付春玲,宮德龍,李 捷
(1.河南大學(xué) 基礎(chǔ)實(shí)驗(yàn)教學(xué)中心,河南 開(kāi)封 475004;2.河南大學(xué)計(jì)算機(jī)與信息工程學(xué)院,河南開(kāi)封 475004)
目前,在工業(yè)自動(dòng)化系統(tǒng)中的數(shù)據(jù)采集環(huán)節(jié)一般使用電子量測(cè)設(shè)備或智能儀表,但在實(shí)際工作環(huán)境中,障礙物遮擋、傳感器故障以及量測(cè)環(huán)境中一些不確定擾動(dòng)等隨機(jī)干擾因素的影響將給量測(cè)數(shù)據(jù)采集地帶來(lái)極大的困難。另外,由于不可避免的傳輸誤差、計(jì)算誤差等系統(tǒng)干擾因素,將使得量測(cè)數(shù)據(jù)不能完全反映事物的真實(shí)狀態(tài)和數(shù)量關(guān)系。針對(duì)此類問(wèn)題的處理,國(guó)內(nèi)外專家學(xué)者基于參數(shù)估計(jì)的思想相繼設(shè)計(jì)了大量的數(shù)字濾波器,典型方法如:算術(shù)平均、極大似然估計(jì)、最小二乘估計(jì)以及最大后驗(yàn)估計(jì)[1,2]。以上算法應(yīng)用的基本前提在于測(cè)量數(shù)據(jù)無(wú)缺失,即傳感器探測(cè)概率為1;同時(shí)要求測(cè)量數(shù)據(jù)具有已知的概率分布特性,且測(cè)量次數(shù)足夠多。近年來(lái),結(jié)合凸優(yōu)化理論和生物生存與覓食機(jī)理構(gòu)建了遺傳算法、粒子群算法、蟻群算法和人工魚群算法等[3~6]。然而,此類算法在應(yīng)用中都涉及到適應(yīng)度函數(shù)的設(shè)定,這必然要求使用者對(duì)于待處理對(duì)象具有深刻的認(rèn)識(shí),即具備一定先驗(yàn)信息,這必然限制了算法的應(yīng)用范圍。
考慮到量測(cè)不確定多傳感器信息合理利用,Lou R C率先引入置信概率距離的概念度量各傳感器量測(cè)數(shù)據(jù)一致性,其中置信距離形式需要結(jié)合具體工程背景設(shè)置[7,8]。在此基礎(chǔ)上,Wang 結(jié)合模糊理論中隸屬度函數(shù)定義了一種決策距離來(lái)衡量傳感器測(cè)量數(shù)據(jù)之間的支持程度,并在此距離的基礎(chǔ)上構(gòu)造多傳感器測(cè)量數(shù)據(jù)之間的距離矩陣、關(guān)系矩陣,最后,利用有向圖方法求解出最終參與數(shù)據(jù)融合相互支持的最大傳感器連接組,進(jìn)而在一定的準(zhǔn)則下完成最優(yōu)融合[9]。但通過(guò)決策距離確定關(guān)系矩陣時(shí)需要先驗(yàn)信息設(shè)定閾值度量信息的可利用程度,并且二值判定方式也降低了量測(cè)信息的利用效率。文獻(xiàn)[10]利用矩陣特征向量的穩(wěn)定理論進(jìn)行融合,文獻(xiàn)[11,12]分別定義了模糊型指數(shù)函數(shù)量化數(shù)據(jù)間信任和支持程度來(lái)進(jìn)行多傳感器數(shù)據(jù)融合,以上方法均是先通過(guò)選取閾值來(lái)定義關(guān)系矩陣,再進(jìn)行融合。此類方法在給定各傳感器的支持界限值和選擇有效數(shù)據(jù)方面受主觀因素的作用較大,融合結(jié)果好壞很大程度上取決于參數(shù)值選取,因而,其結(jié)論不夠穩(wěn)定,影響了算法的穩(wěn)健性。針對(duì)以上算法存在的問(wèn)題,借鑒傳統(tǒng)一致性融合實(shí)現(xiàn)步驟,并結(jié)合模糊理論和加權(quán)融合策略,通過(guò)置信距離、支持度函數(shù)和支持度矩陣的構(gòu)建,本文構(gòu)建了一種量測(cè)不確定下多傳感器一致性數(shù)據(jù)融合算法。仿真實(shí)驗(yàn)結(jié)果驗(yàn)證了算法的有效性。
考慮下面多傳感器量測(cè)模型
其中,i為量測(cè)系統(tǒng)中傳感器編號(hào),且i=1,2,…,N。x∈Rn為被估計(jì)系統(tǒng)的狀態(tài)真值。zi∈Rm和vi∈Rm分別為第i只傳感器的量測(cè)值和量測(cè)噪聲,并假設(shè)vi為滿足均值為零、標(biāo)準(zhǔn)差為σi的正態(tài)分布,且各傳感器量測(cè)噪聲不相關(guān)。ei為第i只傳感器受到的外界擾動(dòng)??紤]到工程應(yīng)用中的實(shí)際情況,假設(shè)在N只傳感器中,大多數(shù)傳感器都是可靠的,即僅有少數(shù)幾只傳感器受到外界擾動(dòng),或含有疏失誤差。為了檢驗(yàn)傳感器測(cè)量的一致性,引進(jìn)置信距離測(cè)度用以比較各傳感器的量測(cè)數(shù)據(jù)的一致性
分析以上基本一致性融合算法構(gòu)建原理,發(fā)現(xiàn)其具體實(shí)現(xiàn)中存在以下問(wèn)題:首先,置信距離測(cè)度可選取不同的距離定義形式,因此,不可避免將出現(xiàn)dij≠dji的形式,這與通常距離定義中對(duì)對(duì)稱性要求是不一致的;其次,在確定關(guān)系矩陣R時(shí),閾值εij確定需要采用專家知識(shí)或先驗(yàn)信息。再有,rij非1即0的構(gòu)造方式損失了大量傳感器量測(cè)間可利用的冗余和互補(bǔ)信息,尤其在傳感器檢測(cè)概率較低或外界隨機(jī)擾動(dòng)較大的情況,估計(jì)精度很難滿足實(shí)際工程需求?;谝陨戏治?,結(jié)合置信距離、模糊理論以及加權(quán)融合的思想,提出一種針對(duì)量測(cè)不確定的多傳感器一致性數(shù)據(jù)融合算法。為了便于算法工程中的具體實(shí)現(xiàn),下面給出算法流程。首先,不失一般性,考慮到量測(cè)向量具有高維特征且各分量屬性之間的聯(lián)系,引入能夠有效度量向量數(shù)據(jù)間相似度的馬氏距離評(píng)估兩傳感器量測(cè)數(shù)據(jù)間的置信距離
為對(duì)這種粒子間信息支持程度進(jìn)行規(guī)范性量化,在dij基礎(chǔ)上構(gòu)建支持度函數(shù)?ij。?ij要求滿足以下2個(gè)條件:1)與置信距離呈反比例關(guān)系;2)?ij∈[0,1]使數(shù)據(jù)處理能夠利用模糊集合理論中隸屬函數(shù)的優(yōu)點(diǎn),從而避免量測(cè)信息一致性度量程度絕對(duì)化?;谝陨峡紤],支持度函數(shù)?ij表達(dá)式選取為如下形式
其中,Θ =[δ1,δ2,…,δN]T,η =[b1,b2,…,bN]T。由置信矩陣的構(gòu)建過(guò)程可知,S是一個(gè)對(duì)角線元素全為1的正定對(duì)稱矩陣,且該矩陣中的其他元素均為小于等于1的正數(shù)。根據(jù)置信矩陣中元素自身特點(diǎn)和Perron-Frobenius定理:S存在最大模特征值λ,λ>0,且僅有該特征值對(duì)應(yīng)特征向量中的元素全為正,并使得λη=Sη。結(jié)合公式(6)和等式傳遞原理,則Θ=λη,由于λ為不等于0的實(shí)常數(shù),因此,Θ∝η。對(duì)η中的元素進(jìn)行歸一化處理得,向量中第i個(gè)元素即可作為描述粒子zi被系統(tǒng)中所有粒子綜合支持程度的一致性權(quán)重wi。
在獲得wi基礎(chǔ)上,被估計(jì)系統(tǒng)狀態(tài)可根據(jù)加權(quán)融合方式獲取
為檢驗(yàn)該算法的可行性和有效性,仿真實(shí)驗(yàn)中對(duì)比了算術(shù)平均方法、加權(quán)最小二乘算法、基本一致性數(shù)據(jù)融合算法以及本文算法。被估計(jì)系統(tǒng)狀態(tài)真值設(shè)定為50,量測(cè)系統(tǒng)中傳感器數(shù)目、量測(cè)方差、檢測(cè)概率基準(zhǔn)值分別設(shè)定為20,10,0.8,不失一般性,仿真場(chǎng)景設(shè)定了算法實(shí)現(xiàn)過(guò)程中,外界擾動(dòng)信息分別設(shè)定在泊松分布、高斯分布以及均勻分布條件下,傳感器數(shù)目、傳感器量測(cè)精度和傳感器檢測(cè)概率3個(gè)參數(shù)變化對(duì)算法濾波精度的影響。仿真結(jié)果如圖1~圖3。
圖1 傳感器數(shù)量對(duì)濾波精度的影響Fig 1 Effect of sensor quantity on filtering precision
圖2 測(cè)量方差對(duì)濾波精度的影響Fig 2 Effect of measurement variance on filtering precision
圖3 檢測(cè)概率對(duì)濾波精度的影響Fig 3 Effect of detecting probability on filtering precision
由圖1仿真結(jié)果可以清晰看出:隨著傳感器數(shù)目增加,即對(duì)于系統(tǒng)狀態(tài)量測(cè)信息量增強(qiáng),4種算法濾波精度都獲得了進(jìn)一步的提升,而由于本文算法信息提取和利用得有效充分,其精度明顯優(yōu)于其他3種算法。由圖2可以發(fā)現(xiàn):隨著傳感器精度減弱,仿真實(shí)現(xiàn)中的4種算法濾波精度將趨于惡化,尤其是標(biāo)準(zhǔn)一致性融合算法甚至趨于發(fā)散狀態(tài),以上現(xiàn)象出現(xiàn)的原因與算法對(duì)數(shù)據(jù)二值判別和處理機(jī)制有關(guān),在傳感器精度變差條件下,大量數(shù)據(jù)由于無(wú)法滿足數(shù)據(jù)選取的閾值條件而被剔除,無(wú)法實(shí)現(xiàn)對(duì)量測(cè)中冗余和互補(bǔ)信息合理利用。而由圖3給出傳感器檢測(cè)概率變化對(duì)濾波精度影響可以看出:隨著傳感器檢測(cè)概率提升,即量測(cè)信息量的增加,算法濾波精度均得到改善。另外,從4種算法在3種不同外界擾動(dòng)情況下濾波結(jié)果可知,本文算法相對(duì)其他3種算法在可靠性和魯棒性方面具有明顯優(yōu)勢(shì)。
多傳感器在量測(cè)過(guò)程中由于多種因素的影響,量測(cè)數(shù)據(jù)中不可避免存在不確定的外界擾動(dòng)信息。針對(duì)此類問(wèn)題,本文提出一種量測(cè)不確定下多傳感器一致性數(shù)據(jù)融合算法。仿真實(shí)驗(yàn)結(jié)果表明:與現(xiàn)有數(shù)據(jù)處理方法相比,該方法既能夠控制多傳感器量測(cè)數(shù)據(jù)中不確定的干擾,又能夠?qū)崿F(xiàn)對(duì)量測(cè)信息的合理利用。與現(xiàn)有處理方法相比,在濾波精度和魯棒性方面均得到明顯提升,并且算法具有物理意義清晰和實(shí)現(xiàn)簡(jiǎn)單的優(yōu)點(diǎn)。
[1] Mahler R P S.Statistical multisource-multitarget information fusion[M].Boston,London:Artech House Publishers,2007:6 -36.
[2] 梁 彥,潘 泉,楊 峰,等.復(fù)雜系統(tǒng)的現(xiàn)代估計(jì)理論及應(yīng)用[M].北京:科學(xué)出版社,2009:9-41.
[3] Wang C,Gao J H.High-dimensional waveform inversion with cooperative coevolutionary differential evolution algorithm[J].IEEE Geoscience and Remote Sensing Letters,2012,9(2):297-301.
[4] Modiri A,Kiasaleh K.Modification of real-mumber and binary PSO algorithms for accelerated convergence[J].IEEE Transactions on Antennas and Propagation,2011,59(1):214 -224.
[5] Zhong J,F(xiàn)ung Y F.Case study and proofs of ant colony optimization improved particle filter algorithm[J].IET Control Theory &Applications,2012,6(5):689 -697.
[6] Si H,Belacel N,Hamam H,et al.Fuzzy clustering with improved artificial fish swarm algorithm[C]∥International Joint Conference on Computational Sciences and Optimization,2009:317 -321.
[7] Lou R C,Lin M,Seherp P S.Dynamic multi-sensor data fusion system for intelligent robots[J].IEEE Journal of Robotics and Automation,1988,4(4):386 -396.
[8] 王婷杰,施惠昌.一種基于模糊理論的一致性數(shù)據(jù)融合方法[J].傳感器技術(shù),1999,18(6):50 -53.
[9] 劉敏華,蕭德云.基于相似度的多傳感器數(shù)據(jù)融合[J].控制與決策,2004,19(5):534 -537.
[10]王 林,張國(guó)忠,朱華勇,等.面向移動(dòng)傳感器網(wǎng)絡(luò)的自適應(yīng)一致性融合估計(jì)方法[J].上海交通大學(xué)學(xué)報(bào):自然科學(xué)版,2011,45(3):383 -387.
[11]焦竹青,熊偉麗,張 林,等.基于信任度的多傳感器數(shù)據(jù)融合及其應(yīng)用[J].東南大學(xué)學(xué)報(bào):自然科學(xué)版,2008,38(9):253-257.
[12]楊 佳,宮峰勛.基于貼近度的多傳感器一致可靠性融合方法[J].傳感器技術(shù)學(xué)報(bào),2010,23(7):984 -988.