您当前位置:资讯百科知识技术文库复杂系统多传感器数据融合技术及其应用研究

复杂系统多传感器数据融合技术及其应用研究

  来源:互联网  发布时间:12-25

浏览量:    

核心提示:【摘要】复杂系统多传感器数据融合是一门新兴的技术,它通过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出

【摘要】  复杂系统多传感器数据融合是一门新兴的技术,它通过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出单个传感器所不能获得的更有意义的信息。数据融合在军事领域和民用领域都有很大的发展和应用前景。本文论述了复杂系统多传感器数据融合的基本原理、功能模型、层次结构、融合方法等,并指出了多源传感器数据融合研究中存在的问题及研究方向。最后,分析了多平台多传感器数据融合在某海军舰艇平台上的一个应用实例。 
【关键词】 复杂系统 数据融合 功能模型 体系结构 融合算法  

1.    引言 
上世纪中后期开始,随着控制论、信息论、微电子技术、计算机技术、网络技术和传感器技术等日新月异的快速发展,世界军事战争的本质特征发生了巨大的变化,形成了一种以信息战、网络战为主体的现代战争模式。这种战争模式下,传感器数量和种类不断增加,扩展了在空域、时域以及频域范围的探测覆盖能力,加上无线通信和网络技术的发展和应用,使得战场触角不断扩大,形成海、陆、空、天、磁的多维的立体化现代高技术战场[1-3]。按照梅特卡夫(Metcalfe)法则评估,现代战争联网作战平台的战斗力呈现指数增长[4]。联网下的作战平台,不只是战术信息的简单传输和共享,多传感器测量的结果和多源信息传递都要求对多源数据进行融合处理,以形成对事件或目标的一致性的精确的报告,做出对战场态势和威胁的实时的、精确的估计。 
自上世纪70年代开始, 复杂系统的多传感器数据融合技术(Multisensor data fusion,MSDF)受到各国的高度重视,90年代后形成研究高潮。各国军方、许多大公司和院校相继成立了专门的实验室,研究和测试数据融合理论和算法、数据融合系统建立及融合算法评估。1986年美国国防部成立数据融合工作组联合指导实验室。1988年,美国国防部将数据融合列为90年代重点研发的20项关键技术之一。英、德等五国于1987年联合制定了“多传感器系统中具有决策控制的信号与知识综合”的数据融合研究计划。90年代以来,大量新理论与支撑技术不断涌现和发展,对MSDF技术的发展是强有力的推动与支持。美国研制了几十个军用MSDF系统,主要用于海洋监视、陆基战场指挥、弹道导弹防御、反潜战等,如海军联合指挥信息系统(Joint Maritime Command Information System)、联合战术信息分布系统(JTIDS)。加拿大洛克西德马丁公司已研制了某护卫舰平台MSDF系统的第一代、第二代验证模型。我们也看到,美国第四代战斗机“猛禽”F-22、俄罗斯第五代战斗机“金雕”SU-37 等都不同程度地应用了机载多传感器数据融合技术。复杂系统多传感器数据融合技术已经成为现代高科技战争中不可或缺的关键技术之一。除了军事应用外,复杂系统多传感器数据融合在工业、交通和金融等领域也有广泛的应用前景。 
2.    复杂系统数据融合的基本原理、融合级别和模型 
2.1基本原理  
MSDF实际是对人脑综合处理复杂问题的一种功能模仿。MSDF充分利用多个传感器资源,通过对多传感器及其观测信息的合理支配和使用,把多个传感器在空间或时间上的冗余或互补信息依据某种准则来将进行组合,以获得被测对象的一致性解释或描述,使该信息系统由此获得比它的各组成部分的子集所构成的系统更优越的性能。MSDF最大限度地获取了被测目标或环境的信息量,并取得最优的解释或判断。        
从军事角度上讲,MSDF可以解释为:对来自多源的信息和数据进行检测、关联、相关、估计和综合等多级、多方面的处理,得到精确的状态和类别判定以及进行快速完整的态势和威胁估计。这里,“多传感器”具有广泛的含义,其数据源可以来源于传感器,或者是源数据(情报信息,如人工情报、通信情报和计划),或者各种通讯链等,数据平台也可以是多个的[1-3]。 
2.2 融合处理的层次与级别 
数据融合可以在不同层次、不同级别上对多源数据进行处理,有效地融合多源同构或异构信息,这使其与其它经典的信号处理和数据处理有着本质区别。 
数据融合的级别,可以从数据抽象上或者信息抽象上来划分。 
按照数据抽象的层次分类,融合可以分为三个级别[3],即a) 象素级(Pixel-lever)融合,b) 特征级(Feature-lever)融合,c) 决策级(Decision-lever)融合。如图1所示。 
a)    象素级(Pixel-lever)融合,直接融合传感器数据,是最低层次的融合。当多传感器数据是同类同性质的(例如,当两个传感器对相同的物理现象进行观测时,比如采用了两个图像传感器或两个音频传感器),那么,可以将传感器的源始数据(raw data)直接融合。这种象素级融合通常用于多源图像复合,图像分析;同类雷达波形直接合成等。其典型的融合技术为经典的状态估计方法,如Kalman 滤波。  
b)    特征级(Feature-lever)融合,对传感器数据的特征矢量提取后进行融合。对传感器数据的特征提取有效降低了状态空间的维数,实现了可观的信息压缩,并且提取的特征直接与决策分析有关,因此特征级融合结果可以最大限度地给出决策所需的特征信息。大多数的C3I系统数据融合均在这个层次上展开。特征级融合的方法主要为模式识别的技术,如人工神经网络、模糊聚类方法等。 
c)    决策级(Decision-lever)融合,是高层次的融合,它对传感器已经得出的初步结果进行信息的合并处理,得出最终的融合结果,为指挥控制决策提供依据。决策级融合的主要方法有经典推理理论,Bayesian 推理方法、Dempster-Shafer证据理论、加权决策方法(投票法)等。  

 (a) 象素级融合                          (b) 特征级融合 

(c) 决策级融合 
图1  按照数据抽象的数据融合的层次结构 
在军事上,按照信息抽象的层次来分类,即从信息融合的功能来看,融合分为五个级别[3],即:a)检测级融合,b)位置级融合,c)属性(目标身份)级融合,d)态势评估,e)威胁估计。如图2所示。 
图2  按照功能抽象的数据融合的层次 
这两种层次划分方法分别从不同角度描述了数据融合的结构。它们实际上是交叉联系的,在某功能层上可以采用一种或多种数据处理结构,同样,一种数据处理结构能应用于不同的功能层。例如,从融合功能上划分的位置级融合,在数据处理形式上,一般采用象素级融合和/或特征级融合;属性级融合的数据处理形式通常采用决策级融合。 
2.3    融合模型和体系结构 
MSDF的体系结构,根据IEEE的定义,它是指由各组成元素所构成的结构,它们的关系以及用来指导设计和演化发展的原理和方针。融合模型详细阐明问题的元素和解决方案的要素,使易于对问题和解决方案达到一个整体的认识。因此融合模型是一系列问题和处理过程的抽象描述,是体系结构的实现,但它不包含软件或物理的实现[3]。 
近20年来,人们在数据融合的研究过程中,围绕信息的多级处理思想,提出了多个的融合模型。总体来看,一种是功能模型,另一种则是处理模型。功能模型是适用于任何融合系统的一组功能定义;处理模型着重于描述和分派一个融合系统中各功能块的交互作用[3]。比较典型的处理模型有Boyd Loop(或称OODA模型,即Observe、Orient、Decision、Act)、扩展OODA模型、瀑布模型等[5-7]。 
JDL模型是一个面向功能的通用的概念化模型,它把数据融合视为信息的一种分层转换过程。图3是修订版JDL模型。模型包括:信息源、信息源的预处理(0级处理)、目标估计 (第1级处理)、态势估计 (第2级处理)、威胁估计 (第3级处理)、过程精练(第4级处理)和数据库管理系统、人机交互八大部分。其中数据融合域包含0-4级的处理以及融合数据库、支持数据库管理系统。JDL模型经过逐步改进,已经成为美国国防信息融合系统的一种实际标准。 

图-3  JDL数据融合模型 
 表1列出了几种主要融合模型的层次和特征 (Bedworth和O’Brien’s数据融合模型比较[2])。 
表1  几种数据融合模型的比较 
模  型实施的处理    瀑布模型    JDL模型    Boyd 环(OOAD模型)    情报环 
命令执行            执行    发布 
决策处理    决策制定    4级    决策     
威胁估计        3级    定向    估计 
态势评估    态势估计    2级         
信息处理    模式处理(识别)    1级        比较 
    特征提取             
信号处理    信号处理    0 级         
信息源/传感器检测    检测        观测    收集 
3.    多传感器数据融合算法和理论 
数据融合作为一种数据的综合和推理,它实际上只是一门技术,是传统学科和新技术的集成和应用,体现了多学科的交叉、综合和延拓。数据融合涉及通信、计算机、模式识别、决策论、不确定性推理理论、现代信号处理、最优化技术、人工智能等领域。多传感器数据融合的方法主要有基于统计的方法、基于信息论的方法、基于认识模型的方法和智能(AI)数据融合方法等,如D-S证据理论、人工神经网络、表决法、聚类分析方法、模糊集理论等。虽然至今在数据融合领域还没有形成完整的理论体系和相应的融合算法,然而从融合的功能上分析,相关技术、估计理论和识别方法是重点方面,不少应用领域根据各自的应用背景已经提出了一些有效的融合算法[1-3]。 
3.1 相关技术 
    在复杂的目标环境下,对多源测量信息需作相关性的定量分析,即按照一定的判别准则,把信息归为不同的集合,每个集合与同一源(目标或事件)关联。由于传感器测量的不精确性和目标环境的各种干扰造成的相关二义性,使得数据关联成为融合的核心问题之一。相关技术需要解决二义性,保持数据的一致性。相关的技术和算法主要有最近邻法、最大似然法、最优差别、统计关联等。 
3.2 估计理论 
状态估计是目标自动跟踪的前提和基础,状态估计包括线形系统估计和非线形系统估计。线性系统估计方法主要有Kalman 滤波技术、α-β-γ滤波、最小二乘滤波等;非线形系统估计方法主要有扩展Kalman 滤波技术及迭代扩展Kalman 滤波技术。 
3.3 识别技术 
贝叶斯法、Dempster - Shafer证据推理、模板法、表决法、神经网络、专家系统法等是数据融合中相对成熟的识别技术。在历史上, 贝叶斯理论曾是解决多传感器数据融合的最佳方法, 但是它要求每个传感器必须在公共抽象级上以贝叶斯可信度做出响应, 而实际上大多数传感器不可能提供。D-S证据推理理论是贝叶斯理论的扩展,它不需要先验知识,在复杂系统的MSDF中得到了广泛的应用。然而证据理论也有其局限性,它要求证据相互独立,且当证据高度冲突下会得出错误的推断。为了克服此缺点, 一些学者纷纷提出了对D-S组合推理进行改进的方法[8-10]。 
4.    存在问题和研究方向 
虽然对多传感器数据融合的研究,西方国家从八、九十年代的单项技术、算法等的研究转移到MSDF系统的具体实现和性能的提高上,但是,多传感器数据融合仍然未形成统一的理论框架,研究仍是针对特定应用领域开展。国内对数据融合研究起步较晚,从90年代开始到2000年前后开始逐渐形成研究高潮,其研究主要集中在一些目标跟踪与识别的算法研究和多传感器数据融合平台的概念性设计和探讨上。由于数据融合技术涉及军事领域的研究和应用,国外对此项研究有很大程度的保密,关键性的技术更被封锁。国内需要更多自主性的理论和应用研究。 
数据转换、相关、融合算法等仍是国内数据融合的研究重点;复杂背景下多目标、大机动目标跟踪也是国内外的研究热点问题,这些方面都受到了各方的高度重视。本文认为复杂系统MSDF数据库的研究与建设同样十分重要,但目前国内的研究较少,需要进一步开展深入研究。 
我们知道,在军事上,比精确跟踪更为关键的是确定发现和跟踪的目标属性与威胁,如是敌方、友方还是中立方的目标,是何种目标。通过目标数据库、态势数据库才能将传感器观测映射到特定目标上。从某种程度上看,数据库的完备性决定了目标属性和身份的准确识别,决定了对态势和威胁的正确评估。因此,需要容量大,信息完全、搜索快、开放互联性好,具有良好的用户接口的目标数据库和态势数据库。本文认为,一方面,充分获取各种目标平台以及它的特征数据,另一方面,确定数据库的合适的特征矢量维数和特征向量,是数据库建设的主要研究内容。例如某平台MSDF系统的目标数据库收集了100多种世界上的主要目标平台,包括海、陆、空的军事和民用目标,如飞行器、船船、导弹、坦克等等,其特征矢量包含目标速度、RCS、高度等等。合适的特征向量和特征维数使得融合数值能与目标准确映射。由于目标特征值尤其是军事目标特征值的不易获取性,以及特征维数的选取对融合计算速度和数据库的存储容量有很大影响,怎样建立一个合理的数据库是一个具有挑战性的课题。事实上,目标数据库以及威胁数据库的研究是一个使MSDF从理论到实际系统实现的必要内容。 
5.    应用实例 
MSDF 在军事上已经取得了不同程度的应用,例如,美国在军事C3I系统中的反潜战C3I系统(ASW)、战术空战C3I系统和陆战C3I系统。加拿大洛克西德.马丁公司在某巡逻护卫舰(CPF)平台的Anti-Air Warfare(AAW) 数据融合验证模型(DFDM)第2版本对现役军事平台扩展数据融合功能进行了十分有意义的研究和试验。以下给出AAW DFDM 的分析。 
AAW数据融合模型研究有效的融合方法和算法[11-12]。为了能与现有的军用平台相适应,DFDM融合系统以CPF为平台,不改变CPF上的软件和系统结构,使用CPF上现有的传感器。融合任务是对在真实环境下,进行目标位置融合和属性融合,获得精确目标跟踪和目标身份识别。DFDM能在2种模式下操作:1)“仿真模式”,融合数据来源于CPF的传感器激励器;2)“真实模式”,数据来源于CPF真实任务中的传感器数据。 
CPF采用的是分布式结构,MSDF系统从CPF的SHINPADS总线的监控节点上加上接口卡后直接读取传感器数据。图4 为具有MSDF的CPF结构,该MSDF系统采用SUN SPARC-10计算机作为MSDF处理器。 

图4 CPF MSDF的系统结构框图 
融合数据来源于CPF上的下列传感器:2部监视雷达(SPS-49、SG-150)、2部敌我识别器(IFF)、电子战的电子支持测量设备(ESM)、通讯截获器(CIO)以及战术数据链(Link-11)。 
CPF的MSDF系统软件由信息管理(IM)、MSDF 算法和软件、性能评估(PE)、显示管 
理(DM)、数据库(CCS、MSDF、PE)5个基本部分组成,实现融合功能和性能评估。见图5。 

图5 CCP MSDF系统软件功能框图 
IM从SHINPADS总线读数据进行选择、分类和格式变换后分2路输出,一路给CCS数据库,一路给MSDF队列进行融合。MSDF融合处理得到的目标跟踪数据和属性身份信息输出给MSDF数据库。PE读取CCS数据库和MSDF数据库按照一定准则对其进行比较并将结果送至PE 数据库。DM支持MSDF的人机接口,由于MSDF的显示与CPF的显示类似,可以方便地对2个系统进行比较。CPF 可以同时显示CCS 和MSDF 的目标航迹,也可以通过各自的IPC(Inter Process CommuNIcation Protocol)发送其它操作任务.。CPF 的数据融合系统实现了对多目标的位置融合和属性融合与身份识别。 
6.    结论 
复杂系统多传感器数据融合技术作为一门新兴的高科技技术具有广阔的应用前景,也是现代军事作战系统的关键技术之一。尽管全球对数据融合的研究已经进行了近20多年,然而由于融合系统的复杂性,还有许多热点研究问题,数据融合统一的理论框架尚未形成,数据融合的理论和应用研究仍方兴未艾,值得我们进一步探索。 
参考文献 
[1] 刘同明,夏祖勋,谢洪成. 数据融合技术及其应用[M]. 北京:国防工业出版社,1998. 
[2] 何友,王国宏等. 多传感器信息融合及应用[M]. 北京:电子工业出版社,2000. 
[3] David L. Hall,James Llinas. Handbook of Multisensor Data Fusion [M]. CRC Press LLC 2001. 
[4] K Cebrowski, J Garstka. Network-centric warfare: its origin and future [ J ]. U S Naval Institute Proceedings, 1998, 124 (1): 8~35 
[5] Carl B Frankel , Mark D Bedworth. Control , estimation and abstraction in fusion 

architectures : Lessons from human information processing. In: Proceedings of 2000 

International Conference on Information Fusion. France : Paris ,2000. 130~137 
[6] Elisa Shahbazian Dale E , Blodgett Paul Labbé. The extended OODA model 

for data fusion systems. In : Proceedings of 2001 International Conference on 

Information Fusion. 2001:106~112 
[7] Mark Bedworth , Jane O’Brien Jemity. The omnibus model: A new model of data fusion. In: Proceedings of 

1999 International Conference on Information Fusion. 1999:337~345 
[8] 孙全,叶秀清,顾伟康. 一种新的基于证据理论的合成公式[J]. 电子学报,2000,28(8):1-3 
[9] 邓勇,施文康,朱振福. 一种有效组合证据的方法[J]. 红外与毫米波学报, 2004, 23(1) : 45-50 
[10] Ronald R Yager. On the Dempster-Shafer framework and new combination rules [J]. Information Sciences, 1987, 41: 93 – 137. 
[11] François Begin, Sofiene Kamoun, Pierre Valin. On the implementation of AAW 

sensors fusion on the Canadian Patrol Frigate[J]. SPIE Vol. 2235: 519-528 
[12 ] Pierre Valin, Jean Couture and Marc-Alain Simard. Position and Attribute Fusion of Radar, ESM, IFF and Datalink[J]. Proceedings of the 1996 IEEE/SICE/RSJ International Conference on Multisensor 

Fusion and Integration for Intelligent Systems:63-71. 

作者简介 
罗蓉,(1968——)中国一航成都飞机设计研究所,高级工程师,硕士生,主要从事机载航电系 
统,智能信息处理方面的研究。   
徐红兵,电子科技大学教授,博士生导师,主要从事智能信息处理、检测与控制系统的研究。 
田涛,中国一航成都飞机设计研究所,研究员,从事机载航空电子系统、仿真系统等方面的研究。 


上一篇 : 暂无             下一篇 : 烤地瓜机 烤地瓜机烤地瓜的原理

版权声明:

  1.华商贸易网转载作品均注明出处,本网未注明出处和转载的,是出于传递更多信息之目的,并不意味 着赞同其观点或证实其内容的真实性。

  2.如转载作品侵犯作者署名权,或有其他诸如版权、肖像权、知识产权等方面的伤害,并非本网故意为之,在接到相关权利人通知后将立即加以更正。联系邮箱:me@lm263.com

 

 

网站首页 | 行业资讯 | 投资理财 | 企业管理 | 成功励志 | 市场营销 | 范文大全 | 智慧人生 | 创业指南 | 贸易宝典 | 百科知识