一、多源感測器融合可以怎麼分類

感測器融合根絕感測器種類和功能融合方法甚多，主要以導航和圖像中的融合展開敘述。

1、多源導航定位，根據結構特性可分為三類：集中式融合演算法，並行式融合演算法，序貫式融合演算法，多感測器導航目的，導航系統的精度，可靠性，魯棒性，更高效。

目前的演算法，其中比較常用的融合演算法有，集中式卡爾曼濾波，動靜態濾波，聯邦濾波，自適應抗差融合濾波，人工神經網路，因子圖的融合演算法。

2、多源感測器融合，根據方法可以分為兩類：概率統計方法和神經網路方法

概率統計方法：估計理論，卡爾曼濾波，假設檢驗，貝葉斯方法，統計決策理論以及其他變形方法。

神經網路因為在此方面的應用不成熟，所以沒有形成比較經典的方法，基本都是個人根絕具體情況進行定義，比如BP神經網路，RBF神經網路，人工神經網路

1）RBF神經網路

RBF神將網路是一種三層神經網路，其包括輸入層、隱層、輸出層。從輸入空間到隱層空間的變換是非線性的，而從隱層空間到輸出層空間變換是線性的。

2）BP神經網路

BP(Back Propagation)神經網路的學習過程由信號的正向傳播與誤差的反向傳播兩個過程組成。（BP網路就不細說了，網上資料非常多）

?3）RBF和BP神經網路的區別

BP神經網路的隱節點採用輸入模式與權向量的內積作為激活函數的自變數，而激活函數採用Sigmoid函數。各調參數對BP網路的輸出具有同等地位的影響，因此BP神經網路是對非線性映射的全局逼近。

RBF神經網路的隱節點採用輸入模式與中心向量的距離（如歐式距離）作為函數的自變數，並使用徑向基函數（如Gaussian函數）作為激活函數。神經元的輸入離徑向基函數中心越遠，神經元的激活程度就越低（高斯函數）。RBF網路的輸出與部分調參數有關，譬如，一個wij值隻影響一個yi的輸出（參考上面第二章網路輸出），RBF神經網路因此具有「局部映射」特性

BP神經網路可以有多個隱含層，但是RBF只有一個隱含層。

RBF的訓練速度比較快，BP神經網路的訓練速度比較慢。

3、針對於圖像的異源感測器融合方法

基於空間域和變換域的兩類異源圖像融合演算法、自動加權融合演算法、灰度極值法、模糊神經網路、小波變換融合法、Contourlet融合法、NSCT-PCNN融合法

主成分分析，深度神經網路方法等（此處主要針對生命搜尋中紅外圖像的融合，主要用來提取特徵，初步方法為用神經網路進行人體檢測，方法與彩色圖像類似，主要解決夜間和能見度低下情況下的生命搜索問題）

自動加權融合演算法，保持了現有的加權平均融合法的快速實用性，通過主成分分析，將源圖像中的有用信息集中到相互獨立的新主成分矩陣中，由此確定加權平均融合方法中源圖像的加權係數，以實現更加理想的融合效果。（K-L變換的自動加權融合演算法）

二、根據結構分類的多源感測器融合

1、集中式融合演算法

將時空配準後的觀測信息Z1、Z2、Z3、Z4集中進行融合H，然後得到導航解，集中式卡爾曼濾波包括擴展卡爾曼濾波，無跡卡爾曼濾波，粒子濾波等濾波

缺點，是演算法易發散、容錯性差，優點，解決了非線性的值估計問題和非高斯的雜訊問題

1.1集中式卡爾曼濾波

根據最小均方誤差進行系統估計是傳統的卡爾曼濾波演算法，包括卡爾曼濾波的擴展，擴展卡爾曼濾波，無跡卡爾曼濾波，粒子濾波等濾波

優點，可以減小觀測值的觀測誤差和系統誤差，缺點，狀態雜訊和觀測雜訊都為高斯雜訊，且觀測方程必須為線性控制系統

1.2 自適應卡爾曼濾波

雙重卡爾曼濾波，基於新息的自適應估計方法，多模型自適應估計方法

缺點，隨著觀測矩陣維數的增加，系統運算量急劇增大，融合效率下降等問題。

1.3 人工神經網路

?輸入導航源信息，輸出融合後的導航解，其中加權演算法是神經網路的一個特殊應用，加權演算法是一種最簡單直觀的融合演算法。在加權融合演算法中，將多個融合源提供的位置信息分別冠以相應的權重，從而獲取最後的融合結果，所有感測器的權重和為1，缺點是當權重因子選取不當的時候，並不能獲得最佳的融合效果。

優點，具有較強的容錯性和自學習、自適應能力，適應於非線性系統，缺點，需要事前進行大量的訓練，運算量大且實時性難以保證，多用於事後解算

2、並行式融合演算法

為瞭解決集中式演算法計算效率低的問題，進行信息融合之前，導航源先各自或者兩兩組合後在融合子系統中進行並行的導航處理H，然後將各個子系統輸出的局部導航解X，最後進行輸出融合導航解X。

2.1 聯邦濾波

在各個導航源中選擇一個信息全面、輸出速率高、可靠性有保證的導航源作為參考導航源，與其他導航源兩兩組合，進行局部濾波，再將各個局部濾波解與主濾波按信息分享原理進行融合，聯邦濾波中各個濾波器不相互獨立，都依賴參考導航源進行融合。

優點，實時性強，系統負荷少等優點，缺點，聯邦濾波中各局部濾波器採用了相同的參考，導致各個濾波器輸出量之間不獨立，尤其不具有嚴格性和最優性，一旦參考導航源出現異常，將影響每個濾波器的性能，容錯性較差。

2.2 自適應抗差融合濾波

先對各個導航源觀測信息實施抗差解算，提高系統的容錯能力，然後基於抗差解算提供較可靠的狀態初值，再對狀態方程進行自適應因子調節

優點，容錯性強很大程度上提高了系統的容錯性，且子系統不相關，缺點，需要導航源在同一時刻產生多個觀測值，否則無法進行計算

3、序貫式融合演算法（類似神經網路中的序貫式模型）

為瞭解決非同步異構導航源的信息融合和聯邦濾波中各濾波器之間不獨立的問題，學者們提出採用序貫式演算法來進行融合導航，演算法首先將各導航源按照一定的順序進行排列，然後依次將其觀測信息Z輸入至融合子系統，逐個進行導航解算H，最後一個融合子系統的輸出即位融合結果X。（該方法其實是決策級別的感測器融合，一般情況下異源融合盡量採用決策級別融合）

優點，各個導航源的觀測量和子系統之間是完全獨立的，沒有相關性，能夠實現最優融合，缺點，導航源信息逐次累計，不利於完好性監測和基於因子圖的融合演算法。

3.1 動、靜態濾波

第一個觀測曆元，基於動力學模型信息和第一個導航源的觀測信息進行動態濾波，然後依次加入各個導航源的觀測信息來進行靜態濾波，最終得到全部導航源的融合解。

缺點，導航源信息逐次融合，向下傳遞，容易造成誤差累積，不利於完好檢測和故障隔離

3.2 基於因子圖的融合演算法

此方法提出代替擴展卡爾曼濾波，通過變數信息的累計，然後進行局部融合，最後輸出融合結果。

優點，可以處理非同步異構導航源的信息，缺點，存在誤差向下累計的問題。

三、多源融合導航的性能評估

一般來說，信息融合的性能評估體系主要包括五類指標，分別是完整性、正確性、通用性、連續性和及時性

而在多源融合導航中，由於導航系統的獨特性，定位精度成為性能評估的首要指標，也是導航服務評價體系中最直觀的體現；同時多源融合導航還要兼具完好性、

連續性、可靠性以及魯棒性等性能。除此以外還有即插即用性質也是比較重要的，應該將感測器融合系統設計成一個適配器系統，同時，可以利用蒙特卡洛方法進行實驗統計。

推薦閱讀：

相關文章