Сандық деректерді біріктіру және олардың негізінде сенімділікті арттыру
Sensor fusion
Даттік мәліметтерді біріктіру: әртүрлі көздерден ақпаратты үйлестіріп, нақтылықты арттыру. Сенсорлық интеграция, қателерді азайту, деректерді толықтыру.
Ағылшыншамен салыстырыңыз: абзацты басыңыз — түпнұсқа терезеде ашылады. Абзац астындағы EN түймесі оны мәтін ішінде көрсетеді.
Кіріспе
Даттік деректерді біріктіру
Combining of sensor data from disparate sources
Даттік біріктіру – әртүрлі көздерден алынған даттік деректерді немесе деректерді біріктіру процесі, нәтижесінде алынған ақпараттың белгісіздігі осы көздер жеке қолданылғанда мүмкін болатыннан кем болады. Мысалы, үй ішіндегі нысанның орналасқан жерін анықтауды видеокамералар мен WiFi локализация сигналдары сияқты бірнеше дерек көздерін біріктіру арқылы дәлірек бағалауға болады. Бұл жағдайда белгісіздікті азайту термині дәлірек, толық немесе сенімді болуы мүмкін, немесе стереоскопиялық көру сияқты жаңадан пайда болатын көріністің нәтижесін білдіруі мүмкін (екі камерадан алынған екі өлшемді суреттерді біріктіру арқылы тереңдік туралы ақпаратты есептеу). Біріктіру процесі үшін дерек көздері бірдей датчиктерден шығуы міндетті емес. Тікелей біріктіру, жанама біріктіру және осы екеуінің нәтижелерін біріктіруді ажыратуға болады. Тікелей біріктіру – гетерогенді немесе гомогенді датчиктер, «жұмсақ» датчиктер және даттік деректердің тарихи мәндері жиынтығынан даттік деректерді біріктіру, ал жанама біріктіру – қоршаған орта туралы және адамның араласуы туралы бұрынғы білім сияқты ақпарат көздерін пайдаланады. Даттік біріктіру (көп датчиктерді) деректерді біріктіру деп те аталады және ол ақпаратты біріктірудің бір бөлігі болып табылады.
Sensor fusion is the process of combining sensor data or data derived from disparate sources such that the resulting information has less uncertainty than would be possible when these sources were used individually. For instance, one could potentially obtain a more accurate location estimate of an indoor object by combining multiple data sources such as video cameras and WiFi localization signals. The term uncertainty reduction in this case can mean more accurate, more complete, or more dependable, or refer to the result of an emerging view, such as stereoscopic vision (calculation of depth information by combining two dimensional images from two cameras at slightly different viewpoints). The data sources for a fusion process are not specified to originate from identical sensors. One can distinguish direct fusion, indirect fusion and fusion of the outputs of the former two. Direct fusion is the fusion of sensor data from a set of heterogeneous or homogeneous sensors, soft sensors, and history values of sensor data, while indirect fusion uses information sources like a priori knowledge about the environment and human input. Sensor fusion is also known as (multi sensor) data fusion and is a subset of information fusion.
Орталықтандырылған және орталықтандырылмаған
Сенсорлық бірігуде орталықтандырылған және орталықтандырылмаған түсініктері деректерді біріктіру қай жерде жүзеге асатынын көрсетеді. Орталықтандырылған бірігуде клиенттер барлық деректерді орталыққа жібереді, ал орталықтағы бір ұйым деректерді байланыстырып, біріктіруге жауапты болады. Орталықтандырылмаған жағдайда клиенттер деректерді біріктірудің толық жауапкершілігін өздеріне алады. "Бұл жағдайда әр сенсор немесе платформа шешім қабылдауда белгілі бір дербестікке ие, интеллектуалды актив ретінде қарастырылуы мүмкін". Орталықтандырылған және орталықтандырылмаған жүйелердің көптеген комбинациялары бар. Сенсорлық конфигурацияның тағы бір жіктелуі сенсорлар арасындағы ақпарат ағынын үйлестіруге қатысты. Бұл механизмдар келіспеушіліктерді немесе қақтығыстарды шешуге және динамикалық сенсорлық стратегияларды әзірлеуге мүмкіндік береді. Сенсорлар артық (немесе бәсекелестік) конфигурацияда болады, егер әрбір түйін бірдей қасиеттердің тәуелсіз өлшемдерін ұсынса. Бұл конфигурация бірнеше түйінден алынған ақпаратты салыстырғанда қателерді түзету үшін қолданылуы мүмкін. Артық стратегиялар көбінесе дауыс беру процедураларында жоғары деңгейдегі бірігулермен қолданылады. Толықтырушы конфигурация бірнеше ақпарат көздерінің бірдей нысандар туралы әртүрлі ақпарат беруімен пайда болады. Бұл стратегия шешім қабылдау алгоритмдерінде шикі деректер деңгейінде ақпаратты біріктіру үшін қолданылады. Толықтырушы мүмкіндіктер әдетте нейрондық желілер, жасырын Марков модельдері, қолдау векторлық машиналар, кластерлеу әдістері және басқа да техникалармен қозғалысты тану міндеттерінде қолданылады. жүріс талдау, қозғалыс талдау, .
In sensor fusion, centralized versus decentralized refers to where the fusion of the data occurs. In centralized fusion, the clients simply forward all of the data to a central location, and some entity at the central location is responsible for correlating and fusing the data. In decentralized, the clients take full responsibility for fusing the data. "In this case, every sensor or platform can be viewed as an intelligent asset having some degree of autonomy in decision making." Multiple combinations of centralized and decentralized systems exist. Another classification of sensor configuration refers to the coordination of information flow between sensors. These mechanisms provide a way to resolve conflicts or disagreements and to allow the development of dynamic sensing strategies. Sensors are in redundant (or competitive) configuration if each node delivers independent measures of the same properties. This configuration can be used in error correction when comparing information from multiple nodes. Redundant strategies are often used with high level fusions in voting procedures. Complementary configuration occurs when multiple information sources supply different information about the same features. This strategy is used for fusing information at raw data level within decision making algorithms. Complementary features are typically applied in motion recognition tasks with Neural network, Hidden Markov model, Support vector machine, clustering methods and other techniques. gait analysis, motion analysis,,.