信息融合(Informationsfusion)-前言

为什么需要信息融合

信息融合的三个过程

1.通过Sensor获取原始信息

2.Information reduction

3.结合一些基本知识进行信息融合

Information reduction的方法

1.Fensterung:观察一个时间段或一个地点的片段

2.映射(Projektion): 如把时域的信号转化到频域上(应确保可逆性)

3.采样(Abtasung):

//还没懂这个，包括Ortsdiskretisierung,Zeitdiskretisierung和Quantisierung

4.施加干扰(zufuegung von Stoerungen): //有啥用也还没明白

Informationsfusion的作用

通过冗余测量以及Information reduction的多样化可以提高信息的可靠性，精确度及全面性。

另外使用信息融合往往比直接使用高精度Sensor要更加实惠。(相对的也需要更多的信息加工)

信息融合的一些基本概念

Information:

任何可以减少当前问题未知属性的事物(即一切有利于解决问题的事物)。

一个有意义的Information (Sinnvolle Information)由事件(Fakten)和他的不确定性(zugehoerigen Unsicherheiten)组成

Information可以通过载体(Traeger)呈现。

Signal:

Information的载体。分为Analog和Digital两种情况

Data(Daten):

可阅读，可加工的一种信息表达方式。Signal可以转换成Daten，但Daten并不一定都是有Signal转化而来的

特征(Merkmale):指对象的可观察，可测量的于分类有益的属性

符号信息(Symbolische Information):通过前面获得的Merkmale进行分类后得到的结果。

约束，条件，规则(Constrains,Bedingungen,Regeln):

信息融合的条件

信息融合的条件是所有的信息都围绕着共同的主题(gemeinsamen Sachverhalt)。

像这文章，写的那么乱，但是他们的主题是一样的。通过对这文章的阅读，可以对信息融合有个大概的了解。

额外条件:互相有矛盾的，用于信息融合的信息必须是不确定的。(muss unsicherheitsbehaftet sein)

比如两个人分别非常确定的说，现在室外温度是15度和20度。那么这两个信息是不可能融合的。只有当两人都不能确定，而是分别说，现在室外温度很可能是15度和20度。那么通过这两条信息，我们可以得出更有把握的猜测：现在室外温度在15到20度之间。

后续内容一览

1.概率方法(Probalilistische Methoden)

概率论基础

经典统计学

GUM:Guide to the Expression of Uncertainty in Measurement

Bayes’ Fusion

Bayes’ Net

Kalman过滤器

tracking

2.Dempster-Shafer理论

3.Fuzzy系统

4.神经元网络(Neuronale Netze)

5.Registration

6.Energierfunktionale//这不懂，等学了再说吧