多傳感器數(shù)據(jù)融合算法

1、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，可以與神經網(wǎng)絡、小波變換、kalman濾波技術結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，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、神經網(wǎng)絡和人工智能等。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

2、得對被測對象的一致性解釋與描述，進而實現(xiàn)相應的決策和估計，使系統(tǒng)獲得比它的各組成部分更充分的信息。多傳感器信息融合技術通過對多個傳感器獲得的信息進行協(xié)調、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而進行的信息處理過程。當系統(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

3、器數(shù)據(jù)融合。數(shù)據(jù)融合技術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、最直觀方法是加權平均法，該方法將一組

4、傳感器提供的冗余信息進行加權平均，結果作為融合值，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，但在不少應用領域根據(jù)各自的具體應用背景，已經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為隨機和人工智能兩大類，隨機類方法有加權平均法、卡爾曼

5、濾波法、多貝葉斯估計法、產生式規(guī)則等而人工智能類則有模糊邏輯理論、神經網(wǎng)絡、粗集理論、專家系統(tǒng)等?？梢灶A見，神經網(wǎng)絡和人工智能等新概念、新技術在多傳感器數(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)的設計還存在許多實際問

6、題。二、算法介紹：2.1多傳感器數(shù)據(jù)自適應加權融合估計算法：設有n個傳感器對某一對象進行測量，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的方式尋找各個傳感器所對應的最優(yōu)加權因子，使融合后的X值達到最優(yōu)。定是X的無偏估計，故????22222111nnppppppEWXXkWk???????????????自適應加權融合估計算法的線性無偏最小方差性自

7、適應加權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[XXp]=0(p=1，2…，n)，所以可得，X為無偏估計。??11?0nnppppppEXXEWXXWEXX????????????????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。??????110nnppp

8、pppEWXXkWEXXk??????????????最小均方誤差估計最小均方誤差估計在推導過程中，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。為了進一步說明這一點，我們用所得的均方誤差σ2Lmin與用單個傳感器均值做估計和用多傳感器均值平均做估計的均方誤差相比較。我們用n個傳感器中方差最小的傳感器L做均值估計，設傳感器L的方差σ2Lmin為測量數(shù)據(jù)的個數(shù)為k，則所以222minmin2111nLLppkk????

9、????????????22min221min111nLLpppL??????????下面我們討論與用多個傳感器均值平均做估計均方誤差相比較的情況。所謂用多個傳感器均值平均做估計是用n個傳感器測量數(shù)據(jù)的樣本平均再做均值處理而得到的估計，即此時均方誤差為??11?nppXXkn?????????????2222211112??nnppqppqpqEXXEXXkEXXkEXXknn??????????????????????同理，Xp(k)

10、一定為X的無偏估計，可得則????222221111?nnppppEXXknnk?????????若我們事先已經將各個傳感器的方差進行排序，且不妨設222211min?111nnppppnn???????????????????????，則根據(jù)契比雪夫不等式得222120n????????22221min?111npppn????????各傳感器方差各傳感器方差σp2的求取的求取從以上分析可以看出，最佳加權因子Wp決定各個傳感器的方差σ