多传感器信息融合技术

多传感器信息融合技术（精选14篇）

多传感器信息融合技术 第1篇

多传感器信息融合技术的研究与进展

本文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,阐述了信息融合技术研究的.发展历程.首先对信息融合的概念和通用处理模型进行了介绍,然后按照信息融合技术研究的三个主要方面,即信息融合的系统结构、信息融合的应用领域和信息融合的算法,分别探讨了信息融合技术的发展现状和面临的问题,最后对信息融合的未来研究趋势进行了展望.

作 者：郭惠勇 作者单位：西安交通大学建筑工程和力学学院,西安,710049刊 名：中国科学基金 ISTIC PKU英文刊名：BULLETIN OF NATIONAL NATURAL SCIENCE FOUNDATION OF CHINA年，卷(期)：19(1)分类号：N1关键词：多传感器 信息融合 系统结构

多传感器信息融合技术 第2篇

随着传感器技术、信息处理技术、测量技术与计算机技术的发展，智能驾驶系统（辅助驾驶系统一无人驾驶系统）也得了飞速的发展。消费者越来越注重驾驶的安全性与舒适性，这就要求传感器能识别在同一车道上前方行驶的汽车，并能在有障碍时提醒驾驶员或者自动改变汽车状态，以避免事故诉发生。国际上各大汽车公司也都致力于这方面的研究，并开发了一系列安全驾驶系统，如碰撞报警系统（CW）、偏向报警系统（LDW）和智能巡游系统（ICC）等。国内在这些方面也有一定的研究，但与国外相比仍存在较大的差距。本文将主要讨论多传感器信息融合技术在智能驾驶系统（ITS）中的应用。

1 ICC/CW和LDW系统中存在的问题

1.1 ICC/CW系统中的误识别问题

ICC/CW系统中经常使用单一波束传感器。这类传感器利用非常狭窄的.波束宽度测定前方的车辆，对于弯曲道路（见图1（a）），前后车辆很容易驶出传感器的测量范围，这将引起智能巡游系统误加速。如果前方车辆减速或在拐弯处另一辆汽车驶入本车道，碰撞报警系统将不能在安全停车范围内给出响应而容易产生碰撞。类似地，当弯曲度延伸时（见图1(b)），雷达系统易把邻近道路的车辆或路边的防护栏误认为是障碍而给出报警。当道路不平坦时，雷达传感器前方的道路是斜向上，小丘或小堆也可能被误认为是障碍，这些都降低了系统的稳定性。现在有一些滤波算法可以处理这些问题并取得了一定效果，但不能彻底解决。

1.2 LDW系统中存在的场景识别问题

浅析多传感器信息融合技术 第3篇

多传感器信息融合也称为信息融合或数据融合,指的是对不同知识源和多个传感器所获得的信息进行综合处理,消除多传感器信息之间可能存在的冗余和矛盾,利用信息互补,降低不确定性,以形成对系统环境相对完整一致的理解,从而提高智能系统决策和规划的科学性、反应的快速性和正确性,进而降低决策风险的过程。由其定义可见,多传感器信息融合避免了单一传感器的局限性,可以获取更多信息,得出更为准确、可靠的结论。

2、多传感器信息融合的原理

多传感器信息融合是人类和其他生物系统中普遍存在的一种基本功能。如果把单传感器信号处理或低层次的数据处理方式看作是对人脑信息处理的一种低水平模仿,那么多传感器信息融合就是对人脑信息处理的一种高水平模仿。多传感器信息融合的基本原理就像人脑综合处理信息的过程一样,它充分利用多个传感器资源,通过对这些传感器及其观测信息的合理支配和使用,把多个传感器在时间或空间上的冗余或互补信息依据某种准则来进行组合,以获得被测对象的一致性解释或描述[1]。

3、多传感器信息融合的分类

信息的数据融合是对多源数据进行多级处理,每一级处理都代表了对原始数据的不同程度的抽象化,它包括对数据的检测、关联、估计和组合等处理。信息融合按其在传感器信息处理层次中的抽象程度,可以分为三个层次:像素层融合、特征层融合及决策层融合[2]。

3.1 像素层融合

它是最低层次的融合,是在采集到的传感器的原始信息层次上(未经处理或只做很少的处理)进行融合,在各种传感器的原始测报信息未经预处理之前就进行信息的综合和分析。其优点是保持了尽可能多的战场信息;其缺点是处理的信息量大,所需时间长,实时性差。

3.2 特征层融合

属于融合的中间层次,兼顾了数据层和决策层的优点。它利用从传感器的原始信息中提取的特征信息进行综合分析和处理。也就是说,每种传感器提供从观测数据中提取的有代表性的特征,这些特征融合成单一的特征向量,然后运用模式识别的方法进行处理。这种方法对通信带宽的要求较低,但由于数据的丢失使其准确性有所下降。

3.3 决策层融合

指在每个传感器对目标做出识别后,将多个传感器的识别结果进行融合。这一层融合是在高层次上进行的,融合的结果为指挥控制决策提供依据。决策层融合的优点是:具有很高的灵活性,系统对信息传输带宽要求较低;能有效地融合反映环境或目标各个侧面的不同类型信息,具有很强的容错性;通信容量小,抗干扰能力强;对传感器的依赖性小,传感器可以是异质的;融合中心处理代价低。

4、多传感器信息融合的融合结构

多传感器信息融合通常是在一个被称为信息融合中心的信息综合处理器中完成,而一个信息融合中心本身可能包含另一个融合中心。由于多传感器信息融合可以是多层次、多方式的,所以研究融合的拓扑结构十分必要。根据信息融合处理方式的不同,可以将多传感器信息融合的拓扑结构分为集中型、分散型、混合型、反馈型等[3]。

4.1 集中型

集中型融合结构的融合中心直接接收来自被融合传感器的原始信息。由于在此结构中传感器仅起到了信息采集的作用,不预先对数据进行局部处理和压缩,所以对信道容量要求较高。一般这种结构适用于小规模的融合系统。

4.2 分散型

分散型信息融合系统中,各传感器完成一定量的计算和处理任务后,将压缩后的传感器数据送到融合中心,融合中心将接收到的多维信息进行组合和推理,最终得到融合结果。这一结构的优点是结构冗余度高、计算负荷分配合理、信道压力轻,但由于各传感器进行局部信息处理,可能会导致部分信息的丢失。这种结构适合于远距离配置的多传感器系统。

4.3 混合型

混合型信息融合结构吸收了分散型和集中型信息融合结构的优点,既有集中处理,又有分散处理,各传感器信息均可多次利用。这一结构能得到比较理想的融合结果,适用于大型的多传感器信息融合,但其结构复杂,计算量很大。

4.4 反馈型

当系统对处理的实时性要求很高的时候,如果总是试图强调以最高的精度去融合多传感器信息融合系统的信息,则无论融合的速度多快都不可能满足要求,这时,利用信息的相对稳定性和原始积累对融合信息进行反馈再处理将是一种有效的途径。当多传感器系统对外部环境经过一段时间的感知,传感系统的融合信息已能够表述环境中的大部分特征,该信息对新的传感器原始信息融合具有很好的指导意义。

5、多传感器信息融合的特点

(1)提高了信息的可信度。(2)增加了目标特征矢量的维数。(3)降低了获得信息的费用。(4)减少了信息获取的时间。(5)提高了系统的容错能力。(6)提高了整个系统的性能。

6、多传感器信息融合的研究方向

(1)确立具有普遍意义的信息融合模型标准和系统结构标准。(2)将信息融合技术应用到更广泛的新领域。(3)改进融合算法以进一步提高融合系统的性能。(4)开发相应的软件和硬件,以满足具有大量数据且计算复杂的多传感器融合的要求。

7、结语

多传感器信息融合技术的研究虽然刚刚开始几十年,但它已渗透到现代化战争和民用的各个领域。随着工业大系统的蓬勃发展和未来信息战的需求,以及相关学科的不断发展,多传感器信息融合将会得到更深入的理论研究,也将拥有更广阔的应用前景。

摘要：本文介绍了多传感器信息融合的定义、原理、分类和结构,简要地叙述了多传感器信息融合的特点及其研究方向。

关键词：多传感器,信息融合,研究方向

参考文献

[1]王耀南,李村涛.多传感器信息融合及其应用综述[J].控制与决策,2001.

[2]何友,谭庆海.多传感器系统分类研究[J].火力与指挥控制,1998.

多传感器信息融合技术探析 第4篇

关键词：多传感器系统；信息融合；功能模型；发展趋势

中图分类号：TP212文献标识码：A文章编号：1007-9599 (2012) 01-0000-02

Analysis of Multi-sensor Information Fusion Technology

Tan Lin

(Military Command Information of the Department of Shandong Province,Jinan250099,China)

Abstract:Multi-sensor information fusion is a multidisciplinary involving signal processing,information theory,artificial intelligence,fuzzy mathematics theory has been widely used in military and civilian fields.This paper introduces the concept of multi-sensor information fusion,describes the functional model of multi-sensor information fusion,methods and applications,and their development trends are analyzed.

Keywords:Multi-sensor system;Information fusion;Functional model;Development trends

一、概念

多传感器信息融合，又称多源信息融合，是用于包含多个或多类传感器或信息源的系统的一种信息处理方法。目前，关于多传感器信息融合的定义有多种描述方式，其中，应用比较典型且应用比较广泛的是Walz和JDL的定义。Walz将其定义为通过对多个传感器产生的数据或信息进行检测、组合估计、关联等多级操作，从而得到关于观测环境或目标的精确状态、身份估计以及完整、及时的态势评估的过程。JDL将其定义为对多源数据或信息进行关联组合，以估计或预测观测环境或目标相关状态的过程。无论怎样定义，基本原理都是充分利用多源系统中各信息源所提供的信息的不同特征，按照某种优化准则，将这些互补冗余的信息进行重新组合、关联，从而产生对观测目标或环境的一致性解释和描述。多传感器信息融合通过对各种分离的观测信息进行优化组合，从而导出更多的有效信息，以达到利用多个信源协同工作的优势来系统整体效能的最终目的。

二、功能模型和主要方法

（一）功能模型

根据输入信息的抽象层次，多传感器信息融合可以分为信源、预处理、检测级融合、位置级融合、目标识别融合（特征级融合）、状态级融合（态势估计）、威胁估计和精细处理。如下图所示。

1.信源主要有红外、雷达、ESM、声纳、敌我识别器、通信情报、电子情报、侦察情报等。

2.信源预处理，是指根据信息特征和属性、传感器种类、观测时间等各种基本信息，对多源信息进行分选、误差补偿、过程分配、像素级或信号级数据关联等。主要目的是降低系统需要处理的数据量，避免系统过载，提高系统性能。

3.检测级融合是第一级融合，属于信号处理级的融合。它根据预先设定的检测准则形成最优化检测门限，从而产生最终的检测输出。其结构主要有五种：分散式结构、树状结构、串行结构、并行结构和带反馈的并行结构。

4.位置级融合是第二级融合，它通过综合来自多传感器的关于同一观测目标的时间和空间等信息，建立该观测目标的航迹，并得出观测目标的行进速度和位置等信息，主要包括空间融合、时间融合和时空融合。具体过程主要有数据校准、数据关联、目标跟踪、状态估计、航迹关联、估计融合等。其结构主要有集中式结构、分布式结构、混合式结构和多级式结构。

5.目标识别融合，也叫属性分类或身份估计，属于第三级融合，是指通过组合来自多个传感器的关于观测目标的识别属性或数据，得到关于观测目标身份的联合估计。根据融合时所应用的关于观测目标的信息层次，该级融合可以分为数据级融合、特征级融合和决策级融合三种方法。

6.态势估计，属于第四级融合，他通过对战斗力量部署及其变化情况进行评价，估计敌方兵力结构和部署特点，推断敌方意图，并最终形成战场综合态势图，从而为最优决策提供依据。主要包括：提取进行行为估计要考虑的各要素，为态势推理做准备；分析并确定事件发生的深层次原因；根据以往时刻发生的事件，预测将来时刻可能发生的事件；形成战场态势分析报告和综合态势图，为指挥员提供辅助决策信息。

7.威胁估计，属于第五级融合，它是基于当前态势，包括敌方杀伤能力、行为企图、机动能力和运行模式等各种先验知识，估计出对未来一段时间内敌方威胁、我方薄弱点以及战争行动发生的程度或严重性，并作出相应指示与告警。主要包括：估计潜在事件；判断威胁时机；估计/聚类作战能力；进行多视图评估；预测敌方意图等。

8.精细处理，属于第六级融合，主要包括传感器管理、信源要求、融合控制要求、性能评估和任务管理等。

9.数据库处理，主要包括两种数据库：融合数据库和支持数据库。前者主要包括目标位置数据库、身份数据库、威胁估计数据库、态势估计数据库等，后者主要包括观测数据库、环境数据库、档案任务数据库、技术数据库、算法数据库、条令数据库等。

（二）主要方法

多传感器信息融合的目标是通过对各信源的观测信息进行优化组合，以期得到对观测环境或目标的一致性描述和解释。因此，信息融合面临的一个最基本的问题就是如何处理来自各传感器的信息的多样性、复杂性和不确定性。目前，能够应用于多传感器数据融合的方法可以分为为随机类方法和人工智能方法两大类。随机类方法主要有统计决策理论、D-S证据推理、产生式规则、多贝叶斯估计法、Kalman滤波等；而人工智能类方法主加权平均法、要包括专家系统、人工神经网络、模糊逻辑理论、粗糙集理论等。其中，加权平均法和Kalman滤波融合方法主要应用于动态环境中的低层次数据融合，统计决策理论、贝叶斯估计法、D-S证据推理、模糊逻辑理论主要应用于静态环境中的高层次数据融合，粗糙集理论、产生式规则方法适用于动态或静态环境中的高层次数据融合，而人工神经网络则可以应用于动态或静态环境中的各层次数据融合。

由于各类方法具有互补性，因此，在实际应用中，通常将多种方法组合运用，如粗糙集神经网络方法、模糊神经网络方法等，以提高融合的精度和效率。

三、主要应用和发展趋势

信息融合理论和技术最早起源并应用于军事领域，随后随着该理论和技术的推广，信息融合已被广泛应用于民事和军事领域中。民事应用主要包括：工业过程监视、工业机器人、智能制造系统、遥感、患者照顾系统、船舶避碰与交通管制系统、空中交通管制、智能驾驶系统、网络入侵监测系统、火灾报警、数字旅游、金融信息融合等。军事应用包括从单兵作战、单平台武器系统到战术和战略指挥、控制、通信、监视和侦察等广阔领域，具体应用范围包括：采用多元的自主武器系统和自备式运载器；采用单一武器平台或分布式多源网络系统的广域监视系统；采用多个传感器进行截获、跟踪和指令制导的火控系统；情报收集系统；敌情指示和预警系统；军事力量的指挥和控制站；弹导导弹防御中的BMC3I系统；协同作战能力、网络中心战、C4ISR、地面/海面/空中单一态势图等复杂系统中的应用。

尽管多传感器信息融合技术已经取得了很大的发展，但仍有很多应用需要进一步研究和探索，主要有以下几个方面：（1）复杂环境下信息融合，主要包括复杂环境下的分布检测融合研究、复杂电磁环境下的目标跟踪算法研究、复杂目标运动环境下的多源融合跟踪研究等；（2）无线传感器组网信息融合研究，主要包括机会信息融合问题、传感器优化管理问题等；（3）信号融合理论研究，主要包括稳定信号特征提取和建立、数据融合和信号融合的联和优化问题以及信号的关联性和一致性问题等；（4）图像融合研究，主要包括图像融合评价体系的构建、基于遥感图像融合的三维成像技术研究、图像融合系统的实时处理等；（5）其他内容，如空间信息融合、面向通用知识的融合、信息融合中的智能数据库技术和精细化处理研究等。

参考文献：

[1]何友,王国宏,关欣.信息融合理论及应用[M].北京:电子工业出版社,2010,3

[2]何友,薛培信,王国宏.一种新的信息融合功能模型[J].海军航空工程学院学报,2008,5

[3]丁锋,姜秋喜,张楠.多传感器数据融合发展评述及展望[J].舰船电子对抗,2007,6

[4]杨露菁,耿伯英.多传感器数据融合手册[M].北京:电子工业出版社,2008,5

多传感器信息融合技术 第5篇

基才模糊C均值聚类和D-S证据理论的多传感器信息融合技术研究

D-S证据理论能很好地表达“不确定”和“未知”等信息融合中的.重要概念,在多传感器信息融合领域得到了广泛的应用.针对传感器数量较多时,D-S方法计算量很大的问题,提出了利用模糊C均值聚类来减少证据体数目.再结合D-S证据理论进行信息融合的办法.实验数据表明,该方法大大减少了计算量,保证了目标识别的准确度.

作 者：张公永 王平张佑春 ZHANG Gong-yong WANG Ping ZHANG You-chun 作者单位：西华大学电气信息学院,四川,成都,610039刊 名：国外电子元器件 ISTIC英文刊名：INTERNATIONAL ELECTRONIC ELEMENTS年，卷(期)：“”(5)分类号：V243 TP212.9关键词：模糊C均值聚类 D-S证据理论 信息融合

多传感器信息融合技术 第6篇

多传感器系统模型参数和噪声统计的一种信息融合辨识方法

对于带有未知模型参数和未知相关噪声统计的`多传感器随机系统,基于ARMA新息模型,利用相关方法,用平均局部的模型参数和噪声统计估值器的方法,提出了模型参数和噪声统计信息的在线信息融合估计器,它们可以被解释为最小二乘融合估计,并证明了相应的辨识器具有强一致性,即以概率1收敛于相应的真实值.一个2传感器系统的仿真例子说明其有效性.

作 者：高媛 徐慧勤 邓自立 孟华 王欣 毛琳 GAO Yuan XU Hui-qin DENG Zi-li MENG Hua WANG Xin MAO Lin 作者单位：黑龙江大学自动化系,哈尔滨,150080刊 名：科学技术与工程 ISTIC英文刊名：SCIENCE TECHNOLOGY AND ENGINEERING年，卷(期)：20099(17)分类号：O211.64关键词：信息融合估计 未知模型参数 相关方法 强一致性 辨识器

多传感器信息融合技术 第7篇

光电传感器因其灵敏轻便等优势而被广泛应用于自动化设备检测装置中。20世纪80年代，美国军事领域开始应用光电传感器信息融合技术;3月15日，美国国防先期计划研究局(DARPA)公布了在阿灵顿召开的已进入第二阶段的MIST-LR项目会议，指出在未来的第三阶段，将开发出能够提升飞行器性能的原型系统传感器，极大发挥其在民用和军事两个方面的助推器作用。

1 应用必要

第一，光电传感器获取信息的过程实际是一个多对一的对应抽样过程，在将客观世界空间的信息传输至传感器这一过程中信息丢失的问题难以避免;第二，军事领域中光电传感器的数量庞大，急需处理的信息量也繁多冗杂，这些都会给人工处理带来一定困扰，而光电传感器信息融合技术的应用巧妙地解决了这一信息综合处理的难题;第三，应用环境决定了光电传感器性能发挥的好坏，但截至目前尚未有一个国家可以开发出适用于任何环境下且性能优于其他类型的光电传感器。

2 概念优点

光电传感器信息融合的过程正是为了完成目标分类、识别及跟踪等任务而进行信息自动分析综合处理的过程。军事领域中的目标识别及跟踪可以实现光电传感器目标属性中的监视功能，有利于精确定位与预估判决。我国航天技术的高速发展离不开当前最热门的技术之一――航天技术上光电传感器信息融合技术，它能够有效提高空间的分辨率和系统的可靠性，无疑成为我国GDP增长的“助推器”。

3 工作原理

光电传感器能够有效检测到光强度变化的情况并将光强度的变化转换为电信号的变化。通常情况下，光电传感器这种小型电子设备由三部分组成：发送器、接收器与检测电路。发送器负责向目标发射来源于发光二极管、激光二极管及红外射二极管等的光束，不间断发射出的光束经过像光圈、透镜这种光学元件后达到由光电二极管、光电三极管及光电池构成的接收器中，接收器接收到光束后会将其传输至能够过滤该信号是否有效并决定是否应用的检测电路。详细流程见下图所示。

需要强调的一点是发射板和光导纤维作为光电传感器结构元件的一种也独具特色。众所周知，三角形的结构最为稳定，因此由极细小的三角锥体反射材料组成的三角反射板是一种能保证光束可以准确无误地从反射板返回的发射装置，其结构极其稳固且具有极强的实用性。

4 应用领域

4.1研制抄表系统

为及时结算用户的电费，一般由电力部门派专门的抄表人员到有关用户处定期走家串户地查看、抄写设置在现场的电能表，通过人工读取、记录、计算和收费。这不仅浪费人力，而且还会因人工读取造成不必要的误差，给用户带来不必要的麻烦和损失，甚至会发生不法分子假冒抄表人员入室作案而影响社会治安。因此，无论是电力部门还是用户们均迫切要求改变当前的落后状态。随着微电子技术、传感器技术、计算机技术及现代通讯技术的发展，可以利用光电传感器来研制自动抄表系统。

电能表的铝盘受电涡流和磁场的作用下产生的转矩驱动而旋转，采用光电传感器则可将铝盘的转数转换成脉冲数。如在旋转的光亮的铝盘上局部涂黑，再配以反射式光电发射接收对管，则当铝盘旋转时在局部涂黑处便产生脉冲，并可将铝盘的转数采样转换为相应的脉冲数，并经光电耦合隔离电路，送至CPU的T0端口进行计数处理。采用光电耦合隔离器可以有效地防止干扰信号进入微机，再结合其它传输方式便可形成自动抄表系统。目前自动抄表系统没有大规模使用与当前的技术有莫大关系，这套技术还有很多需要改进之处，相信在未来几年随着技术的发展，自动抄表将在全国范围内实现。

4.2节能灯具设计

光敏传感器、红外传感器、颜色传感器已进入各种自控节能LED照明系统的设计方案之中，它们的自主控制、方便应用使得不少公共照明LED灯具和居家照明灯具实现智能化。光电传感器可以协助公共照明的LED灯具实现灯光的自动开启关闭，可以智能的感应人和车辆进出而自动开关灯光，可以智慧的控制LED灯光开启的时间和控制亮度，甚至按人类的意愿自动调整光线的色温，营造人类想要的光氛围。

4.2.1光敏传感器应用

光敏传感器中最简单的电子器件是光敏电阻，它能感应光线的明暗变化，输出微弱的电信号，通过简单电子线路放大处理，可以控制LED灯具的自动开关。对于远程的照明灯具，如街灯、庭院灯、草坪灯等都可经济而简单的实现节能自动控制。太阳能路灯本身是利用太阳光发电、储能的LED照明灯具，无需电网供电也就无需架设成本不菲的输电线路，因此使用光敏传感器可以实现极低成本、自动开启关闭的节能管理。

4.2.2红外传感器应用

红外热释电传感器(PIR)在LED照明中的应用已有近十年的`历史。红外传感器的视角有限，需要搭配菲涅尔透镜才能扩大探测区，才能监视移动的热源(人或车)。菲涅尔透镜有两个作用：一是聚焦作用，将热释红外信号折射在PIR上;二是将探测区内分为若干个明区和暗区，使进入探测区的人能以温度变化的形式在PIR上产生变化的热释红外信号。

4.3航天技术应用

我国神舟十号发射成功后到与天宫一号的自动交会对接，多项航天技术成果移植国民经济成为经济发展“倍增器”，其中光电传感器技术发挥了重要作用。神舟十号和天宫一号对接机构十分复杂，由上百个传感器、上千轴承组合而成。对接任务要求严丝合缝且不能漏气。另外考虑到飞行器在太空环境中失重要经历高低温的变化，因此必须保证对接时不出现故障。手控交会对接时要有精确的传感器测量设备，不断测量两个飞行器之间的距离、相对速度和姿态等，稍有差池后果不堪设想。最后对接时，要求轴向误差≤18cm。这些对航天员的身心都是极大的挑战，要求他们具有极高的眼手协调性、操作精细性和过硬的心理素质等。在交会对接的过程中，航天员需要紧盯电视图像，根据实时传输的数据让两个航天器一点点逼近，根据仔细计算决定速度变化方案完成交会对接，其中传感器起到决定性作用，为实现航天梦奠定最强基础。

4.4工业自动化装置

光电传感器具有非接触、响应快、性能可靠等特点，在工业上常用于非接触测量物位、距离和条码等信息，因此在工业自动化装置和机器人中获得广泛应用。随着现代检测技术的发展出现了很多新型的光电传感器，特别是CCD图像传感器的诞生，为光电传感器的进一步应用开创了新的一页。相关应用行业的系列产品如下：

1)光电式烟雾报警器。没有烟雾时，发光二极管发出的光线直线传播，光电三极管没有接收信号，没有输出;有烟雾时，发光二极管发出的光线被烟雾颗粒折射，使三极管接受到光线，有信号输出，发出报警。如今频遭吐槽的雾霾天气说明环境污染问题严重，而光电式烟雾报警器则可通过光在烟道里传输过程的变化检测到烟道中的烟尘浊度;2)点钞机的计数传感器。具有结构微型化、操作简便化、使用耐用型等特点的点钞机在我们的日常生活中应用频繁，其不光在金融机构中被大量使用，也逐渐成为一些大型企事业单位必备的办公用品，成就其的正是结构简单、响应速度快、精确度高的光电传感器。点钞机的技术传感器采用两组由一个红外发光二极管和一个接收红外光的光敏三极管组成的红外光电传感器，没有钞票时，接收管受光照导通而输出为0;有钞票时，接收管光通量不足而输出为1且产生一个脉冲信号，经检测电路输入至负责计数和显示的单片机。只有不断提升光电传感器的性能，才能满足商业经济和财务自动化日新月异变化而产生的高要求。

参考文献

[1]黄斌.基于多传感器信息融合的节能控制系统.测控技术，2013(4).

[2]赵娟妮.多传感器数据融合技术及其在光伏电站监控系统中的应用.科技信息，2013(7).

[3]魏宏飞，赵慧.多传感器信息融合技术在火灾报警系统的应用[J].现代电子技术，2013(6).

多传感器信息融合技术研究 第8篇

近年来，随着计算机技术和传感器技术的发展，多传感器信息融合技术越来越受到人们的关注。作为一种多源信息协调处理技术，对于不同的领域，它的实现方法、步骤和增益优化准则都不一样，因此有必要对目前的研究情况进行系统介绍。

1 多传感器信息融合技术

多传感器信息融合技术的雏形最早出现在二战末期，但当时的融合是靠人工完成的，速度缓慢，质量也不太高，没有得到大家的重视。到了20世纪70年代，信息融合技术被提出是由于美国国防部资助开发的声纳信号处理系统，这种系统能实现对敌方潜艇位置的自动检测，这一发现使得多传感器信息融合技术在军事领域内得到蓬勃发展。80年代中期，战场管理和目标检测系统BETA投入使用，在一定程度上证实了信息融合的有效性和可行性。1988年，信息融合技术被美国国防部列为重点开发研究的20项关键技术之一，并成立数据融合专家组(Data Fusion Sub panel，简称DFS)负责这一领域的研究和开发。美国三军总部采用信息融合技术对大量武器装备中的军用传感器进行了有效的信息融合，并研制出了能广泛使用的第一代信息融合系统。

到了90年代，美国国防部在海湾战争中将研制的信息融合系统进行运用，发挥了巨大的作用，于是更加加深了其对信息的自动综合处理技术研究的决心。1996年，美国军方逐步在已建立的C3I(Command,Control,Com-munication and Intelligence)系统中增加危机元素，建立了以信息融合为核心的C4I(Command,Control,Com-munication,Computer and Intelligence)系统，并提出了到2010年将C4I发展成一个集信息处理、信息融合、武器控制、战场感知、智能识别等核心技术为一体的综合的C4ISR(Surveillance Reconnaissance)自动化电子信息系统。

多传感器融合技术也称为信息融合技术，它的实质是将人体身体各部分器官(耳、鼻、眼等)采集到的信息，进行综合处理，充分利用若干个传感器观测到的信息，通过空间或时间上的冗余互补，在一定的算法准则下进行组合，分析处理以完成所需的决策和估计任务。多传感器信息融合技术有着很多潜在的好处。首先，可以提高系统的空间和时间覆盖能力，改善单一传感器检测数据的局限性，提高信息收集率和更新率;其次，同类多元测量信息的融合使工作性能指标提高，而不同类型传感器获得目标、事件的多侧面属性信息，提高传感器系统的有效性。

2 多传感器信息融合算法

信息融合及其应用的复杂和多样化，使得数据融合要研究的内容变得十分丰富，囊括的基础理论也非常广泛。目前，还没有哪一种信息融合算法能对所有的传感器融合信息进行计算，一般情况下，选择哪种算法要根据具体的应用场合来决定。下面对常用的融合算法作简单的介绍。

2.1 加权融合

加权融合算法就是把来自各个传感器的冗余信息对环境特征参数的测量数据按照某种加权规则结合为一个最佳估计。其中，最简单、最直观的方法就是加权平均。该方法是将来自各个传感器的冗余信息进行处理后按照每个传感器所占的权值来进行加权平均，结果作为融合值。

2.2 贝叶斯推理

贝叶斯推理是静态环境中多传感器信息融合的一种方法，其信息描述为概率分布。该方法将系统中的每一个传感器作为一个贝叶斯估计，当有某一证据时，以间接的方式采用贝叶斯估计进行融合。多贝叶斯估计把每个传感器作为一个贝叶斯估计，将各单独物体的关联概率分布结合成一个联合的后验概率分布函数，通过使联合分布函数的似然函数取最小值，以求得传感器信息的最终融合值。贝叶斯推理适用于具有可加高斯噪声的不确定性信息的处理，但定义先验似然函数困难，缺乏通用不确定性能力。

2.3 D-S证据理论

是贝叶斯方法的扩展，又称为证据理论，简记为D—S证据理论。它用信任区间和确定区间来描述传感器的信息。在信息融合系统中，将各传感器采集的信息作为证据，并在决策目标集上建立一个与之相应的基本可信度。在同一决策框架下，将不同的信息用Dempster合并规则合并成一个统一的信息表示。证据理论允许直接将可信度赋予传感器信息的合取，既保留了信息，又避免了未知概率分布所作的简化假设。把证据理论用于多传感器融合时，将传感器信息的不确定性表示为可信度，利用信息可信度合并规则处理各传感器信息。

2.4 神经网络

神经网络是具有高度非线性的超大规模连续事件动力系统，它主要从总体结构和功能上模仿处理系统，而不是逼真的细节重现，其更注重神经活动中的信息流及其运动方式。在神经网络系统中，信息的存储与计算是合二为一的，即信息的存储体现在神经元互连的分布上，并以大规模并行分布方式处理。这种分布式存储可使系统在部分受到损坏时仍能恢复原来的信息，因此具有较强的容错能力和联想记忆的特点;同时，由于神经网络具有实时处理大量数据的能力，且信息处理是非程序式的，采用特定的学习算法来得到不确定性推理机制，然后根据这一推理机制不段进行信息融合与再学习。神经网络的并行结构与不确定性推理机制为神经网络在传感器的建模与多传感器信息融合中的应用提供了良好的前景。

2.5 具有置信因子的产生式规则

产生式规则采用符号表示目标特征和相应的传感器信息之间的联系，与每一个规则相联系的置信因子表示它的不确定性程度。当在同一个逻辑推理过程中的两个或多个规则形成一个联合规则时，可以产生融合。

2.6 模糊集理论

由模糊集理论发展起来的模糊信息处理技术能给不确定性探索和模拟人类识别机理提供一种简单有效的手段。模糊系统将人类经验知识加以结构化它的每一个参数均有着明确的物理意义，可以解决证据不确定性或决策中的不确定性等问题。

图一归纳了常用的一些信息融合方法。

3 结束语

本文对多传感器信息融合技术的研究现状进行了讨论，并且对常用的多传感器融合算法进行了介绍。目前，多传感器信息融合技术被广泛应用于自动目标识别、医疗诊断、图像处理、模式识别、工业监控等领域。对多传感器信息融合技术及其应用进行研究，能有效地提高多传感器系统信息智能化程度。多传感器信息融合技术作为新兴的活跃的研究领域，多级别、多层次、多方面综合处理来自各个传感器的信息，得到新的有效信息，而这种信息从单个传感器中无法获得。该技术从根本上消除多传感器之间可能存在的矛盾和冗余，降低信息的不确定性。随着人类对多传感器系统信息智能化要求的不断提高，多传感器信息融合技术会越来越受到人们的关注的。

参考文献

[1]韩崇昭^,朱洪艳^,段战胜^,等.多源信息融合[M].北京^:清华大学出版社^,2006.

[2]王欣.多传感器数据融合问题的研究[D].长春:吉林大学,2006.

[3]邵远,何发昌,罗志增.多传感器信息融合浅析[J].电子学报,1994,22(05):73-79,60.

多传感器信息融合技术 第9篇

【关键词】机器人；传感器；路径规划

The technology of multi-sensor fusion information using in robot path planning

（Inner Mongolia University of College of Mechanical Engineering，Hohhot 010051，China）

Abstract： Put forward a solution for path finding efficiency in the process of free walking robot and obstacle avoidance. The paper mainly studies to solve the obstacle avoidance problem in the process of walking using multi-sensor fusion of information technology.

Key words： Robot； Sensor； Path planning

1、引言

随着现代技术的飞速发展，机器人的智能化程度越来越高，但是在具有动态障碍物的复杂环境中，这种智能性还远远不够，如何及时地知道自己已经陷入环境的困境，甚至提前预知自己即将进入局部最优并且避免局势的恶化，则需要机器人智能化的更高发展。单个传感器难以保证采集信息的全面和准确，多个传感器的采集信息具有冗余性、互补性和相对全面性，可以快速并行地分析现场环境，得出相对准确的现场信息。多传感器信息融合的传感器种类范围越来越大，传感器种类的增加同时也增加了信息融合的复杂度。路径规划技术是机器人研究领域中必不可少的一个环节，机器人的路径规划是指机器人行走在有障碍物的环境中，能够按照一定的评价标准例如行走路线最短、所用时间最少等，为机器人寻找一条从起点到终点的安全无碰撞或者能够避开障碍物的路径，因此，路径规划问题又可以称为避碰规划问题[1]。

2、常见的路径规划技术

目前，根据机器人对行走环境已知与否，可将路径规划分为全局路径规划和局部路径规划。所谓的全局路径规划是指在环境信息完全已知的前提下，按照一定的规则寻找一条无碰撞的优化路径，对环境信息掌握的准确程度决定规划路径的精确程度[2]。目前比较流行的全局路径规划主要有栅格法、自由空间法以及神经网络法等。局部路径规划是指环境信息完全未知或部分未知，其更多地依赖于传感器信息，根据传感器的信息判断周围环境是否有物体，从而确定出机器人在地图中的当前位置及周围局部范围内的障碍物分布情况，并在此基础上，根据一定的算法规划出一条从当前点到目标点的最优路径[3]。目前比较流行的算法有蚁群优化算法[4]、遗传算法、粒子群算法以及模糊逻辑控制算法等。

3、多传感器信息融合的机器人路径规划

多传感器信息融合的机器人路径规划验证是以能力风暴智能移动机器人教学版AS-UIII及其配件（如图1所示）为平台，采用仿真软件和实物架构相结合的方式。仿真环境采用VJC1.5仿真版软件（如图2、3、4、5），仿真环境支持流程图编程、JC编程模式，同时支持复杂运行环境的搭建。仿真软件的编程环境中编写的程序可以直接下载到机器人中运行，同时又可以在仿真环境中搭建机器人的运行场地，极大地节省了调试的时间。在仿真环境中调试完成的算法，只需要在真实运行场地中调整机器人运行参数即可。

红外测距传感器的测距范围是10cm-80cm，超声波传感器的测距范围是41cm-700cm，两种传感器结合使用，将机器人的测距范围扩大到700cm，10cm以內被红外测距传感器和超声波传感器漏掉的障碍物，依靠机器人本身带的碰撞传感器做检测。使用的是“左手规则”进行项目验证，即机器人在前方有障碍物的时候优先选择左转。机器人躲避障碍物的工作流程图如图6所示。

采用这样一个工作过程/流程，使得机器人能“预见”运动前方的障碍物，在超声波传感器检测到远方有障碍物的情况下即启用红外测距传感器和碰撞传感器检测，如果是前进道路上的“必然”障碍，则提前做好准备，如果是“偶然”障碍，则会在其他传感器的检测过程中消失。

4、总结

成熟的路径规划技术已经取得了令人相对满意的效果，但是由于未知环境的复杂性，特别是环境信息的多变性，对机器人路径规划技术的实时性提出了更高的要求，如何快速、准确地完成复杂环境中的机器人路径规划，将会是接下来机器人路径规划研究领域的主要内容。

参考文献

[1]王欣.基于三角网追踪的机器人路径规划计算机应用技术[D].硕士中国石油大学（华东），2009.

[2]李爱萍，李元宗.机器人路径规划方法的研究[J].机械工程与自动化，2009年5期：194-196.

[3]王宗尧，司应涛，国海涛.机器人路径规划方法的研究现状与展望[J].淮阴工学院学报，2007年3期：49-51，56.

[4]贾翠玲，王利利，徐明娜.基于改进蚁群算法的灭火机器人路径规划研究[J].内蒙古农业大学（自然科学版），2012.7，33（4）：157-160.

作者简介

郭振华（1992-），女，内蒙古呼和浩特，本科生，内蒙古工业大学机械学院。研究方向：机器人技术、路径规划等.

基金项目

多传感器信息融合技术 第10篇

随着飞机性能的不断发展,飞机发动机愈来愈复杂,需监控参数由几个增加到几十个.因此,以前靠分离仪表已不能适应现代飞机发动机性能监控的`要求,现代飞机发动机装备有发动机参数采集器,而发动机参数采集器是计算机化的全自动设备,它实时采集飞机发动机的工作状态,并适时将数据传送给其他机载设备使用,其性能的地面维护和检测比较困难,为提高校测设备的自动化水平和检测精度,设计了飞机发动机实时在线检测控制系统,该系统采用先进的计算机数据采集与控制技术.解决了在地面模拟飞机发动机工作状态与数据实时采集与传送的矛盾,大大提高了检测精度,缩短了检测时间,为提高发动机参数采集器的维修效率具有十分重要的意义.

作 者：马国岗  作者单位：河南省郑州市新郑国际机场管理有限公司,河南,新郑,451161 刊 名：北京电力高等专科学校学报 英文刊名：BEIJING DIANLI GAODENG ZHUANKE XUEXIAO XUEBAO 年，卷(期)： “”(4) 分类号：V1 关键词：飞机发动机   传感器   融合技术   自动设备  

多传感器信息融合技术 第11篇

数据关联是实现多目标跟踪的核心技术之一,也是实现多传感器信息融合的前提.本文采用改进的`模糊c-均值法求解关联概率,并通过在不同的传感器所对应的观测空间上建立多目标运动状态的投影,将单传感器数据关联算法推广到多传感器信息融合系统,从而可在密集杂波环境中实现对多目标的数据关联和精确跟踪.仿真实验结果说明了本文方法的有效性.

作 者：韩红 韩崇昭 朱洪艳 刘允才 作者单位：韩红(上海交通大学自动化系,上海,30;西安交通大学综合自动化研究所,西安,710049)

韩崇昭,朱洪艳(西安交通大学综合自动化研究所,西安,710049)

刘允才(上海交通大学自动化系,上海,200030)

小卫星多传感器融合滤波定姿算法 第12篇

小卫星多传感器融合滤波定姿算法

虽然扩展卡尔曼滤波被成功应用于许多非线性系统,但由于其对高阶项的截断误差等因素,其用于小卫星多传感器定姿系统时性能受到限制.针对上述问题,本文提出了一种将扩展卡尔曼滤波器与两步滤波器相结合的方法.利用Gibss矢量做姿态参数,避免了四元数在进行迭代时的归一化约束.以太阳敏感器、星敏感器、MEMS陀螺、磁强计为敏感器件,通过仿真,将本文算法与扩展卡尔曼滤波器进行了对比.结果说明,本文算法能将最大稳态定姿误差降低4.4×10-30.

作 者：段方 刘建业 李荣冰 DUAN Fang LIU Jian-ye LI Rong-bing 作者单位：南京航空航天大学导航研究中心,南京,210016刊 名：宇航学报 ISTIC PKU英文刊名：JOURNAL OF ASTRONAUTICS年，卷(期)：27(2)分类号：V448.22关键词：两步滤波器 卡尔曼滤波 姿态 卫星

多传感器信息融合技术 第13篇

关键词：传感器,信息融合,机械,故障诊断

0 引言

现代机械设备日趋大型化、复杂化、自动化和连续化,机械故障产生的原因也愈加复杂,为了提高故障诊断的准确性、及时性和可靠性,必须利用诊断对象运行的各种信息和已有的专业知识,进行信息综合处理,最终获得完整准确的诊断和评估结果。20世纪70年代后期新兴的多传感器信息融合技术为实现这一目标提供了技术支持。

1 多传感器信息融合技术

1.1 多传感器信息融合技术的定义

信息融合是针对一个系统中使用多个传感器(同类或异类传感器)以达到某一特定目标而进行的一种信息处理的新的研究方向。其确切的定义可概括为[1]:综合利用多传感器信息,充分利用不同时间和空间的多传感器数据资源,采用计算机技术对按时间序列获得的多传感器观测数据,在一定准则下进行分析、综合、支配和使用,通过它们之间的协调和性能互补的优势,克服单个传感器的不确定性和局限性,获得对被测对象的一致性解释与描述,进而实现相应的决策和估计,使系统获得比其单个组成部分更加充分的信息,提高整个传感器系统的有效性能,全面准确地描述被测对象。多传感器是信息融合的硬件基础,多源信息是信息融合的加工对象,协调优化和综合处理是信息融合的核心。

1.2 多传感器信息融合技术的优点

多传感器信息融合具有很多优点,主要表现在以下几个方面[2]:

(1)信息的冗余性。采用多个传感器可以获得对环境和对某一特征信息的冗余表达,由于各传感器总存在一定的感知误差,这种冗余信息就可以减小整个系统的不确定性。此外,当某传感器失效时,对传统的单一传感器系统来说,势必造成严重影响,但多个传感器提供的冗余信息则可以诊断故障并提供预警信息,使系统的可靠性提高。

(2)信息的互补性。各传感器所感知的特征信息不一定完全一致,如果把要感知的特征看作一个特征空间的集,则单一传感器只提供该特征空间的一个子集,组合这些子集时就产生互补信息,即传感器感知相互依赖的信息时,会产生新的信息,而这个信息是由单个传感器无法得到的。

(3)信息的实时性。单个传感器提供信息的速度是固定的,而在多传感器系统中,通过对多传感器信息的协同运行,可以根据任务的要求得到满足精度要求的快速输出。此外,多传感器系统的并行性,也可使信息获取的速度倍增。

(4) 信息的低成本性。从表面上看,似乎多传感器系统要比单个传感器系统昂贵,但对于获取同等的信息来说,用单个传感器的方法实现,其总的耗费更多。

1.3 多传感器信息融合的主要方法

自多传感器信息融合技术诞生以来,就受到学者们的普遍关注,各种信息融合的方法不断涌现。目前常用的方法见图1。

1.3.1 加权平均法

其基本思想是将一组传感器提供的冗余信息进行加权平均,并将结果作为信息融合值。

1.3.2 卡尔曼滤波

卡尔曼滤波方法多用于实时融合动态的低层冗余传感器信息[3]。它利用测量模型的统计特性,经过递推运算,估计出在统计意义下最优的融合数据。当系统具有线性动力学模型,且噪声是高斯分布的白噪声时,该法为融合数据提供了唯一的统计意义下的最优估计。卡尔曼滤波的递推特性使数据处理不需大量的数据存储和计算,在实际应用中,如果数据处理不稳定或者假设系统模型为线性而对融合造成不良影响时,则可以采用扩展卡尔曼滤波。

1.3.3 经典推理法

经典推理法是对两种假设的检验,即对一个给定的先验假设,计算观察值的概率,从而推理描述一个假设条件下观测到的事件的概率。这种方法的典型应用是,对给定的多个事件进行观测,求出一个假设态势的概率。经典推理法完全依据数学理论,严格地应用需要相应的先验概率分布知识,而这些知识在实际应用中又往往是不知道的,所以,其应用范围较窄,对单一事件(主观概率)在很大程度上不能用。

1.3.4 贝叶斯估计

贝叶斯估计是融合静态环境中多传感器低层数据的一种常用方法。其基本思想是:首先对传感器信息进行相容性分析,删除那些可信度很低的信息;然后对保留下来的信息进行贝叶斯估计,求得最优的信息融合[4]。

1.3.5 证据决策理论

D-S证据决策理论可认为是广义贝叶斯理论,它考虑了一般水平的不确定性[5]。在贝叶斯方法中,所有特征被赋予相同的先验概率,当从传感器得到额外的附加信息,并且未知特征的数目大于已知特征的数目时,概率会变得不稳定。在D-S证据理论中,对未知特征不赋予先验概率,而赋予它们新的量度——未知度。只有在获得验证性信息时,才赋予这些未知特征以相应的概率值,从而避免了贝叶斯方法的不足。

1.3.6 品质因素法

品质因素法的基本思想是依据观察数据和先验加权系数,计算两个观测实体之间的相似度。该法经常用于相关和自相关系统中,以进行联系程度的定量说明。由于采用加权系数,故品质因素法相对较简单,具有较好的适应性。但该法不能及时反映出观测环境的影响。

1.3.7 聚类分析

聚类分析法的基本思想是根据预先指定的相似标准(相似度)把观测数据分为一些自然组。经典的聚类方法基本上不使用统计理论,它把数据分类成特定的数据表。在很难找到适当的理论方法对观测数据进行属性说明或分类处理时,这种方法对属性说明和分析观测数据是很有用的。聚类分析法在模式识别中得到了广泛的应用。

1.3.8 模糊推理

模糊逻辑是典型的多值逻辑,能够方便地表示不确定性,它允许在多传感器信息融合的推理过程中存在不确定性的表示,如果能够采用某种模型系统地反映这种融合中的不确定性,则可以通过模糊推理完成信息融合。模糊推理包括模糊测量、可信度和似真度的计算以及模糊积分的计算等。

1.3.9 遗传算法

遗传算法的基本思想是基于生物进化论与遗传学机理,采用随机生成、评价、复制、交叉、变异等操作反复进行迭代和进化,直至搜索到最优解。它是一种具有广泛适用性的搜索方法,具有全局性、并行性、快速性以及较好的适应性和鲁棒性。基于遗传算法可将待求问题转变到结构化的知识表示空间内,灵活地实现知识的不精确性到精确性的转换。而信息融合的目的就是寻找一个最优的组合法,将结构化的知识表示空间内的信息单元组合起来,所以遗传算法对信息融合有着良好的应用前景。

1.3.10 人工神经网络

神经网络用于信息融合的基本思想是:根据当前系统所接收到的样本的相似性,确定分类标准。确定的方法主要表现在网络权值的分布上,同时可以采用神经网络的学习功能来获取知识,得到不确定性推理机制。自组织特征映射网络和ART网络在信息融合中已有很好的应用[6]。

1.4 多传感器信息融合的层次结构

目前普遍认同的多传感器信息融合系统可划分为3级,即数据层融合、特征层融合和决策层融合。

(1)数据层融合即对来自同等量级的传感器原始数据直接进行融合,然后对基于融合的传感器数据进行特征提取和身份识别,它是最低层次的融合。通过对原始数据进行关联来确定已融合的数据是否与同一目标或实体有关。有了融合的传感器数据之后就可以完成如同单传感器一样的识别处理过程。数据层融合方法主要有加权平均法、卡尔曼滤波法等。

(2)特征层融合属于中间层次,它先对来自传感器的原始信息进行特征提取,然后对特征信息进行综合分析与处理。特征层融合的优点在于实现了可观的信息压缩,有利于实时处理,并且由于所提出的特征直接与决策分析有关,因而融合结果最大限度地给出决策分析所需要的特征信息。特征层融合方法主要有模糊推理法、神经网络法等。

(3)决策层融合是高层次的融合,其结果为控制决策提供依据。因此,决策层融合必须从具体决策问题的需求出发,充分利用特征层融合所提取的测量对象的各类特征信息,采用适当的融合技术来实现。决策层融合是三级融合的最终结果,是直接针对具体决策目标的,其融合结果直接影响决策水平。决策层融合方法主要有贝叶斯估计法、D-S证据推理法等。

2 多传感器信息融合方法在机械故障诊断中的应用分析

文献[7]考虑到叶片振动故障监测过程中单传感器的间断相位法只能测得叶片振幅值信息,故而使用2个传感器的融合技术,通过多源信息的综合、分析和推理,得到叶片振动频率信息,提高传感检测系统的有效性。

文献[8]讨论了融合技术在液压系统故障诊断中的应用。利用该系统可以对液压设备运行时的多个参数进行实时的检测,并用信息融合算法对其进行处理,然后根据系统预先设定的阈值进行报警信号输出或控制执行机构进行自动调节,或根据故障出现的严重程度使设备停机。由于使用了多传感器的信息融合技术,所以可以对各个监测的参数进行更有效的融合,从而实现运行状态的有效评估、典型故障的自动诊断和设备的安全运行。

文献[9]结合旋转机械振动故障诊断系统的要求与特点,探讨了信息融合技术用于故障诊断系统的基本层次结构。将信息融合的层次与故障诊断的功能相对应,提出了旋转机械振动故障诊断的信息融合模型。该方法将神经网络和证据理论相结合,提高了故障诊断系统的可靠性。

3 总结

信息融合技术作为一门新兴技术,涉及到计算机、信号处理、人工智能、模式识别等技术,是未来复杂工业中旋转机械故障诊断的必要技术,必将有很大的发展空间和实际应用价值。基于信息融合技术的故障诊断方法很多,但各种数据融合方法之间并没有严格的界限,其间的组合应用可以形成性能更好的信息融合方法。如何将这些融合方法有机结合,是将来融合技术的重要发展趋势。

参考文献

[1]滕召胜,罗隆福,童调生.智能检测系统与数据融合[M].北京:机械工业出版社,1999.

[2]吴秋平,万德钧,王庆.多传感器信息融合研究现状及展望[J].导航,1996(1):16-25.

[3]邓自立,马建为,高媛.两传感器自校正信息融合Kalman滤波器[J].科学技术与工程,2003,3(4):321-324.

[4]姚春燕,郁文贤,庄钊文.态势估计中一种基于贝叶斯估计的统计时间推理方法[J].火力与指挥控制,1999,24(1):49-52.

[5]倪国强,梁好臣.基于Dempster-Shafer证据理论的数据融合技术研究[J].北京理工大学学报,2001,21(5):603-608.

[6]王江萍.神经网络信息融合技术在故障诊断中的应用[J].石油机械,2001,29(8):27-30.

[7]胡仕刚.一种机械故障检测的信息融合[J].机床与液压,2003(6):325-327.

[8]谭逢友,卢宏伟,刘成俊,等.信息融合技术在机械故障诊断中的应用[J].重庆大学学报,2006,29(1):15-18.

多传感器融合组合导航技术研究 第14篇

关键词：多传感器 组合导航 民用飞机

中图分类号：TP274. 2文献标识码：A文章编号：1674-098X（2014）09（a）-0021-01

近年来，随着GPS、格洛纳斯、伽利略和北斗全球导航卫星系统的日益完善，以飞行管理系统为核心的民用飞机机载导航设备对GNSS的依赖程度逐渐增大，特别是CAAC近年发布的PBN实施路线图要求机载导航系统逐步向RNP技术全面过渡。然而作为PBN导航技术核心定位源的GNSS有着一系列先天不足，在某些特定情况下，满足不了PBN对导航精度和连续性的较高要求，因此民用飞机必须采用多传感器融合的导航技术，提高瞬时定位精度以及GNSS不可用的情况下的导航能力。

1 多传感器组合导航技术

作为民用飞机机载航电系统的重要组成部分，机载导航设备为飞机提供全天候实时的高精度位置定位、飞行导引和完好性监控，其组成包括飞行管理系统（FMS）、全球导航卫星系统（GNSS）、惯性基准系统（IRS）、甚高频全向信标（VOR）、测距器（DME）等设备。[1]

导航系统的核心是飞行管理系统，它是一台具备各种复杂导航算法的高性能计算机，将其他导航设备发送的导航数据经过组合导航算法综合处理后得出飞机精确位置，并依据飞行员编制的飞行计划给出指引指令，引导飞机沿着既定航线飞行，取代了传统领航员的作用，大量减轻了飞行员的负担。因此，作为计算性能最强和接收信息最全的FMS理所当然是多傳感器组合导航技术的实施主体。[2]

以GPS为主的GNSS是一种覆盖全球的无源定位系统，通过接收机接收来自至少4颗卫星发出的时钟信号和星历，计算传播延时实现高精度自主实时定位，不依赖地面导航设施，在偏远地区和洋面飞行时具有突出优点，但也会受到可用卫星个数、卫星几何分布、空间射线干扰和地面地形遮蔽等因素影响，难以独自满足PBN对导航信号连续性的高要求。[3]

VOR/DME是传统的路基导航设施，通过接收地面台站发出的甚高频无线电信号结算成相对台站的方位和距离信息，结合已知的台站位置实现定位，性能可靠、便于使用，但是具有技术水平落后、导航精度不高和无法覆盖偏远山区和洋面的缺陷。

在所有的导航子系统中，惯性系统能提供的信息最全，且自主性、连续性、短期稳定性好，因此在整个区域或航路导航中始终以惯性导航系统作为基本导航手段，其它导航子系统（特别是GNSS）作为辅助手段以改善惯性系统的长期稳定性，保证导航性能符合所需导航性能要求。

导航系统的组合一般有两种基本方法：

（1）回路反馈法。即采用经典的反馈控制方法，抑制系统误差，并使子系统间性能互补。

（2）最优估计法。即采用现代控制理论中的最优估计法（卡尔曼滤波算法），从概率统计最优的角度估计出系统误差并消除之。

由于各子系统的误差源和量测中引入的误差都是随机的，所以第二种方法远优于第一种方法，卡尔曼滤波器也成为组合导航系统中最常用的算法。[4]

由于GNSS定位的高精度和实时性，采用IRS/GNSS为主用组合导航算法，可分别基于输出校正、位置组合和伪距组合的卡尔曼滤波模式。具体是用惯导和GPS输出的位置之差作为量测值，经卡尔曼滤波器估计惯导系统的各项误差，然后对惯导系统进行校正。伪距组合是一种复杂、紧密的信息综合。惯导输出位置结合GPS可见卫星位置，可以求出相应的计算距离，然后将之与GPS测量得到的距离之差作为量测值，通过卡尔曼滤波器估计惯导系统和GPS的误差量，然后进行反馈校正。在各IRS内部进行闭环修正，IRS系统的速度和姿态误差趋于收敛，即组合导航可以准确估计IRS的速度和姿态误差。在IRS/GPS组合导航状态，不使用气压高度进行高度阻尼，对GPS位置噪声有明显的抑制作用。[4]

在GNSS不可用的情况下（接收机故障或不满足信号接收要求），可采用IRS/无线电组合导航，包含IRS/DME/DME和IRS/VOR/DME这2种组合方式。IRS/无线电组合在飞行管理控制系统中进行，仅进行开环校正，目的在于对无线电推算的位置噪声进行抑制，经过对当前组合系统的性能评估，如当前状态位置精度明显优于即将引入的校准系统精度，则将延迟其进入组合状态的时间。

由于DME/DME定位精度由于VOR/DME，因此当DME台站信号良好且数量大于2时，可优先采用IRS/DME/DME组合导航，此方法基于双斜距组合方式，将DME斜距的测量误差看作由偏置误差和测量噪声误差构成，偏置误差与被测距离的远近有关，因此用刻度因子误差来描述。在构造量测前还需进行交会角判断。利用两套DME系统来确定飞机位置的定位误差却因飞机与两个地面台相对位置的不同而有较大的差异，当交会角为90°时，测距误差造成的定位误差区最小，为正方形；交会角大于90°，定位误差区域增大为菱形；若交会角接近180°，则定位误差最大。因此，在交会角在30°～150°时可采用此方法。

IRS/VOR/DME组合处理方式采用斜距/方位角组合，允许VOR和DME不在同一位置，尽管多数情况下VOR/DME地面台站是布置在同一位置的。将VOR、DME的方位和斜距测量误差看作由偏置误差和测量噪声误差构成，而DME的偏置误差与被测距离的远近有关，因此用刻度因子误差来描述。[4]

2 结语

随着航空电子技术的日新月异，以及未来对PBN技术导航精度和连续性的要求日益提高，民用飞机采用多传感器组合导航技术将成为主流，本文提出一种在FMS内部按照设备可用状态优先级实现IRS/GNSS、IRS/DME/DME、IRS/VOR/DME组合导航技术方法，可获得较为理想的导航精度和连续性。

参考文献

[1]钦庆生.飞行管理计算机系统[M].国防工业出版社，1991.

[2]Lan Moir，Allan Seabridge. Civil Avionics Systems[M]. Professional Engineering Publishing Limited，2006.

[3]Cary R.Spitzer.The Avionics Handbook[M].CRC Press LLC， 2001.