前言

“多传感器数据融合”是工程类学科的一门重要的专业课程,在自动化、人工智能、机器人、电气工程、机械工程、航天工程等工科专业都会设置。在数据融合技术中既包含数学与工程科学相结合的理论知识,又包含理论与工程设计实践紧密结合的具体应用。随着人工智能的快速发展,智能化的数据融合技术的发展也日新月异。本书正是为了配合快速发展的智能化时代,针对多传感器数据融合的智能化新方法与新理论的教学而编写的。

在现实社会中,在面对某一确定的检测需求时,用一个传感器探测得到的结果,和用多个传感器探测得到的结果不尽相同。即便是多传感器得到了多个探测结果,如何对这些探测结果进行有效融合,以得出合乎实际的输出结果,也是一项富有挑战性的工作。在当前实际应用的多传感器探测系统中,多类传感器在数据融合之前需要先进行时空配准;在数据融合过程中,也分别有传感器级别、决策级别等不同级别的数据融合。本书在介绍基本数据融合方法的基础上,进一步介绍智能化算法在多传感器数据融合中的应用。

本书主要包括以下几个方面:介绍多传感器系统数据融合的基本架构与理论体系;介绍基于概率论的智能化方法,例如基于证据理论、贝叶斯理论、模糊数学理论等方法的传感器数据融合技术;也介绍基于遗传算法、神经网络、粒子群等仿生学类的智能化方法在数据融合中的应用;结合当今人工智能发展的热点,介绍深度学习理论在数据融合中的应用。在分析各种算法理论体系的基础上,给出这些技术在目标识别(检测、估计、分类和辨识)与跟踪中的应用实例。

本书的一些基本概念与理论方法,结合信号获取的物理手段后,可应用于一些实际工程中,如天气预报,使用遥感进行地球资源勘探,机动车辆的交通管制,目标分类与跟踪以及战场态势估计等。随着机器人技术的快速发展,人们对数据融合在这些领域的应用也越来越感兴趣,因为它能够集合视觉信号、声音信号、位置信号,让机器人快速做出合理的决策与判断。本书的最后一章主要描述了一个搭载了多类传感器的机器人系统应用平台,在这个平台上,可以对各类数据融合算法进行验证实验。

本书主要面向工科院校与科研机构中学习多传感器数据融合理论的中、高级用户,可作为大、中专院校相关专业的教学和参考用书,也可供有关工程技术人员和软件工程师参考。本书由北京理工大学自动化学院的戴亚平、马俊杰、王笑涵编著,北京理工大学自动化学院的多届研究生参与了“灵智”系列服务机器人系统的开发,在此对他们的大力帮助与辛勤工作一并表示感谢。

由于时间仓促,加上编者水平有限,书中不足之处在所难免,欢迎读者联系1282892958@qq.com批评指正,编者将不胜感激。

编者