专利名称：动态情况下异步多传感器信息融合方法
技术领域：
本发明涉及一种动态情况下异步多传感器信息融合方法，能够解决多传感器融合系统中，由于传感器采样频率不同以及数据传输速率不同而造成的异步融合问题，能够满足动态环境应用对多传感器系统的多种要求。属于智能信息处理技术领域。
背景技术：
随着智能系统需求的进一步扩大，传感器的使用越来越普及。同时，多传感器融合系统也得到了更多的应用。相对于单传感器系统，多传感器系统在信息的冗余性、完备性、及时性以及系统提供信息所花费的代价上都有着自己的优势。基于这些原因，多传感器融合系统被广泛的应用到军事、航天、卫星导航、机器人以及工业生产线上。一般来说，为了增加可感知的信息种类，在一个多传感器融合系统中经常包含很多不同种类的传感器。而这些传感器又可能有着不同的采样频率或者不同的通讯速率，并且，在一些情况下，某些测量值还有可能被放弃。这样，就出现了异步多传感器融合问题。这个问题的重点在于系统如何使用在不同时间得到的传感器测量值。针对这个问题，以前提出过三类解决方法。一类是由Ali T.Alouani提出的内插法，在这种方法中，系统整合了一个慢速传感器采样周期内的所有快速传感器的测量值，然后，在慢速传感器采样点进行融合，这样使得原来的异步问题同步了。这类方法要求只能在慢传感器采样时刻进行融合操作，这样，在动态情况下，系统可能不能及时的响应外部环境的变化。另一类方法是卡尔曼滤波方法，在这种方法中，通过卡尔曼滤波器得到各传感器在融合时刻的预测值，然后对这些预测值进行融合。卡尔曼滤波器是一种基于模型的方法，在动态情况下，系统处理的多是无模型的任务，这样使得卡尔曼滤波方法的应用受到了很大的限制。第三类方法是采样一种滑动窗的技术来解决异步多传感器融合问题。目前这种方法只被应用于目标跟踪上。在这种方法中，窗内的测量值被得到融合，新的测量值被加进滑动窗中，用来更新窗口处的目标轨迹。如果滑动窗宽度过于宽，实时问题同样在这种方法中存在。
由上可知，已有的异步多传感器信息融合方法在动态情况下都有很大的局限性。而在实际应用中，动态异步多传感器的应用又十分的普遍，因此，设计一种适合动态情况下的异步多传感器信息融合方法，定会对多传感器融合系统的实际应用起到极大的推进作用。
发明内容
本发明的目的是为实际应用中经常出现的异步多传感器融合系统提供一个能用于动态情况下的信息融合方法，要满足系统在动态环境中的实时性以及无模型性要求，能够提供方便的传感器管理以及传感器失效处理能力，使多传感器融合系统更加方便的应用到实际应用中去。
为实现这样的目的，本发明的技术方案中，将多传感器融合系统中传感器数据补偿思想以及模糊理论相结合，产生了一种新的异步融合方法。多传感器信息融合可以被认为是对于同一个场景，一个传感器数据对另外一个传感器数据的补偿过程。在本发明方法中，假设存在一个最快的传感器，使得融合时刻可以近似的认为就发生在这个传感器的测量时刻。对于异步融合系统，由于各个传感器测量值对应于不同的场景，系统难以直接得到多传感器对于融合时刻的测量值的补偿。针对这个问题，本发明首先存储了一系列快速传感器的测量值。然后，当其它慢速传感器的测量值到达融合系统时，就可以在已存的快速传感器测量值中找到一个该时刻场景的快速传感器测量值。因为这两个传感器的测量值是针对于相同的场景的，所以它们可以进行融合，融合的结果就是这个慢速传感器对快速传感器在这一时刻的补偿值。系统将所有这些补偿值送入模糊推理系统，来得到融合时刻的最快传感器测量值的补偿。然后，将得到的补偿值与融合时刻的测量值相结合得到融合结果。由于系统在得到快速传感器测量值时刻进行融合操作，满足了动态系统的实时性要求。模糊推理系统的引入又方便了系统进行传感器管理以及失效处理。
针对具有多个传感器的系统，本发明方法的具体实现步骤如下。
1.在所有传感器中，选出一个采样速度最快、通讯延时最小的传感器，称之为最快传感器，然后，以最快传感器的采样周期为时间单位，得到其它传感器相对于最快传感器的延时单位数。建立一个缓冲数组来存储这最快传感器的测量值。这个数据缓冲数组的长度要大于等于所有延时数中最大的延时数。
2.首先判断步骤1中设定的数据缓冲数组是否满。如果数据缓冲数组未满，融合模块将不进行融合操作并等待最快传感器的新的测量值并存进缓冲数组。其中数组填充的方法是按融合模块得到的最快传感器的测量值先后顺序对缓冲数组按序进行填充。因为最快传感器的采样速率非常快，填充整个数据缓冲数组这个过程不会花费很长时间。
3.系统对于某一时刻融合模块得到的一个测量值，根据数据来源不同进行相应的分类处理。如果测量值来自于最快传感器，则更新最快传感器数据缓冲数组，将数据缓冲数组中的数据左移，例如，在处在缓冲数组第二位的数据移入缓冲数组第一位，并将第一位中的数据丢掉，新的最新传感器的测量值移入缓冲数组末端，等待下一个测量值。如果测量值不是来自最快传感器，系统在缓冲数组中取出对应这个传感器的最快传感器测量值，并且将这个数据同本身得到的测量值相比较，得到一个最快传感器与本身的临时数据补偿。然后利用这个临时数据补偿，采用加权累计的方法对原有的这个传感器与最快传感器补偿值进行更新，得到包含这次补偿的新的补偿值。然后判断是否需要进行融合。
4.系统每隔一段时间判断是否需要进行融合操作。如果系统不需要融合，则等待下一个测量值到来。如果需要得到融合值，则将所有传感器针对于最快传感器的补偿值输入模糊推理系统。模糊推理系统先根据输入向量对应的模糊集将输入模糊化，然后通过模糊规则以及模糊推理机制来得到模糊系统的输出，并利用重心法将这个输出标量化，得到对于融合时刻最快传感器测量值的补偿。最后，通过加权累加方式来调整融合时刻最快传感器的测量值，进而得到融合结果。
5.系统复位。系统初始化各个变量，然后等待下一个测量值到来。
本发明的特色在于，将多传感器信息融合看作是一个传感器的测量值对于另外一个传感器的测量值的补偿。而且，这些补偿值是针对于采样速率最快的传感器，这样就满足了动态融合系统的实时性要求。在本发明的方法中，不需要知道每个传感器在融合时刻的预测值，这样一来也就不需要知道传感器的模型。通过模糊推理系统，将各个传感器在不同时刻对拥有最快采样的传感器数据的补偿值融合在一起，得到了在融合时刻对于最快采样传感器测量值的补偿。本发明方法的出现必然会为传感器融合系统的广泛应用提供更多的机会。
图1为本发明方法实现框图。
图2为应用了本发明方法的书法机器人结构简图。
图3为书法机器人工作原理示意图。
图4为本发明方法在书法机器人平台上的算法实现说明图。
具体实施例方式
下面结合附图以及实施例进一步说明本发明的技术方案。
图1为方法实现框图。首先是系统初始化，找到一个最快传感器，设为Sensor(1)，并建立一个用来存储Sensor(1)采样数据的缓冲数组，设其为B(i)，i＝1，...，S。将这个数据缓冲数组清空并初始化系统运行需要的变量；第二步判断这个缓冲数组是否满，如果没满则不进行融合操作并等待最快传感器的测量值来填充这个数据缓冲数组；第三步在数据缓冲数组填充完毕后，系统对得到的测量值进行分析，如果这个测量值来自于最快传感器Sensor(1)，那么就将这个测量值送入缓冲数组，缓冲数组中原有的数据左移，并放弃缓冲数组中的第一个数据。如果不是来自Sensor(1)，就从缓冲数组中提取出相应的Sensor(1)测量值来得到两者的暂时补偿值，并利用这个暂时的补偿值来更新这个传感器对于Sensor(1)的数据补偿值；接下来的一步判断是否进行融合计算，如果进行融合计算，则将每个传感器对于Sensor(1)的补偿值送入模糊融合系统得到对融合时刻的补偿值。然后，将补偿值与该时刻Sensor(1)的测量值相结合得到融合结果。最后系统初始化，等待下一个测量值。如果系统不要求进行融合计算，那么就直接进入初始化，等待下个测量值。
本发明方法的一个实施例是在一个书法机器人中的应用。整个书法机器人的思路是模仿人的动作在纸上书写毛笔字。书法机器人由三大部分组成一台主控的PC机；异步多传感器融合系统；一个机械臂。主控PC机处理来自多传感器系统的数据，并进行融合计算，然后将结果与数据库中已有的标准值进行比较得到控制量，利用这个控制量控制机械臂。图2为书法机器人的结构简图，其主要揭示了多传感器融合系统以及毛笔的硬件安装情况。如图所示，融合系统由三种异步传感器组成图像传感器，触力传感器以及声纳。图像传感器位于执行机构斜上方，便于看清正在书写的汉字。毛笔被安装在触力传感器的探头上，触力传感器固定在机械臂的下端。声纳要同纸面垂直安装，这样才能保证测量的准确性。
整个融合系统的工作原理如图3所示图像传感器、触力传感器以及声纳分别对外界环境进行测量。其中图像传感器得到当前书写的汉字图像并且提取出当前正在书写的笔画宽度；触力传感器测量在写字期间毛笔受到的垂直于纸面向上的作用力，这个力正比与笔划的宽度，这样从触力传感器的输出也可以拟合出一个当前笔画的宽度；声纳传感器的输出为笔到纸的距离，这个距离越小笔画宽度越大，从这个距离值也可以得到一个笔画的宽度。从三种传感器的测量值得到对应笔画宽度值的任务由数据处理模块(PM)完成，然后，将三种宽度送入融合模块融合得到一个更精确的宽度值Woutput，这个值同数据库中的真实值Winput相比较得到w，将w送入控制器形成控制量z，控制机械臂的高度。
图4所示为本发明算法的实现示意图。其中，由于触力传感器的采用速率最快，延时又最小，所以，设触力传感器为Sensor(1)。设声纳针对与触力传感器的延时数为S2，图像传感器针对与触力传感器的延时数为S3。通过试验得知，S2＝5，S3＝18，则设数据缓冲数组的长度为20。虽然，由于三个传感器是异步的，系统不能够直接得到声纳以及图像传感器对于触力传感器在融合时刻T的测量值的补偿。但是，系统可以通过整合声纳在t2时的测量值D2(t2)和Sensor(1)在S2的测量值D1(S2)，来得到声纳在t2时刻对触力传感器的数据补偿R(2)。同理，系统可以得到图像传感器在t3时刻对触力传感器的数据补偿R(3)。然后，根据加权累计的方法计算得到声纳以及图像传感器针对触力传感器的补偿值P(2)以及P(3)。所得到的P(2)、P(3)被输入到模糊推理系统中。首先，两个输入量通过模糊集合被模糊化，本实例中，两个输入的输入空间被7个模糊集合覆盖，它们分别是负最大(NL)、负中等(NM)、负最小(NS)、零(ZO)、正最小(PS)、正中等(PM)、正最大(PL)。模糊化后的输入量通过26个模糊规则，Min-Max模糊推理机制以及输出模糊集合得到了一个模糊输出，其中输出模糊集合同输入一样，同样由7个模糊集组成。模糊输出被送入解模糊器来得到一个标量的输出。这个输出就是我们想要的在融合时刻，其它传感器对Sensor(1)的测量值补偿。
权利要求
1.一种动态情况下异步多传感器信息融合方法，其特征在于包括如下具体步骤1)在所有传感器中，选出一个采样速度最快、通讯延时最小的传感器，称之为最快传感器，然后，以最快传感器的采样周期为时间单位，得到其它传感器相对于最快传感器的延时单位数，建立一个缓冲数组来存储这最快传感器的测量值，这个数据缓冲数组的长度要大于等于所有延时数中最大的延时数；2)判断设定的数据缓冲数组是否满，如果数据缓冲数组未满，融合模块将不进行融合操作并等待最快传感器的新的测量值并存进缓冲数组，数组填充按融合模块得到的最快传感器的测量值先后顺序进行，直到数据缓冲数组填满；3)系统对某一时刻得到的测量值进行分类处理，如果测量值来自于最快传感器，则更新最快传感器数据缓存数组，数据缓冲数组中的数据左移，将第一位中的数据丢掉，新的最新传感器的测量值移入缓冲数组末端，等待下一个测量值，如果测量值不是来自最快传感器，系统在缓冲数组中取出对应这个传感器的最快传感器测量值，并且将这个数据同本身得到的测量值相比较，得到一个最快传感器与本身的临时数据补偿，然后利用这个临时数据补偿，采用加权累计的方法对原有的这个传感器与最快传感器补偿值进行更新，得到包含这次补偿的新的补偿值，然后判断是否需要进行融合；4)系统每隔一段时间判断是否需要进行融合操作，如果不需要融合，则等待下一个测量值到来，如果需要得到融合值，则将所有传感器针对于最快传感器的补偿值输入模糊推理系统，模糊推理系统先根据输入向量对应的模糊集将输入模糊化，然后通过模糊规则以及模糊推理机制来得到模糊系统的输出，并利用重心法将这个输出标量化，得到对于融合时刻最快传感器测量值的补偿，最后，通过加权累加方式来调整融合时刻最快传感器的测量值，进而得到融合结果；5)系统复位，系统初始化各个变量，然后等待下一个测量值到来。
全文摘要
本发明公开了一种动态情况下异步多传感器信息融合方法。在这种方法中，信息融合被考虑成一个传感器的数据对另一个传感器的数据的补偿过程。在异步多传感器系统中，所有的这些补偿被送入模糊推理系统中，来得到针对融合时刻测量值的补偿，然后将这个补偿值与融合时刻的测量值相结合得到融合结果。本方法中，系统在快速传感器测量值到达时刻进行融合操作，满足了动态系统的实时性要求，模糊推理系统的引入又方便了系统进行传感器管理以及传感器失效处理。本发明为动态异步多传感器信息融合问题提供了一个有效地解决方法，扩展了多传感器融合系统的实际应用范围。
文档编号G01D3/028GK1560568SQ200410016869
公开日2005年1月5日 申请日期2004年3月11日 优先权日2004年3月11日
发明者张克军, 苏剑波, 席裕庚 申请人:上海交通大学