信息融合怎麼讀

『壹』 信息融合的模型

近20 年來，人們提出了多種信息融合模型.其共同點或中心思想是在信息融合過程中進行多級處理.現有系統模型大致可以分為兩大類：a）功能型模型，主要根據節點順序構建； b）數據型模型，主要根據數據提取加以構建.在20 世紀80 年代，比較典型的功能型模型主要有U K情報環、Boyd控制迴路（OODA 環） ；典型的數據型模型則有JDL 模型. 20 世紀90年代又發展了瀑布模型和Dasarathy模型. 1999 年Mark Bedworth 綜合幾種模型，提出了一種新的混合模型。下面簡單對上述典型模型介紹。
情報環
情報處理包括信息處理和信息融合。已有許多情報原則，包括： 中心控制避免情報被復制；實時性確保情報實時應用 ；系統地開發保證系統輸出被適當應用 ；保證情報源和處理方式的客觀性；信息可達性；情報需求改變時，能夠做出響應； 保護信息源不受破壞；對處理過程和情報收集策略不斷回顧，隨時加以修正. 這些也是該模型的優點，而缺點是應用范圍有限。U K 情報環把信息處理作為一個環狀結構來描述. 它包括4 個階段：a) 採集，包括感測器和人工信息源等的初始情報數據；b) 整理，關聯並集合相關的情報報告，在此階段會進行一些數據合並和壓縮處理，並將得到的結果進行簡單的打包，以便在融合的下一階段使用；c) 評估，在該階段融合並分析情報數據，同時分析者還直接給情報採集分派任務；d）分發，在此階段把融合情報發送給用戶通常是軍事指揮官，以便決策行動，包括下一步的採集工作。
JDL 模型
1984 年，美國國防部成立了數據融合聯合指揮實驗室，該實驗室提出了他們的JDL 模型，經過逐步改進和推廣使用，該模型已成為美國國防信息融合系統的一種實際標准。JDL模型把數據融合分為3 級：第1 級為目標優化、定位和識別目標；第2 級處理為態勢評估，根據第 1 級處理提供的信息構建態勢圖；第3 級處理為威脅評估，根據可能採取的行動來解釋第2 級處理結果,並分析採取各種行動的優缺點. 過程優化實際是一個反復過程，可以稱為第4 級，它在整個融合過程中監控系統性能，識別增加潛在的信息源，以及感測器的最優部署。其他的輔助支持系統包括數據管理系統存儲和檢索預處理數據和人機界面等。
Boyd控制環
Boyd 控制環OODA 環，即觀測、定向、決策、執行環，它首先應用於軍事指揮處理，已經大量應用於信息融合。可以看出，Boyd 控制迴路使得問題的反饋迭代特性顯得十分明顯。它包括4 個處理階段：a) 觀測，獲取目標信息，相當於JDL 的第1 級和情報環的採集階段； b) 定向，確定大方向，認清態勢，相當於JDL 的第2 級和第3 級，以及情報環的採集和整理階段；c) 決策，制定反應計劃，相當於JDL 的第4 級過程優化和情報環的分發行為，還有諸如後勤管理和計劃編制等；d) 行動，執行計劃，和上述模型都不相同的是，只有該環節在實用中考慮了決策效能問題。OODA 環的優點是它使各個階段構成了一個閉環，表明了數據融合的循環性。可以看出，隨著融合階段不斷遞進，傳遞到下一級融合階段的數據量不斷減少. 但是OO DA 模型的不足之處在於，決策和執行階段對OODA 環的其它階段的影響能力欠缺，並且各個階段也是順序執行的。
擴展OODA模型
擴展OODA 模型是加拿大的洛克西德馬丁公司開發的一種信息融合系統結構。該種結構已經在加拿大哈利法克斯導彈護衛艦上使用. 該模型綜合了上述各種模型的優點，同時又給並發和可能相互影響的信息融合過程提供了一種機理. 用於決策的數據融合系統被分解為一組有意義的高層功能集合例如圖4 給出的由N 個功能單元構成的集合，這些功能按照構成OODA 模型的觀測、形勢分析、決策和執行4 個階段進行檢測評估。每個功能還可以依照OODA 的各個階段進一步分解和評估. 圖4 中標出的節點表示各個功能都與那幾個OODA 階段相關. 例如：功能A 和N 在每個階段都有分解和評估，而功能B 和C 只與OODA 的部分或單個階段有關. 該模型具有較好的特性，即環境只在觀測階段給各個功能提供信息輸入，而各個功能都依照執行階段的功能行事。此外，觀測、定向和決策階段的功能僅直接按順序影響其下各自一階段的功能，而執行階段不僅影響環境，而且直接影響OODA 模型中其它各個階段的瀑布模型。
Dasarathy模型
Dasarathy 模型包括有5 個融合級別，如下表所示。綜上可以看到，瀑布模型對底層功能作了明確區分，JDL 模型對中層功能劃分清楚，而Boyd 迴路則詳細解釋了高層處理。情報環涵蓋了所有處理級別，但是並沒有詳細描述。而Dasarathy 模型是根據融合任務或功能加以構建，因此可以有效地描述各級融合行為。 輸入 輸出 描述 數據 數據 數據級融合 數據 特徵 特徵選擇和特徵提取 特徵 特徵 特徵級融合 特徵 決策 模式識別和模式處理 決策 決策 決策級融合 混合模型
混合模型綜合了情報環的循環特性和Boyd 控制迴路的反饋迭代特性，同時應用了瀑布模型中的定義，每個定義又都與JDL 和Dasarathy 模型的每個級別相聯系. 在混合模型中可以很清楚地看到反饋. 該模型保留了Boyd 控制迴路結構，從而明確了信息融合處理中的循環特性，模型中4 個主要處理任務的描述取得了較好的重現精度. 另外，在模型中也較為容易地查找融合行為的發生位置。主要演算法
多感測器數據融合的常用方法基本上可概括為隨機和人工智慧兩大類,隨機類演算法有加權平均法、卡爾曼濾波法、多貝葉斯估計法、證據推理、產生式規則等；而人工智慧類則有模糊邏輯理論、神經網路、粗集理論、專家系統等。可以預見，神經網路和人工智慧等新概念、新技術在多感測器數據融合中將起到越來越重要的作用。
主要方法
加權平均法信號級融合方法最簡單、最直觀方法是加權平均法，該方法將一組感測器提供的冗餘信息進行加權平均，結果作為融合值，該方法是一種直接對數據源進行操作的方法。
卡爾曼濾波法卡爾曼濾波主要用於融合低層次實時動態多感測器冗餘數據。該方法用測量模型的統計特性遞推，決定統計意義下的最優融合和數據估計。如果系統具有線性動力學模型，且系統與感測器的誤差符合高斯白雜訊模型，則卡爾曼濾波將為融合數據提供唯一統計意義下的最優估計。卡爾曼濾波的遞推特性使系統處理不需要大量的數據存儲和計算。但是，採用單一的卡爾曼濾波器對多感測器組合系統進行數據統計時，存在很多嚴重的問題，比如： (1）在組合信息大量冗餘的情況下，計算量將以濾波器維數的三次方劇增，實時性不能滿足； (2）感測器子系統的增加使故障隨之增加，在某一系統出現故障而沒有來得及被檢測出時，故障會污染整個系統，使可靠性降低。
多貝葉斯估計法貝葉斯估計為數據融合提供了一種手段，是融合靜態環境中多感測器高層信息的常用方法。它使感測器信息依據概率原則進行組合，測量不確定性以條件概率表示，當感測器組的觀測坐標一致時，可以直接對感測器的數據進行融合，但大多數情況下，感測器測量數據要以間接方式採用貝葉斯估計進行數據融合。多貝葉斯估計將每一個感測器作為一個貝葉斯估計，將各個單獨物體的關聯概率分布合成一個聯合的後驗的概率分布函數，通過使用聯合分布函數的似然函數為最小，提供多感測器信息的最終融合值，融合信息與環境的一個先驗模型提供整個環境的一個特徵描述。
證據推理方法證據推理是貝葉斯推理的擴充，其3個基本要點是：基本概率賦值函數、信任函數和似然函數。D-S方法的推理結構是自上而下的，分三級。第1級為目標合成，其作用是把來自獨立感測器的觀測結果合成為一個總的輸出結果（D); 第2級為推斷，其作用是獲得感測器的觀測結果並進行推斷，將感測器觀測結果擴展成目標報告。這種推理的基礎是：一定的感測器報告以某種可信度在邏輯上會產生可信的某些目標報告；第3級為更新，各種感測器一般都存在隨機誤差,所以，在時間上充分獨立地來自同一感測器的一組連續報告比任何單一報告可靠。因此，在推理和多感測器合成之前，要先組合（更新）感測器的觀測數據。
產生式規則採用符號表示目標特徵和相應感測器信息之間的聯系，與每一個規則相聯系的置信因子表示它的不確定性程度。當在同一個邏輯推理過程中，2個或多個規則形成一個聯合規則時，可以產生融合。應用產生式規則進行融合的主要問題是每個規則的置信因子的定義與系統中其他規則的置信因子相關，如果系統中引入新的感測器，需要加入相應的附加規則。
模糊邏輯是多值邏輯，通過指定一個0到1之間的實數表示真實度，相當於隱含運算元的前提，允許將多個感測器信息融合過程中的不確定性直接表示在推理過程中。如果採用某種系統化的方法對融合過程中的不確定性進行推理建模，則可以產生一致性模糊推理。與概率統計方法相比，邏輯推理存在許多優點，它在一定程度上克服了概率論所面臨的問題，它對信息的表示和處理更加接近人類的思維方式，它一般比較適合於在高層次上的應用（如決策），但是，邏輯推理本身還不夠成熟和系統化。此外，由於邏輯推理對信息的描述存在很大的主觀因素，所以，信息的表示和處理缺乏客觀性。模糊集合理論對於數據融合的實際價值在於它外延到模糊邏輯，模糊邏輯是一種多值邏輯，隸屬度可視為一個數據真值的不精確表示。在MSF過程中，存在的不確定性可以直接用模糊邏輯表示，然後，使用多值邏輯推理，根據模糊集合理論的各種演算對各種命題進行合並，進而實現數據融合。
神經網路具有很強的容錯性以及自學習、自組織及自適應能力，能夠模擬復雜的非線性映射。神經網路的這些特性和強大的非線性處理能力，恰好滿足了多感測器數據融合技術處理的要求。在多感測器系統中，各信息源所提供的環境信息都具有一定程度的不確定性,對這些不確定信息的融合過程實際上是一個不確定性推理過程。神經網路根據當前系統所接受的樣本相似性確定分類標准，這種確定方法主要表現在網路的權值分布上，同時，可以採用神經網路特定的學習演算法來獲取知識，得到不確定性推理機制。利用神經網路的信號處理能力和自動推理功能，即實現了多感測器數據融合。
常用的數據融合方法及特性如表1所示。通常使用的方法依具體的應用而定，並且，由於各種方法之間的互補性，實際上，常將2種或2種以上的方法組合進行多感測器數據融合。
表1常用的數據融合方法比較[15]
融合方法
運行環境
信息類型
信息表示
不確定性
融合技術
適用范圍
加權平均
動態
冗餘
原始讀數值
加權平均
低層數據融合
卡爾曼濾波
動態
冗餘
概率分布
高斯雜訊
系統模型濾波
低層數據融合
貝葉斯估計
靜態
冗餘
概率分布
高斯雜訊
貝葉斯估計
高層數據融合
統計決策理論
靜態
冗餘
概率分布
高斯雜訊
極值決策
高層數據融合
證據推理
靜態
冗餘互補
命題
邏輯推理
高層數據融合
模糊推理
靜態
冗餘互補
命題
隸屬度
邏輯推理
高層數據融合
神經元網路
動/靜態
冗餘互補
神經元輸入
學習誤差
神經元網路
低/高層
產生式規則
動/靜態
冗餘互補
命題
置信因子
邏輯推理
高層數據融合

『貳』 多感測器信息融合是啥有誰可以給我講一講啊

感器融合是將來自多個雷達，激光雷達和攝像機的輸入匯集在一起以形成車輛周圍環境的單個模型或圖像的能力。生成的模型更加精確，因為它可以平衡不同感測器的強度。車輛系統然後可以使用通過感測器融合提供的信息來支持更智能的動作。

每種感測器類型或「模態」都有其固有的優點和缺點。雷達即使在惡劣的天氣條件下也能准確確定距離和速度，但非常強大，但無法讀取路牌或「看到」交通信號燈的顏色。相機可以很好地讀取標志或對物體進行分類，例如行人，騎自行車的人或其他車輛。但是，它們很容易被灰塵，陽光，雨水，雪或黑暗所蒙蔽。激光雷達可以准確地檢測物體，但是它們沒有相機或雷達的承受能力或承受能力。

感測器融合使用軟體演算法將來自每種感測器類型的數據匯總在一起，以提供最全面，因此最准確的環境模型。它還可以通過稱為內部和外部感測器融合的過程來關聯從機艙內部提取的數據。

車輛也可以使用感測器融合來融合來自相同類型的多個感測器（例如，雷達）的信息。通過利用部分重疊的視場，可以提高感知度。當多個雷達觀察車輛周圍的環境時，一個以上的感測器將同時檢測物體。通過全球360°感知軟體進行解釋，可以將來自多個感測器的檢測進行重疊或融合，從而提高車輛周圍物體的檢測概率和可靠性，並能更准確，更可靠地表示環境。

當然，車輛上的感測器越多，融合就越具有挑戰性，但也存在著更多提高性能的機會。為了利用這些好處，Aptiv使用了一種稱為低級感測器融合的技術。

過去，用於分析感測器數據以確定和跟蹤對象的處理能力已與攝像機或雷達包裝在一起。藉助Aptiv的Satellite體系結構方法，處理能力集中在功能更強大的主動安全域控制器中，從而可以從每個感測器收集低級感測器數據並將其融合到域控制器中。

將處理移至域控制器後，感測器將佔用更少的體積和更少的質量-減少多達30％。為了進行比較，攝像機的佔地面積從一副撲克牌的大小減少到一包口香糖的大小。通過使感測器盡可能小，OEM可以在車輛包裝中提供更多選擇。

另一個好處是增加了數據共享。在傳統系統中，智能感測器會獨立處理環境輸入，這意味著使用信息時做出的任何決定都只能與單個感測器所看到的一樣好。但是，在衛星架構中，所有來自感測器的數據都被集中共享，因此域控制器中的主動安全應用程序有更多機會利用它。Aptiv甚至可以應用人工智慧（AI）工具來提取有用的信息，否則這些信息將被丟棄。正確的AI可以從中學到東西，這可以幫助我們解決客戶面臨的挑戰性極端情況。

低級別感測器融合的第三個好處是減少了等待時間。域控制器不必等待感測器處理數據再對其進行操作。在偶數秒的情況下，這可以幫助提高性能。

更多數據將導致更好的決策。通過採用允許使用大量感測器的車輛架構，然後通過感測器融合來合成數據，車輛可以變得更智能，更快。

『叄』 多源信息融合名詞解釋

題庫內容：

融融的解釋

(1) [happy and harmonious]∶ 形容 和樂 愉快 的樣子 四世同堂,一派融融 (2) [warm]∶暖的或表明是暖的,尤指暖到一種 溫和 舒適的 程度 歌台暖響,春光融融。——唐· 杜牧 《阿房宮賦》 (3) [bright]∶ 明亮 的樣子 詳細解釋 亦作「螎螎」。1.和樂；恬適。 《 左傳 ·隱公 元年 》 ：「大隧之中，其樂也融融！」 杜預 註：「融融，和樂也。」 明 方孝孺 《游 清泉 山記》 ：「琴音與風聲相和，抑揚徐疾，琮琤澎湃，心融融如有得。」 丁玲 《 團聚 》 ：「在冬天，尤其是有著一點熱茶，更加上有幾個大芋頭在熱炭中煨著的時候，是頗有著一種 家庭 的融融之樂的。」 (2). 和暖 ；明媚。 南朝 宋 鮑照 《採桑》 詩：「藹藹霧滿閨，融融景盈幕。」 唐 張籍 《春日行》 ：「春日融融池上暖，竹牙出土蘭心短。」 《醒世恆言·鄭節使立功神臂弓》 ：「輕煙 淡淡 ，數聲啼鳥落花天；麗日螎螎，是處綠楊 芳草 地。」 冰心 《再寄小讀者》 六：「在雪光之中， 看到 融融的春景，在我還是第一次！」 (3).明亮貌；熾盛貌。 漢 揚雄 《太玄·進》 ：「次四，日飛懸陰，萬物融融。」 司馬 光 集註：「日飛登天，離陰絕遠，萬物融融然，莫不昭明也。」 唐 元稹 《夜合》 詩：「綺樹滿 朝陽 ，融融有露光。」 曹禺 《北京人》 第二幕：「爐上座著一把小洋鐵水壺，爐火融融，在小爐口裡 閃爍 著。」 (4).形容熟睡的樣子。川劇 《喬 老爺 奇遇》 ：「我還須離卻這是非之境，趁眾人睡融融 正好 抽身。」

詞語分解

融的解釋 融 ó 固體受熱變軟或化為流體： 融化 。融解。消融。 調合， 和諧 ： 融合 。融洽。融匯 貫通 。其樂融融。 流通：融泄（飄動，浮動）。金融（貨幣的流通，即儲蓄，信貸、匯兌、股票和證券交易等經濟活動的總稱）。 長 融的解釋 融 ó 固體受熱變軟或化為流體：融化。融解。消融。 調合，和諧：融合。融洽。融匯貫通。其樂融融。 流通：融泄（飄動，浮動）。金融（貨幣的流通，即儲蓄，信貸、匯兌、股票和證券交易等經濟活動的總稱）。 長

『肆』 emoji英文怎麼讀

Emoji

英文讀作：[ɪ'moʊdʒi:]

中文諧音：一謀這誒

翻譯：表情符號; 繪文字

雙語例句：

Writingtakes awaythatextranon-verbalinformation,butemojimayallowusto re-incorporateitintoourtext.

寫作帶走了額外的非口頭的信息，但是表情符號也許能讓我們重新將這些信息融合到文本上。