传感融合范文（精选10篇）
传感融合 第1篇
人类能够利用自己的五官所具有的听觉、视觉、味觉、触觉等功能获得对事物的各个侧面 (或角度) 的具有不同度量特征的信息, 人脑再根据已有的知识对这些信息综合分析, 从而全面的感知它。这样一个对事物的认识、分析和处理的过程就是信息融合。多传感器信息融合的基本原理就是模仿人脑的这个过程, 得到一个对复杂对象的一致性解释或结论。多传感器信息融合是指协调使用多个传感器, 把分布在不同位置的多个传感器所提供的局部不完整观测量及相关联数据库中的相关信息加以综合, 消除多传感器信息之间可能存在的冗余和矛盾, 并加以互补, 降低其不确定性, 获得对物体或环境的一致性描述的过程。也就是指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, 而这种新信息是任何单一传感器所无法获得的。多传感器信息融合是信息的综合处理技术, 其目的是为了能最佳地综合使用多传感器信息, 使系统具有完成某个特定任务所需的完备信息。
2 多传感器信息融合的方法
信息融合涉及到多方面的理论和技术, 如信号处理、估计理论、不确定性理论、模式识别、最优化技术、神经网络和人工智能等。由不同的应用要求形成的各种方法都是融合问题的一个子集。常用的一些信息融合方法有加权平均法、卡尔曼滤波、经典推理法、贝叶斯估计、D-S证据决策理论、品质因素法、模板法、熵理论、聚类分析、模糊推理、产生式规则、遗传算法、神经网络。其中, 神经网络方法具有很强的信息处理能力, 对复杂的工业智能监测控制系统及在处理不确定性的信息上, 神经网络是一个强有力的工具, 因而为信息融合提供了一个很好的方法。神经网络用于信息融合的基本思想是:根据当前系统所接受到的样本的相似性, 确定分类标准。确定的方法主要表现在网络权值的分布上, 同时可以采用神经网络的学习功能来获取知识, 得到不确定性推理机制。本课题即应用此种方法。
3 多传感器信息融合的应用领域
多传感器信息融合是一项正在快速发展的信息处理技术, 它在多个领域得到广泛的应用。可以分为军事和非军事上的应用。
3.1 军事上的应用领域有
海洋监视。主要完成目标和事件的检测、跟踪和识别等功能;空对空和地对空防御。对飞机进行检测、跟踪和识别;战场监视和目标获取。检测和识别可能的地面目标;战略防御。进行导弹检测和跟踪。
3.2 非军事上的应用领域有
进行基于条件的维修。完成系统故障的检测和描述, 进行维修指导;机器人应用:进行移动机器人定位、障碍物识别、环境建模、避障。对工件进行识别与操作, 精确抓取;医学应用:进行肿瘤、异常性、疾病的检测和定位等;环境监视:完成自然现象, 例如地震、气象等的辨识和预测;图象处理:对于来自同一景物的多幅不同分辨率、不同波段的图像, 由于其成像传感器方向不同, 景物本身的物体以及各种干扰的存在, 使得摄取的图像存在某些失真与变质。这就产生了如何从多幅图像中恢复出原始真实图像的问题。多传感器信息融合技术在解决这一问题中得到了极大的重视。语音识别:识别率和对环境的适应能力是语音识别系统的两个重要性能指标, 利用信息融合技术进行处理, 能明显提高这两个性能指标。无损检测:在无损检测领域中, 若仅用一种方法来检测, 所得到的信息极为有限。采用多种检测方法对同一试样进行检测, 然后采用信息融合的方法对所得的数据加以综合分析, 可以得到更为全面和可靠的信息。
4 信息融合技术的优点
单一的传感器只能获得环境特征的部分学习信息, 描述对象和环境特征的某个侧面;而经过集成与融合的多传感器信息能完善地、精确地、可靠地反映对象和环境的特征。多传感器信息融合一方面通过信息的协调、有机融合以充分发挥信息资源的价值;另一方面通过抽象合成, 也减少了系统信息通信与信息处理的负担。采用信息融合技术可以更有效的利用信息资源。在多传感器系统中, 各传感器所提供的空间、时间、表达方式不同, 可信度、不确定性程度不同, 侧重点和用途也不同, 这对信息的处理和管理提出了新的要求, 同时也给信息的充分利用带来了新的机遇。多传感器信息融合技术提供了许多新颖思想和方法, 从而使上述要求得以满足。在复杂的工业控制系统中, 控制过程需要同时涉及多个信息, 特别是各信息间的联系, 信息的有机组合蕴涵的信息特征以及信息的整体状况, 并需要根据综合状况所描述的过程的运行特点进行控制。对于这类过程, 应用信息融合理论结合现代控制方法, 可以有效的解决那些用传统的控制方法难于解决的问题。
5 多传感器信息融合技术国内外研究现状及发展趋势
多传感器信息融合萌芽于第二次世界大战中对飞机、轮船、潜艇和导弹的导航制导, 当时叫做组合导弹制导, 八十年代多传感器信息融合技术才开始进入应用研究阶段。在公开的技术文献中, 多传感器信息融合概念最早是由Tenney和Sandell在七十年代末期提出的, 当时并未引起人们足够的重视。随着科学技术的迅猛发展, 军事和工业领域不断增长的复杂度使得军事指挥人员或工业控制环境面临数据瓶颈和信息超载问题, 需要新的技术途径对过多的信息进行消化、解释和评估, 人们越来越认识到信息融合的重要性。在世界上几次局部战争中, 信息融合显示了强大的威力, 特别是在海湾战争中, 多国部队的系统中发挥的作用已引起全世界的关注。
目前, 多传感器信息融合技术在工业中的柔性制造、故障诊断等领域, 以及在医学、测量、公安等领域中的图像分析与理解、目标检测与跟踪、多源图像复合等许多方面也有应用与发展。
我国在多传感器信息融合领域的研究已经起步, 1995年, 由国防科工委组织, 二十多位代表在长沙召开立第一次信息融合研讨会。目前, 我国利用多传感器信息融合在军事决策、特种机器人等专门问题上开展理论和应用实验研究, 列入了863计划。1997年的国家自然科学基金和目前已经开始实施的973计划将多传感器融合技术作为鼓励研究领域重点推出。随着传感器技术、数据处理技术、计算机技术、网络通讯技术、人工智能技术、并行计算的软件和硬件技术等相关技术的发展, 多传感器信息融合技术必将成为解决复杂工业系统智能检测与数据处理的重要手段。
摘要：随着自动化技术在各个领域的渗透, 有效地运用传感器提供的信息进行信号的综合处理, 提高系统的功能, 满足系统完成各种复杂任务的需要, 显得越来越重要。现代工业生产以综合、复杂、大型、连续为特点, 采用大量各式各样的传感器来监测和控制生产过程, 多传感器系统是现代复杂生产过程控制的一个重要的特征。多传感器系统的出现及其导致的信息量剧增, 使信息融合技术引入工业控制成为必要, 尤其在智能系统中, 要求系统能快速的获取周围环境的信息, 对这些信息进行解释和处理, 并能在未知环境中工作。
关键词：多传感器信息融合,自动化技术,信息,传感器
参考文献
[1]徐同会编.新型传感器基础.机械工业出版社, 1987.
传感融合 第2篇
光电传感器因其灵敏轻便等优势而被广泛应用于自动化设备检测装置中。20世纪80年代，美国军事领域开始应用光电传感器信息融合技术;3月15日，美国国防先期计划研究局(DARPA)公布了在阿灵顿召开的已进入第二阶段的MIST-LR项目会议，指出在未来的第三阶段，将开发出能够提升飞行器性能的原型系统传感器，极大发挥其在民用和军事两个方面的助推器作用。
1 应用必要
第一，光电传感器获取信息的过程实际是一个多对一的对应抽样过程，在将客观世界空间的信息传输至传感器这一过程中信息丢失的问题难以避免;第二，军事领域中光电传感器的数量庞大，急需处理的信息量也繁多冗杂，这些都会给人工处理带来一定困扰，而光电传感器信息融合技术的应用巧妙地解决了这一信息综合处理的难题;第三，应用环境决定了光电传感器性能发挥的好坏，但截至目前尚未有一个国家可以开发出适用于任何环境下且性能优于其他类型的光电传感器。
2 概念优点
光电传感器信息融合的过程正是为了完成目标分类、识别及跟踪等任务而进行信息自动分析综合处理的过程。军事领域中的目标识别及跟踪可以实现光电传感器目标属性中的监视功能，有利于精确定位与预估判决。我国航天技术的高速发展离不开当前最热门的技术之一――航天技术上光电传感器信息融合技术，它能够有效提高空间的分辨率和系统的可靠性，无疑成为我国GDP增长的“助推器”。
3 工作原理
光电传感器能够有效检测到光强度变化的情况并将光强度的变化转换为电信号的变化。通常情况下，光电传感器这种小型电子设备由三部分组成：发送器、接收器与检测电路。发送器负责向目标发射来源于发光二极管、激光二极管及红外射二极管等的光束，不间断发射出的光束经过像光圈、透镜这种光学元件后达到由光电二极管、光电三极管及光电池构成的接收器中，接收器接收到光束后会将其传输至能够过滤该信号是否有效并决定是否应用的检测电路。详细流程见下图所示。
需要强调的一点是发射板和光导纤维作为光电传感器结构元件的一种也独具特色。众所周知，三角形的结构最为稳定，因此由极细小的三角锥体反射材料组成的三角反射板是一种能保证光束可以准确无误地从反射板返回的发射装置，其结构极其稳固且具有极强的实用性。
4 应用领域
4.1研制抄表系统
为及时结算用户的电费，一般由电力部门派专门的抄表人员到有关用户处定期走家串户地查看、抄写设置在现场的电能表，通过人工读取、记录、计算和收费。这不仅浪费人力，而且还会因人工读取造成不必要的误差，给用户带来不必要的麻烦和损失，甚至会发生不法分子假冒抄表人员入室作案而影响社会治安。因此，无论是电力部门还是用户们均迫切要求改变当前的落后状态。随着微电子技术、传感器技术、计算机技术及现代通讯技术的发展，可以利用光电传感器来研制自动抄表系统。
电能表的铝盘受电涡流和磁场的作用下产生的转矩驱动而旋转，采用光电传感器则可将铝盘的转数转换成脉冲数。如在旋转的光亮的铝盘上局部涂黑，再配以反射式光电发射接收对管，则当铝盘旋转时在局部涂黑处便产生脉冲，并可将铝盘的转数采样转换为相应的脉冲数，并经光电耦合隔离电路，送至CPU的T0端口进行计数处理。采用光电耦合隔离器可以有效地防止干扰信号进入微机，再结合其它传输方式便可形成自动抄表系统。目前自动抄表系统没有大规模使用与当前的技术有莫大关系，这套技术还有很多需要改进之处，相信在未来几年随着技术的发展，自动抄表将在全国范围内实现。
4.2节能灯具设计
光敏传感器、红外传感器、颜色传感器已进入各种自控节能LED照明系统的设计方案之中，它们的自主控制、方便应用使得不少公共照明LED灯具和居家照明灯具实现智能化。光电传感器可以协助公共照明的LED灯具实现灯光的自动开启关闭，可以智能的感应人和车辆进出而自动开关灯光，可以智慧的控制LED灯光开启的时间和控制亮度，甚至按人类的意愿自动调整光线的色温，营造人类想要的光氛围。
4.2.1光敏传感器应用
光敏传感器中最简单的电子器件是光敏电阻，它能感应光线的明暗变化，输出微弱的电信号，通过简单电子线路放大处理，可以控制LED灯具的自动开关。对于远程的照明灯具，如街灯、庭院灯、草坪灯等都可经济而简单的实现节能自动控制。太阳能路灯本身是利用太阳光发电、储能的LED照明灯具，无需电网供电也就无需架设成本不菲的输电线路，因此使用光敏传感器可以实现极低成本、自动开启关闭的节能管理。
4.2.2红外传感器应用
红外热释电传感器(PIR)在LED照明中的应用已有近十年的`历史。红外传感器的视角有限，需要搭配菲涅尔透镜才能扩大探测区，才能监视移动的热源(人或车)。菲涅尔透镜有两个作用：一是聚焦作用，将热释红外信号折射在PIR上;二是将探测区内分为若干个明区和暗区，使进入探测区的人能以温度变化的形式在PIR上产生变化的热释红外信号。
4.3航天技术应用
我国神舟十号发射成功后到与天宫一号的自动交会对接，多项航天技术成果移植国民经济成为经济发展“倍增器”，其中光电传感器技术发挥了重要作用。神舟十号和天宫一号对接机构十分复杂，由上百个传感器、上千轴承组合而成。对接任务要求严丝合缝且不能漏气。另外考虑到飞行器在太空环境中失重要经历高低温的变化，因此必须保证对接时不出现故障。手控交会对接时要有精确的传感器测量设备，不断测量两个飞行器之间的距离、相对速度和姿态等，稍有差池后果不堪设想。最后对接时，要求轴向误差18cm。这些对航天员的身心都是极大的挑战，要求他们具有极高的眼手协调性、操作精细性和过硬的心理素质等。在交会对接的过程中，航天员需要紧盯电视图像，根据实时传输的数据让两个航天器一点点逼近，根据仔细计算决定速度变化方案完成交会对接，其中传感器起到决定性作用，为实现航天梦奠定最强基础。
4.4工业自动化装置
光电传感器具有非接触、响应快、性能可靠等特点，在工业上常用于非接触测量物位、距离和条码等信息，因此在工业自动化装置和机器人中获得广泛应用。随着现代检测技术的发展出现了很多新型的光电传感器，特别是CCD图像传感器的诞生，为光电传感器的进一步应用开创了新的一页。相关应用行业的系列产品如下：
1)光电式烟雾报警器。没有烟雾时，发光二极管发出的光线直线传播，光电三极管没有接收信号，没有输出;有烟雾时，发光二极管发出的光线被烟雾颗粒折射，使三极管接受到光线，有信号输出，发出报警。如今频遭吐槽的雾霾天气说明环境污染问题严重，而光电式烟雾报警器则可通过光在烟道里传输过程的变化检测到烟道中的烟尘浊度;2)点钞机的计数传感器。具有结构微型化、操作简便化、使用耐用型等特点的点钞机在我们的日常生活中应用频繁，其不光在金融机构中被大量使用，也逐渐成为一些大型企事业单位必备的办公用品，成就其的正是结构简单、响应速度快、精确度高的光电传感器。点钞机的技术传感器采用两组由一个红外发光二极管和一个接收红外光的光敏三极管组成的红外光电传感器，没有钞票时，接收管受光照导通而输出为0;有钞票时，接收管光通量不足而输出为1且产生一个脉冲信号，经检测电路输入至负责计数和显示的单片机。只有不断提升光电传感器的性能，才能满足商业经济和财务自动化日新月异变化而产生的高要求。
参考文献
[1]黄斌.基于多传感器信息融合的节能控制系统.测控技术，2013(4).
[2]赵娟妮.多传感器数据融合技术及其在光伏电站监控系统中的应用.科技信息，2013(7).
[3]魏宏飞，赵慧.多传感器信息融合技术在火灾报警系统的应用[J].现代电子技术，2013(6).
传感融合 第3篇
关键词：激光干涉仪；钩子函数；动态链接库
中图分类号：TP212 文献标识码：A 文章编号：1671-864X（2014）08-0181-01
前言：随着现代加工工艺的革新，人们对测量的精度有了更高的要求。为了更加精确的确定被测对象的量值，往往会选用精度高的测量基准。目前，在精密测量领域，精度比较高的位移传感器主要有光栅传感器和激光干涉仪，它们经常被当做测量基准去测量和标定被测对象。而这些精度较高的测量仪器制造方法和工序相当的严苛和复杂，需要整个制造链都在一个高标准、高品质的背景下去生产。目前，国内有制造也已有了迅猛的发展，其中的某些环节的工艺水平已经达到世界先进水平，但是整体还没均衡，因此，高精度测量仪器的国产化还不现实。在需要精密测量时，进口国外的测量仪器还是比较普遍的。Renishaw公司是世界计量和光谱分析仪器领域的领导者，主要提供测量、运动控制、光谱仪和精密加工等核心技术，从制造领域提高效率和产品质量、极大提高研发能力，使用户能够实现按溯源标准进行几何尺寸的测量。而Renishaw公司旗下的激光干涉仪就是常被用到的精密测量仪器。激光干涉仪不仅提供了高品质的硬件设备同时还提供了较为直观的开发软件Laser10供用户使用。但是，Renishaw激光干涉仪的位移读数只能通过Laser10显示，并且Renishaw公司没有提供开发的驱动程序，这极大地限制了用户多元化的开发。
一、基于Visual C++的钩子函数
钩子（Hook）函数是WINDOWS操作系统非常重要的特性，正如它名字一样它就像一个的钩子，捕获那些我们感兴趣的WINDOWS消息并获得控制权，进行相应的处理，比如数据运算、数据传递、强制传递等。钩子函数即是一个消息处理机制的平台，程序员在相应的代码段加入子程序以便监控某个特定的WINDOWS窗口消息，一旦所监控的窗口消息被钩子函数所探测到就将其截获，以便行进相应的处理。充分利用钩子函数的特性，不仅可以探测到其他进程发生的事件还能够截获程序员感兴趣的特定进程，再通过“钩挂”的形式，发给WINDOWS一个处理或过滤事件的回调函数，当每次发生您感兴趣的事件时，WINDOWS都将调用该函数[1]。Laser10运行的平台是WINDOWS操作系统同样遵循该操作系统的运行法则。这使得我们自然的想到，用钩子函数去截获Renishaw激光干涉仪数据的传输，只要我们能够找到激光干涉仪在传输数据时的窗口消息。通过观察Laser10开发软件发现，每当激光干涉仪有新测量数据产生时，Laser10软件会对窗口进行刷新从而进行数据的跟新显示，而这个刷新窗口的WINDOWS窗口消息则正式我们所需要的。钩子函数对该消息进行监控，一旦刷新窗口消息触发了钩子函数，钩子函数则截获该消息并将激光干涉仪更新的数据提取保存起来，等待其他的程序调用。
二、基于钩子函数LabVIEW与Laser10间的通信
激光干涉仪的数据被钩子函数截获之后，需要有其他的软件操作平台对此进行处理。通常Visual C++开发的操作平台对钩子函数的整合更好，但是Visual C++开发的软件平台在后续的数据处理和代码编程的问题上并不是很理想，目前，更趋向于图像化的编程方式。LabVIEW和C语言以及BASIC语言一样属于通用的编程系统，有着庞大的数据库，包括CPIB、数据分析、数据储存、串口控制和数据采集等。LabVIEW与其他编程语言最大的区别在于图形化的编程方式，用图形替代文本、数据流替代顺序执行，从而充分的发挥计算机的能力，创造出功能更加出色的仪器。Laser10相对于我们自己开发的LabVIEW软件平台应归为他方进程，双方之间的通信就应为进程间的通信。进程间如若要进行数据的交换必须要有即成的服务器端和通信协议，只有这样，服务器才能够响应哪些和自己达成通信协议的客户端，否则就称为“无意识”型通信 [25]。而上一节所讲述的钩子函数则是双方建立通信的桥梁。钩子函数不能直接被LabVIEW所使用，因为进程之间的通信需将钩子函数放到动态链接库中去并作为远程钩子来进行调用。动态链接库作为一个独立的文件它不能被直接的运行更不能接受消息，只有在其他模块调用动态链接库的函数时，它才能发挥相应的作用 [2]。从图1可以知道，Laser10作为激光干涉仪的人机交互平台，实时的显示激光干涉仪的测量数据信息。每当有数据更新时伴随一个“窗口刷新”消息进入队列等待处理，而早已在动态链接库中的钩子函数正是监控该“窗口刷新”消息，一旦激活则将里面的数据全部提取并保存，最后等待LabVIEW软件平台进行调取使用。这样，激光干涉仪的位移测量数据被传输到的LabVIEW软件平台进行更全面的诊断和处理。通过LabVIEW强大的数据处理模块，可以对激光干涉仪测量的位移数据进行误差分析、曲线拟合等操作，使原本单一的数据监控方式变得更加开放、多元以及智能。
图1 激光干涉仪数据融合原理图
三、LabVIEW调用动态链接库
动态链接库的存在使程序外部访问代码成为的了现实，LabVIEW要成功的调用动态链接库还必须要满足一些要求，即是要知道被调用函数代码所在的库文件以及在库文件中使用的函数名称、调用的规则以及函数参数的数量和类型包括返回类型[3]。当这些信息都具备后，就可以通过LabVIEW进行调用。然而，在编写调用程序的时候，往往会遇到复杂的指针、多位数组结构，要想确定它们对于调用函数节点的配置是比较麻烦的，而LabVIEW中的调用库函数节点则可以很好的处理这些问题。在编写调用代码的过程中最为重要的一个环节就是对调用库函数节点进行初始化，这是进程间进行通信的握手协议。图2为调用库函数节点初始化的界面，不难发现，初始化信息主要分为四个部分：函数、参数、回调和错误检查。
图2 调用库函数节点配置窗口图
函数部分需要知道被调用动态链接库的的库名以及它所在的路径，函数名则要填写被调用钩子函数的函数名称。而线程在默认的情况下，初始化为“在UI线程中运行”，此时调用的函数值将直接在用户线程中运行。如果，多个线程同时调用动态链接库中的函数时则要选择以递归方式调用的“在任意线程中运行”。调用规范默认情况下就选择“C”规范。参数部分是初始化调用函数的返回类型，返回类型可以是是 Void，Numeric 或String。通过回调选项卡可预先设置函数调用的次数。该函数允许用户根据配置的调用库函数节点的实例，初始化、更新或清除用于DLL或共享库的数据。通过为函数配置的“调用库函数节点”的实例数据指针传递调用。通过错误检查页可指定“调用库函数节点”的错误检查级别。
四、结束语
通过LabVIEW开发软件调用含有钩子函数的动态链接库，可以获取激光干涉仪的位移测量数据，这使得数据处理环节变得更加的开放和多元，为下游市场的开发和操作提供了更多的可能性。但是进程间的通信在方便同步的同时消耗了CPU额外的时间，在面对大量信息实时操作时还是显得有些不足并需要完善。
参考文献
[1]徐志凯.热动类基本数据库与函数库的研究与开发.东南大学.2004
[2]梁庚等.Windows下进程间通信方式探讨.微型电脑应用. 2006（12）
多传感器信息融合的实现 第4篇
目前靠单一的信息源很难保证获取环境信息的快速性和准确性的要求, 会给系统对周围环境的理解及系统的决策带来影响。另外, 单一传感器获得的仅仅是环境特征的局部、片面的信息, 它的信息量是十分有限的。而且每个传感器采集到的信息还受到自身品质、性能噪声的影响, 采集到的信息往往是不完整的, 带有较大的不确定性, 偶尔甚至是错误的。而且在传统方式中, 各传感器采集的信息单独、孤立的进行加工处理, 不仅会导致处理工作量增加, 而且割断了各传感器信息的联系, 丢失了信息的有机组合蕴涵的信息特征, 也造成信息资源的浪费。因此, 对大量多传感器采集来的信息进行融合与处理是必需的。
本文就是介绍一种将多个传感器数据融合成反映过程运行状况的类别, 根据每一类别所描述的过程行为特点采取相应的控制策略进行控制。
在锅炉水位控制过程中, 我们要对锅炉水位的三冲量 (即汽包水位、给水流量和蒸汽流量) 进行监测控制, 传统方法是对三个量分别检测分别控制, 这样就人为地割裂了三个量之间内在的联系, 失去了很多有用的信息。本文我们介绍一种对三个量进行聚类分析的一种方法。
我们用三个传感器S1、S2、S3来检测锅炉水位控制中三冲量:汽包水位 (S1) 、给水流量 (S2) 和蒸汽流量 (S3) , 如左下图所示。图中示出的是在6小时内这三个参数的变化曲线。
取一个单位测量时间区间为30分钟, 每5分钟检测一次数据。这样, 在一个观察区间中获得3× (30/5) =3×6=18个数据。将它们以一定形式集合在一起构成这个时间区间中传感器所检测得的数据模式, 称为传感器数据模式。
传感器数据模式经常写成模式向量的形式:
式中, 是第2个传感器给模式S提供的第1个数据, 以此类推。显然, 向量S的维数为3×6=1 8。
现假设共检测6小时的生产情况, 则可得到6小时/30分=12个传感器数据模式。这12个模式组成了模式空间, 它描述了生产过程中温度、压力和流量的变化情况。
对一个单位观察时间区间来说, 相当于在图中设置一个滑动窗口来观察过程的行为。这个窗口取出了生产过程的一个运行模式, 故称之为模式窗口。
模式窗口所观察 (“框出”) 的模式可想象成一张“模式图”, 它描述了过程的状态。在一般情况下传感器模式向量的表达式可写成:
式中, α为传感器的数目;
β是每一个传感器在一个模式窗口中提供的数据数目;
si (j) 是第i (i=1~α) 个传感器给模式S提供的第j (j=1~β) 个数据。显然, 向量S的维数为α×β。
模式窗口必须包含足够数量的过程变量, 且应具有足够的宽度, 以提供所观察问题的前后关系, 包括各过程量的相互关系和它们的变化趋势, 以便能描述该窗口所占时间区间中的过程状况。引入模式窗口可方便地对连续变化信号进行融合, 我们称之为时间序列融合。
在时间序列融合中, 数据是通过模式窗口来截取的。从模式窗口中取出的数据用来参与融合。故模式窗口也称为融合窗口。一般情况下, 融合窗口越大, 则融合向量的维数越高 (当采样时间一定时) , 计算工作量也越大。但是窗口太小, 又可能反映不了传感器的数据特征。因此, 窗口的选择必须根据工业过程中数据的变化情况, 以能较好反映其运行变化规律为原则。对于变化比较缓慢的工业过程, 窗口需开得较大;变化比较快的过程, 则可开小一些。
通过这种方式, 可将锅炉控制中的三冲量按时间序列融合起来, 融合后的数据不仅能反映出三冲量的实时数值, 还能反映出三者间的内在关系, 为对锅炉水位的控制取得了一个完整的信息。
参考文献
[1]周德泽, 袁南儿, 应英.计算机智能监测控制系统的设计及应用.清华大学出版社.2002;67-69
[2]刘金琨.智能控制.电子工业出版社.2005;9-12
传感融合 第5篇
多传感器跟踪系统自适应Kalman滤波融合
多传感器目标跟踪的一个实际问题是如何获得目标的`过程噪声信息,以获得较好的跟踪性能.针对多传感器分布式估计融合系统,利用这种自适应技术给出了一种自适应Kalman滤波的融合方法,它具有与中心式相近的跟踪性能.计算机模拟结果表明:这种方法具有较优良的性能.
作 者：作者单位：刊 名：传感器与微系统 PKU英文刊名：TRANSDUCER AND MICROSYSTEM TECHNOLOGIES年，卷(期)：28(9)分类号：O231.1关键词：自适应Kalman滤波 目标跟踪 估计融合 adaptive Kalman filtering target tracking estimation fusion
浅析多传感器信息融合技术 第6篇
多传感器信息融合也称为信息融合或数据融合,指的是对不同知识源和多个传感器所获得的信息进行综合处理,消除多传感器信息之间可能存在的冗余和矛盾,利用信息互补,降低不确定性,以形成对系统环境相对完整一致的理解,从而提高智能系统决策和规划的科学性、反应的快速性和正确性,进而降低决策风险的过程。由其定义可见,多传感器信息融合避免了单一传感器的局限性,可以获取更多信息,得出更为准确、可靠的结论。
2、多传感器信息融合的原理
多传感器信息融合是人类和其他生物系统中普遍存在的一种基本功能。如果把单传感器信号处理或低层次的数据处理方式看作是对人脑信息处理的一种低水平模仿,那么多传感器信息融合就是对人脑信息处理的一种高水平模仿。多传感器信息融合的基本原理就像人脑综合处理信息的过程一样,它充分利用多个传感器资源,通过对这些传感器及其观测信息的合理支配和使用,把多个传感器在时间或空间上的冗余或互补信息依据某种准则来进行组合,以获得被测对象的一致性解释或描述[1]。
3、多传感器信息融合的分类
信息的数据融合是对多源数据进行多级处理,每一级处理都代表了对原始数据的不同程度的抽象化,它包括对数据的检测、关联、估计和组合等处理。信息融合按其在传感器信息处理层次中的抽象程度,可以分为三个层次:像素层融合、特征层融合及决策层融合[2]。
3.1 像素层融合
它是最低层次的融合,是在采集到的传感器的原始信息层次上(未经处理或只做很少的处理)进行融合,在各种传感器的原始测报信息未经预处理之前就进行信息的综合和分析。其优点是保持了尽可能多的战场信息;其缺点是处理的信息量大,所需时间长,实时性差。
3.2 特征层融合
属于融合的中间层次,兼顾了数据层和决策层的优点。它利用从传感器的原始信息中提取的特征信息进行综合分析和处理。也就是说,每种传感器提供从观测数据中提取的有代表性的特征,这些特征融合成单一的特征向量,然后运用模式识别的方法进行处理。这种方法对通信带宽的要求较低,但由于数据的丢失使其准确性有所下降。
3.3 决策层融合
指在每个传感器对目标做出识别后,将多个传感器的识别结果进行融合。这一层融合是在高层次上进行的,融合的结果为指挥控制决策提供依据。决策层融合的优点是:具有很高的灵活性,系统对信息传输带宽要求较低;能有效地融合反映环境或目标各个侧面的不同类型信息,具有很强的容错性;通信容量小,抗干扰能力强;对传感器的依赖性小,传感器可以是异质的;融合中心处理代价低。
4、多传感器信息融合的融合结构
多传感器信息融合通常是在一个被称为信息融合中心的信息综合处理器中完成,而一个信息融合中心本身可能包含另一个融合中心。由于多传感器信息融合可以是多层次、多方式的,所以研究融合的拓扑结构十分必要。根据信息融合处理方式的不同,可以将多传感器信息融合的拓扑结构分为集中型、分散型、混合型、反馈型等[3]。
4.1 集中型
集中型融合结构的融合中心直接接收来自被融合传感器的原始信息。由于在此结构中传感器仅起到了信息采集的作用,不预先对数据进行局部处理和压缩,所以对信道容量要求较高。一般这种结构适用于小规模的融合系统。
4.2 分散型
分散型信息融合系统中,各传感器完成一定量的计算和处理任务后,将压缩后的传感器数据送到融合中心,融合中心将接收到的多维信息进行组合和推理,最终得到融合结果。这一结构的优点是结构冗余度高、计算负荷分配合理、信道压力轻,但由于各传感器进行局部信息处理,可能会导致部分信息的丢失。这种结构适合于远距离配置的多传感器系统。
4.3 混合型
混合型信息融合结构吸收了分散型和集中型信息融合结构的优点,既有集中处理,又有分散处理,各传感器信息均可多次利用。这一结构能得到比较理想的融合结果,适用于大型的多传感器信息融合,但其结构复杂,计算量很大。
4.4 反馈型
当系统对处理的实时性要求很高的时候,如果总是试图强调以最高的精度去融合多传感器信息融合系统的信息,则无论融合的速度多快都不可能满足要求,这时,利用信息的相对稳定性和原始积累对融合信息进行反馈再处理将是一种有效的途径。当多传感器系统对外部环境经过一段时间的感知,传感系统的融合信息已能够表述环境中的大部分特征,该信息对新的传感器原始信息融合具有很好的指导意义。
5、多传感器信息融合的特点
(1)提高了信息的可信度。(2)增加了目标特征矢量的维数。(3)降低了获得信息的费用。(4)减少了信息获取的时间。(5)提高了系统的容错能力。(6)提高了整个系统的性能。
6、多传感器信息融合的研究方向
(1)确立具有普遍意义的信息融合模型标准和系统结构标准。(2)将信息融合技术应用到更广泛的新领域。(3)改进融合算法以进一步提高融合系统的性能。(4)开发相应的软件和硬件,以满足具有大量数据且计算复杂的多传感器融合的要求。
7、结语
多传感器信息融合技术的研究虽然刚刚开始几十年,但它已渗透到现代化战争和民用的各个领域。随着工业大系统的蓬勃发展和未来信息战的需求,以及相关学科的不断发展,多传感器信息融合将会得到更深入的理论研究,也将拥有更广阔的应用前景。
摘要：本文介绍了多传感器信息融合的定义、原理、分类和结构,简要地叙述了多传感器信息融合的特点及其研究方向。
关键词：多传感器,信息融合,研究方向
参考文献
[1]王耀南,李村涛.多传感器信息融合及其应用综述[J].控制与决策,2001.
[2]何友,谭庆海.多传感器系统分类研究[J].火力与指挥控制,1998.
多传感器信息融合技术研究 第7篇
近年来，随着计算机技术和传感器技术的发展，多传感器信息融合技术越来越受到人们的关注。作为一种多源信息协调处理技术，对于不同的领域，它的实现方法、步骤和增益优化准则都不一样，因此有必要对目前的研究情况进行系统介绍。
1 多传感器信息融合技术
多传感器信息融合技术的雏形最早出现在二战末期，但当时的融合是靠人工完成的，速度缓慢，质量也不太高，没有得到大家的重视。到了20世纪70年代，信息融合技术被提出是由于美国国防部资助开发的声纳信号处理系统，这种系统能实现对敌方潜艇位置的自动检测，这一发现使得多传感器信息融合技术在军事领域内得到蓬勃发展。80年代中期，战场管理和目标检测系统BETA投入使用，在一定程度上证实了信息融合的有效性和可行性。1988年，信息融合技术被美国国防部列为重点开发研究的20项关键技术之一，并成立数据融合专家组(Data Fusion Sub panel，简称DFS)负责这一领域的研究和开发。美国三军总部采用信息融合技术对大量武器装备中的军用传感器进行了有效的信息融合，并研制出了能广泛使用的第一代信息融合系统。
到了90年代，美国国防部在海湾战争中将研制的信息融合系统进行运用，发挥了巨大的作用，于是更加加深了其对信息的自动综合处理技术研究的决心。1996年，美国军方逐步在已建立的C3I(Command,Control,Com-munication and Intelligence)系统中增加危机元素，建立了以信息融合为核心的C4I(Command,Control,Com-munication,Computer and Intelligence)系统，并提出了到2010年将C4I发展成一个集信息处理、信息融合、武器控制、战场感知、智能识别等核心技术为一体的综合的C4ISR(Surveillance Reconnaissance)自动化电子信息系统。
多传感器融合技术也称为信息融合技术，它的实质是将人体身体各部分器官(耳、鼻、眼等)采集到的信息，进行综合处理，充分利用若干个传感器观测到的信息，通过空间或时间上的冗余互补，在一定的算法准则下进行组合，分析处理以完成所需的决策和估计任务。多传感器信息融合技术有着很多潜在的好处。首先，可以提高系统的空间和时间覆盖能力，改善单一传感器检测数据的局限性，提高信息收集率和更新率;其次，同类多元测量信息的融合使工作性能指标提高，而不同类型传感器获得目标、事件的多侧面属性信息，提高传感器系统的有效性。
2 多传感器信息融合算法
信息融合及其应用的复杂和多样化，使得数据融合要研究的内容变得十分丰富，囊括的基础理论也非常广泛。目前，还没有哪一种信息融合算法能对所有的传感器融合信息进行计算，一般情况下，选择哪种算法要根据具体的应用场合来决定。下面对常用的融合算法作简单的介绍。
2.1 加权融合
加权融合算法就是把来自各个传感器的冗余信息对环境特征参数的测量数据按照某种加权规则结合为一个最佳估计。其中，最简单、最直观的方法就是加权平均。该方法是将来自各个传感器的冗余信息进行处理后按照每个传感器所占的权值来进行加权平均，结果作为融合值。
2.2 贝叶斯推理
贝叶斯推理是静态环境中多传感器信息融合的一种方法，其信息描述为概率分布。该方法将系统中的每一个传感器作为一个贝叶斯估计，当有某一证据时，以间接的方式采用贝叶斯估计进行融合。多贝叶斯估计把每个传感器作为一个贝叶斯估计，将各单独物体的关联概率分布结合成一个联合的后验概率分布函数，通过使联合分布函数的似然函数取最小值，以求得传感器信息的最终融合值。贝叶斯推理适用于具有可加高斯噪声的不确定性信息的处理，但定义先验似然函数困难，缺乏通用不确定性能力。
2.3 D-S证据理论
是贝叶斯方法的扩展，又称为证据理论，简记为DS证据理论。它用信任区间和确定区间来描述传感器的信息。在信息融合系统中，将各传感器采集的信息作为证据，并在决策目标集上建立一个与之相应的基本可信度。在同一决策框架下，将不同的信息用Dempster合并规则合并成一个统一的信息表示。证据理论允许直接将可信度赋予传感器信息的合取，既保留了信息，又避免了未知概率分布所作的简化假设。把证据理论用于多传感器融合时，将传感器信息的不确定性表示为可信度，利用信息可信度合并规则处理各传感器信息。
2.4 神经网络
神经网络是具有高度非线性的超大规模连续事件动力系统，它主要从总体结构和功能上模仿处理系统，而不是逼真的细节重现，其更注重神经活动中的信息流及其运动方式。在神经网络系统中，信息的存储与计算是合二为一的，即信息的存储体现在神经元互连的分布上，并以大规模并行分布方式处理。这种分布式存储可使系统在部分受到损坏时仍能恢复原来的信息，因此具有较强的容错能力和联想记忆的特点;同时，由于神经网络具有实时处理大量数据的能力，且信息处理是非程序式的，采用特定的学习算法来得到不确定性推理机制，然后根据这一推理机制不段进行信息融合与再学习。神经网络的并行结构与不确定性推理机制为神经网络在传感器的建模与多传感器信息融合中的应用提供了良好的前景。
2.5 具有置信因子的产生式规则
产生式规则采用符号表示目标特征和相应的传感器信息之间的联系，与每一个规则相联系的置信因子表示它的不确定性程度。当在同一个逻辑推理过程中的两个或多个规则形成一个联合规则时，可以产生融合。
2.6 模糊集理论
由模糊集理论发展起来的模糊信息处理技术能给不确定性探索和模拟人类识别机理提供一种简单有效的手段。模糊系统将人类经验知识加以结构化它的每一个参数均有着明确的物理意义，可以解决证据不确定性或决策中的不确定性等问题。
图一归纳了常用的一些信息融合方法。
3 结束语
本文对多传感器信息融合技术的研究现状进行了讨论，并且对常用的多传感器融合算法进行了介绍。目前，多传感器信息融合技术被广泛应用于自动目标识别、医疗诊断、图像处理、模式识别、工业监控等领域。对多传感器信息融合技术及其应用进行研究，能有效地提高多传感器系统信息智能化程度。多传感器信息融合技术作为新兴的活跃的研究领域，多级别、多层次、多方面综合处理来自各个传感器的信息，得到新的有效信息，而这种信息从单个传感器中无法获得。该技术从根本上消除多传感器之间可能存在的矛盾和冗余，降低信息的不确定性。随着人类对多传感器系统信息智能化要求的不断提高，多传感器信息融合技术会越来越受到人们的关注的。
参考文献
[1]韩崇昭,朱洪艳,段战胜,等.多源信息融合[M].北京:清华大学出版社,2006.
[2]王欣.多传感器数据融合问题的研究[D].长春:吉林大学,2006.
[3]邵远,何发昌,罗志增.多传感器信息融合浅析[J].电子学报,1994,22(05):73-79,60.
无线传感器网络数据融合研究综述 第8篇
无线传感器网络中传感器节点受节点能量、存储容量、处理计算能力和通信带宽等硬件条件的限制则制约了传感器网络的发展, 为了解决这一瓶颈, 数据融合技术被提出, 该技术主要是运用一定的融合算法在网内对节点采集到的大量原始数据进行处理来去除冗余数据, 以达到节约能耗、提升网络生存周期的目的[1]。不同的应用场景对无线传感器网络有不同的要求, 所以设计出节省能耗且面向特定应用场景的数据融合算法是无线传感器网络研究的关键问题之一。
1 数据融合网络结构
1.1 平面型网络结构
该结构中, sink节点发送指令到指定的监测区域, 区域内节点采集数据并把数据发送到融合节点, 经过融合后的数据被传送给sink节点。该结构实现简单、容易扩展, 但对通信资源的优化管理不足、网络动态变化的适应能力弱。
1.2 层次型网络结构
1.2.1 基于簇的数据融合
该结构是依据一定的规则将整个传感器网络划分成若干个簇区域, 每个区域选出自己的簇头, 簇内节点将监测数据发送到所在的簇头节点, 簇头节点融合处理的数据被传回给sink节点。该结构较适合静态数据。
1.2.2 基于树的数据融合
该融合结构是以反向树的结构将监测数据汇集起来, 形成一棵以sink为根、叶节点为源节点结构的树。基于树的数据融合结构一般应用于静态数据处理方面。
2 WSN数据融合算法
2.1 WSN数据融合算法分类
(1) 基于生成树的WSN数据融合。在无线传感器网络中, 可以通过反向树的形式将节点所采集数据通过融合节点汇集起来。基于生成树的数据融合算法有:近源汇集 (CNS) 、贪婪增量树 (GIT) 、最短路径树 (SPT) 等[2]。
(2) 基于时空相关性的WSN数据融合。在无线传感器网络中随机抛撒节点, 由于抛撒的随机性导致部分节点所采集的数据在时空上存在相关性, 产生大量的数据冗余。因此, 通过数据融合来降低网络的数据传输量, 节约能耗。其研究可分为2类:①基于时间或空间相关性的融合;②基于时空结合的融合[3]。
(3) 基于路由的WSN数据融合。该融合目的是寻找最佳路径和对数据进行融合传输, 该融合结构是以数据为中心的定向扩散路由协议和集群结构的分层聚簇路由协议。
2.2 基于生成树的WSN数据融合算法
(1) SPT算法。SPT算法思想是:每个传感器节点都通过最短路径将融合数据传输到Sink节点。SPT算法对节点的传输路径进行优化使网络消耗的总能量最小, 但网络中子节点过多时, SPT算法会增加网络的时延。网络中父节点所带子节点过多时, 容易造成父节点能量消耗过大而过早死亡。该算法适合传输过程中数据不进行压缩的情况。
(2) MST算法。MST算法思想是:首先确定Sink节点的一条最短路径作为该网络的路径主干, 然后在剩下节点中选出离生成树最近的节点, 逐步的加入到网络的路径主干上, 直到所有的节点都加入为止。该MST算法适用于数据被完全压缩情况。
2.3 基于路由的WSN数据融合算法
(1) LEACH算法。LEACH算法是第一个具有层次路由结构的数据融合算法, 它采用周期性地选取簇首的方法来避免因簇首固定导致能量消耗过大而过早死亡, 以提升网络的生存周期。LEACH算法主要是采用一跳通信方式, 所以传感器节点的通信半径要足够大, 该算法不适用于规模较大的无线传感器网络系统。
(2) PEGASIS算法。PEGASIS算法的原理是:无线传感器节点组网后, 每个节点都发送一定功率的特定信号, 根据节点接收到的应答信号来确定离自己最近的节点并把信号传给它, 待所有节点被遍历后形成一条每个节点只与离自己最近节点相连的链路结构。该算法节约通信能耗, 但在使用时每个节点的位置信息必须被告知, 耗能相对较多。
(3) TEEN算法。TEEN算法的簇首选取方式是根据与sink节点的距离远近来确定。簇头选好并形成分簇后, sink节点把设定的2个门限值 (软门限和硬门限) 发送到簇首, 然后由簇首广播到簇内成员, 簇内成员用这两个门限值来对采集的原始数据进行过滤处理、发送。该算法主要思路就是采用软硬门限值来过滤数据, 降低数据的传输量, 但同样也阻止了一些有用数据的发送。
3 结语
无线传感器网络数据融合技术节约了能量资源, 提升了整个网络生存周期, 大大地推动了无线传感器网络的广泛应用。近年来其在理论方面取得的大量的成果, 但在实际应用方面仍处在起步阶段。应用中仍然存在着不足, 例如, 目前大部分的数据融合算法还停留在二维平面, 对于三维的数据融合算法依然很少;另外, 融合的数据分为静态数据和动态数据, 不同的数据源运用不同的融合算法;还有一些基于时间驱动与数据有效安全等实际性的问题需要进行下一步的研究。
摘要：针对近些年来数据融合的发展状况进行了综述, 对现在的无线传感器网络数据融合模块的网络结构及算法进行分类研究, 概述其思想并指出优缺点。文章在对无线传感器网络数据融合研究的基础上, 指出该领域内存在的问题。
关键词：无线传感器网络,数据融合,网络结构,算法
参考文献
[1]陈正宇, 杨庚, 陈蕾, 等.无线传感器网络数据融合研究综述[J].计算机应用研究, 2011 (5) .
[2]KRISHNAMACHARI B, ESTRIN D, WICKER S.The impact of data aggregation in wireless sensor networks[C]//Proc of the22nd International Conference on Distributed Computing Systems.2002:575-578.
多传感器信息融合技术应用研究 第9篇
多传感器信息融合技术是战场侦察监视系统中的关键技术,它将分布在战场空间的各级各类传感器联接成一个有效的网络,实现信息的互联互通、信息互补、综合融合,完成各种战场侦察监视任务,使战场情况更加透明,战场侦察监视系统中多传感器信息融合的作用是把战场空间那各种传感器获取的多源信息融合起来,以获取比单一情报源更多的信息和更好的信息质量和情报可信度,极大提高系统信息获取、传递、汇集、处理、分发的能力和情报应用的效益。信息融合在军事上的应用包括在各种战略、战役和战术C4ISR系统上的各个领域、多项任务,例如使用多传感器的自主式武器(如自主战车)、作战平台(如舰艇、飞机)和预警飞机,有人侦察飞机、无人侦察机或分布式传感器广域监视系统及各类情报收集处理系统等。
多传感器信息融合技术在战场侦察监视系统中的广泛应用主要表现在预警情报处理、地面传感侦察、图像情报处理以及机载平台的多传感器集成与融合等方面。
1 信息融合技术在ISR中的应用
1.1 预警情报处理
1.1.1 战略预警系统
预警和导弹防御系统是对敌来袭的主要兵器发出警告,为及时向敌对国家发动反击行动,摧毁其对我构成严重威胁的大规模杀伤武器和重要政治、军事、经济目标,需要及时确定发射导弹的敌对国家和地区以及发射点位置和发射时间,为我反击武器确定打击目标提供信息。并与武器系统进行铰链,运用兵器进行拦截。战略预警的主要对象是弹道导弹、战略轰炸机和巡航导弹等时间敏感性目标,尽早得知敌来袭武器的发射点、发射时间、攻击目标位置、落地时间、落点位置、落点时间和飞行方位信息,弹道飞行方向和威胁等级判断,提供足够的预警时间。以便及时采取应对措施,发布作战指令,部署反导、防御和反击计划。主要包括初段、中段和末端等探测,通过不同传感器组合、接力完成探测,提供武器拦截。 由文献可知,根据对象的不同和探测范围的不同,战略预警系统可分对弹道导弹预警和对战略轰炸机预警2部分。对弹道导弹预警的主要技术手段包括弹道导弹预警雷达和预警卫星;对战略轰炸机预警的主要技术手段包括地面远程警戒雷达和预警飞机。现代战略预警系统由采用的空间、空中预警、地面雷达警戒、空间探测与跟踪、无线电技术侦察和电子对抗等预警技术,战略预警系统的主要技术装备有地面远程警戒雷达、预警飞机、弹道导弹预警雷达和预警卫星。广泛涉及到空间技术、遥感技术、电子技术等各个领域,特别是多传感器信息融合技术的综合运用,为形成有效的预警能力提供有力的支撑。
1.1.2 预警体系
预警系统区别于一般侦察情报系统的主要特点在于其信息的时效性要求非常高。预报精度、预警时间、漏警率和虚警率是预警系统主要性能指标。其主要预警探测体系包括4层,第1层:星载探测系统(高轨道预警卫星+低轨道预警卫星组网)担负国家全空域周边国家和地区以及西太平洋的空、天目标预警探测任务。第2层:地基天波超视距、远程相控阵预警雷达、光电空间目标监视系统。担负对周边国家和地区600 km以远的各类来袭目标以及空间目标的探测预警任务。第3层:预警机、飞艇载、气球载预警系统、地波超视距雷达及机动三坐标雷达。担负国土和领海战区预警探测任务,为反击武器提供情报。第4层:地基、舰载常规雷达网,与反击武器紧密相联,担负对目标的精确测量,向反击武器直接提供情报。信息处理分系统接收来自预警探测分系统的信息,进行综合处理,以判定目标的威胁程度,形成有效的预警信息。
1.1.3 信息融合
预警探测情报处理分为3级。① 战术级数据融合系统,该系统与探测器集成在一起,探测到的原始数据经过其处理后上报,同时将分送给防卫反击的武器单元;② 区域性战役级信息融合系统,接收来自原始数据融合系统的信息,进行综合处理,在确认目标威胁后,将信息上报,同时分发给有关部队和武器单元;③ 战略预警信息融合系统接收来自各级的预警数据融合系统的信息,以及部分原始数据融合系统的信息,进行综合处理,确认威胁后,将信息送往最高指挥机构,由指挥机构下达作战指令。
1.2 地面传感侦察系统
战场地面传感器是20世纪中后期出现的一种被动式、全天时、全天候、能适应各种环境工作的新型侦察设备,主要依靠各种传感器物理特性(主要为声学、震动、红外、磁、压力、图像、化学等),事先隐蔽布设于敌人活动地域、地段、要道上,昼夜不间断地对敌进行连续探测、监视,并将探测信息通过传感器发射机瞬间突发出去,源源不断地传送至后方信息处理终端或情报处理设备,而这些报警信息来源不一、形式不一,可能是互补的,也可能是矛盾的,通过传感器信息融合,充分利用多传感器资源,将多个传感器在时间和空间上互补辅助或冗余信息按照某种算法或准则进行融合,以获得对检测对象一致性描述,成为发挥地面传感器系统效能的关键。
地面战场侦察传感系统信息融合技术主要包括对传感器获取的多种情报信息进行融合处理,获取目标的速度、方向、数量等相关属性,进行目标属性识别技术,从而判断敌人的规模、企图以及态势。
1.3 雷达联网探测系统
雷达联网探测是防空预警的主要手段,多雷达传感器信息融合是获取各种雷达的信息,在不同层次上进行不同级别的信息融合。多雷达传感器信息融合技术常常应用在分布式传感器网络的广域监视系统,敌情指示和区域预警探测系统。在多雷达传感器信息融合中,根据信息表征的层次,其基本方法可分为3类:数据层融合、特征层融合、决策层融合。数据层融合主要进行时间和空间对准,进行目标关联和点迹航迹估计,之前,必须知道从各个传感器得到的信息是否属于同一目标,必须了解现场的目标状况,才能进行进一步的目标识别。数据校准就是统一各传感器的时间和空间参考点,若各传感器在时间和空间上是独立的异步工作的,则必须事先进行时间和空间校准,以形成融合所需的统一的时间和空间参考点。数据校准可分为空间坐标变换和时间同步。空间坐标变换由于各传感器可能处于同一测量平台,也可能处于不同的位置,所以在进行数据相关性判断之前,必须将从各个传感器得到的数据转换到同一坐标系下(通常将信息处理中心或作战中心作为坐标原点)。时间坐标变换由于从多个传感器得到的信息并不一定是同时的,所以在进行相关性判定之前,必须进行时间上的同步。时间同步通常采用内插或外推的方法。数据相关是对数据校准后的数据进行相关性判断,以决定不同传感器的不同测量是否属于对同一目标的测量。特征层融合是从各传感器中得到的信息为雷达侦察探测获取的目标方位、航向、航速和基本属性,通过提取目标特征,对目标的属性进行判断、分析。决策层融合主要是判断目标的威胁和意图,以及战场情况的变化趋势。
1.4 图像情报的综合处理
图像情报(IMINT)又称图片情报,是指通过各种侦察系统获取的光电、红外和雷达图像。战场图像情报是由战场侦察平台和侦察所获得的侦察图像及其相关的情报产品,它包括白光、微光、红外(行扫、前视红外)的影像,各种平台的电视侦察影像,各种机载平台的合成孔径雷达和逆合成孔径雷达的雷达图像,还包括由地面人工侦察所获得的人工图像情报。侦察图像能获得多角度、多方位的情报,资源丰富,信息量大,直观性好,为指挥决策人员大量采用,成为武器打击和指挥决策的依据。
1.4.1 遥感影像
随着遥感技术的发展,获取遥感数据的手段越来越丰富,多种不同的遥感器所获可见光、红外、微波以及其他电磁波的影像数据与日俱增,这些数据在空间、时间、光谱、方向和极化等方面对于同一地区构成多源数据。另外还有航空摄影以及成像光谱仪所得到的遥感资料,已导致传感器空间分辨率、光谱分辨率的大幅度提高。大量的多型式的遥感影像提供了充足的资料,但如何充分融合来自各种类型遥感影像信息,以克服遥感影像自动解译中单一信息源不足的问题,目前尚是一大难题,它直接影响到大量遥感数据的使用效益。因此,遥感影像融合已成为海量遥感影像数据处理的瓶颈问题。
1.4.2 图像融合
多传感器图像融合是20世纪80年代提出的新概念,它综合了传感器、图像处理、信号处理、信息显示、计算机、人工智能等多种现代高技术。它利用多传感器、多探测手段以及多通道信源大容量图像信息融合,具有提高时空覆盖面、目标分辨率、测量维数等探测性能。特别是融合了含紫外、可见光、近红外、红外、毫米波、微波等很宽波段的多传感器信息,其作用和效果是很明显的。从数据来源角度来分,多源图像情报的融合可分为多传感器融合和多时相融合。多时相融合一般指同一信息来源的数据由于时相不同,将同一地区由于时相变化而产生的不同之处加以互相弥补的方式;而多传感器融合顾名思义是指由不同信息来源的数据进行处理提取出靠单一数据源不能得到的相应结果,它分为高空间分辨率影像与高光谱影像的融合、合成孔径雷达影像与光学影像之间的融合等等。
典型的多源图像情报的融合为合成孔径雷达和光学遥感影像的融合。SAR工作于微波波段,其波长相对可见光较长,受大气和云层的影响干涉较小,作为主动式遥感它不受光照条件的影响,可以全天时、全天候工作;另外,与光学遥感影像所不同的是,SAR影像记录地面物体对雷达波的反射特性,其量化数据大小受地表粗糙度、地物复介电常数、入射角、极化方式和角反射器等多种因素的影响,由于地物复介电常数主要与地物目标含水量的大小有关,而居民地内部容易构成角反射器,雷达影像对水体、居民地和植被比较敏感。通过将SAR影像与光学影像融合,结合二者优点可以实现对地物目标的更佳分析和解译。
2 结束语
现代高技术条件下的信息化战争中,对战场情报的争夺与控制,获取战场空间信息优势的对抗更加激烈,特别是高技术武器装备和信息化军事系统的广泛应用,数字化战场空间分布的目标种类和数量都极大地扩展,陆海空天电的各种侦察监视传感器也被广泛应用并发挥越来越大的作用,多传感器信息融合对确立全面的战场信息优势更加重要。为获取战场空间的信息优势,需在战场空间建立一个从空中到地面,从海面到水下的,涵盖声、光、电、热、振、磁等侦察传感器的多层次、分布式、网络化的侦察监视体系,对战场实施全天时、全天候、宽频谱、不间断的侦察监视,对各类战场情报进行实时、全面、准确的融合处理,为指挥员提供决策支持,完成情报产品的分发与共享。
摘要：近年来,情报、监视和侦察领域的多传感器信息融合技术研究飞速发展,应用领域不断扩展,显示出巨大的优越性,发挥了重要作用。战场的数字化对战场侦察监视领域的多传感器信息融合的质量和效率都提出了更高的要求。根据多传感器信息融合技术的研究现状,从运用的角度出发,结合当前建设中存在的一系列问题,对战场侦察监视领域多传感器信息融合技术的主要作用和工作特点进行了比较深入的研究,分析了多传感器信息融合技术在战略预警探测、地面传感侦察、雷达组网监视、图像情报处理和机载多传感器集成等ISR领域的应用特点和前景。
关键词：传感器,多传感器信息融合,监视,侦察
参考文献
[1]康耀红.信息融合理论和应用[M].西安:西安电子科技大学出版社,1997.
[2]赵全仁,邱志明,窦守健,等编著.武器装备论证导论[M].北京:兵器工业出版社,1998.
[3]赵晓辉.无线传感器网络在美军目标部队中的应用[J].无线电工程,2007,37(7):1-3.
传感融合 第10篇
现如今传感融合技术以其更全面的信息获取能力,得到对被感知对象更精确的描述,成为国内外研究的热点,得到广泛的重视与应用[1,2]。
目前市场上基于单一的图像或者声纳技术的产品很多,但是总存在着一些单一技术的通病,不能很好地实现对物体信息的识别。基于声纳和图像的双传感融合系统,是一次大胆的尝试,将图像与声纳成功融合, 将大大降低目标识别技术的错误率,这对于目标识别技术的扩展有着重要的科学意义和实用价值。
1声纳与图像双传感融合系统整体结构
声纳与图像双传感融合系统的设计理念是从仿生学中蝙蝠眼睛的角度出发,如果蝙蝠眼睛和它的耳朵一样灵敏,那么它可以更好地感知外界事物。系统采用“FPGA+DSP”的实时数据采集与处理的方案。其中,FPGA选用Altera公司的EP2C5Q208芯片(以下简称FPGA),主要负责声纳信号,包括超声波源的发射以及回波信息的采集与预处理,并将预处理的数据发给DSP作进一步的算法处理;DSP采用TI公司的TMS320DM642芯片(以下简称DSP),主要负责图像信号的连续采集以及对采集到的图像信息和FPGA传递来的声纳信息进行特征值提取与算法融合;最终的处理结果再通过DSP传递给FPGA,并以盲人能够识别的模拟音频信号形式输出,通过人类大脑完成对特征的判断。声纳与图像双传感融合系统的结构与软件流程如图1、图2所示。
1.1声纳信号与图像信号的采集
声纳收发模块包括波源的产生与回波的接收,采用仿生物一嘴两耳的经典结构布局。
波源的产生采用直接数字式(DDS),是一种从相位概念出发,把一系列数字形式的信号通过DAC转换成模拟形式的信号的合成技术[3,4]。对波形进行采样,并将采样 量化的数 据点存入FPGA内部的软ROM存储器,通过存储不同量化的数据值,并经DAC器件转换输出不同的波形。在此我们采用的波形是仿蝙蝠超声波形设计 的CTFM(Continuous Transmis-sion Frequency Modulated)[5],采集的两路回波信号由传感器接收后,经过调理电路的处理,分别通过双路A/D传给FPGA,其中A/D的采样频率fmax=6MHz。
图像采集模块包括CCD摄像头、视频解码芯片、 SDRAM和DSP。CCD模拟摄像头采集模拟的图像信号,通过解码芯片解码之后,经DSP的EDMA通道将数据存储在DSP外部SDRAM中,等待进一 步处理[6]。
1.2FPGA与DSP的数据传输
FPGA与DSP通信是通过DSP的EMIFA接口来实现的。C6000的EMIF支持各种外部器件的无缝接口,包括同步 器件SDRAM和SBRAM、异步器件 (SRAM、ROM和FIFO等 )以及外部 共享存储 器件[7]。考虑到不影响DSP正常的数据运算,采用DSP的EDMA通道进行数据的搬运。由于EDMA传输数据时传输频率(100 MHz)远远高于声纳信号的采样频率(6 MHz),因此要考虑到一个由低时钟域向高时钟域高速传输数据的问题。本系统采用FPGA内部建立异步FIFO实现FPGA与DSP的数据通 信,异步FIFO还有利于解决系统跨时钟域数据传输引起的亚稳态问题[8,9]。FIFO本身具有“先进先出”的特性,还有读写指针,所以它不需要地址总线,这也为FPGA与DSP通信节省了不少I/O口,给后期二次开发提供了便利。
图3为FPGA与DSP的数据通信接口。其中, FIFO1与FIFO2是由FPGA向DSP传输的回波数据缓存器,写时钟、写请求由FPGA提供,读时钟、读请求由DSP提供。 这里我们 采用ping-pong操作技术[10]完成数据的无 缝缓冲与 处理,FIFO1和FIFO2共用数据总线,采集到的回波数据经过A/D写入,当FIFO1写满时,FIFO1发出满标志wrfull给DSP一个中断,促发DSP的EDMA通道进行数据传输,同时控制A/D对FIFO2进行写操作。
为了能够清楚地表达FIFO1和FIFO2之间的关系,调用QuartusⅡ下的SignalTapⅡ对ping-pong操作进行仿真,其仿真波形如图4所示。
由图4可知,一个FIFO在执行写操作时,另外一个FIFO执行读操作,通过标志位flag_q区分FIFO1和FIFO2,如此依次循环完成对回波数据的传输。
1.3声纳与图像信息处理与结果输出
当声纳数据与图像数据采集到之后,需要先分别对其进行数据分析与特征值的提取,其中声纳数据提取距离、物体的表面特征(包括软硬程度、粗糙度)等信息,而图像数据则提取物体的外部轮廓等,特征值提取之后通过算法处理得到人耳能识别的数据信号,并将数据通过FIFO3传送给FPGA,通过DAC输出人耳能够识别的音频信号。
为了节省管脚,FIFO3与FIFO1、FIFO2共用一个数据总线,在FPGA中将该数据总线设定为inout (输入输出)类型,assign data= (flag)?q:16’bz,通过设定标志位来决定该端口是input还是output。即当回波数据完成之后,flag为0,数据总线端口设为input端口;当从DSP传给FPGA的数据完成之后,flag置1,数据总线端口设为output端口,依次循环就可以实现FPGA与DSP之间的数据实时读取。
2实验与分析
本实验以教研室一盆景作为对象,采集到的实物声纳数据和图像信息如图5所示。
为了能够直观地比较实验数据,现将采集到的图像原始数据通过CCS导出在显示屏上显示,将声纳头和CCD摄像头面向显示器盆景图像,进行数据采集, 采集到的数据如图6所示。
比较图5与图6两组数据,我们不难 发现,图5 (c)和图5(d)与图6(c)和图6(d)之间的差别很难分辨,除了分辨率以及图片亮度以外,其他外边轮廓特征基本没有什么区别,即单一的图像传感器对于实物与图像的区分度很低,在特定的环境下,完全可以以假乱真。如果我们在系统中加入了声纳传感器部分,通过图5(a)和图5(b)与图6(a)和图6(b)的比较可以发现,经过实物反射回来的声纳波形与经过显示屏照片反射回来的声纳波形的区别很容易分辨,无论是信号的电压幅值还是有效信号的宽度都有极大的差别,并且相比较于多图像传感器系统,声纳与图像传感器所包含的信息更多,特征更明显。单一的声纳传感器系统在某些方面依旧存在着不足,以同样大小的不同封面的书本为例,单一的声纳传感器对其探测的回波信号基本没有差距,而如果使用图像传感器,却可以轻易地将两本书的封面区分开来。综合声纳与图像信息就像我们人类利用我们不同的感官去感受这个世界一样,我们可以对所需要探测的事物有更全面的认识。
考虑到我们的系统应用于导盲,经DSP算法处理后的结果最终将以音频的形式输出,处理后的信号既保留了反射目标的物理特征信息,又适合于人耳接收, 随着被探测物体的距离远近,以及物体表面特性以及轮廓的改变,反映在耳机里面声音的强度和频率也会不同,以此来告知盲人前方的具体信息。
3结束语
本系统基于声纳与图像传感融合系统,采用FPGA与DSP配合完成了对前方物体的探测和识别,具有较快的采样速率与数据处理能力,可以使盲人快速准确地完成对前方障碍物特征的判断。将图像与声纳结合起来,依据某种准则来进行组合,两者之间相辅相成,将大大降低目标探测与识别技术的错误率,通过对相关算法的更改,提取不同的特征值融合处理,该技术可以用于多种场合,如民用预警、军用无人机目标探测等。
摘要：针对单一图像识别系统和单一声纳识别系统对事物特征值数据量采集的不足造成识别误差这一缺陷,从仿生学中蝙蝠眼睛依旧存在的角度考虑设计了一种基于FPGA+DSP的声纳图像传感融合系统。该系统采用FPGA发射声纳信号与采集回波,并将预处理的回波数据传给DSP做进一步处理;采用CCD摄像头仿蝙蝠的眼睛采集图像数据,最后将采集到的声纳数据与图像数据在DSP中进行进一步算法处理,最终输出人耳能够识别的信号,借助于人脑参与分析识别,并对前方探测物做出规避动作。
