陳湘萍，劉南平，蔡 舉

（1.貴州大學(xué) 電氣工程學(xué)院，貴州 貴陽 550003；2.天津師范大學(xué) 物理與電子信息學(xué)院，天津 300387；

3.河北工業(yè)大學(xué) 信息工程學(xué)院，天津 300401）

一種多傳感器數(shù)據(jù)信息的融合算法

陳湘萍1，劉南平2，蔡 舉3

（1.貴州大學(xué) 電氣工程學(xué)院，貴州 貴陽 550003；2.天津師范大學(xué) 物理與電子信息學(xué)院，天津 300387；

3.河北工業(yè)大學(xué) 信息工程學(xué)院，天津 300401）

為解決在多傳感器信息融合技術(shù)中出現(xiàn)的測(cè)量維數(shù)和置信度較低、系統(tǒng)的探測(cè)能力和生存能力較差以及空間和時(shí)間的范圍較窄等問題，提出了一種改進(jìn)的PSO算法.該算法主要包括對(duì)傳感器自身特點(diǎn)的分析，以及建立一個(gè)綜合傳感器信息增量和處理時(shí)間的目標(biāo)函數(shù)的過程.從實(shí)驗(yàn)仿真結(jié)果可以看出，該算法可以有效地剔除性能不符合系統(tǒng)標(biāo)準(zhǔn)的傳感器，從而更加有效、準(zhǔn)確地進(jìn)行數(shù)據(jù)融合.

多傳感器；數(shù)據(jù)融合；PSO算法

傳感器是一種檢測(cè)裝置，能感受到被測(cè)量的信息，并能將檢測(cè)感受到的信息按一定規(guī)律變換成為電信號(hào)或其他所需形式的信息輸出，以滿足信息的傳輸、處理、存儲(chǔ)、顯示、記錄和控制等要求.多傳感器 信 息 融 合 （Multi－Sensor Imformation Fusion，MSIF）［1－3］是指對(duì)傳感器的數(shù)據(jù)進(jìn)行多級(jí)別、多方面、多層次的處理，從而產(chǎn)生新的有意義的信息，而這種新信息是任何單一傳感器所無法獲得的.多傳感器信息融合由美國國防部在20世紀(jì)70年代提出，近30多年來，隨著信息融合技術(shù)得到了巨大的發(fā)展，包括我國在內(nèi)的許多國家都將它列為重點(diǎn)發(fā)展的關(guān)鍵技術(shù).

實(shí)現(xiàn)多傳感器信息融合的關(guān)鍵技術(shù)是選擇最優(yōu)的傳感器或傳感器組，從而減少目標(biāo)環(huán)境的不確定性，這種不確定性可以用基于信息論的方法度量.目前，主要方法包括：Hintz和Mc Intyre等將信息論中的熵用于調(diào)度單傳感器對(duì)多目標(biāo)的跟蹤［4］；Manyika和Durrant－Whyte對(duì)數(shù)據(jù)融合和傳感器管理建立了概率信息模型［5］，給出了不同情況下的數(shù)據(jù)融合方式；Pierre Dodin等以 Kull－back－Leibler熵作為目標(biāo)函數(shù)，對(duì)目標(biāo)和傳感器進(jìn)行有效配對(duì)，通過不同仿真證明了方法的有效性.

雖然傳統(tǒng)尋優(yōu)方法在理論上能夠得到最優(yōu)解，但受到問題維數(shù)的制約很難滿足實(shí)際要求，PSO（Particle Swarm Optimization）算法是近期提出的一種全新的全局優(yōu)化算法，在求解多維數(shù)、非線性和不可微的復(fù)雜問題上具有良好表現(xiàn)，因其程序?qū)崿F(xiàn)簡潔，需調(diào)整參數(shù)少，而發(fā)展迅速.本研究運(yùn)用全局搜索能力更強(qiáng)的改進(jìn)PSO算法——QD－PSO［5－7］處理由時(shí)間組成的目標(biāo)函數(shù)，并進(jìn)行尋優(yōu)，以實(shí)現(xiàn)傳感器組的管理.實(shí)驗(yàn)證明：該算法潛在的并行性和分布性為處理海量數(shù)據(jù)提供了技術(shù)保證，在傳感器管理中具有良好的應(yīng)用前景.

1 算法原理

1.1 多傳感器信息融合算法

現(xiàn)代融合算法是根據(jù)人工智能理論和現(xiàn)代信息論等發(fā)展起來的一類融合算法，常用的算法主要有聚類分析（Cluster Analysis）、模糊邏輯（Fuzzy Logic）、神經(jīng)網(wǎng)絡(luò)（Neural Networks）、小波理論（Wavelet Theory）、粗糙集理論（Rough Set Theo－ry）、支持向量機(jī)（Support Vector Machines）和PSO算法等方法，表1是部分信息融合算法的相關(guān)信息.

表1 信息融合算法Table1 Data fusion algorithm

融合結(jié)構(gòu)若從信息輸入和輸出的角度進(jìn)行劃分，可以統(tǒng)稱為數(shù)據(jù)特征決策模型，通常分為5類.屬性級(jí)數(shù)據(jù)融合結(jié)構(gòu)和DFD（Data Feature Decision）結(jié)構(gòu)的關(guān)系如圖1所示.

圖1 屬性級(jí)數(shù)據(jù)融合結(jié)構(gòu)和DFD結(jié)構(gòu)關(guān)系Figure 1 Relation between class attribute data fusion and DFD structure

1.2 標(biāo)準(zhǔn)PSO算法

粒子群優(yōu)化算法是近10年提出的一種全局優(yōu)化算法，其數(shù)學(xué)公式可表示為：

其中，x id是粒子當(dāng)前的位置向量，vid是粒子的運(yùn)動(dòng)速度向量，p id為粒子個(gè)體位置最優(yōu)值，p gd為群體最優(yōu)值，即群體中所有粒子在所有搜索過的解空間中適應(yīng)度最高的向量，i＝1，2，…，m表示群落由m個(gè)粒子組成，g表示群體中個(gè)體位置最優(yōu)值的個(gè)數(shù)，d＝1，2，…，D表示d維空間，ω是慣性權(quán)重，c1和c2是非負(fù)的學(xué)習(xí)常數(shù)，rand1（）和rand2（）是介于［0，1］之間的隨機(jī)數(shù).

1.3 QD－PSO算法

由于標(biāo)準(zhǔn)PSO存在缺陷，因此，可以根據(jù)粒子群的基本性質(zhì)，運(yùn)用具有全局收斂的QD－PSO算法來降低這一問題發(fā)生的概率，具體數(shù)學(xué)過程如下.首先，進(jìn)行粒子狀態(tài)更新操作：

1.4 基于QD－PSO算法的總體流程

步驟1：初始化.確定QD－PSO算法的各項(xiàng)參數(shù)，在搜索范圍內(nèi)隨機(jī)初始化x id v id，其中粒子的維數(shù)d即為待選擇傳感器的數(shù)目N.

步驟2：計(jì)算各傳感器被使用的概率，按目標(biāo)函數(shù)式計(jì)算每個(gè)粒子的適應(yīng)值.

步驟3：將每個(gè)粒子的適應(yīng)值與其經(jīng)歷過的最好值進(jìn)行比較，如果更好，則將其作為當(dāng)前粒子的個(gè)體最優(yōu)值.

步驟4：將每個(gè)粒子的個(gè)體最優(yōu)值與群體最優(yōu)值進(jìn)行比較，如果更好，則將其作為群體最優(yōu)值.

步驟5：更新每個(gè)粒子的速度和位置.

步驟6：若未達(dá)到終止條件，則轉(zhuǎn)步驟2.

2 仿真實(shí)例

應(yīng)用8個(gè)傳感器來區(qū)分目標(biāo)的類型，設(shè)目標(biāo)有2種可能的情況：A1＝敵方航母，A2＝我方航母.

對(duì)傳感器A1和A2進(jìn)行事件監(jiān)測(cè)，并根據(jù)式（1）計(jì)算得到傳感器模糊信息屬性，即參數(shù)性能，如表2所示.

表2 傳感器參數(shù)性能表Table 2 Sensor parameters

表2中，t代表時(shí)間，μ代表10個(gè)傳感器檢測(cè)A1和A2的隸屬度，m代表傳感器模糊信息增量.

選擇種群大小為150，令c1＝c2＝12，Vmax＝2 000，根據(jù)QD－PSO算法的流程更新微粒的航行速度和位置，并按照系統(tǒng)的不同要求選擇不同的傳感器組.當(dāng)傳感器處理時(shí)間是重要的參數(shù)時(shí)，設(shè)其權(quán)重為ω1∶ω2＝1∶10，則所選傳感器組實(shí)驗(yàn)結(jié)果如表3所示.

表3 ω1∶ω2＝1∶10時(shí)，所選傳感器組實(shí)驗(yàn)結(jié)果Table 3 Experimental result whenω1∶ω2＝1∶10

當(dāng)傳感器信息增量比較重要時(shí)，設(shè)其權(quán)重為ω1∶ω2＝10∶1，所選傳感器組試驗(yàn)結(jié)果如表4所示.

表4 ω1∶ω2＝10∶1時(shí)，所選傳感器組實(shí)驗(yàn)結(jié)果Table 4 Experimental result whenω1∶ω2＝10∶1

當(dāng)傳感器信息增量和處理時(shí)間同等重要時(shí)，設(shè)其權(quán)重為ω1∶ω2＝1∶1，所選傳感器組如表5所示.

表5 ω1∶ω2＝1∶1，所選傳感器組實(shí)驗(yàn)結(jié)果3Table 5 Experimental result whenω1∶ω2＝1∶1

通過以上實(shí)驗(yàn)對(duì)比可以看出，根據(jù)設(shè)置權(quán)重的不同，所選擇的傳感器組也不盡相同，從而使系統(tǒng)的性能達(dá)到要求.由此可見，通過QD－PSO算法可以有效地剔出信息增量小且處理時(shí)間長的傳感器.

3 結(jié)論

多傳感器信息融合算法技術(shù)在信息融合中的地位越來越重要，基于QD－PSO的傳感器優(yōu)化方法可以使信息融合更準(zhǔn)確地執(zhí)行，使融合在信息源的可靠性、信息的冗余度和互補(bǔ)性以及進(jìn)行融合的分級(jí)結(jié)構(gòu)不確定的情況下，以近似最優(yōu)的方式對(duì)傳感器數(shù)據(jù)進(jìn)行融合.

［1］ 應(yīng)寧，陸大金.多傳感器數(shù)據(jù)融合模型評(píng)述［J］.清華大學(xué)學(xué)報(bào)：自然科學(xué)版，1996，36（9）：14－20.

［2］ 王欣.多傳感器數(shù)據(jù)融合算法研究［D］.西安：西安電子科技大學(xué)，2008：19－32.

［3］ 何友，王國宏，陸大繪，等.多傳感器信息融合及應(yīng)用［M］.北京：電子工業(yè)出版社，2000：19－25.

［4］ Hintz K J，McIntyre G A.Goal lattices for sensor management［C］／／Russian Communication Engineers.Communication System.System on Applications of Sensor Data Fusion，University of Southern California，Los Angeles，California.New York：SPIE Proceedings，1999：249－255.

［5］ Manyika J M，Durrant－Whyte H F.Data Fusion and Sensor Management：a Decentralized Information－theoretic Approach［M］.New York：Ellis Horwood，1994：25－30.

［6］ Bergh V D，Engelbrecht A P.Cooperative learning in neural networks using particle swarm optimizers［J］.South Africa Computer Journal，2000，26（5）：84－90.

［7］ David L H，Llinas J.An introduction to multisensor date fusion［C］／／Proceedings on multisensor date fusion.Analysis of the multi－sensor－multi－target tracking resource allocation problem，MIT，Boston，Massachusetts.Toronto：Proceedings of the IEEE，1997：6－23.

［8］ Leung H，Hu Z，Blanchette M.Evaluation of multiple target track initiation techniques in real radar tracking environment［J］.Radar，Sonar and Navigation，1996，143（4）：246－254.

Data fusion algorithm based on multiply sensors

CHENXiangping1，LIUNanping2，CAIJu3

（1.The Electrical Engineering College，Guizhou University，Guiyang 550003，Guizhou Province，China；
2.College of Physics and Electronic Information，Tianjin Normal University，Tianjin 300387，China；
3.School of Information Engineering，Hebei University of Technology，Tianjin 300401，China）

In order to solve the problems of low measurement dimensions and confidence，bad behavior of detection capability and survivability of the system，narrower range of space and time which appear in multi－sensor information fusion，an improved PSO algorithm has been proposed.The analysis of own characteristics of the sensor，and the establishment of an integrated sensor information gain and processing time of the objective function are included.The simulation results show that the sensors which do not meet the standard of system can be effectively eliminated so that more effective and accurate data fusion can be carried out.

multiply sensors；data fusion；PSO algorithm

TP18

A

1671－1114（2011）01－0042－03

2010－05－23

陳湘萍（1965—），女，高級(jí)工程師，主要從事計(jì)算機(jī)測(cè)控技術(shù)方面的研究.

劉南平（1971—），男，副教授，主要從事智能信息處理方面的研究.

（責(zé)任編校 紀(jì)翠榮）