第七章多傳感器信息融合技術(編輯修改稿)
2025-08-28 12:46 本頁面
【文章內容簡介】 式為概率論中的 Bayes公式，是嵌入約束法的核心。 信息融合通過 數(shù)據(jù)信息 d做出對環(huán)境 f的推斷，即求解p(f|d)。由 Bayes公式知，只須知道 p(f|d)和 p(f)即可。因為p(d)可看作是使 p(f|d)?p(f)成為概率密度函數(shù)的歸一化常數(shù)， p(d|f)是在已知客觀環(huán)境變量 f的情況下，傳感器得到的 d關于 f的條件密度。當環(huán)境情況和傳感器性能已知時， p(f|d)由決定環(huán)境和傳感器原理的物理規(guī)律完全確定。而 p(f)可通過 先驗知識 的獲取和積累，逐步漸近準確地得到，因此，一般總能對 p(f)有較好的近似描述。 在嵌入約束法中，反映客觀環(huán)境和傳感器性能與原理的各種約束條件主要體現(xiàn)在 p(f|d) 中，而反映主觀經(jīng)驗知識的各種約束條件主要體現(xiàn)在 p(f)中。 在傳感器信息融合的實際應用過程中，通常的情況是在某一時刻從多種傳感器得到一組數(shù)據(jù)信息 d，由這一組數(shù)據(jù)給出當前環(huán)境的一個估計 f。因此 ,實際中應用較多的方法是尋找最大后驗估計 g，即 即最大后驗估計是在已知數(shù)據(jù)為 d的條件下，使后驗概率密度 p(f)取得最大值得點 g，根據(jù)概率論，最大后驗估計 g滿足 當 p(f)為均勻分布時，最大后驗估計 g滿足 此時， 最大后驗概率 也稱為極大似然估計。 當傳感器組的觀測坐標一致時，可以用直接法對傳感器測量數(shù)據(jù)進行融合。在大多數(shù)情況下，多傳感器從不同的坐標框架對環(huán)境中同一物體進行描述，這時傳感器測量數(shù)據(jù)要以間接的方式采用 Bayes估計進行數(shù)據(jù)融合。間接法要解決的問題是求出與多個傳感器讀數(shù)相一致的旋轉矩陣 R和平移矢量 H。 ）（）（ dfpdgpf|| m a x?）（）（）（）（ fpfdpgpdgpf?? ? || m a x）（）（ fdpfgpf|| m a x?在傳感器數(shù)據(jù)進行融合之前，必須確保測量數(shù)據(jù)代表同一實物，即要對傳感器測量進行一致性檢驗。常用以下距離公式來判斷傳感器測量信息的一致： 式中 x1和 x2為兩個傳感器測量信號， C為與兩個傳感器相關聯(lián)的方差陣，當距離 T小于某個閾值時，兩個傳感器測量值具有一致性。這種方法的實質是剔除處于誤差狀態(tài)的傳感器信息而保留“一致傳感器”數(shù)據(jù)計算融合值。 ? ?21121 )(21 xxCxxT T ??? ? (KF) 用于 實時融合動態(tài)的低層次冗余傳感器數(shù)據(jù) ，該方法用測量模型的統(tǒng)計特性，遞推決定統(tǒng)計意義下最優(yōu)融合數(shù)據(jù)合計。如果系統(tǒng)具有線性動力學模型，且系統(tǒng)噪聲和傳感器噪聲可用高斯分布的白噪聲模型來表示， KF為融合數(shù)據(jù)提供惟一的統(tǒng)計意義下的最優(yōu)估計， KF的遞推特性使系統(tǒng)數(shù)據(jù)處理不需大量的數(shù)據(jù)存儲和計算。 KF分為分 散卡爾曼濾波 (DKF)和 擴展卡爾曼濾波 (EKF)。 DKF可實現(xiàn)多傳感器數(shù)據(jù)融合完全分散化，其 優(yōu)點 ：每個傳感器節(jié)點失效不會導致整個系統(tǒng)失效。而 EKF的 優(yōu)點 ：可有效克服數(shù)據(jù)處理不穩(wěn)定性或系統(tǒng)模型線性程度的誤差對融合過程產(chǎn)生的影響。 嵌入約束法傳感器信息融合的最基本方法之一， 其 缺點 ：需要對多源數(shù)據(jù)的整體物理規(guī)律有較好的了解，才能準確地獲得 p(d|f)，但需要預知先驗分布 p(f)。 二、證據(jù)組合法 證據(jù)組合法認為完成某項智能任務是依據(jù)有關環(huán)境某方面的信息做出
高考資料相關推薦
鄂ICP備17016276號-1