Báo cáo khoa học: áp dụng Lý thuyết Dempster-Shafer cho quá trình trộn dữ liệu đa cảm biến

Tóm tắt: Trộn dữ liệu đa cảm biến là quá trình kết hợp dữ liệu và thông tin từ nhiều nguồn cảm biến khác nhau. Là một lĩnh vực t-ơng đối mới mẻ nên các kỹ thuật trộn dữ liệu vẫn còn đang đ-ợc tiếp tục nghiên cứu và giải quyết. Bài báo đ-a ra các kỹ thuật trộn đã đ-ợc đề xuất, trong đó đi sâu trình bày kỹ thuật trộn theo lý thuyết Dempster-Shafer.
Nội dung trích xuất từ tài liệu:
Báo cáo khoa học: "áp dụng Lý thuyết Dempster-Shafer cho quá trình trộn dữ liệu đa cảm biến" ¸p dông Lý thuyÕt Dempster-Shafer cho qu¸ tr×nh trén d÷ liÖu ®a c¶m biÕn ThS Ph¹m h¶i an ViÖn Tù ®éng ho¸ kü thuËt qu©n sù PGS. TS Lª hïng l©n Tr−êng §¹i häc Giao th«ng VËn t¶i Tãm t¾t: Trén d÷ liÖu ®a c¶m biÕn lμ qu¸ tr×nh kÕt hîp d÷ liÖu vμ th«ng tin tõ nhiÒu nguån c¶m biÕn kh¸c nhau. Lμ mét lÜnh vùc t−¬ng ®èi míi mÎ nªn c¸c kü thuËt trén d÷ liÖu vÉn cßn ®ang ®−îc tiÕp tôc nghiªn cøu vμ gi¶i quyÕt. Bμi b¸o ®−a ra c¸c kü thuËt trén ®· ®−îc ®Ò xuÊt, trong ®ã ®i s©u tr×nh bμy kü thuËt trén theo lý thuyÕt Dempster-Shafer. Summary: Multi-sensor data fusion relates to the combination of data and information from different sensors. As a fairly new field, the techniques for fusing data have been studied and developed. The study deals with the techniques proposed, in particularly with the ones accordance to Dempster-shafer theory. * Tèt h¬n trong viÖc ®¸nh gi¸ t×nh huèng vµ ra quyÕt ®Þnh, v× vËy ph¶n øng cña hÖ thèng sÏ nhanh h¬n. Tõ c¸c nguån d÷ liÖu kh¸c nhau vµ ®é chÝnh x¸c cña c¸c c¶m biÕn, viÖc kÕt hîp vµ trén d÷ liÖu sÏ ®em l¹i mét ®¸nh gi¸ tèt h¬n vÒ t×nh huèng vµ do ®ã t¨ng ®é chÝnh x¸c khi kÕtCT 2 luËn vµ v× thÕ dÔ dµng ®−a ra quyÕt ®Þnh. §iÒu nµy lµ ®Æc biÖt ®óng trong c¸c t×nh huèng chiÕn tranh n¬i mµ ®é chÝnh x¸c cña c¸c c¶m biÕn ph¸t hiÖn môc tiªu sím sÏ gióp cho ng−êi chØ huy cã ph¶n øng nhanh h¬n ®Ó ®−a ra c¸c biÖn ph¸p ®èi phã. * T¨ng ®é chÝnh x¸c cña d÷ liÖu vµ gi¶m c¸c d÷ liÖu kh«ng ch¾c ch¾n vµ m¬ hå. TËp hîp nhiÒu nguån d÷ liÖu cã thÓ gióp cho viÖc t¨ng ®é chÝnh x¸c d÷ liÖu vµ gi¶m th«ng tin kh«ng ch¾c ch¾n sau qu¸ tr×nh trén th«ng minh vµ bá ®i c¸c d÷ liÖu m¬ hå. * Më réng th«ng tin vÒ ®èi t−îng. NhiÒu nguån d÷ liÖu sÏ cung cÊp thªm th«ng tin vÒ ®èi t−îng hoÆc sù kiÖn quan s¸t. Më réng th«ng tin cã thÓ bao gåm c¶ kh«ng gian vµ thêi gian. * Sù hiÖu qu¶ vÒ chi phÝ. Víi viÖc gi¶m vÒ chi phÝ tÝnh to¸n, truyÒn th«ng vµ tµi nguyªn m¹ng, v× vËy, trong tr−êng hîp tæng qu¸t, hÇu hÕt chi phÝ sÏ phô thuéc vµo nhiÒu nguån d÷ liÖu ®Çu vµo h¬n lµ dùa vµo mét nguån d÷ liÖu ®Ó cung cÊp tÊt c¶ th«ng tin cÇn thiÕt. VÝ dô ®Ó x©y dùng mét c¶m biÕn mµ cã thÓ thùc hiÖn nhiÒu chøc n¨ng sÏ ®¾t h¬n rÊt nhiÒu so víi viÖc kÕt hîp mét vµi c¶m biÕn ®¬n gi¶n vµ rÎ tiÒn víi mét chøc n¨ng cô thÓ. * Kh«ng cã nguån d÷ liÖu ®¬n hoµn chØnh. HÇu hÕt c¸c nguån thu thËp d÷ liÖu, vÝ dô nh− c¸c c¶m biÕn, chØ thùc sù h÷u Ých trong mét m«i tr−êng nhÊt ®Þnh. Nh÷ng th«ng tin thu nhËn ®−îc tõ mét nguån d÷ liÖu ®¬n cã thÓ rÊt h¹n chÕ vµ cã thÓ kh«ng hoµn toµn ®Çy ®ñ vµ ®¸ng tin cËy. VÝ dô nh− c¶m biÕn tiÕp xóc chØ cã thÓ ph¸t hiÖn mét ®èi t−îng khi tiÕp xóc, c¶m biÕn ©m thanh chØ ph¸t hiÖn ®−îc ®èi t−îng mµ tÝn hiÖu ©m thanh ®−îc ph¸t ra, c¶m biÕn quang ®iÖn tö hoµn toµn phô thuéc vµo ®iÒu kiÖn ¸nh s¸ng ë m«i tr−êng xung quanh vµ c¸c c¶m biÕn gi¸ms¸t ®iÖn tö chØ cã thÓ ph¸t hiÖn c¸c ®èi t−îng mµ cã sãng ®iÖn tõ ph¸t ra. V× vËy, sÏ lµ rÊt khãkh¨n khi thiÕt kÕ mét c¶m biÕn cho nhiÒu môc ®Ých.2. Mét sè kü thuËt trén d÷ liÖu Lµ mét lÜnh vùc t−¬ng ®èi míi mÎ nªn c¸c kü thuËt trén d÷ liÖu vÉn cßn ®ang ®−îc tiÕp tôcnghiªn cøu vµ gi¶i quyÕt. Do trén d÷ liÖu ®−îc ¸p dông trong rÊt nhiÒu lÜnh vùc réng lín vµ rÊtkh¸c nhau do vËy tuú theo tõng bµi to¸n cô thÓ mµ ta sÏ ph¶i cã mét kü thuËt trén thÝch hîp. Lý thuyÕt Bayes dùa trªn ý t−ëng vÒ x¸c suÊt cæ ®iÓn cã thÓ ¸p dông rÊt h÷u hiÖu trong bµito¸n trén d÷ liÖu, trong ®ã viÖc trén d÷ liÖu ®−îc thùc hiÖn theo thêi gian. C¸c gi¸ trÞ x¸c suÊt thunhËn ®−îc trong c¸c b−íc thêi gian sÏ ®−îc kÕt hîp víi nhau ®Ó ®−a ra mét x¸c suÊt ®¸nh gi¸míi vÒ ®èi t−îng ®ang xÐm xÐt. Cïng tån t¹i víi lý thuyÕt Bayes lµ lý thuyÕt Dempster-Shafer, ®©y lµ lý thuyÕt cho phÐpgi¶i thÝch kü h¬n sù kiÖn kh«ng ch¾c ch¾n s¾p x¶y ra lµ c¸i g×. Lý thuyÕt Dempster-Shafer xö lýc¸c ®é ®o vÒ “niÒm tin” chø kh«ng ph¶i lµ x¸c suÊt. Lý thuyÕt Dempster-Shafer dùa trªn ý t−ëngvÒ “khèi l−îng” ng−îc víi x¸c suÊt theo lý thuyÕt Bayes; §Ó trén d÷ liÖu, ta sÏ sö dông c¸c ýt−ëng míi trong lý thuyÕt nµy ®ã lµ møc ®é “hç trî” vµ møc ®é “®ång thuËn”. Trong mét sè bµi to¸n mµ c¸c d÷ liÖu ®Çu tõ c¸c c¶m biÕn cã thÓ bÞ nhiÔu ®ßi hái ta ph¶i cãmét ph−¬ng ph¸p cã kh¶ n¨ng xö lý vÊn ®Ò ®Æt ra: tøc lµ ®−a ra c¸c quyÕt ®Þnh dùa trªn c¸c®iÒu kiÖn kh«ng ch¾c ch¾n. Môc ®Ých cña c¸c ph−¬ng ph¸p nµy ®−îc më réng tõ viÖc ®¸nh gi¸®Þnh l−îng gi¸ trÞ vËt lý ®Õn ...