北航多源信息融合2017课件4属性融合PPT推荐.ppt

1、1.在在0,1上映射属性的上映射属性的信任度信任度或或可能性可能性等；等；2.按一定的融合规则，对反应各属性的按一定的融合规则，对反应各属性的信任度信任度和和可能性可能性进进行融合，得到各属性的最终行融合，得到各属性的最终信任度信任度或或可能性可能性；3.根据融合结果作出根据融合结果作出决策决策。52022/11/4多源测试信息融合多源测试信息融合多属性融合概述多属性融合概述 由于由于属性属性的表达形式复的表达形式复杂多多样，有，有可度可度量的量的，也有，也有不可度量不可度量的形式，因此，的形式，因此，检测方方法各不相同。法各不相同。本次本次课程先程先简单介介绍属性融合算法的分属性融合算法的分

2、类，然后介，然后介绍几种常用的几种常用的属性融合算法属性融合算法。62022/11/4多源测试信息融合多源测试信息融合Outlinen属性融合算法概述属性融合算法分类属性融合算法概述n贝叶斯统计理论72022/11/4多源测试信息融合多源测试信息融合1 1 属性融合算法分类属性融合算法分类1.1 1.1 属性融合算法分类属性融合算法分类 对属性融合不存在精确的和唯一的算法分类，对属性融合不存在精确的和唯一的算法分类，在属性融合领域中有在属性融合领域中有统计法统计法、经典推理经典推理、BayesBayes方方法法、模板法模板法、表决法表决法以及以及自适应神经网络自适应神经网络等算法。等算法。一般

3、归纳为三大类：物理模型物理模型、参数分类技术参数分类技术和和基于知识的模型法基于知识的模型法。2022/11/4多源测试信息融合多源测试信息融合8属属性性融融合合（识识别别）算算法法参参数数分分类类物物理理模模型型基基于于知知识识的的模模型型模拟模拟估计估计语法分析语法分析映像代数映像代数极大似然估计极大似然估计Kalman滤波滤波最小二乘法最小二乘法统计算法统计算法信息论技术信息论技术Bayes经典推理经典推理Dempster-Shafer聚类分析聚类分析 参数模板参数模板自适应神经网络自适应神经网络表决法表决法熵法熵法逻辑模板逻辑模板品质因数品质因数专家系统专家系统模糊集系统模糊集系统图图

4、1 属性融合算法的分类属性融合算法的分类92022/11/4多源测试信息融合多源测试信息融合属性融合算法属性融合算法-物理模型（物理模型（1 1）物理模型所采用的技术是物理模型所采用的技术是根据物理模型根据物理模型模拟出模拟出可观测可观测或或可计算可计算的数据，并把观测数的数据，并把观测数据与预先存储的据与预先存储的目标特征目标特征或或根据物理模型根据物理模型对对观测对象进行预测所得出的观测对象进行预测所得出的模拟特征模拟特征进行比进行比较。比较过程涉及到较。比较过程涉及到计算预测数据计算预测数据和和实测数实测数据据的相关关系。如果相关系数超过一个预先的相关关系。如果相关系数超过一个预先规定的

5、阈值，则认为两者存在匹配关系。这规定的阈值，则认为两者存在匹配关系。这种方法的处理过程如图种方法的处理过程如图2 2所示。所示。102022/11/4多源测试信息融合多源测试信息融合对象对象目标目标传传感感器器观观测测预预处处理理属性属性识别识别处理处理属性识别报告属性识别报告观察模型观察模型图像信号图像信号物理模型物理模型2 2物理模型物理模型n n物理模型物理模型1 1.观测信号观测信号观测模型观测模型观观测测模模型型先验先验信号信号文件文件对象物理特性对象物理特性图图2 2 属性识别的物理模型方法属性识别的物理模型方法属性融合算法属性融合算法-物理模型（物理模型（1 1）112022/1

6、1/4多源测试信息融合多源测试信息融合属性融合算法属性融合算法-物理模型（物理模型（1 1）预测一个实体特征的物理模型必须建立在预测一个实体特征的物理模型必须建立在被识别物体的物理特征被识别物体的物理特征基础上。对于每一种基础上。对于每一种（类）被识别物体，都需要建立一个（组）物（类）被识别物体，都需要建立一个（组）物理模型。因此，在实际应用中，即使物理模型理模型。因此，在实际应用中，即使物理模型相对简单或已有先验特征数据的情况下，其观相对简单或已有先验特征数据的情况下，其观测模型和信息处理过程的运算量也非常庞大。测模型和信息处理过程的运算量也非常庞大。其实际应用很有限，但在其实际应用很有限，

7、但在非实时环境中非实时环境中，研究，研究观测对象的物理现象时观测对象的物理现象时非常有用。非常有用。122022/11/4多源测试信息融合多源测试信息融合属性融合算法属性融合算法-物理模型（物理模型（1 1）例例:成像传感器用于遥感，识别某一对象，并且已成像传感器用于遥感，识别某一对象，并且已经有一些观测对象的简单模型，如：二维几何图经有一些观测对象的简单模型，如：二维几何图形或实体照片。形或实体照片。一般来讲识别过程看似很简单：将两幅图像进一般来讲识别过程看似很简单：将两幅图像进行比较，但实质计算需要进行很多工作：行比较，但实质计算需要进行很多工作：传感器传感器几何校正几何校正、滤波补偿滤波

8、补偿、平台校正平台校正、动态调整动态调整和和照照片匹配片匹配等等。等等。2022/11/4多源测试信息融合多源测试信息融合13属性融合算法属性融合算法-参数分类法参数分类法（2）（2）参数分类技术是依据参数分类技术是依据参数数据参数数据获得属性获得属性说明，而不使用说明，而不使用物理模型物理模型。在参数数据（如。在参数数据（如特征）和一个属性说明之间建立一个直接的特征）和一个属性说明之间建立一个直接的映像。具体包括映像。具体包括统计算法统计算法和和信息论信息论方法。方法。统计算法统计算法有有经典推理经典推理、BayesBayes推理推理、D-SD-S证证据理论方法据理论方法等。等。信息论方法信

9、息论方法有：有：模板法模板法、聚类分析聚类分析、自自适应神经网络适应神经网络、表决法表决法和和熵法熵法等。2022/11/4多源测试信息融合多源测试信息融合14属性融合算法属性融合算法-参数分类法参数分类法（2）（2）经典推理技术经典推理技术在给定先验前提假设下计在给定先验前提假设下计算一个观测的概率，它的缺点是一次仅能估算一个观测的概率，它的缺点是一次仅能估计两个假设，而多变量数据复杂度高，不能计两个假设，而多变量数据复杂度高，不能直接使用先验似然估计。直接使用先验似然估计。BayesBayes推理推理在目标属性估计中，其缺点是在目标属性估计中，其缺点是定义先验似然函数困难；当存在定义先验似

10、然函数困难；当存在多个可能假多个可能假设设和和多条相关事件多条相关事件时复杂度高，需要对应的时复杂度高，需要对应的互不相容的假设，缺乏分配总的不确定性的互不相容的假设，缺乏分配总的不确定性的能力。能力。2022/11/4多源测试信息融合多源测试信息融合15属性融合算法属性融合算法-参数分类法参数分类法（2）（2）D-SD-S证据理论方法证据理论方法是一种较新的属性融合方法，是经典概率论的扩展，是一种不确定性推理方法，为不确定信息的表达和合成提供了强有力的方法，特别适用于决策级信息融合。但其在计算上的复杂度比较高。2022/11/4多源测试信息融合多源测试信息融合16属性融合算法属性融合算法-基

11、于知识的方法基于知识的方法（3）（3）属性融合算法的第三种主要方法是属性融合算法的第三种主要方法是基于基于知识的模型知识的模型。这些方法主要是。这些方法主要是模仿人类对属模仿人类对属性判别的推理过程性判别的推理过程，它们可以在原始传感器，它们可以在原始传感器数据或抽取的特征基础上进行。图数据或抽取的特征基础上进行。图3 3是用此类是用此类方法进行目标属性识别的原理。方法进行目标属性识别的原理。这类方法主要包含：逻辑模版逻辑模版、知识知识（专家）系统（专家）系统和和模糊集合论模糊集合论。2022/11/4多源测试信息融合多源测试信息融合17对象对象目标目标传传感感器器特特征征抽抽取取基于基于知识

12、知识的系统的系统属性识别报告属性识别报告先验先验知识知识库库观测信号观测信号观测模型观测模型语法规则语法规则框架框架逻辑模板逻辑模板图图3 基于知识的属性识别基于知识的属性识别属性融合算法属性融合算法-基于知识的方法基于知识的方法（3）（3）182022/11/4多源测试信息融合多源测试信息融合Outlinen属性融合算法概述属性融合算法分类属性融合算法概述n贝叶斯统计理论192022/11/4多源测试信息融合多源测试信息融合1.2 1.2 属性融合算法概述属性融合算法概述（1 1）经典推理）经典推理 经典推理技典推理技术中的假中的假设检验，是在，是在给定定先先验知知识的两种假的两种假设 H0

13、 和和 H1 中做出接受哪中做出接受哪一个的判断。一个的判断。该技技术是从是从样本出本出发，根据，根据样本的量本的量测值制定一个制定一个规则（阈值），因此，），因此，这种方法，只要知道事件的种方法，只要知道事件的观测值，就可以，就可以利用利用这一一规则做出判定做出判定。2022/11/4多源测试信息融合多源测试信息融合20经典推理（经典推理（1 1）假假设检验是根据概率来是根据概率来进行判定的，因此有可行判定的，因此有可能判断能判断错误。这种种错误不外乎有两种不外乎有两种类型：第一种型：第一种错误是原假是原假设H0为真，却被拒真，却被拒绝的的错误，犯，犯这类错误的是根据情况的是根据情况规定的小

14、概率定的小概率；第二种；第二种错误是原假是原假设H0为假，却被接受的假，却被接受的错误，其概率，其概率为。以上两种。以上两种错误可以可以归纳如表如表1。2022/11/4多源测试信息融合多源测试信息融合21类型接受H0接受H1H0为真，H1为假判断正确（1-）H0为假，H1为真判断正确（1-）表表1 假设检验规则的错误概率假设检验规则的错误概率经典推理（经典推理（1 1）例：利用经典推理技术识别不同型号雷达例：利用经典推理技术识别不同型号雷达 假假设两个不同型号的雷达具有不同的脉冲重复两个不同型号的雷达具有不同的脉冲重复周期（周期（PRI），），现在要根据雷达在要根据雷达侦察察传感器感器获得的

15、得的雷达的雷达的PRI来来识别属于哪一部雷达，即两种假属于哪一部雷达，即两种假设分分别为 H0：目：目标为1型雷达；型雷达；H1：目标为2型雷达。型雷达。2022/11/4多源测试信息融合多源测试信息融合22经典推理（经典推理（1 1）图图4（a）给出了两部雷达（）给出了两部雷达（1型记为型记为E1，2型记为型记为E2）的）的PRI的概率密度函数的概率密度函数 f（PRI/H0）和和 f（PRI/H1）它们出现重叠范围。它们出现重叠范围。2022/11/4多源测试信息融合多源测试信息融合23图图4（a）PRI 密度函数密度函数经典推理（经典推理（1 1）2型雷达以脉冲重复周期型雷达以脉冲重复周期PRI（PRIN PRI PRIN+