信息融合理论的基本方法与进展(Ⅱ)

在军事技术、自动化、智能化等需求的牵引下,信息融合受到学术界和工业界的广泛关注,近年来取得了诸多新的理论与方法进展,因此有必要予以综述.本文首先分析了信息融合面临的问题与挑战,包括系统融合框架、信息不确定、多模态、高冲突、强相关、网络化以及非线性等;并以此为分类依据,在信息融合模型与系统设计、不确定信息融合、多模态信息融合、高冲突信息融合、相关信息融合及网络化信息融合等方面对近10年来的进展进行了综述.同时,探讨了信息一体化融合处理、以人为中心的信息融合、信息获取与融合的联合优化、复杂多传感器信息融合系统体系结构设计、信息融合系统仿真与性能评估、借助更多的数学理论方法等未来几个可能的研究发展方向.     

多传感器信息融合技术

系统地介绍了多传感器信息融合技术的理论、模型和应用,并对多传感器信息融合的几种主要算法进行了全面的阐述和归纳,指出了信息融合研究中存在的主要问题,最后对信息融合技术的未来研究方向进行了展望。     

信息融合技术的发展现状与展望

信息融合技术是一门涉及多学科多领域的21世纪发展计算机技术的关键技术,就其当前发展现状、功能、实现步骤、融合应用算法,以及尚存在问题进行了阐述,对其发展前景作了展望。     

两种多传感器信息融合方法的比较

我们提出了一种新的信息融合法一自然融合法，它是根据物理量之间的关系，一步步顺序由一物理量转化为另一物理量的数据融合过程，并以压力传感器信息融合为例，对自然融合法和强制融合法进行了比较，并对结果进行了讨论。     

多传感器信息融合技术探析

多传感器信息融合是一门涉及信号处理、信息论、人工智能、模糊数学等理论的多学科交叉技术,被广泛应用于军事和民用领域。文章介绍了多传感器信息融合的概念,描述了多传感器信息融合的功能模型、主要方法和应用,并对其发展趋势进行了分析。     

多传感器信息融合方法综述

本文概述了在智能机器与系统领域多传感器信息融合的主要方法加权平均法,卡尔曼滤波法,贝叶斯估计,证据理论,产生式规则,模糊理论,神经网络及粗糙集理论,并指出了它们的不足及发展方向.     

信息融合技术发展与融合算法研究

信息融合技术是当前及未来计算机领域的一项研究重点和热点,论文介绍了信息融合技术的形成与发展,总结了信息融合的功能模型,重点介绍了各种信息融合中检测、分类和识别算法,最后对信息融合存在的问题予以了概括,对以后工作的方向给出了作者自己的看法。     

基于模糊集合的证据理论信息融合方法

针对证据理论应用中基本概率分配函数(mass函数)和多传感器信息融合中各传感器测量数据的可靠程度均难以确定的问题,提出了一种基于模糊集合的证据理论信息融合方法.该方法首先利用模糊理论中的相关性函数来计算多传感器的相互支持程度;然后由隶属函数得到每个传感器提供信息的可信度;再将各传感器的支持度和可信度转化成基本概率分配函数即mass函数;最后利用证据理论对多传感器信息进行融合.仿真结果表明,该方法获得的结果具有更高的精度和可靠性.     

领域信息在信息融合进程中的优化处理

提出一种新的局部领域信息最优化组合函数算法，以解决融合过程中局部领域最优信息合理利用问题。引入最小鉴别信息熵的概念后，得到局部领域最小鉴别信息熵的概念与表示方法，应用于信息融合，得到局部领域信息最优化组合函数算法。该算法为避免其他融合方法主要考虑整体的结果而忽略具体过程提供了一种新的方法和思路。     

信息融合技术发展与融合算法研究

信息融合技术是当前及未来计算机领域的一项研究重点和热点,论文介绍了信息融合技术的形成与发展,总结了信息融合的功能模型,重点介绍了各种信息融合中检测、分类和识别算法,最后对信息融合存在的问题予以了概括,对以后工作的方向给出了作者自己的看法.     

分布式入侵检测与信息融合方法

该文将入侵检测技术和信息融合技术相结合,针对大型异构网络提出了基于Internet的IDS即CyberIDS的概念,给出了CyberIDS的体系结构和相关融合问题,并提出了分布式检测的信息融合方法,以及设计和实现CyberIDS的相关融合算法,从而为新一代IDS的设计和开发奠定了基础。     

基于D-S理论的多源信息融合冲突问题处理方法

D-S理论在不确定性的表示、量测和组合方面的优势,使得它在多源信息融合领域得到广泛应用。对于证据源本身的优先级别、可靠性及重要性,Dempster组合规则没有给予考虑,使其在证据推理过程中会产生与直觉相悖的结论。在多源信息融合处理中,针对基于D-S理论融合产生的冲突问题,进行了全面分析和总结,归纳为三个方面的问题:一般冲突问题、“一票否决”问题及“鲁棒性”问题;对其相应的解决方法进行分析,指出各自的优缺点。最后,指出解决冲突问题的方法存在的问题及未来研究方向。     

多传感器信息融合技术

文章通过对多传感器信息融合技术近年来国内外研究成果的总结,阐述了信息融合的基本概念,包括定义、融合模型、融合方法、应用领域,并对目前信息融合在智能机器人、故障诊断等领域的应用现状进行了剖析;信息融合技术虽然发展迅速,但尚待完善,在理论框架、融合模型、融合算法、关联二义性等方面还存在问题,最后指出了信息融合的研究方向,使读者能够全面地了解和掌握信息融合技术,并为其实际应用这一技术打下坚实的理论基础.     

基于云理论和信息融合理论的系统性能评估方法研究

现代系统结构复杂,其性能评估需要从多个层次综合评判形成合理可信的最终评估结果,评估过程大量存在多源不确定信息。不确定性的存在增加了评估过程中定性与定量综合集成的难度。云理论和信息融合理论在不确定信息和多源信息的处理上各有优点,在功能上具有一定的互补性。两者相结合能够增强对信息的处理能力,挖掘出数据中更有价值的隐含信息。本文创新地将二者结合起来,提出了新的系统性能评估模型和方法,较好地融合了影响系统性能的多源信息,充分利用和集成了信息的模糊性和随机性,完成定性和定量之间的映射。这种方法能有效地处理各多源信息的不确定性,具有科学性,同时最终得到的评价结果是语言评判值,具有直观性。该方法是对信息融合理论和云理论联合使用的探索。     

按对角阵加权自校正信息融合Kalman预报器及其收敛性分析

对于带未知噪声统计的多传感器系统,应用现代时间序列分析方法,基于滑动平均(MA)新息模型的在线辨识和相关函数矩阵方程的解,得到了噪声方差估值器,且在按对角阵加权线性最小方差最优信息融合准则下,提出了自校正信息融合Kalman预报器.它实现了状态分量的自校正解耦融合Kalman预报器.基于动态误差系统,提出了自校正融合器的一种新的收敛性分析方法.提出了按实现收敛新概念,它比以概率1收敛弱.严格证明了：假如MA新息模型参数估计是一致的,则自校正融合Kalman预报器将按实现或按概率1收敛到最优融合Kalman预报器,因而它具有渐近最优性.它可减小计算负担,且便于实时应用. 一个3传感器跟踪系统的仿真例子证明了其有效性.     

自校正对角阵加权信息融合Kalman预报器

For the multisensor systems with unknown noise statistics, using the modern time series analysis method, based on on-line identification of the moving average (MA) innovation models, and based on the solution of the matrix equations for correlation function, estimators of the noise variances are obtained, and under the linear minimum variance optimal information fusion criterion weighted by diagonal matrices, a self-tuning information fusion Kalman predictor is presented, which realizes the self-tuning decoupled fusion Kalman predictors for the state components. Based on the dynamic error system, a new convergence analysis method is presented for self-tuning fuser. A new concept of convergence in a realization is presented, which is weaker than the convergence with probability one. It is strictly proved that if the parameter estimation of the MA innovation models is consistent, then the self-tuning fusion Kalman predictor will converge to the optimal fusion Kalman predictor in a realization, or with probability one, so that it has asymptotic optimality. It can reduce the computational burden, and is suitable for real time applications. A simulation example for a target tracking system shows its effectiveness.