【正文】 。 ?第 i個傳感器在第 k時刻所獲得的關于第 j個特征的新證據(jù)用基礎概率分配函數(shù)表示 。 ?由 和 可獲得第 i個傳感器在第 k時刻關于第 j個特征的聯(lián)合證據(jù) 。 ?類似地，利用證據(jù)組合算法，由 和 可獲得在 k時刻關于第 j個特征的第 i個傳感器和第 i+1個傳感器的聯(lián)合證據(jù) 。 ( 1)ijmk ?1 , 2 , ...,im?ijkm( 1)ijmk ?ijkm ()ijmk()ijmk,1()iij ?,1()iij ? 傳感器信息融合的一般方法 ?如此遞推下去，可獲得所有 N個傳感器在 k時刻對 j特征的信任函數(shù)，信任度最大的即為信息融合過程最終判定的環(huán)境特征。 ?DS證據(jù)推理優(yōu)點： 算法確定后，無論是靜態(tài)還是時變的動態(tài)證據(jù)組合，其具體的證據(jù)組合算法都有一共同的算法結(jié)構(gòu)。 ?缺點： 當對象或環(huán)境的識別特征數(shù)增加時，證據(jù)組合的計算量會以指數(shù)速度增長。 傳感器信息融合的一般方法 3 人工神經(jīng)網(wǎng)絡法 ?神經(jīng)網(wǎng)絡是由數(shù)個至數(shù)十億個被稱為神經(jīng)元的細胞（ 組成我們大腦的微小細胞 ） 所組成 ， 它們以不同方式連接而型成網(wǎng)絡 。 ?人工神經(jīng)網(wǎng)絡就是嘗試模擬這種生物學上的體系結(jié)構(gòu)及其操作用于信息處理技術 。 ?人工神經(jīng)網(wǎng)絡是利用多個簡單計算模型有機構(gòu)成一個計算網(wǎng)絡用以實現(xiàn)一個復雜的規(guī)則 。 ? 神經(jīng)網(wǎng)絡技術的主要用途？ ?利用一定數(shù)據(jù)在一定誤差下逼近一個解析式未知的函數(shù) 。 ?利用人工神經(jīng)網(wǎng)絡實現(xiàn)空間的線性或非線性劃分 ， 以此實現(xiàn)目標分類 。 ? 神經(jīng)網(wǎng)絡的實現(xiàn)是基于數(shù)據(jù)的，最終的規(guī)則對用戶是透明的。 傳感器信息融合的一般方法 傳感器信息融合的一般方法 ? 由上圖可得： ?????? ?? ??Nkkk bWXFY1 傳感器信息融合的一般方法 傳感器信息融合的一般方法 ? 決定神經(jīng)網(wǎng)絡性能的幾個因素： ?神經(jīng)網(wǎng)絡的網(wǎng)絡結(jié)構(gòu)：包括神經(jīng)網(wǎng)絡的層數(shù) 、 每層神經(jīng)元數(shù)量； ?每層神經(jīng)元的作用函數(shù)； ?神經(jīng)網(wǎng)絡訓練的目標函數(shù)和學習算法； ?神經(jīng)網(wǎng)絡權值和閾值的初始值； ?神經(jīng)網(wǎng)絡的訓練數(shù)據(jù) 。 傳感器信息融合的一般方法 ? 神經(jīng)網(wǎng)絡的應用步驟： ?神經(jīng)網(wǎng)絡的設計 ， 包括確定網(wǎng)絡結(jié)構(gòu) 、 作用函數(shù)和學習算法； ?神經(jīng)網(wǎng)絡初始化； ?利用實驗方法獲得神經(jīng)網(wǎng)絡的訓練數(shù)據(jù)和測試數(shù)據(jù)； ?利用實驗數(shù)據(jù)對網(wǎng)絡進行訓練和測試； ?利用訓練后的網(wǎng)絡處理相關的輸入信息 。 傳感器信息融合的一般方法 ? 感知器神經(jīng)網(wǎng)絡特點： ?網(wǎng)絡結(jié)構(gòu)上可以為單層或多層的前向網(wǎng)絡結(jié)構(gòu)； ?作用函數(shù)為階躍函數(shù) ， 因此輸出為二值變量； ?利用輸入和誤差簡單計算權值和閾值調(diào)整量 ， 學習算法很簡單； ?一般用于解決較為簡單的線性分類問題 。 傳感器信息融合的一般方法 傳感器信息融合的一般方法 基于神經(jīng)網(wǎng)絡的傳感器信息融合特點如下 ： ● 具有統(tǒng)一的內(nèi)部知識表示形式，通過學習算法可將網(wǎng)絡獲得的傳感器信息進行融合，獲得相應網(wǎng)絡的參數(shù)，并且可將知識規(guī)則轉(zhuǎn)換成數(shù)字形式，便于建立知識庫； ●利用外部環(huán)境的信息，便于實現(xiàn)知識自動獲取及并行聯(lián)想推理； ●能夠?qū)⒉淮_定環(huán)境的復雜關系，經(jīng)過學習推理，融合為系統(tǒng)能理解的準確信號； ●由于神經(jīng)網(wǎng)絡具有大規(guī)模并行處理信息能力，使得系統(tǒng)信息處理速度很快。 多傳感器 數(shù)據(jù)融合 航跡預測 身份識別 威脅估計 測試技術 多光譜圖像 車輛識別 信息融合作為消除系統(tǒng)不確定因素、提供準確觀測結(jié)果與新的觀測信息的智能化處理技術，可直接用于檢測、控制、態(tài)勢評估和決策過程。 傳感器信息融合的應用 ?數(shù)據(jù)融合可廣泛應用于以下領域。 智能檢測系統(tǒng)：消除單個或單類出感器檢測的不確定性，提高智能檢測系統(tǒng)的可靠性，獲得檢測對象更準確的認識。 工業(yè)過程監(jiān)視：識別引起系統(tǒng)狀態(tài)超出正常運行范圍的故障條件，并據(jù)此處罰若干報警器。目前，數(shù)據(jù)融合技術已在核反應堆和石油平臺監(jiān)視系統(tǒng)中獲得應用。 傳感器信息融合的應用 傳感器信息融合的應用 機器人：傳感器融合技術在機器人特別是移動機器人領域有著廣泛的應用。自主移動的機器人在未知或動態(tài)的環(huán)境中工作時，將多傳感器提供的數(shù)據(jù)精心融合，從而準確快速地感知環(huán)境信息。而工業(yè)機器人更是靠多傳感器融合的技術模擬人的智能作業(yè)，實現(xiàn)精確的定位和操作。 軍事艦船：傳感器信息融合是提高海軍艦船目標識別能力和戰(zhàn)斗力的有效手段。海軍艦船的各類傳感器信號（如雷達、紅外、激光等）的融合，將綜合和解釋所有當前的信息，達到準確快速的軍事反應能力。 空中交通管制：在目前的空中交通管制系統(tǒng)中，主要由雷達和無線電提供空中圖像，并由空中交通管制器承擔數(shù)據(jù)融合的任務。 控制和信 息融合計 算機 自主移動裝配機器人 裝配機械手 力覺傳感器 觸覺傳感器 視覺傳感器 超聲波傳感器 激光測距傳感器 多傳感器信息融合自主移動裝配機器人 傳感器信息融合的應用 行掃描 處理器 紅外探測器 直流偏 壓 AGC 搜索器萬向支架 慣性導 航系統(tǒng) 圖像攝像機萬向支架 圖像 處理 共享 存儲器 數(shù)據(jù)融合 處理器 環(huán)境控制 顯示 記錄 人機 界面 圖像攝像機 傳感器 海軍艦船傳感器信息融合系統(tǒng) 傳感器信息融合的應用 傳感器 信號處理 ADC 單片機 顯示 傳感器信息融合的應用 習題與思考題 習題 ？ ？ 。 演講完畢，謝謝觀看！