多传感器系统的特征与描述

在进行信息融合之前,首先要解决多传感器信号的获取与预处理问题,然后对预处理后的传感器信号进行某些变换和运算,以便确定系统的状态。这个过程就是多传感器的分析与建模过程。多传感器系统的数学模型如图3.2所示。

图3.2中各个子系统的性能、结构和模型如表3.1所示。

表3.1　各子系统模型

多个传感器同时对某一过程进行测量,在集成之前需要对每个传感器数据分别进行建模。在融合之前,需要对传感器数据进行同步、配准(如几何变换),使每个传感器的数据在空间和时间坐标上统一量纲,使数据属于同一时间区间上的同一环境位置。

(https://www.xing528.com)

图3.2　多传感器系统的数学模型

信息融合的关键技术在以下几方面：

(1)数据转换。由于各传感器对信息的描述方式有所不同,因此数据融合中心需要把这些数据转化为相同形式的描述后才能进行相关处理。在数据转换时,经常需要用到坐标变换和时间同步处理,以保证数据在时间、空间上均一致。

(2)数据相关。数据相关是指克服传感器测量数据的不精确性,以保持数据的一致性。

(3)态势数据库。态势数据库包括实时数据库和非实时数据库。实时数据库的作用是把当前各传感器的观测结果及时提供给融合中心,提供融合计算所需的各种数据,同时存储融合处理的结果。非实时数据库用于存储各传感器的历史数据、其余辅助信息以及融合计算的历史结果信息。

(4)融合计算。融合计算是多传感器信息融合的核心技术。融合计算包括：对多传感器的相关观测结果的验证、分析、补充、取舍、修改等；对新的不相关观测结果进行分析和综合；得到综合估计结果,并实时地根据多传感器的观测数据校正综合估计结果；决策分析,生成较高层次的决策信息。