【正文】 。 ?第 i個(gè)傳感器在第 k時(shí)刻所獲得的關(guān)于第 j個(gè)特征的新證據(jù)用基礎(chǔ)概率分配函數(shù)表示 。 ?由 和 可獲得第 i個(gè)傳感器在第 k時(shí)刻關(guān)于第 j個(gè)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(shí)刻關(guān)于第 j個(gè)特征的第 i個(gè)傳感器和第 i+1個(gè)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(gè)傳感器在 k時(shí)刻對(duì) 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(diǎn)： 算法確定后，無論是靜態(tài)還是時(shí)變的動(dòng)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(diǎn)： 當(dāng)對(duì)象或環(huán)境的識(shí)別特征數(shù)增加時(shí)，證據(jù)組合的計(jì)算量會(huì)以指數(shù)速度增長(zhǎng)。 傳感器信息融合的一般方法 3 人工神經(jīng)網(wǎng)絡(luò)法 ?神經(jīng)網(wǎng)絡(luò)是由數(shù)個(gè)至數(shù)十億個(gè)被稱為神經(jīng)元的細(xì)胞（ 組成我們大腦的微小細(xì)胞 ） 所組成 ， 它們以不同方式連接而型成網(wǎng)絡(luò) 。 ?人工神經(jīng)網(wǎng)絡(luò)就是嘗試模擬這種生物學(xué)上的體系結(jié)構(gòu)及其操作用于信息處理技術(shù) 。 ?人工神經(jīng)網(wǎng)絡(luò)是利用多個(gè)簡(jiǎn)單計(jì)算模型有機(jī)構(gòu)成一個(gè)計(jì)算網(wǎng)絡(luò)用以實(shí)現(xiàn)一個(gè)復(fù)雜的規(guī)則 。 ? 神經(jīng)網(wǎng)絡(luò)技術(shù)的主要用途？ ?利用一定數(shù)據(jù)在一定誤差下逼近一個(gè)解析式未知的函數(shù) 。 ?利用人工神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)空間的線性或非線性劃分 ， 以此實(shí)現(xiàn)目標(biāo)分類 。 ? 神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)是基于數(shù)據(jù)的，最終的規(guī)則對(duì)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(luò)性能的幾個(gè)因素： ?神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)：包括神經(jīng)網(wǎng)絡(luò)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(luò)訓(xùn)練的目標(biāo)函數(shù)和學(xué)習(xí)算法； ?神經(jīng)網(wǎng)絡(luò)權(quán)值和閾值的初始值； ?神經(jīng)網(wǎng)絡(luò)的訓(xùn)練數(shù)據(jù) 。 傳感器信息融合的一般方法 ? 神經(jīng)網(wǎng)絡(luò)的應(yīng)用步驟： ?神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì) ， 包括確定網(wǎng)絡(luò)結(jié)構(gòu) 、 作用函數(shù)和學(xué)習(xí)算法； ?神經(jīng)網(wǎng)絡(luò)初始化； ?利用實(shí)驗(yàn)方法獲得神經(jīng)網(wǎng)絡(luò)的訓(xùn)練數(shù)據(jù)和測(cè)試數(shù)據(jù)； ?利用實(shí)驗(yàn)數(shù)據(jù)對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練和測(cè)試； ?利用訓(xùn)練后的網(wǎng)絡(luò)處理相關(guān)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(luò)特點(diǎn)： ?網(wǎng)絡(luò)結(jié)構(gòu)上可以為單層或多層的前向網(wǎng)絡(luò)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(jiǎn)單計(jì)算權(quán)值和閾值調(diào)整量 ， 學(xué)習(xí)算法很簡(jiǎn)單； ?一般用于解決較為簡(jiǎn)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(luò)的傳感器信息融合特點(diǎn)如下 ： ● 具有統(tǒng)一的內(nèi)部知識(shí)表示形式，通過學(xué)習(xí)算法可將網(wǎng)絡(luò)獲得的傳感器信息進(jìn)行融合，獲得相應(yīng)網(wǎng)絡(luò)的參數(shù)，并且可將知識(shí)規(guī)則轉(zhuǎn)換成數(shù)字形式，便于建立知識(shí)庫(kù)； ●利用外部環(huán)境的信息，便于實(shí)現(xiàn)知識(shí)自動(dòng)獲取及并行聯(lián)想推理； ●能夠?qū)⒉淮_定環(huán)境的復(fù)雜關(guān)系，經(jīng)過學(xué)習(xí)推理，融合為系統(tǒng)能理解的準(zhǔn)確信號(hào)； ●由于神經(jīng)網(wǎng)絡(luò)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(yù)測(cè) 身份識(shí)別 威脅估計(jì) 測(cè)試技術(shù) 多光譜圖像 車輛識(shí)別 信息融合作為消除系統(tǒng)不確定因素、提供準(zhǔn)確觀測(cè)結(jié)果與新的觀測(cè)信息的智能化處理技術(shù)，可直接用于檢測(cè)、控制、態(tài)勢(shì)評(píng)估和決策過程。 傳感器信息融合的應(yīng)用 ?數(shù)據(jù)融合可廣泛應(yīng)用于以下領(lǐng)域。 智能檢測(cè)系統(tǒng)：消除單個(gè)或單類出感器檢測(cè)的不確定性，提高智能檢測(cè)系統(tǒng)的可靠性，獲得檢測(cè)對(duì)象更準(zhǔn)確的認(rèn)識(shí)。 工業(yè)過程監(jiān)視：識(shí)別引起系統(tǒng)狀態(tài)超出正常運(yùn)行范圍的故障條件，并據(jù)此處罰若干報(bào)警器。目前，數(shù)據(jù)融合技術(shù)已在核反應(yīng)堆和石油平臺(tái)監(jiān)視系統(tǒng)中獲得應(yīng)用。 傳感器信息融合的應(yīng)用 傳感器信息融合的應(yīng)用 機(jī)器人：傳感器融合技術(shù)在機(jī)器人特別是移動(dòng)機(jī)器人領(lǐng)域有著廣泛的應(yīng)用。自主移動(dòng)的機(jī)器人在未知或動(dòng)態(tài)的環(huán)境中工作時(shí)，將多傳感器提供的數(shù)據(jù)精心融合，從而準(zhǔn)確快速地感知環(huán)境信息。而工業(yè)機(jī)器人更是靠多傳感器融合的技術(shù)模擬人的智能作業(yè)，實(shí)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(biāo)識(shí)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(hào)（如雷達(dá)、紅外、激光等）的融合，將綜合和解釋所有當(dāng)前的信息，達(dá)到準(zhǔn)確快速的軍事反應(yīng)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(dá)和無線電提供空中圖像，并由空中交通管制器承擔(dān)數(shù)據(jù)融合的任務(wù)。 控制和信 息融合計(jì) 算機(jī) 自主移動(dòng)裝配機(jī)器人 裝配機(jī)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(cè)距傳感器 多傳感器信息融合自主移動(dòng)裝配機(jī)器人 傳感器信息融合的應(yīng)用 行掃描 處理器 紅外探測(cè)器 直流偏 壓 AGC 搜索器萬向支架 慣性導(dǎo) 航系統(tǒng) 圖像攝像機(jī)萬向支架 圖像 處理 共享 存儲(chǔ)器 數(shù)據(jù)融合 處理器 環(huán)境控制 顯示 記錄 人機(jī) 界面 圖像攝像機(jī) 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(yīng)用 傳感器 信號(hào)處理 ADC 單片機(jī) 顯示 傳感器信息融合的應(yīng)用 習(xí)題與思考題 習(xí)題 ？ ？ 。 演講完畢，謝謝觀看！