多傳感器數(shù)據(jù)融合關鍵技術研究.pdf

1、從上個世紀中后期開始，隨著信息論、控制論、計算機技術、網(wǎng)絡技術以及傳感器技術等的快速發(fā)展，多傳感數(shù)據(jù)融合技術在軍事和民事領域都有著極其廣泛的應用。如：復雜工業(yè)控制、機器人、自動目標識別、交通管制、海洋監(jiān)測和管理、農業(yè)、遙感、醫(yī)療診斷、圖像處理、模式識別等領域。
　　 與單傳感器相比，運用多傳感器數(shù)據(jù)融合技術在解決探測、跟蹤和目標識別等問題方面，能夠提高系統(tǒng)的可靠性和魯棒性，增強數(shù)據(jù)的可信度，提高精度，擴展系統(tǒng)的時間、空間覆蓋率，

2、增加系統(tǒng)的實時性和信息利用率等。對多個傳感器的數(shù)據(jù)多級別、多方面、多層次的處理所產生出的信息比單個傳感器獲得的信息更加有意義，為各種應用系統(tǒng)提供準確信息和決策依據(jù)。因此，數(shù)據(jù)融合服務已經成為傳感器網(wǎng)絡最重要的應用服務之一。
　　 本文針對多傳感器數(shù)據(jù)融合技術的若干關鍵問題進行研究，主要包括：異構信息的統(tǒng)一描述和建模；非完備信息系統(tǒng)的空值屬性估算與特征約簡技術；分布式數(shù)據(jù)融合技術等。
　　 首先，在介紹了隨機集基本理論及其

3、與傳統(tǒng)不確定信息融合方法D-S證據(jù)理論以及模糊集方法的相互轉化關系的基礎上，提出了一種利用隨機集理論解決狀態(tài)監(jiān)測與故障診斷中異類信息表示和融合的方法。第一步，利用多傳感器對影響狀態(tài)的某一屬性進行監(jiān)測的情況下引入全局傳感器的概念，并給出了隨機集運算擬合全局傳感器測量值的方法；第二步，將傳感器獲得信息與專家經驗信息在隨機集框架下進行統(tǒng)一描述，采用似然測度和隨機集運算的方法分別得到傳感器信息和專家主觀意見的基本概率分配；第三步，在隨機集框架下

4、對傳感器數(shù)據(jù)和專家意見進行統(tǒng)一融合，獲得狀態(tài)監(jiān)測診斷結果。
　　 其次，引入了協(xié)同過濾的評分預測的知識，將協(xié)同過濾中處理稀疏數(shù)據(jù)的方法結合到空值預測中，以解決稀疏數(shù)據(jù)的問題；通過稀疏度控制估值算法的擇優(yōu)性，相似權值保證空值預測的準確性，并在此基礎上提出了基于相似關系的改進空值估算方法，在一定程度上解決了稀疏數(shù)據(jù)條件下的空值插補不準確問題。
　　 再次，提出基于存在型空值插補的限制容差關系，該關系模型能夠同時處理含有存在型

5、空值和不存在型空值的非完備信息系統(tǒng)，并引入知識粒度的相關概念，給出了針對該關系模型的屬性重要度計算方法和特征約簡算法；通過實驗對該模型的時間復雜性進行了分析，并通過與其他關系模型的對比驗證了模型的有效性。
　　 第四，提出一種基于預測可信度的分布式D-S證據(jù)理論融合方法，首先，在已有的證據(jù)源可信度系數(shù)算法基礎上提出了預測可信度系數(shù)的概念并給出了具體計算公式，并且介紹了訓練可信度系數(shù)平衡因子的方法；其次，將給出的預測可信度系數(shù)的計

6、算公式與原D-S證據(jù)理論合成規(guī)則進行結合，在保證原合成規(guī)則的所有性質的基礎上加入了預測可信度系數(shù)來解決證據(jù)沖突問題；并通過仿真實現(xiàn)證明了算法的有效性。
　　 多傳感器數(shù)據(jù)融合技術的研究目前還存在著很多關鍵性問題，本文針對其中的部分問題進行了研究和探討，提出的基于隨機集理論的異構信息統(tǒng)一表示和建模的方法，為實現(xiàn)異構多源信息融合提供了前提；基于存在型空值插補的特征約簡技術可以剔除數(shù)據(jù)中的冗余信息，有效降低融合的時空復雜度；基于預測可