多传感器融合的四种经典结构

“人一生的成长过程中，也不总是只有一种必然性，很多时候，人生需要选择。请选择有尊严的活着，告别卑微！”

 

转一篇信息融合的结构概述：

 

多传感器信息融合的结构模型一般有四种基本形式：

集中式、分散式和分级式结构，分级式又分为有反馈结构和无反馈结构。

 

集中式结构

 

（使用卡尔曼滤波技术）

F(k)为状态转移矩阵， X(k)是k时刻目标的状态向量，G(k)为噪声增益矩阵，ω(k)为输入噪声模型，H(k)为观测矩阵，V(k)为观测噪声模型。

 

在系统融合中心采用集中卡尔曼滤波融合技术，可以得到系统的全局状态估计信息．在集中式结构中，各传感器信息的流向是自低层向融合中心单方向流动，各传感器之间缺乏必要的联系。

分散融合结构

 

分散融合结构没有*处理单元，每个传感器都要求作出全局估计，采用分散Kalman滤波技术来实现多传感器信息的融合。为了简化算法，作以下三点假设：

    1. 传感器分散网络结构中的每一个融合节点都和其它节点直接相连；

    2. 节点的通信在一个周期内同时进行；

    3. 所有节点使用同样的状态空间。

当每个节点得到自己的局部估计后，就与其它相连的节点进行通信，接受其它节点传递来的信息后进行同化处理，同化包括状态同化和方差同化，经推导可得第 i 个节点的状态同化方程为：

从而，在每个节点都可以得到全局的状态估计和方差估计。

有n个节点组成的分散融合结构网络中，任一个节点都可以作出全局估计，某一节点的失效不会显著地影响系统正常工作，其它n一1个节点仍可以对全局作出估计，有效地提高了系统的鲁棒性。尽管每个节点都具有较大的通信量，但是其通信量都没有集中式融合中心的通信量大，且由于其采取并行处理，解决了通信瓶颈问题。通过分散融合各传感器之间互通信息，加强了联系，尽管通信费用较高，但是系统的鲁棒性和容错性得到提高。

    补充：

    鲁棒性（robustness）就是系统的健壮性。它是在异常和危险情况下系统生存的关键。比如说，计算机软件在输入错误、磁盘故障、网络过载或有意攻击情况下，能否不死机、不崩溃，就是该软件的鲁棒性。

 

分级融合结构

 

分级融合结构，它有两种形式：无反馈的分级结构和有反馈的分级结构，分级结构采取的是由低层向高层逐层融合的思想．设系统的动力学方程和观测方程同上，设有下标的表示低层的信息，没有下标的表示高层的信息．则

无反馈时：

有反馈时：

可以看到：信息从低层向高层逐层流动，无反馈时，层间传感器属于单向联系，高层信息不参与低层处理；有反馈时，层间传感器是双向联系，不仅低层融合信息向高层传递，高层信息也参与低层节点处理。各传感器之间是一种层间的有限联系。

总结

 

集中式融合结构：结构简单，精度高，融合速度快，各融合中心计算和通信负担过重，系统容错性差，各低层传感器之间缺乏必要的联系；

分散式融合结构：每个传感器都具有估计全局信息的能力，任何一个传感器的失效都不会导致系统的崩溃，各传感器之间互通信息，系统的可靠性和容错性高，计算和通信负担比集中式要轻，融合精度不如集中式好；

分级融合结构：信息从低层到高层逐层参与处理，高层节点接收低层节点的融合结果，在有反馈时，高层信息也参与低层节点的融合处理。各传感器之间是一种层间有限联系，其计算和通信负担介于集中式结构和分散式结构之间。