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(hào)處理、辨識(shí)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(jìn)一步得到研究需要的更純凈的有用信號(hào)。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(hào)處理、估計(jì)理論、不確定性理論、最優(yōu)化理論、模式識(shí)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(shí)間與空間的多傳感器數(shù)據(jù)資源，采用計(jì)算機(jī)技術(shù)對按時(shí)間序列獲得的多傳感器觀測數(shù)據(jù)，在一定準(zhǔn)則下進(jìn)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(jìn)而實(shí)現(xiàn)相應(yīng)的決策和估計(jì)，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(shù)通過對多個(gè)傳感器獲得的信息進(jìn)行協(xié)調(diào)、組合、互補(bǔ)來克服單個(gè)傳感器的不確定和局限性，并提高系統(tǒng)的有效性能，進(jìn)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(gè)傳感器或多源的信息在一定準(zhǔn)則下加以自動(dòng)分析、綜合以完成所需的決策和估計(jì)任務(wù)而進(jìn)行的信息處理過程。當(dāng)系統(tǒng)中單個(gè)傳感器不能提供足夠的準(zhǔn)確度和可靠性時(shí)就采用多傳感

3、器數(shù)據(jù)融合。數(shù)據(jù)融合技術(shù)擴(kuò)展了時(shí)空覆蓋范圍，改善了系統(tǒng)的可靠性，對目標(biāo)或事件的確認(rèn)增加了可信度，減少了信息的模糊性，這是任何單個(gè)傳感器做不到的。實(shí)踐證明：與單傳感器系統(tǒng)相比，運(yùn)用多傳感器數(shù)據(jù)融合技術(shù)在解決探測、跟蹤和目標(biāo)識(shí)別等問題方面，能夠增強(qiáng)系統(tǒng)生存能力，提高整個(gè)系統(tǒng)的可靠性和魯棒性，增強(qiáng)數(shù)據(jù)的可信度，并提高精度，擴(kuò)展整個(gè)系統(tǒng)的時(shí)間、空間覆蓋率，增加系統(tǒng)的實(shí)時(shí)性和信息利用率等。信號(hào)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

4、傳感器提供的冗余信息進(jìn)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(jìn)行操作的方法?？柭鼮V波主要用于融合低層次實(shí)時(shí)動(dòng)態(tài)多傳感器冗余數(shù)據(jù)。該方法用測量模型的統(tǒng)計(jì)特性遞推，決定統(tǒng)計(jì)意義下的最優(yōu)融合和數(shù)據(jù)估計(jì)。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為隨機(jī)和人工智能兩大類，隨機(jī)類方法有加權(quán)平均法、卡爾曼

5、濾波法、多貝葉斯估計(jì)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(cuò)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(jì)還存在許多實(shí)際問

6、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(jì)算法：設(shè)有n個(gè)傳感器對某一對象進(jìn)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(gè)傳感器所得到的測量值以自適應(yīng)的方式尋找各個(gè)傳感器所對應(yīng)的最優(yōu)加權(quán)因子，使融合后的X值達(dá)到最優(yōu)。定是X的無偏估計(jì)，故????22222111nnppppppEWXXkWk???????????????自適應(yīng)加權(quán)融合估計(jì)算法的線性無偏最小方差性自

7、適應(yīng)加權(quán)融合估計(jì)算法的線性無偏最小方差性1)線性估計(jì)由式可以看出，融合后的估計(jì)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(jì)因?yàn)閄p(p=1，2，…，n)為X的無偏估計(jì)，即E[XXp]=0(p=1，2…，n)，所以可得，X為無偏估計(jì)。??11?0nnppppppEXXEWXXWEXX????????????????同理，由于Xp(p=1，2…，n)為X的無偏估計(jì)，所以Xp(k)也一定是X的無偏估計(jì)。??????110nnppp

8、pppEWXXkWEXXk??????????????最小均方誤差估計(jì)最小均方誤差估計(jì)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(jì)算法的均方誤差一定是最的。為了進(jìn)一步說明這一點(diǎn)，我們用所得的均方誤差σ2Lmin與用單個(gè)傳感器均值做估計(jì)和用多傳感器均值平均做估計(jì)的均方誤差相比較。我們用n個(gè)傳感器中方差最小的傳感器L做均值估計(jì)，設(shè)傳感器L的方差σ2Lmin為測量數(shù)據(jù)的個(gè)數(shù)為k，則所以222minmin2111nLLppkk????

9、????????????22min221min111nLLpppL??????????下面我們討論與用多個(gè)傳感器均值平均做估計(jì)均方誤差相比較的情況。所謂用多個(gè)傳感器均值平均做估計(jì)是用n個(gè)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(jì)，即此時(shí)均方誤差為??11?nppXXkn?????????????2222211112??nnppqppqpqEXXEXXkEXXkEXXknn??????????????????????同理，Xp(k)

10、一定為X的無偏估計(jì)，可得則????222221111?nnppppEXXknnk?????????若我們事先已經(jīng)將各個(gè)傳感器的方差進(jìn)行排序，且不妨設(shè)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(quán)因子Wp決定各個(gè)傳感器的方差σ