多傳感器數(shù)據(jù)融合中幾個關鍵技術的研究.pdf

1、隨著科學技術的發(fā)展，特別是微電子技術、集成電路及其設計技術、計算機技術、近代信號處理技術和傳感器技術的發(fā)展，多傳感器數(shù)據(jù)融合已經(jīng)發(fā)展成為一個新的學科方向和研究領域，并在軍事和民用領域均得到了廣泛應用。數(shù)據(jù)融合技術首先是從軍事領域發(fā)展起來的，美國數(shù)據(jù)融合聯(lián)合實驗室((JointDirectorsofLaboratoriesDataFusionSubpanel，JDLDFS)給出了在軍事領域中應用最廣的數(shù)據(jù)融合概念和模型。 本文在J

2、DL模型的框架中分析了多傳感器數(shù)據(jù)融合的一些關鍵技術，針對其中的幾個問題如傳感器管理、特征層數(shù)據(jù)融合算法及特征分析與提取技術、融合性能評估、數(shù)據(jù)融合中的態(tài)勢評估等進行了深入的研究。論文的創(chuàng)新點如下： 1.提出了一種基于微粒群優(yōu)化算法的傳感器管理方法，依據(jù)最大化信息增量且最小化處理時間的優(yōu)化準則設計了相應的目標函數(shù)，利用微粒群算法選擇最優(yōu)的傳感器組。針對目標函數(shù)設計中出現(xiàn)的信息增量的測度問題，提出一種基于目標特征的信息增量測度方法

3、，依據(jù)目標特征的隸屬度，利用模糊K-L分辨力信息增量(FuzzyK-Ldiscriminationgain)測度系統(tǒng)信息增量。 2.提出了一種新的組合沖突模糊證據(jù)的特征層融合算法。研究了模糊信息的融合方法包括基于糗糊積分和模糊邏輯的特征層融合算法。針對小樣本分類問題，在常用的模糊方法的基礎上，實現(xiàn)了基于模糊積分的特征層融合算法。為了解決模糊邏輯推理過程中組合證據(jù)的方法過于簡單容易丟失有用信息的問題，采用D-S證據(jù)理論進行模糊推理

4、。分析了D-S證據(jù)理論融合方法的組合沖突證據(jù)的不足，提出一種組合沖突的模糊證據(jù)的特征層融合算法，并通過實驗驗證了算法的有效性。 3.提出了基于不確定性即信息增量的融合性能的定量自動評估方法。從信息論的角度來看，數(shù)據(jù)融合的目的就是通過增加系統(tǒng)的信息量消除系統(tǒng)的不確定性。本文將香農(nóng)熵推廣到D-S證據(jù)框架和模糊測度中，利用廣義的香農(nóng)熵測度信息的不確定性。通過測度融合前后系統(tǒng)不確定性的減少評價融合系統(tǒng)的性能，實現(xiàn)融合性能的定量自動評估。