版權(quán)說(shuō)明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

　　傳感器信息融合又稱(chēng)數(shù)據(jù)融合，是對(duì)多種信息的獲取、表示及其內(nèi)在聯(lián)系進(jìn)行綜合處理和優(yōu)化的技術(shù)。傳感器信息融合技術(shù)從多信息的視角進(jìn)行處理及綜合，得到各種信息的內(nèi)在聯(lián)系和規(guī)律，保留正確的和有用的成分，最終實(shí)現(xiàn)信息的優(yōu)化。定義：將經(jīng)過(guò)集成處理的多傳感器信息進(jìn)行合成，形成一種對(duì)外部環(huán)境或被測(cè)對(duì)象某一特征的表達(dá)方式。單一傳感器只能獲得環(huán)境或被測(cè)對(duì)象的部分信息段，而多傳感器信息經(jīng)過(guò)融合后能夠完善地、準(zhǔn)確地反映環(huán)境的特征。第一節(jié)多傳感器信息融合概述第3頁(yè),共48頁(yè)，2024年2月25日，星期天

　　多傳感器信息融合就像人腦處理信息過(guò)程一樣，充分利用多個(gè)傳感器資源，通過(guò)對(duì)各種傳感器及其觀測(cè)信息的合理支配與使用，將各種傳感器的互補(bǔ)與冗余信息依據(jù)某種準(zhǔn)則組合起來(lái)，產(chǎn)生對(duì)觀測(cè)環(huán)境的一致性解釋和描述。信息融合的目標(biāo)是基于各傳感器分離觀測(cè)信息，通過(guò)對(duì)信息的優(yōu)化組合導(dǎo)出更多的有效信息。它的最終目的是利用多個(gè)傳感器共同或聯(lián)合操作的優(yōu)勢(shì)，來(lái)提高整個(gè)傳感器系統(tǒng)的有效性。第4頁(yè),共48頁(yè)，2024年2月25日，星期天信息融合技術(shù)的實(shí)現(xiàn)和發(fā)展以信息電子學(xué)的原理、方法、技術(shù)為基礎(chǔ)。信息融合系統(tǒng)采用多種傳感器收集各種信息，包括聲、光、電、運(yùn)動(dòng)、視覺(jué)、觸覺(jué)、力覺(jué)等。除了自然(物理)信息外，信息融合技術(shù)還融合社會(huì)類(lèi)信息，以語(yǔ)言文字為代表，涉及到大規(guī)模漢語(yǔ)資料庫(kù)、語(yǔ)言知識(shí)的獲取理論與方法、機(jī)器翻譯、自然語(yǔ)言解釋與處理技術(shù)等。1、在信息電子學(xué)領(lǐng)域應(yīng)用領(lǐng)域第5頁(yè),共48頁(yè)，2024年2月25日，星期天以各種控制理論為基礎(chǔ)，信息融合技術(shù)采用模糊控制、智能控制、進(jìn)化計(jì)算等系統(tǒng)理論，結(jié)合生物、經(jīng)濟(jì)、社會(huì)、軍事等領(lǐng)域的知識(shí)，進(jìn)行定性、定量分析。目前的控制技術(shù)，已從程序控制進(jìn)入了建立在信息融合基礎(chǔ)上的智能控制。智能控制系統(tǒng)不僅用于軍事，還應(yīng)用于工廠企業(yè)的生產(chǎn)過(guò)程控制、城市建設(shè)規(guī)劃、道路交通管理、商業(yè)管理、金融管理與預(yù)測(cè)、地質(zhì)礦產(chǎn)資源管理、環(huán)境監(jiān)測(cè)與保護(hù)、糧食作物生長(zhǎng)監(jiān)測(cè)、災(zāi)害性天氣預(yù)報(bào)及防治等各行各業(yè)。2、在自動(dòng)化領(lǐng)域第6頁(yè),共48頁(yè)，2024年2月25日，星期天增加了系統(tǒng)的生存能力擴(kuò)展了空間、時(shí)間覆蓋范圍提高了可信度降低了信息的模糊度改善了探測(cè)性能提高了空間分辨率增加了測(cè)量空間的維數(shù)優(yōu)點(diǎn)第7頁(yè),共48頁(yè)，2024年2月25日，星期天第二節(jié)傳感器信息融合分類(lèi)和結(jié)構(gòu)1、組合：由多個(gè)傳感器組合成平行或互補(bǔ)方式來(lái)獲得多組數(shù)據(jù)輸出的一種處理方法，涉及的問(wèn)題有輸出方式的協(xié)調(diào)、綜合以及傳感器的選擇。2、綜合：信息優(yōu)化處理中的一種獲得明確信息的有效方法。例：在虛擬現(xiàn)實(shí)技術(shù)中，使用兩個(gè)分開(kāi)設(shè)置的攝像機(jī)同時(shí)拍攝到一個(gè)物體的不同側(cè)面的兩幅圖像，綜合這兩幅圖像可以復(fù)原出一個(gè)準(zhǔn)確的有立體感的物體的圖像。3、融合：將傳感器數(shù)據(jù)與系統(tǒng)內(nèi)部的知識(shí)模型進(jìn)行相關(guān)，而產(chǎn)生信息的一個(gè)新的表達(dá)式。一、傳感器信息融合分類(lèi)第8頁(yè),共48頁(yè)，2024年2月25日，星期天二、信息融合系統(tǒng)的結(jié)構(gòu)模型從檢測(cè)的角度看，檢測(cè)級(jí)融合的結(jié)構(gòu)模型主要有五種，即：分散式結(jié)構(gòu)、并行結(jié)構(gòu)、串行結(jié)構(gòu)、樹(shù)狀結(jié)構(gòu)和帶反饋并行結(jié)構(gòu)。第9頁(yè),共48頁(yè)，2024年2月25日，星期天(a)分散式結(jié)構(gòu)每個(gè)局部決策都是最終決策，可按照某種規(guī)則將這些分離的子系統(tǒng)聯(lián)系起來(lái)，看成一個(gè)大系統(tǒng)，并遵循大系統(tǒng)中的某種最優(yōu)化準(zhǔn)則來(lái)確定每個(gè)子系統(tǒng)的工作點(diǎn)。圖1分散式結(jié)構(gòu)第10頁(yè),共48頁(yè)，2024年2月25日，星期天(b)并行結(jié)構(gòu)每個(gè)局部節(jié)點(diǎn)的傳感器在收到未經(jīng)處理原始數(shù)據(jù)之后，在局部節(jié)點(diǎn)分別作出局部檢測(cè)判決，然后，它們?cè)跈z測(cè)中心通過(guò)融合得到全局決策。這種結(jié)構(gòu)在分布檢測(cè)系統(tǒng)中的應(yīng)用較為普遍。圖2

　　并行結(jié)構(gòu)第11頁(yè),共48頁(yè)，2024年2月25日，星期天(c)串行結(jié)構(gòu)每個(gè)局部節(jié)點(diǎn)分別接收各自的檢測(cè)后，首先由節(jié)點(diǎn)1作出局部判決，然后將它通信到節(jié)點(diǎn)2，而節(jié)點(diǎn)2則將它本身的檢測(cè)與之融合形成自己的判決，以后，重復(fù)前面的過(guò)程，并將最后一個(gè)節(jié)點(diǎn)的判決作為全局判決。圖3串行結(jié)構(gòu)第12頁(yè),共48頁(yè)，2024年2月25日，星期天(d)樹(shù)狀結(jié)構(gòu)信息傳遞處理流程是從所有的樹(shù)枝到樹(shù)根，最后，在樹(shù)根即融合節(jié)點(diǎn)，融合從樹(shù)枝傳來(lái)的局部判決和自己的檢測(cè)，作出全局判決。圖4樹(shù)狀結(jié)構(gòu)第13頁(yè),共48頁(yè)，2024年2月25日，星期天(e)反饋結(jié)構(gòu)每個(gè)局部檢測(cè)器在接收到觀測(cè)之后，把它們的判決送到融合中心，中心通過(guò)某種準(zhǔn)則組合這些判決，然后把獲得的全局判決分別反饋到各局部傳感器作為下一時(shí)刻局部決策的輸入。可明顯地改善各局部節(jié)點(diǎn)的判決質(zhì)量。圖5帶反饋的并行結(jié)構(gòu)第14頁(yè),共48頁(yè)，2024年2月25日，星期天1、標(biāo)準(zhǔn)Kalman濾波技術(shù)Kalman濾波是對(duì)離散線性系統(tǒng)進(jìn)行狀態(tài)估計(jì)的一種常用方法，它是一組基于遞推的數(shù)據(jù)處理算法。Kalman濾波引入了狀態(tài)空間模型，其基本思想是利用前一時(shí)刻的估計(jì)值和當(dāng)前的觀測(cè)值來(lái)得到對(duì)當(dāng)前狀態(tài)變量的估計(jì)，其估計(jì)準(zhǔn)則為最小均方誤差準(zhǔn)則。下面我們通過(guò)一個(gè)框圖來(lái)說(shuō)明卡爾曼濾波所處理的問(wèn)題。第三節(jié)多傳感器信息融合一般方法第15頁(yè),共48頁(yè)，2024年2月25日，星期天依據(jù)前一時(shí)刻的估計(jì)值以及當(dāng)前時(shí)刻的觀測(cè)值給出當(dāng)前時(shí)刻的估計(jì)值。用狀態(tài)方程和測(cè)量方程描述。狀態(tài)方程：量測(cè)方程：

　　假設(shè)是狀態(tài)變量，例如量測(cè)數(shù)據(jù)與系統(tǒng)的各狀態(tài)變量之間呈現(xiàn)線性關(guān)系。：觀測(cè)矩陣

　　：觀測(cè)噪聲第16頁(yè),共48頁(yè)，2024年2月25日，星期天前提條件：、為互為不相關(guān)的高斯白噪聲。經(jīng)過(guò)推導(dǎo)，可得到迭代式為：第17頁(yè),共48頁(yè)，2024年2月25日，星期天增益矩陣：均方誤差陣：第18頁(yè),共48頁(yè)，2024年2月25日，星期天圖6卡爾曼濾波過(guò)程第19頁(yè),共48頁(yè)，2024年2月25日，星期天擴(kuò)展Kalman濾波在多目標(biāo)多傳感器融合中，系統(tǒng)可能是非線性的。其最優(yōu)解通常不能用解析式表示，而且隨著時(shí)間的推移將趨于無(wú)窮維，運(yùn)算量和存儲(chǔ)量的急劇膨脹使得這種最優(yōu)解在物理上是不可實(shí)現(xiàn)的，在工程上也沒(méi)有必要實(shí)現(xiàn)這種最優(yōu)解。對(duì)這類(lèi)系統(tǒng)，至今尚未研究出完善的解法，目前所用的非線性算法都是近似的。下面介紹在跟蹤系統(tǒng)中常用的非線性濾波方法：擴(kuò)展Klaman濾波.第20頁(yè),共48頁(yè)，2024年2月25日，星期天擴(kuò)展Kalman算法對(duì)非線性濾波問(wèn)題常用的處理方法是利用線性化技巧將其轉(zhuǎn)化為一個(gè)近似的線性濾波問(wèn)題。其中最常用的線性化方法是對(duì)非線性問(wèn)題在狀態(tài)變量均值的鄰域內(nèi)進(jìn)行泰勒級(jí)數(shù)展開(kāi)，由此得到的濾波方法稱(chēng)為擴(kuò)展卡爾曼濾波（EKF）。

　　設(shè)非線性系統(tǒng)的狀態(tài)方程為：和線性情況一樣，假定在k時(shí)刻有估計(jì)：第21頁(yè),共48頁(yè)，2024年2月25日，星期天擴(kuò)展Kalman算法為了得到預(yù)測(cè)狀態(tài)，將系統(tǒng)的狀態(tài)方程在附近進(jìn)行泰勒級(jí)數(shù)展開(kāi)，取一階或者二階項(xiàng)，以便產(chǎn)生一階或二階EKF。具有二階項(xiàng)的展開(kāi)式為：第22頁(yè),共48頁(yè)，2024年2月25日，星期天對(duì)擴(kuò)展卡爾曼濾波的余下步驟，只需按標(biāo)準(zhǔn)Kalman濾波的方法對(duì)上述泰勒展式進(jìn)行推導(dǎo)即可。目前，擴(kuò)展卡爾曼濾波雖然被廣泛用于解決非線性系統(tǒng)的狀態(tài)估計(jì)問(wèn)題，但非線性因子的存在對(duì)濾波穩(wěn)定性和狀態(tài)估計(jì)精度都有很大的影響，其濾波效果在很多復(fù)雜系統(tǒng)中并不能令人滿意。模型的線性化誤差往往會(huì)嚴(yán)重影響最終的濾波精度，在模型非線性較強(qiáng)．以及系統(tǒng)噪聲非高斯時(shí)估計(jì)的精度嚴(yán)重下降，并可能導(dǎo)致濾波發(fā)散。第23頁(yè),共48頁(yè)，2024年2月25日，星期天假定完成任務(wù)所需的有關(guān)環(huán)境的特征物用向量f表示，通過(guò)傳感器獲得的數(shù)據(jù)信息用向量d來(lái)表示，d和f都可看作是隨機(jī)向量。信息融合的任務(wù)就是由數(shù)據(jù)d估計(jì)環(huán)境f。假設(shè)p(f,d)為隨機(jī)向量f和d的聯(lián)合概率分布密度函數(shù)，則：p(fd)表示在已知d的條件下，f關(guān)于d的條件概率密度函數(shù)；p(df)表示在已知f的條件下，d關(guān)于f的條件概率密度函數(shù)；p(d)和p(f)分別表示d和f的邊緣分布密度函數(shù)；二、Bayes估計(jì)法第24頁(yè),共48頁(yè)，2024年2月25日，星期天已知d時(shí)，要推斷f，只須掌握p(fd)即可，即：上式為概率論中的Bayes公式。信息融合通過(guò)數(shù)據(jù)信息d做出對(duì)環(huán)境f的推斷，即求解p(fd)。由Bayes公式知，只須知道p(df)和p(f)即可。p(df)是在已知客觀環(huán)境變量f的情況下，傳感器得到的d關(guān)于f的條件密度。第25頁(yè),共48頁(yè)，2024年2月25日，星期天通常,在某一時(shí)刻從多種傳感器得到一組數(shù)據(jù)信息d，由這一組數(shù)據(jù)給出當(dāng)前環(huán)境的一個(gè)估計(jì)f。因此，實(shí)際中應(yīng)用較多的方法是尋找最大后驗(yàn)估計(jì)g，即：即最大后驗(yàn)估計(jì)是在已知數(shù)據(jù)為d的條件下，使后驗(yàn)概率密度p(f)取得最大值得點(diǎn)g。第26頁(yè),共48頁(yè)，2024年2月25日，星期天在傳感器數(shù)據(jù)進(jìn)行融合之前，必須確保測(cè)量數(shù)據(jù)代表同一實(shí)物，即要對(duì)傳感器測(cè)量進(jìn)行一致性檢驗(yàn)。常用以下距離公式來(lái)判斷傳感器測(cè)量信息的一致：式中，x1和x2為兩個(gè)傳感器測(cè)量信號(hào)，C為與兩個(gè)傳感器相關(guān)聯(lián)的方差陣。當(dāng)距離T小于某個(gè)閾值時(shí)，兩個(gè)傳感器測(cè)量值具有一致性。

　　第27頁(yè),共48頁(yè)，2024年2月25日，星期天神經(jīng)網(wǎng)絡(luò)是類(lèi)型分析和函數(shù)逼近的常用方法，采用神經(jīng)網(wǎng)絡(luò)特定的學(xué)習(xí)算法來(lái)獲取知識(shí)，得到不確定性推理機(jī)制。神經(jīng)網(wǎng)絡(luò)多傳感器信息融合的實(shí)現(xiàn)，分三個(gè)重要步驟：根據(jù)智能系統(tǒng)要求及傳感器信息融合的形式，選擇其拓?fù)浣Y(jié)構(gòu)；各傳感器的輸入信息綜合為一總體輸入函數(shù)，通過(guò)神經(jīng)網(wǎng)絡(luò)與環(huán)境交互作用把環(huán)境的統(tǒng)計(jì)規(guī)律反映網(wǎng)絡(luò)本身結(jié)構(gòu)；對(duì)傳感器輸出信息進(jìn)行學(xué)習(xí)，確定權(quán)值的分配，進(jìn)而對(duì)輸入模式做出解釋。三、人工神經(jīng)網(wǎng)絡(luò)法第28頁(yè),共48頁(yè)，2024年2月25日，星期天人工神經(jīng)網(wǎng)絡(luò)神經(jīng)元利用樹(shù)突整合突觸所接收到的外界信息，經(jīng)軸突將神經(jīng)沖動(dòng)由細(xì)胞體傳至其他神經(jīng)元。神經(jīng)網(wǎng)絡(luò)使用大量的處理單元(即神經(jīng)元)處理信息，神經(jīng)元按層次結(jié)構(gòu)的形式組織，每層上的神經(jīng)元以加權(quán)的方式與其它層上的神經(jīng)元連接，采用并行結(jié)構(gòu)和并行處理機(jī)制，具有很強(qiáng)的容錯(cuò)性以及自學(xué)習(xí)、自組織及自適應(yīng)能力，能夠模擬復(fù)雜的非線日，星期天典型的感知神經(jīng)網(wǎng)絡(luò)模型圖7神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)第30頁(yè),共48頁(yè)，2024年2月25日，星期天如果將數(shù)據(jù)融合劃分為二級(jí)，并針對(duì)具體問(wèn)題將處理功能賦予信息處理單元，可以用二層神經(jīng)網(wǎng)絡(luò)描述融合模型。第一層神經(jīng)元對(duì)應(yīng)原始數(shù)據(jù)層融合。第二層完成特征層融合，并根據(jù)前一層提取的特征，做出決策。第31頁(yè),共48頁(yè)，2024年2月25日，星期天四、專(zhuān)家系統(tǒng)專(zhuān)家系統(tǒng)是一個(gè)具有大量專(zhuān)門(mén)知識(shí)與經(jīng)驗(yàn)的程序系統(tǒng)，根據(jù)某領(lǐng)域一個(gè)或多個(gè)專(zhuān)家提供的知識(shí)和經(jīng)驗(yàn)，進(jìn)行推理和判斷，模擬人類(lèi)專(zhuān)家的決策過(guò)程，以便解決那些需要人類(lèi)專(zhuān)家處理的復(fù)雜問(wèn)題。專(zhuān)家系統(tǒng)具有如下特點(diǎn)：(1)啟發(fā)性：專(zhuān)家系統(tǒng)能運(yùn)用專(zhuān)家的知識(shí)和經(jīng)驗(yàn)進(jìn)行推理、判斷和決策。(2)靈活性：專(zhuān)家系統(tǒng)能不斷地增長(zhǎng)知識(shí)，修改原有知識(shí)，不斷更新，不斷充實(shí)和豐富系統(tǒng)內(nèi)涵，完善系統(tǒng)功能。

　　第32頁(yè),共48頁(yè)，2024年2月25日，星期天一個(gè)典型的專(zhuān)家系統(tǒng)由知識(shí)庫(kù)、推理器和接口三部分組成，如圖所示。知識(shí)庫(kù)組織事實(shí)和規(guī)則。推理器籍由知識(shí)庫(kù)中有效的事實(shí)與規(guī)則，在用戶輸入的基礎(chǔ)上給出結(jié)果。接口是用戶與專(zhuān)家系統(tǒng)間的溝通渠道，為用戶提供直觀方便的交互作用手段第33頁(yè),共48頁(yè)，2024年2月25日，星期天五、聚類(lèi)分析法對(duì)于沒(méi)有標(biāo)示類(lèi)別或沒(méi)有明確特征的數(shù)據(jù)樣本集，可以根據(jù)樣本之間的某種相似程度進(jìn)行分類(lèi)，相似的歸一類(lèi)，不相似的歸為另一類(lèi)或另一些類(lèi)，這種分類(lèi)方法稱(chēng)為聚類(lèi)分析，如圖所示。

　　第34頁(yè),共48頁(yè)，2024年2月25日，星期天五、聚類(lèi)分析法聚類(lèi)分析法試圖根據(jù)傳感數(shù)據(jù)的結(jié)構(gòu)或相似性將數(shù)據(jù)集分為若干個(gè)子集。將相似數(shù)據(jù)集中在一起成為一些可識(shí)別的組，并從數(shù)據(jù)集中分離出來(lái)。眾多的不同特征可用不同的聚類(lèi)來(lái)表征。第35頁(yè),共48頁(yè)，2024年2月25日，星期天進(jìn)行聚類(lèi)分析時(shí)，首先需要確定一種規(guī)則來(lái)確定數(shù)據(jù)集的分離原則，尋找各個(gè)類(lèi)之間的相似性是常用的辦法。對(duì)于兩個(gè)給定的數(shù)據(jù)樣本和，幾種常見(jiàn)的相似性度量如：點(diǎn)積：相似性比：歐幾里德距離：第36頁(yè),共48頁(yè)，2024年2月25日，星期天在不規(guī)則粒子的測(cè)量中，人們并不關(guān)心粒子的直徑究竟是多少，而是關(guān)心粒子的種類(lèi)及其統(tǒng)計(jì)特性（平均直徑、方差等）。聚類(lèi)分析適于解決這類(lèi)問(wèn)題。對(duì)于任意不規(guī)則粒子的情形，可以通過(guò)考察粒子在大小分布上的相似程度來(lái)進(jìn)行粒子識(shí)別。聚類(lèi)分析算法能夠挖掘數(shù)據(jù)中的新關(guān)系，可以用于目標(biāo)識(shí)別和分類(lèi)。第37頁(yè),共48頁(yè)，2024年2月25日，星期天管道泄漏檢測(cè)中的數(shù)據(jù)融合醫(yī)學(xué)咨詢與診斷專(zhuān)家系統(tǒng)多傳感器數(shù)據(jù)融合技術(shù)的局限性

　　第四節(jié)多傳感器信息融合實(shí)例第38頁(yè),共48頁(yè)，2024年2月25日，星期天管道泄漏檢測(cè)中的數(shù)據(jù)融合當(dāng)管道發(fā)生泄漏時(shí)，由于管道內(nèi)外的壓差，泄漏處流體迅速流失，壓力迅速下降，同時(shí)激發(fā)瞬態(tài)負(fù)壓波沿管道向兩端傳播。在管道兩端安裝傳感器拾取瞬態(tài)負(fù)壓波信號(hào)可以實(shí)現(xiàn)管道的泄漏檢測(cè)和定位，如圖所示。其中：a是負(fù)壓波在管道中的傳播速度；△t為兩個(gè)檢測(cè)點(diǎn)接收負(fù)壓波的時(shí)間差；L為所檢測(cè)的管道長(zhǎng)度。第39頁(yè),共48頁(yè)，2024年2月25日，星期天式中：a表示負(fù)壓波的傳播速度，K為介質(zhì)的體積彈性系數(shù)，ρ表示介質(zhì)密度，E為管材的彈性系數(shù)，D為管道直徑，e為管壁厚度，C1表示與管道工藝參數(shù)有關(guān)的修正系數(shù)。負(fù)壓波在管道中的傳播速度受傳送介質(zhì)的彈性、密度、介質(zhì)溫度及管材等實(shí)際因素的影響，并不是一個(gè)常數(shù)，如下公式所示。顯然，溫度變化將影響傳送介質(zhì)的密度，負(fù)壓波在管道中的傳播速度不再是一個(gè)常數(shù)，為了準(zhǔn)確地對(duì)泄漏點(diǎn)進(jìn)行定位，需要利用溫度信息校正負(fù)壓波的傳播速度。第40頁(yè),共48頁(yè)，2024年2月25日，星期天泄漏點(diǎn)的定位與管道兩端獲取負(fù)壓波信號(hào)的時(shí)間差有關(guān)，提高泄漏點(diǎn)的定位精度，需要在負(fù)壓波信號(hào)中準(zhǔn)確捕捉泄漏發(fā)生的時(shí)間。根據(jù)質(zhì)量守恒定律，沒(méi)有泄漏時(shí)進(jìn)入管道的質(zhì)量流量和流出管道的質(zhì)量流量是相等的。如果進(jìn)入流量大于流出流量，就可以判斷管道沿線存在泄漏。對(duì)于裝有流量計(jì)的管道，利用瞬時(shí)流量的對(duì)比有助于區(qū)分管道泄漏與正常工況。第41頁(yè),共48頁(yè)，2024年2月25日，星期天第42頁(yè),共48頁(yè)，2024年2月25日，星期天右圖所示是斯坦福大學(xué)建立的細(xì)菌感染疾病診斷咨詢專(zhuān)家系統(tǒng)，由咨詢、解釋和規(guī)則獲取3個(gè)子系統(tǒng)組成。系統(tǒng)的決策過(guò)程主要依據(jù)醫(yī)生的臨床經(jīng)驗(yàn)和判斷、試圖用產(chǎn)生式規(guī)則的形式體現(xiàn)專(zhuān)家的判斷知識(shí)，以模仿專(zhuān)家的推理過(guò)程.醫(yī)學(xué)咨詢與診斷專(zhuān)家系統(tǒng)第43頁(yè),共48頁(yè)，2024年2月25日，星期天中醫(yī)診斷的信息融合過(guò)程如圖所示，中醫(yī)診斷的信息融合過(guò)程涉及視覺(jué)、嗅覺(jué)、聽(tīng)覺(jué)、觸覺(jué)四種不同的傳感器。第44頁(yè),共48頁(yè)，2024年2月25日，星期天多傳感器數(shù)據(jù)融合技術(shù)局限性多傳感器數(shù)據(jù)融合結(jié)果不能代替單一高精度傳感器結(jié)果多個(gè)傳感器的組合可以增強(qiáng)系統(tǒng)的健壯性，但這些傳感器并不一定能檢測(cè)到系統(tǒng)所感興趣的目標(biāo)特征。例如：列車(chē)運(yùn)行過(guò)程中，列車(chē)的載重情況、運(yùn)行速度、振動(dòng)特性等對(duì)診斷列車(chē)輪系工作狀態(tài)提供了有價(jià)值的信息，但這些數(shù)據(jù)卻無(wú)法直接給出軸瓦的工作溫度。采用一個(gè)溫度傳感器直接測(cè)量溫度要簡(jiǎn)單易行得多。第45頁(yè),共48頁(yè)，2024年2月25日，星期天數(shù)據(jù)融合處理不可能修正預(yù)處理或單個(gè)傳感器處理時(shí)的錯(cuò)誤。例如：在管道泄漏檢測(cè)中，如果負(fù)壓波信號(hào)中泄漏發(fā)生的時(shí)間特征點(diǎn)沒(méi)有準(zhǔn)確獲得，泄漏定位的準(zhǔn)確性就沒(méi)有保證，其它的技術(shù)措施如時(shí)間對(duì)準(zhǔn)、流量平衡等都不可能改變這種結(jié)果。第46頁(yè),共48頁(yè)，2024年2月25日，星期天數(shù)據(jù)融合過(guò)程希望能用一種簡(jiǎn)單的方式來(lái)描述傳感器性能傳感器模型的不準(zhǔn)確將導(dǎo)致融合結(jié)果錯(cuò)誤，這種錯(cuò)誤在后續(xù)處理中也是無(wú)法修復(fù)的。例如利用光吸收機(jī)理測(cè)量粉塵時(shí)，沒(méi)有辦法建立粒子尺寸、構(gòu)成、濃度等與光吸收特性關(guān)系的數(shù)學(xué)模型，而是利用現(xiàn)場(chǎng)標(biāo)定的方法確定光吸收程度與粉塵濃度之間的關(guān)系，這種相對(duì)關(guān)系用任何融合技術(shù)都無(wú)法改變。第47頁(yè),共48頁(yè)，2024年2月25日，星期天感謝大家觀看第48頁(yè),共48頁(yè)，2024年2月25日，星期天

　　必一運(yùn)動(dòng)

　　1. 本站所有資源如無(wú)特殊說(shuō)明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。

　　2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。

　　3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽，若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。

　　5. 人人文庫(kù)網(wǎng)僅提供信息存儲(chǔ)空間，僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。

　　7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

　　GB/T 20564.2-2017汽車(chē)用高強(qiáng)度冷連軋鋼板及鋼帶第2部分：雙相鋼

　　本站為文檔C2C交易模式，即用戶上傳的文檔直接被用戶下載，本站只是中間服務(wù)平臺(tái)，本站所有文檔下載所得的收益歸上傳人(含作者)所有。人人文庫(kù)僅提供信息存儲(chǔ)空間，僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對(duì)上載內(nèi)容本身不做任何修改或編輯。若文檔所含內(nèi)容侵犯了您的版權(quán)或隱私，請(qǐng)立即通知人人文庫(kù)網(wǎng)，我們立即給予刪除！

　　福建省莆田涵江區(qū)四校聯(lián)考2024屆八年級(jí)物理第二學(xué)期期末學(xué)業(yè)質(zhì)量監(jiān)測(cè)試題含解析

　　2024屆山東省淄博市臨淄區(qū)金山中學(xué)八年級(jí)下冊(cè)物理期末教學(xué)質(zhì)量檢測(cè)模擬試題含解析

　　2023年四年級(jí)數(shù)學(xué)下冊(cè)第六單元平行四邊形和梯形第3課時(shí)練習(xí)課作業(yè)課件西師大版

　　必一運(yùn)動(dòng)

　　（正式版）SHT 3227-2024 石油化工裝置固定水噴霧和水（泡沫）噴淋滅火系統(tǒng)技術(shù)標(biāo)準(zhǔn)