浅析光电信息系统多传感器数据融合

王润

北华航天工业学院   河北 邢台051730

摘要：光电传感器因其反应时间短、精度高、可靠性强、灵活以及检测距离远等优点，在工业生产、国防工业、信息自动监测等领域得到了广泛的应用。随着现代科学技术不断发展，光电传感器正朝着智能化、模块化、全面化以及多能化的趋势发展。基于此，文章对光电信息系统多传感器数据融合进行了详细分析，以供参考。

关键词：光电信息系统；多传感器；数据融合

前言：在现代科技不断发展的背景下，各类电子产品在生产与生活中广泛应用。光电传感器作为一种重要的信息感测传输装置，能够利用自身感应能力将关键的数据信息有效地传输出去，实现信息记录、保存、展示等多项功能，开始逐步渗入各行各业的应用领域中。鉴于此，本文对光电信息系统多传感器数据融合展开深入探究。

1光电传感器概述

光电传感器是基于光电效应之上而运作的传感器设备，其应用原理是指物体在受到光照辐射之后由于能量吸收程度的不同，自身内部的电子信号发生了根源上的转化。而光电传感器设备就是要通过光照幅度或强度的变化将光信号转变为电子信号，从而得到有关的精准数据参数。光电传感器设备通常情况下是由光源的发射端、数据信息的接收端以及检测电路三大部分相互构成的。光电传感器主要利用将光能量的改变转换为电信号的改变来实现检测的目的，其物理核心是光电效应，一般是由发送器、接收机以及测量线路等组成。其中，发射器发射光束，其光束来自于半导体光源。接收机包括光电二极管、光电池等组件以及检测回路，能够滤出有效信号。光电传感器所采用的感光器件有光敏电阻、光敏二极管等，具有抗干扰能力强、准确度高等优势，经过设计使投光光束聚焦，能够做到完全无机械接触地测量物，并且整个过程中并没有对感应器产生损伤，还能够利用被投光光线波长与测量物色彩的组成不同这一特性，对测量物颜色进行有效识别。光电传感器是一种以光电元件为检测元件的传感器。光电传感器内部，以光学电路、光源、光电元件为主，依托“光电效应”，即光辐射到某些物体，物体内部电子接收源自光离子能量，自身的电性质会产生变化，即光能量转变成电能。光照射电子过后所产生变化情况以2种类型为主，即内光电效应与外光电效应。内光电效应主要包括光电导效应和阻挡层光电效应。外光电效应是光照过后，电子从物体表层溢出。光电传感器在市面上有多种，比较常见的有漫反射型光电传感器、对射型光电传感器、反射板型光电传感器以及槽式光电传感器。按照光电传感器自身可接收信号波长分类，光电传感器还可分为X射线传感器、紫外传感器、可见光传感器以及红外传感器等。

2常用的多传感器数据融合算法

2.1加权平均法

对传感器输出结果进行加权平均作为融合值。在此基础上又诞生出最优加权融合，即通过一定的算法，合理分配加权系数，使得系统噪声的估计方差最小。

2.2卡尔曼滤波法

Kalman滤波法适用于实时动态冗余数据的融合，主要包含两个过程：预估和校正。首先建立当前状态的先验估计，为下一个时间状态构造先验估计值；利用测量更新方程，对当前状态建立起改进的后验估计。Kalman滤波法优点是能够节省大量的数据储存与运算。缺点也有很多：（1）信息冗余较多时，计算量会急剧增加，实时性难以满足；（2）当传感器子系统的增加时，故障的发生概率也随之增加。

2.3贝叶斯推理法

贝叶斯推理法是建立在贝叶斯定理的基础上，根据已知的先验概率和新的证据，计算后验概率，并做出判断、决策。贝叶斯推理法理论基础身后，分类效率稳定。它对小规模的数据表现很好，适用于多分类任务，算法高效且易于实现。其主要缺点有：（1）贝叶斯推理法是建立在所有要求的概率都是独立的基础上，实际情况是，传感器的多次读数大都是相互关联的。（2）先验概率不容易获取，很难保证给出的概率具有前有一致性。（3）不利于系统的扩充。

2.4模糊逻辑推理法

多传感器模糊融合推理主要适用于传感器数据实时都在变化的系统。首先，模糊化处理各传感器采集到的数据，将其转化成能够代表当前状态的模糊概念，得到模糊逻辑表示；然后运用多值逻辑推理，将不同传感器经过处理后的数据按照模糊集合理论的各种演算进行合并综合判断，实现数据的融合，从而确定当前系统状态。模糊融合推理算法容错能力较好，能够消除错误数据对融合结果的影响，有效降低数据冗余。

2.5D-S证据推理法

D-S证据推理法可以在没有先验信息的情况下，有效处理不确定性和不精确性，具有良好的融合效果。该方法理论基础很强，既可以处理随机导致的不确定因素，也可以处理模糊导致的不确定因素，在处理不确定性问题方面具有很大优势。当然也存在一些局限性：算法要求证据必须具有独立性，这在实际中不容易满足；可能会出现计算上的指数爆炸问题；当几个证据间冲突大的时候融合后常常会产生悖论。

3多传感器数据融合的优势及广泛应用

3.1多传感器数据融合的优势

1.能够增强系统抗干扰素力，提高目标测量精度。单一传感器适用于特定环境，容易受到外界和内部噪音的干扰，存在测量误差。多传感器数据融合利用传感器的冗余数据，通过融合算法，可以减小测量的误差，对目标的观测更加精确，系统具有更高的可靠性。

2.增加测量维度，时空覆盖范围扩大，从提高了获取信息的全面性。单一传感器只能得到了目标的某一方面信息，不具有全面性。多传感器能够测量到目标的不同特征，能够互相补充，获得目标的全面信息。

3.增强系统的可靠性。多传感器系统中观测数据存在冗余性，当系统的某一个传感器或者几个发生故障时，整个系统仍能保持正常工作。

4.提高传感器数据的利用率。多传感器系统能够利用各传感器彼此之间的数据，通过对数据进行交互式分析、相关性融合等处理，提高了数据的利用率。

3.2应用领域

1.战场态势估计领域。利用不同的传感器，征收到对方目标信息，然后利用数据融合算法，得出对方目标的全方位信息。多传感器数据融合技术，能够提高探测器的反隐能力、抗干扰素力，增强整个系统的可靠性，在现代战争中发挥着越来越重要的作用。

2.无人驾驶领域。多传感器数据融合技术的发展推动了无人驾驶技术的蓬勃发展，涌现了特斯拉、小鹏、蔚来等一大批无人驾驶汽车，主要通过毫米波雷达、超声波雷达、激光雷达、高清摄像头等传感器来感知周围环境，过多传感器数据融合技术进行道路识别和障碍物检测。

3.在天气预报、人工智能机器人、地球环境科学、农业生产领域、现代制造领域等也广泛应用到了多传感器数据融合技术，数据融合技术的应用正在不断渗透到其他领域。

结束语：

多传感器数据融合（Multi-sensorDataFusion），是在20世纪80年代军事、太空等高科技领域高速发展下的产物。该技术通过多种不同传感器，对目标进行观测，来获得不同的观测信息和数据，然后在一定的准则下进行融合、分析、使用，最终获得被观测对象的一致性解释与描述，从而使系统获得更最优性能。与单传感器相比，该技术一方面提高了监测数据的准确性和全面性，提高了系统的可靠性；另一方面增强了系统的抗干扰性，提高了监测数据的利用率。作为一项多学科、多领域的关键技术，多传感器信息融合已发展成为当前国际热点发展领域，并受到了国内外多个国家的高度重视和深入研究。目前已在光电信息系统、智能家居等各个领域得到了广泛应用。

参考文献：

[1]向丽坤，宋昆.光电传感器的发展及其应用[J].电子制作，2021（24）：17.

[2]秦宪军.光电传感器技术的发展趋势及应用实例[J].电子质量，2021（6）：44-46.

[3]肖保良.光电传感器在信息自动检测领域的应用探讨[J].电子世界，2021（13）：83-84.

[4]张国才.光电传感器的应用与发展趋势[J].科技信息（学术研究），2021（32）：680-681.