传感器,电荷藕合器件图像传感器CCD,11,(ChargeCoupledDevice),由高感光度的半导体材料制成,能把光线转变成电荷,通过模数转换器芯片转换成数字信号,数字信号经过压缩以后由相机内部的闪速存储器或内置硬盘卡保存,因而可以轻而易举地把数据传输给计算机,并借助于计算机的处理手段,根据需要和想像来修改图像。
美国火星车“Sojourner”(索杰纳)号上用QCM来检测太阳能电池板上的灰尘堆积情况。
12,雷达C3I(军事指挥自动化系统)系统所用传感器的种类很多,但它们是以雷达、电子情报机(ELINT)、电子支援测量系统(ESM)、声音、红外等传感器为主,再辅以其他类型的传感器,在整个三维空间形成一个传感器网阵。
雷达,发收电磁波,主动雷达,被动雷达;
波长短,预警雷达,火控雷达声音传感器是以空气、水和大地作为传播媒质的,相应的应用领域包括飞机、坦克及其他车辆的探测与识别,水下各类潜艇的探测和地震信号的记录与分析等。
13,C3ICommunication,Command,ControlandIntelligencesystems指挥自动化技术系统,用电子计算机将指挥、控制、通信和情报各分系统紧密联在一起的综合系统简称C3I系统。
C3I系统是一种人机系统,能对地理上分布很广的资源集中进行协调,或针对某一部门面临的各种问题,采集、提供准确的实时情报,并作出决策。
14,C3IC3I系统,极大地缩短了”监视战场和发现目标评估和处理信息下达作战指令和实践打击”这一作战周期的时间:
1986年美国空袭利比亚的“外科手术式”的战争,整个空袭行动只用了18分钟,其中攻击主要目标的持续时间仅11分钟。
1989年美军入侵巴拿马战争的主要作战,只用了15个小时。
1991年海湾战争和1999年的科索沃战争的规模较大,持续时间也不过42天和78天。
而海湾战争的地面作战仅100个小时。
这其中,C3I系统发挥了关键作用。
15,声呐SONAR(soundnavigationandranging),声音导航测距声呐是各国海军进行水下监视使用的主要技术,用于对水下目标进行探测、分类、定位和跟踪;
进行水下通信和导航,保障舰艇、反潜飞机和反潜直升机的战术机动和水中武器的使用。
按工作方式可分为主动声呐:
主动地发射水声信号,然后收测回波进行计算。
如蝙蝠被动声呐:
声呐被动接收舰船等水中目标产生的辐射噪声和水声设备发射的信号,以测定目标的方位。
如飞蛾16,机器人的自主移动是建立在视觉传感器、测距传感器和超声波传感器信息融合的基础上;
机械手装配作业是建立在视觉传感器、触觉传感器和力觉传感器信息融合的基础上。
自主移动装配机器人示意图17,机器人,机器人主要由各种传感器、控制和信息融合计算机以及机械手等部件组成。
典型的多传感器系统,机器人进行工作的技术核心就是传感器信息融合。
2.多传感器问题的引入,非关联测试项目,测量不同目标或对同一目标的不同参数进行独立测量。
多传感器测试系统,18,关联的测试项目,利用多个传感器对同一目标的相同或不同项目进行测量,综合测量结果用于分析目标特性。
当检测对象为多目标或快速机动目标时,单一传感器测量困难。
复杂的电磁环境使检测的目标信号淹没在大量噪声及不相关信号与杂波中。
当单一传感器失效或传感器的可靠性有待提高时采用多传感器系统。
2.多传感器问题的引入,环境复杂,19,目标复杂,可靠性,为什么要采用多个传感器测量同一目标参数?
3.数据融合的定义,20,人是一个最复杂的且自适应性极强的信息融合系统。
人身上有许多功能不同的传感器。
实际上,人的眼睛、耳朵、鼻子、舌头和四肢,就是视觉、听觉、嗅觉、味觉和触觉传感器。
例如,一个人到一个黑屋子中去取一只闹钟,他进屋后要“尽量地”看,要“拼命地”听,要用手去触摸,以确定闹钟的方向和位置。
他对闹钟的定位,是通过综合各种信息进行的。
从军事应用的角度看,多传感器数据融合可以这样来定义:
所谓多传感器数据融合就是人们通过对空间分布的多源信息各种传感器的时空采样,对所关心的目标进行检测、关联(相关)、跟踪、估计和综合等多级多功能处理,以更高的精度、较高的概率或置信度得到人们所需要的目标状态和身份估计,以及完整、及时的态势和威胁评估,为指挥员提供有用的决策信息。
21,3.数据融合的定义,3.数据融合的定义,22,功能定义:
将来自多个信息源的数据进行相关、整合,以获得目标精确的位置、身份,最后对目标进行完整精确的评价该定义的重点:
多个传感器对同一目标进行测量重点是融合:
相关、整合目的:
状态、身份、威胁估计等,3.数据融合的定义,23,技术定义:
充分利用不同时间与空间的多传感器数据资源,采用计算机技术按时间序列获得多传感器的观测数据,在一定准则下进行分析、综合、支配和使用。
获得对被测对象的一致性解释与描述,进而实现相应的决策和估计,使系统获得比它各组成部分更为充分的信息。
该定义的重点:
方法:
分析、综合、支配、使用;
目的:
一致性解释与描述、更为充分的信息。
4.数据融合的时空性,24,分布在不同空间位置上的多传感器在对运动目标进行观测时,各传感器在不同时间和不同空间的观测值有所不同,从而形成一个观测值集合。
如:
s个传感器在n个时刻观测同一个目标可有s*n个观测值,其集合Z为:
Z=ZjZ=Zj(k),(j=1,2,s)(k=1,2,n),Zj:
j号传感器观测值集合;
Zj(k):
j号传感器在k时刻观测值。
多传感器观测值在时空上的排列,25,数据融合的时间性与空间性问题,时空性是目标运动状态的观测的主要问题:
数据融合的时间性,按时间先后对观测目标在不同时间的观测值进行融合。
利用单传感器在不同时间的观测结果进行数据融合时,要考虑数据融合的时间性。
数据融合的空间性,对同一时刻不同空间位置的多传感器观测值进行数据融合。
利用多传感器在同一时刻的观测结果进行数据融合时,要考虑数据融合的空间性。
26,时空性的处理方法,27,为获得观测目标的准确状态,同时考虑数据融合的时间性与空间性。
实现方法:
先对各传感器不同时间的观测值集进行融合,得出每个传感器对目标状态的估计,然后将各个传感器的估计进行空间融合,从而得到目标状态的最终估计。
在同一时间对不同空间位置的各传感器的观测值进行融合,得出各不同时间的观测目标估计,然后对不同时间的观测目标估计按时间顺序进行融合,得出最终状态。
同时考虑数据融合的时间性与空间性,即上述两个同时进行,可以减少信息损失,提高数据融合系统的实时性。
但同时进行的难度大,只适合于大型多计算机的数据融合系统。
28,1.2数据融合的理论基础,1.数据融合的一般处理模型功能模型从融合过程出发,描述数据融合包括哪些主要功能、数据库,以及进行数据融合时系统各组成部分之间的相互作用过程。
机,29,1.数据统合的一般处理模型,促进系统管理人员、理论研究者、设计人员、评估人员相互之间更好地沟通和理解,从而使得整个系统的设计、开发和实施过程得以高效顺利地进行。
机,30,1.数数据据统配准合:
的就是一将般时域处上理不同模步型,,空域上属于不同坐标系的多源观测,第一数级据处进行理时:
空目对标准,评从估而(将o多b源je数ctassessment)据主纳要入功一能个统包一括的数参据考配框架准中、,数为据关联、目标位置和运动学,参数估数据计融,合以的及后期属工性作参做数铺垫估。
计、身份数估据关计联等:
,主其结果为更高,要处理分类和,级别的融合过程提供辅助决策信息。
组合等问题,身份估计:
处理的是实体属性信息的表征与描述,31,第二级处理:
态势评估(situationassessment)态势评估是对整个态势的抽象和评定。
态势抽象就是根据不完整的数据集构造一个综合的态势表示,从而产生实体之间一个相互联系的解释。
态势评定则关系到对产生观测数据和事件态势的表示和理解。
态势评定的输入包括事件检测、状态估计以及为态势评定所生成的一组假设等。
态势评定的输出在理论上是所考虑的各种假设的条件概率。
32,1.数据统合的一般处理模型,第三级处理:
影响评估(impactassessment)影响评估是将当前态势映射到未来,对参与者设想或预测行为的影响进行评估。
在军事领域即指威胁估计(threatassessment),是一种多层视图处理过程,用以解释对武器效能的估计,以及有效地扼制敌人进攻的风险程度。
此外,威胁估计还包括通过汇集技术和军事条令数据库中的数据,对我军要害部位受敌人攻击时的脆弱性做出估计,以及对作战事件出现的程度和可能性进行估计,并对敌方作战企图给出指示和告警。
33,1.数据统合的一般处理模型,第四级处理:
过程评估(processassessment)过程评估是一个更高级的处理阶段。
通过建立一定的优化指标,对整个融合过程进行实时监控与评价,从而实现多传感器自适应信息获取和处理,以及资源的最优分配,以支持特定的任务目标,并最终提高整个实时系统的性能。
难点:
如何对系统特定任务目标以及限制条件进行建模和优化,以平衡有限的系统资源,如计算机的运算能力以及通信带宽等。
当前,利用效用理论来开发系统性能及效率模型,以及利用基于知识的方法来开发基于上下文环境的近似推理是研究的重点。
34,1.数据统合的一般处理模型,目标跟踪集中式数据融合结构分布式数据融合结构综合式数据融合结构,实现数据融合系统的结构化是许多研究员关注的问题。
将融合处理结构化的工作从20世纪80年代开始进行。
在整个融合处理流程中,依照实现融合处理的场合不同,研究人员提出了通用处理结构的概念。
12,身份识别数据级数据融合结构特征级数据融合结构决策级数据融合结构,2.数据融合的结构分类,35,1)目标跟踪,36,动态目标处理需要对目标位置进行连续的或按时间采样的离散测量,并要有估计目标运动的能力,以预测连续的传感器范围内目标的下一个位置。
Heistt
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 第一章 多信息融合技术概论 信息 融合 技术 概论