第 21 卷 第 4 期
Vol. 21 No. 4
控 制 与 决 策
Control and D ecision
2006 年 4 月
Ap r. 2006
收稿日期: 2005202216; 修回日期: 2005204206.
基金项目: 国家 863 计划基金项目
(
2003
AA
412310
)
.
作者简介: 刘敏华
(
1976—
)
, 男, 江苏海门人, 博士生, 从事多传感器数据融合的研究; 萧德云
(
1945—
)
, 男, 福建
莆田人, 教授, 博士生导师, 从事辨识建模、故障诊断等研究.
文章编号: 100120920
(
2006
)
0420410205
基于信息熵的多传感器数据分类方法
刘敏华, 萧德云
(
清华大学 自动化系, 北京 100084
)
摘 要: 在回顾数据分类和信息熵的基础上, 提出了基于信息熵的多传感器数据分类方法. 该方法根据传感器数据
自熵和互熵的关系实现冲突、冗余和补充的数据分类, 建立多传感器数据分类结构并进行分类融合. 实例分析说明了
这种数据分类方法的合理性和分类融合的有效性.
关键词: 信息熵; 多传感器融合; 多传感器数据分类
中图分类号:
TP
212. 9 文献标识码:
A
M ethod of M ultisensor Data Classif ication Based on Entropy
L IU M in
2
hua
,
X IA O D e
2
y un
(
Departm ent of A utom ation
,
T singhua U niversity
,
Beijing
100084,
China
.
Correspondent
:
X IAO De
2
yun
,
E
2
m ail
:
xiaody
@
m ails
.
tsinghua
.
edu
.
cn
)
Abstract
:
A m ethod of m ultisensor data classification based on entropy is suggested after a review of data classifica2
tion and inform ation entropy
.
It classifies data of conflict
,
redundancy and comp lem entarity acco rding to the rela2
tionship of self
2
entropy andm utual entropy about sensor data
,
and builds the structure of multisenso r data classifica2
tion fo r classified fusion
.
A n examp le illustrates the rationality of the m ethod and the validity of classified fusion
.
Key words
:
Entropy
;
M ultisenso r fusion
;
M ultisenso r data classification
1 引 言
信息论的基本概念和基本方法在信号与信息处
理中的应用非常广泛. 数据是信息的一种表现形式,
也是最底层的一种信息, 多传感器数据融合实际上
是底层的信息融合, 因此在宽泛的意义上也称为信
息融合. 信息熵是信息的一种度量, 它对传感器数据
融合极具分析和应用价值, 例如在融合过程中可用
于观察信息量的变化以衡量融合的效果. 信息熵在
多传感器融合中的作用正日益显示出来, 基于信息
熵的多传感器数据融合在数据处理
[1]
和效果分析
[2]
方面都有长足发展. 一般基于信息熵的多传感器数
据融合比较注重融合的具体方法, 但对传感器数据
分类及分类融合关注得较少, 数据分类也只用于说
明融合的必要性.
本文在回顾数据分类和信息熵的基础上, 提出
了基于信息熵的多传感器数据分类方法. 该方法根
据传感器数据自熵和互熵的关系实现其冲突、冗余
和补充的数据分类, 建立多传感器数据分类结构并
进行分类融合. 实例分析说明了这种数据分类方法
的合理性和分类融合的有效性.
2 多传感器数据的分类
为了对多传感器数据进行融合, 首先需要对多
传感器数据进行分类. 分类有各种标准: 从融合层
次
[3]
来看, 可以分为数据层数据、特征层数据、决策
层数据, 显然不同层的数据并不能直接进行融合, 同
一层的数据可以进行融合, 融合的顺序一般从数据
层到特征层直至决策层; 从融合精度
[4]
来看, 可以对
传感器数据进行多尺度分析, 以区分不同的尺度, 对
同一尺度的数据进行融合, 根据需要采用不同的融
合尺度分层融合; 从数据关系
[5]
来看, 可以分为冗余
数据、补充数据和冲突数据, 冗余数据是指多传感器
对同一目标的同一特征提供的信息, 补充数据是指