寧麗鵬

(中國電子科技集團(tuán)公司第五十四研究所，河北 石家莊 050081)

隨著計算機(jī)和信號處理技術(shù)的迅速發(fā)展，信號處理理論和技術(shù)已經(jīng)進(jìn)入了一個新的發(fā)展時期，信號處理的研究不僅限于一般理論和方法的探討，更多側(cè)重于新的實現(xiàn)方法和算法的研究。在現(xiàn)代信號處理技術(shù)研究中，已經(jīng)由原來的對較簡單的線性、因果最小相位系統(tǒng)的研究發(fā)展到現(xiàn)在的非線性、非因果、非最小相位系統(tǒng)的研究，時變信號的分析和處理已成為現(xiàn)代信號處理中新興的重要領(lǐng)域。而智能信息處理就是將不完全、不可靠、不精確、不一致和不確定的知識和信息逐步改變?yōu)橥耆?、可靠、精確、一致和確定的知識和信息的過程和方法，就是利用對不精確性、不確定性的容忍來達(dá)到問題的可處理性和魯棒性，因此研究智能信息處理技術(shù)具有十分重要的意義。

1 智能信息處理技術(shù)的產(chǎn)生與發(fā)展

智能信息處理最早起源于20世紀(jì)30年代，但是由于智能信息處理系統(tǒng)運作過程需要大量的計算，而當(dāng)時又沒有快速的計算工具，這樣就極大的約束了智能信息處理技術(shù)在初期的發(fā)展。自從40年代后期計算機(jī)問世后，給智能信息處理技術(shù)的發(fā)展創(chuàng)造了良好的條件。一些具備智能信息處理功能的高科技產(chǎn)品相繼被推出，并產(chǎn)生了巨大的社會及經(jīng)濟(jì)效益。例如英國科學(xué)家A.M.Cormack和C.N.Hounsfield利用智能信息處理技術(shù)的一些結(jié)果提出了圖象的重建算法，并于1972年設(shè)計制造出了醫(yī)用的CT機(jī)。由于它可以獲得人體內(nèi)部的橫截面的立體圖象，因此在醫(yī)學(xué)診斷中得到了重要應(yīng)用，成為各大醫(yī)院的基礎(chǔ)設(shè)備。另外60年代初由美國科學(xué)家J.W.Cooley等人提出的用于頻譜分析的快速Fourier算法(FFT)，也在科學(xué)界引起轟動。該算法用硬件電路實現(xiàn)后，被迅速應(yīng)用于智能測量儀器等一系列高自動化檢測設(shè)備中去，獲得了極大的成功。其后，隨著計算機(jī)和信號處理技術(shù)的迅速發(fā)展，智能信息處理技術(shù)被廣泛的應(yīng)用于各種信息處理系統(tǒng)中。

2 智能信息處理技術(shù)主要理論與方法

智能信息處理涉及到信息科學(xué)的多個領(lǐng)域，是現(xiàn)代信號處理、人工神經(jīng)網(wǎng)絡(luò)、模糊系統(tǒng)理論、進(jìn)化計算，包括人工智能等理論和方法的綜合應(yīng)用。目前，智能信息處理技術(shù)中主要有人工神經(jīng)元網(wǎng)絡(luò)、模糊理論、進(jìn)化計算、信息融合技術(shù)、盲分離技術(shù)等智能信息處理方法。

2.1 人工神經(jīng)網(wǎng)絡(luò)

（1）人工神經(jīng)元的數(shù)學(xué)模型。在人工神經(jīng)網(wǎng)絡(luò)中，人工神經(jīng)元是最基本的信息處理單元，是以大腦神經(jīng)元結(jié)構(gòu)為參照，用眾多簡單的人工神經(jīng)元構(gòu)造的復(fù)雜神經(jīng)網(wǎng)絡(luò)系統(tǒng)。因此，人工神經(jīng)元及其連接結(jié)構(gòu)是進(jìn)行神經(jīng)元網(wǎng)絡(luò)研究的基礎(chǔ)。仿照生物神經(jīng)元建立的人工神經(jīng)元的數(shù)學(xué)模型可用如圖 1表示。

圖1 人工神經(jīng)元數(shù)學(xué)模型

（2）人工神經(jīng)元網(wǎng)絡(luò)模型。由若干個人工神經(jīng)元按照一定的拓?fù)浣Y(jié)構(gòu)連接在一起便構(gòu)成了各種人工神經(jīng)網(wǎng)絡(luò)模型。目前，人工神經(jīng)元網(wǎng)絡(luò)的主要模型已有幾十種，根據(jù)神經(jīng)元之間連接方式和網(wǎng)絡(luò)中信息流向的不同，神經(jīng)元網(wǎng)絡(luò)模型可分為兩大類：沒有信息反饋的前向型網(wǎng)絡(luò)和具有信息反饋的相互結(jié)合型網(wǎng)絡(luò)，或稱反饋神經(jīng)網(wǎng)絡(luò)。前饋神經(jīng)網(wǎng)絡(luò)由輸入層，中間層（隱層）和輸出層組成。

2.2 模糊理論

模糊理論研究的是一種不確定性現(xiàn)象，這種不確定性是由于事物之間差異的中間過渡性所引起的劃分上的不確定性，它是事物本身固有的不精確性，擺脫了經(jīng)典數(shù)學(xué)理論中“非此即彼”的精確性（二元性），而使得概念的外延具有一種不分明性，也即“亦此亦彼”的模糊性。

（1）模糊系統(tǒng)。模糊系統(tǒng)（也稱自適應(yīng)模糊系統(tǒng)或模糊邏輯系統(tǒng)）就是以模糊規(guī)則為基礎(chǔ)而具有模糊信息處理能力的動態(tài)模型。模糊系統(tǒng)可以視為一個輸入—輸出的映射關(guān)系，而且這一系統(tǒng)可以作為連續(xù)函數(shù)的通用逼近器。它由四部分組成，如圖2所示。

圖2 模糊邏輯系統(tǒng)

（2）模糊神經(jīng)網(wǎng)絡(luò)。模糊神經(jīng)網(wǎng)絡(luò)（Fuzzy Neural Network,FNN）是在神經(jīng)網(wǎng)絡(luò)和模糊系統(tǒng)基礎(chǔ)上發(fā)展起來的，它充分考慮了神經(jīng)網(wǎng)絡(luò)和模糊系統(tǒng)的互補(bǔ)性，集語言計算、邏輯推理、分布式處理和非線性動力學(xué)過程于一體，具有學(xué)習(xí)、聯(lián)想、識別、自適應(yīng)和模糊信息處理能力等功能。其本質(zhì)就是將常規(guī)的神經(jīng)網(wǎng)絡(luò)賦予模糊輸入信號和模糊權(quán)值。將神經(jīng)網(wǎng)絡(luò)和模糊技術(shù)結(jié)合起來，有效的發(fā)揮各自的優(yōu)勢并彌補(bǔ)其不足。因此，模糊神經(jīng)網(wǎng)絡(luò)對人工智能和智能模擬的發(fā)展具有十分重要的意義。

2.3 進(jìn)化計算

進(jìn)化算法是一類借鑒生物界自然選擇和遺傳機(jī)制的隨機(jī)搜索算法，主要包括遺傳算法、進(jìn)化規(guī)劃等算法，可以用來解決優(yōu)化和機(jī)器學(xué)習(xí)等問題。

（1）遺傳算法。遺傳算法是模擬生物遺傳過程的計算模型，作為一種全局優(yōu)化搜索算法具有簡單通用、魯棒性強(qiáng)、適于并行處理以及應(yīng)用范圍廣泛等顯著特點。遺傳算法是一種群體操作，該操作以群體中所有個體為對象。選擇，交叉和變異是遺傳算法的 3個主要操作算子，它們構(gòu)成了所謂的遺傳操作，使遺傳算法具有了其它傳統(tǒng)算法所沒有的特性。目前許多學(xué)者對 Holland基本遺傳算法根據(jù)實際應(yīng)用需求進(jìn)行了改進(jìn)和擴(kuò)展，現(xiàn)已廣泛的應(yīng)用于函數(shù)尋優(yōu)、自動控制、圖像識別、機(jī)器學(xué)習(xí)等領(lǐng)域，成為計算智能技術(shù)中的常用算法之一。

（2）進(jìn)化規(guī)劃。進(jìn)化規(guī)劃方法最初由佛杰爾（L.J.Fogel）等人于 20世紀(jì)60年代提出的。進(jìn)化規(guī)劃中常用有限狀態(tài)機(jī)來表示這樣的策略，即借用進(jìn)化的思想對一組FSM進(jìn)行進(jìn)化以獲取更為有效的FSM。目前，進(jìn)化規(guī)劃已應(yīng)用到數(shù)據(jù)診斷、模式識別、數(shù)值優(yōu)化、控制系統(tǒng)的設(shè)計以及神經(jīng)元網(wǎng)絡(luò)的訓(xùn)練等問題中，并取得了較好的結(jié)果。由于許多工程問題可歸結(jié)為對特定的輸入產(chǎn)生特定的輸出的計算機(jī)程序，因而在工程中具有重要的應(yīng)用價值。

2.4 信息融合技術(shù)

信息融合技術(shù)研究如何加工、協(xié)同利用多源信息，并使不同形式的信息相互補(bǔ)充，以獲得對同一事物或目標(biāo)更客觀、更本質(zhì)認(rèn)識的信息綜合處理技術(shù)。多傳感器系統(tǒng)能完善地精確地反映檢測對象特征，消除信息的不確定性，提高傳感器的可靠性。

（1）信息融合的基本原理。多傳感信息融合實際上是對人腦綜合處理復(fù)雜問題的一種功能模擬。在多傳感器系統(tǒng)中，各種傳感器提供的信息可能具有不同特征。多傳感器信息融合的基本原理就像人腦綜合處理信息的過程一樣，它充分利用多個傳感器資源，通過對這些傳感器及其觀測信息的合理支配和使用，把多個傳感器在時間或空間上的冗余或互補(bǔ)信息依據(jù)某種準(zhǔn)則來進(jìn)行組合，以獲得被測對象的一致性解釋或描述，使該信息系統(tǒng)由此而獲得比它的各組成部分的子集所構(gòu)成的系統(tǒng)更優(yōu)越的性能。

（2）信息融合的功能模型。信息融合可分為高層次和低層次處理，低層次處理包括數(shù)據(jù)的預(yù)處理；目標(biāo)檢測、分類和辨識；目標(biāo)追蹤。高層次處理包括態(tài)勢和威脅估計以及對整個融合過程的提取?，F(xiàn)有融合系統(tǒng)的模型大致可以分為兩大類：數(shù)據(jù)型模型和功能型模型。

2.5 盲分離技術(shù)

盲分離是指從觀察到的混合信號中分離出源信號的問題，有時也被稱為盲源分離問題。盲分離屬于在目標(biāo)函數(shù)下的無監(jiān)督學(xué)習(xí)，其基本思想是抽取統(tǒng)計獨立的特征來表示輸入。在信號處理中，應(yīng)用盲分離來解決實際的應(yīng)用例子，如在陣列信號處理技術(shù)中僅僅憑借傳感器的觀測信號估計未知信號源波形；在生物醫(yī)學(xué)信號提取有效信號；在無線通信中利用一個信道實現(xiàn)多用戶通信服務(wù)。盲信號分離中主要針對信號的兩個方面進(jìn)行處理：源信號的形式是未知的和源信號的混合方式也是未知的。

3 結(jié)語

雖然智能信息處理技術(shù)已得到很大發(fā)展,但還存在各種問題有待研究和解決，欲使智能信息處理技術(shù)不斷取得進(jìn)展并在生產(chǎn)實踐中得到應(yīng)用,必須和當(dāng)代的前沿學(xué)科相結(jié)合,引入相關(guān)學(xué)科中的新思維和新方法,并善于從生產(chǎn)實際中提出問題,歸納提高到理論和方法的高度進(jìn)行研究和探討。隨著需要處理的信息系統(tǒng)越來越復(fù)雜，依靠單一智能信息處理方法都有各自的優(yōu)缺點,難以滿足復(fù)雜系統(tǒng)的全部要求,因此,將多種不同的智能信息處理技術(shù)結(jié)合起來的混合智能信息處理技術(shù)是未來信息處理技術(shù)研究的必然趨勢。

[1]陳國良.遺傳算法及其應(yīng)用[M].北京：人民郵電出版社,1996.

[2]林明星，付晨.基于神經(jīng)網(wǎng)絡(luò)的多傳感器信息融合技術(shù)[J].新技術(shù)工藝，1999，（3）：6-8.

[3]何友，王國宏.多傳感器信息融合[M].北京：電子工業(yè)出版社，2000.