Мултифункционални сензорни системи. “Fusion” технологии.


Категория на документа: Информатика


Мултифункционални сензорни системи. "Fusion" технологии

MULTISENSOR DATA FUSION
Въведение
Какво е Data Fusion?

Според терминологията, възприета от JDL (Joint Directors of Laboratories) Data Fusion е процес, който се занимава с асоцииране, корелиране и комбиниране на данни и информация от единични и многобройни източници, за да се достигне до по-точни оценки на обекти, системи и процеси, както и по-пълни и навременни преценки за ситуации и заплахи и за тяхното значение. Процесът се характеризира с непрекъснато усъвършенстване на неговите оценки и определяне на нуждата от допълнителни източници, или усъвършенстване на самия процес, за постигане на по-добри резултати.

Data fusion техниките комбинират/смесват данни от множество сензори (multiple sensors/multisensors) за постигане на по-добра определеност, която би могла да се получи посредством единичен, независим сензор. Концепцията за Multisensor Data Fusion е сравнително нова. Природата е заложила тази концепция при хората и животните. Мултисензорното възприемане (зрение, слух, обоняние, вкус, тактилно усещане) им помага по-точно да се ориентират в средата, по-прецизно да оценяват различни опасности, по-лесно да оцеляват. Например, оценявайки качеството на храна, не е достатъчно само зрителното възприятие. Комбинирането на зрение, допир, мирис и вкус дава значително по-добър ефект.

Multisensor data fusion техниките вече намират широко приложение в различни области. Първоначално методите за Data fusion са създадени за военни приложения. Военните приложения включват автоматичното разпознаване на цели (например умни оръжия), управление на автономни машини, дистанционно очувствяване, наблюдение по време на битка, системи за автоматично разпознаване на опасности и др. Невоенните приложения включват мониторинг на производствени процеси, експлоатация на сложни машини въз основа на конкретни условия (conditionbased maintenance), роботиката, медицината и др.

Техниките за комбиниране/смесване на данни се базират на редица традиционни дисциплини, като цифрова обработка на сигнали и данни, статистически оценки, теория на управлението, изкуствен интелект и др.

1.2. Предимства на multisensor data fusion

Комбинирането на данни от множество сензори осигурява редица предимства в сравнени с данните, получавани от единични сензори.

Първо, ако се използват няколко идентични сензора (например идентични радари определят движението на обект) , комбинирането на данните води до значително по-прецизно определяне на позицията и скоростта на обекта. Ако данните от N наблюдения се комбинират чрез Data fusion по оптимален начин, то подобряването на резултата е пропорционално на N. Подобен резултат може да се получи ако се комбинират N наблюдения чрез единичен сензор.

Второто предимство включва използването на multiple sensors за определяне на относително позициониране или преместване на обекти с цел подобряване на процеса на наблюдение. Например, информацията от два сензора (например лазерни далекомери), насочени към даден обект, могат да бъдат координирани за определяне на неговата позиция въз основа на тяхната ориентация (ъгъл) спрямо дадена ос и измерените разстояния до обекта. Т.е. формира се нова информация за обекта, която не може да бъде получена поотделно от двата сензора. Подобна техника се използва при навигация на мобилни машини и роботи.

Третото предимство е свързано с подобряване на наблюдаемостта/ видимостта/ определеността чрез използване на multiple sensors. Като пример ще бъде представено наблюдението на летателен апарат посредством радар и инфрачервен видео сензор. Радарът може да определи точно разстоянието до обекта, но има ограничени възможности за определяне на неговата ъглова ориентация (фиг.1.1). Инфрачервеният видео сензор може точно да определи ъгловата ориентация на апарата, но не може да определи разстоянието до него. Ако тези две наблюдения бъдат коректно асоциирани, то комбинирането на данните от двата сензора дава значително по добро определяне на позицията и ориентацията на апарата. Това води до намаляване на областта на грещката/неопределеността, както е показано на фигурата. Подобен ефект може да бъде получен при идентифицирането на обект въз основа на различни характеристики, оценяване с различни сензори. Например, доказано е, че хищникът идентифицира своята жертва въз основа на комбинация от фактори, включващи размерите, текстурата (получена на базата на акустичната сигнатура) и кинематичното поведение.

Фиг. 1.1. Наблюдение на летателен обект посредством радар и инфрачервен видео сензор

1.3. Области на приложение

Военни приложения: (ВП) са насочени върху проблеми, включващи локализация, характеризиране и разпознаване на динамични обекти, като предаватели, платформи, оръжия и военни части (табл.1.1). Тези динамични данни често се наричат order-of-battle database, или order-of-battle display (ако са наложени върху екран с карта). Примери за приложения свързани с ВП са наблюдение на океаните, въздушна отбрана, разузнаване на бойното поле, наблюдение и прихващане на цели и стратегическо предупреждение и отбрана. Други примери за ВП са отбранителните системи въздух-въздух и земя-въздух , системи за борба с подводниците и автоматични системи за насочване на автономни превозни средства.

Табл.1.1 Приложение на Data Fusion в отбранителни системи
Специфични приложения
Резултат от процеса Data Fusion
Наблюдавани данни
Сензорни платформи
Наблюдение на военно морски обекти
-откриване, идентифициране на цели и събития
-следене на цели
-ЕМ сигнали
-акустични сигнали
-ядрени емисии
-наблюдения

-кораби
-самолети
-подводници
-наземно базирани платформи
-дънно базирани платформи
-сателити
Отбранителни системи въздух-въздух и земя-въздух
-откриване, идентифициране и следене на летателни апарати



Сподели линка с приятел:





Яндекс.Метрика
Мултифункционални сензорни системи. “Fusion” технологии. 9 out of 10 based on 2 ratings. 2 user reviews.