多传感系统(Multisensor Integration) 是指把多传感器收集、提供的信息、集合或组合在一起的系统。在实际生活中具有广泛的作用。
多传感系统(Multisensor Integration) 是指把多传感器收集、提供的信息、集合或组合在一起的系统。在实际生活中具有广泛的作用。
背景
随着各种防御、监视、交通管制系统的发展, 对传感器提出了越来越高的要求: 作用范围越来越大, 监视和跟踪精度越来越高。尤其在军事应用中, 更要求传感器系统具有较大的可靠性、灵活性、监视跟踪的连续性、反应的快速性和较强的生存能力。传统的单传感器监视/ 跟踪系统已难以适应。为此, 多传感器系统的研究就提到日程上了, 近年来, 涌现出不少此类系统。
从数据处理的角度看, 多传感器系统的核心问题是信息的综合。所谓多传感综合是指把多传感器收集、提供的信息、集合或组合在一起的过程。通常它包含相关和合成两部分。相关是指把来自同一目标的报告或航迹联结或结合在一起的过程。合成是指把来自不同传感器的对应于同一目标的已相关航迹组合成单独航迹的过程。把相关( 互联) 和合成的整个过程( 即综合) 看成是多传感器数据合成的观点已经开始被人们接受。多传感器综合算法的研究越来越引起人们的兴趣, 大有方兴未艾之势。
在进行多传感器综合算法研究及设计、分析相应系统的过程中, 人们自觉或不自觉地遇到了多传感器系统的分类问题。自从多传感器系统问世以来, 人们逐渐把它们按信息综合级分成两大类, 即集中式和分布式系统。随着各种多传感器系统的不断增加, 这种分类方法已经明显地表现出不准确和不清晰的趋势。因此,已经有天提出了分层估计、分级结构的和分级多目标跟踪和分类这样一些概念。另外, 把除集中式以外的所有多传感器系统都归为分布式系统显然太笼统, 容易引起混淆, 并且也影响多传感器系统设计和分析的有效性。更重要的是这种简单分类方法直接阻碍综合算法的研究、开发和利用, 使综合算法的研究不能更有针对性和系统性, 影响了综合算法的效果和结构。所以, 有必要对多传感器系统按信息处理、综合级别和流通方式进行明确的仔细的分类。
多传感器系统分类
根据多传感器系统中的信息流通形式和综合处理层次, 可以把它们分成: 集中式、分布式、分级式、混合式和多级式五大类。下面分别介绍它们的结构、特点和有关的综合算法。
集中式
传感器把探测到的信息送到数据处理中心, 传感器站本身不具有航迹生成能力, 所有的航迹处理工作都由中心计算机完成。来自各传感器的数据经中心综合, 产生一个航迹文件, 传递给( 送往)用户, 这时并不把处理结果反馈到各传感器站。
与单传感器系统相比, 集中式多传感器系统的好处是, 增加数据量, 加速航迹起始, 提高了航迹文件质量和在线冗余。与其它类型的系统相比, 缺点是, 对变化威胁环境反应慢, 具有易损性, 对中心计算机的质量指标要求过高。
由于这是一种在单传感器系统基础上直接发展起来的形式, 原则上讲, 单传感器数据互联算法, 都可用于集中式多传感器的综合。例如, 最近邻域法，航迹分叉滤波，广义相关法，0-1 整数规划法，概率数据互联法，最优贝叶斯法，多假设检验和高斯和法等。但是, 集中式多传感综合在定时、滤波、更新、航迹起始和对来自几个传感器探测利用等方面又与单传感器不同。为此，Wilson、Cantrell 等人提出了多雷达综合跟踪算法，Wellner 等人研究了集中式多传感器系统的 Kalman 滤波算法；此外，Chong 和 Mori 考虑了集中多目标广义跟踪/ 相关算法。
分布式
它可表证为, 一组局部处理器, 也称局部节点(node) , 由通讯网络连接, 没有单独的中心处理站。每个节点收集来自一个或一些传感器的测量。它首先完成局部信息处理, 建立局部航迹文件, 并把结果传递给其余一部分或全部节点。然后,各节点又把从其它节点收到的一部分或全部信息与自己的局部信息进行综合产生“ 全局” 估计。分布式系统还可进一步分为两种: 完全分布式和集中分布式。前者指的是每个局部节点仅收集来自一个感传器探测的系统; 否者则是除前者以外的。如果各局部节点没有通讯联系, 则分布式多传感器系统就退化成了分散式的, 这时它变为一些单传感器或几个分离的集中式系统。因此, 分散式系统不构成一种独立的结构类别。
分级式
这类系统的特点是: 每个局部处理节点完成一族传感器的局部监视/ 跟踪, 产生局部航迹文件; 然后, 把处理过的信息送到系统中心, 中心根据各节点传送来的航迹数据完成航迹相关和合成，形成全局估计; 中心到各局部节点有时有反馈; 节点把收到的全局信息作为局部估计的初始条件。与分布式系统类似。根据局部节点的传感器是一个还是几个, 可把分级式系统细分成完全分级式和集中分级式两种。
混合式
从信息综合层次和流通方式看, 混合式系统既包含了分布处理, 又包含了分级处理。具体表现有两种: 一是先分布后分级, 这时局部节点是分布式的, 每个局部节点总是向另一部分局部节点发送信息或从另一部分局部节点接收信息, 通常是邻近节点间进行交流与传输, 并且所有局部节点又有一个共同的合成节点; 二是先分级后分布, 这时每个分布局部节点都是某一分级系统的合成节点或是某一集中式系统的中心处理节点, 这些“ 合成” 节点以分布方式连接, 彼此按一定规则交换信息。与分布和分级式系统类似, 混合式系统还可进一步细分为四种。即分布分级式, 分级分布式, 集中分布分级式和集中分级分布式。
混合式系统集合了分布、分级式系统的优点, 并且由于分布与分级互相弥补,克服了它们的某些不足。但明显的问题是系统的造价增高。由于系统的庞大, 总的可靠性也将降低。
多级式
凡是信息经过两级以上综合的系统皆可称为多级式系统。
多级式系统结构复杂, 通讯和计算层次多。通讯方式、信息的传递形式和各级综合方法都应该有新的内容。
研究方向
由于各种结构的多传感器系统不断出现, 使传感器数据处理领域出现了一系列新的研究课题。从大量资料来看, 以下几个方面的间题基本没有解决或刚开始研究, 尚未取得实际效果。
实用的多传感器综合算法
虽然已经提出了一些综合算法,但理论上的结果居多, 能用于实际的算法还不多见, 尤其是分布和分级式多传感器系统的综合算法。解决该间题可沿两个方向进行: 一是继续研究新的实用综合算法, 二是把已有的理论算法具体化、实际化和工程化。
分布、分层估计问题
分布、分层估计是估计理论的两个新兴分支, 近几年才刚作为独立的理论提出。这些理论远没有完全形成, 而它们是研究多传感器综合算法的理论基础。随着混合式和多级式系统的出现, 在理论上还将出现混合估计和多级估计。
通讯问题
无论是哪种形式的多传感器系统, 都存在着大量的通讯。那么, 对于一个具体的系统来说, 应该通讯什么? 怎样通讯?何时通讯? 这些都是十分复杂的问题, 至今尚未彻底解决。
混合式、多级式系统的综合
现有的综合算法对混合式、多级式系统原则上讲均不适应, 。因而, 有必要开辟一个新的研究领域, 来解决这类复杂大系统中的多层信息的综合问题。
非线性综合
从现有的算法看, 大部分是建立在线性和其它类似的约束基础上, 对非线性综合算法的研究还不多。然而, 非线性是普遍存在的, 所以应结合非线性分布、分层估计、非线性滤波研究非线性综合算法。
