王強(qiáng) 沈濤 郭超

摘 要：以多傳感器信息融合技術(shù)為研究重點(diǎn)，主要論述了它的原理和方法，并結(jié)合它在機(jī)器人導(dǎo)航定位系統(tǒng)和人機(jī)交互語音系統(tǒng)方面的應(yīng)用進(jìn)行了探討和研究，為多傳感器信息融合研究提供理論支撐。

關(guān)鍵詞：多傳感器;信息融合;導(dǎo)航定位;人機(jī)交互

傳感器是機(jī)器人系統(tǒng)中必不可少的重要部件，在機(jī)器人系統(tǒng)中具有不可替代的作用。各種傳感器對信息的獲取存在方式和原理上的差異，信息的精確度也無法保證。本文針對單一或現(xiàn)有的傳感融合存在的問題和局限性，提出了一種新的信息融合框架。

1 多傳感器信息融合技術(shù)

多傳感器信息融合技術(shù)與經(jīng)典的信號處理方法之間存在著本質(zhì)的區(qū)別，也不等同于單個或多個傳感器的監(jiān)測和測量。它是基于對多個傳感器的測量結(jié)果，按照某種規(guī)定的算法進(jìn)行過濾、聯(lián)合、相關(guān)和優(yōu)化組合，獲取對目標(biāo)的一致性解釋和描述，輔助系統(tǒng)進(jìn)行環(huán)境判定、定位、路徑規(guī)劃、驗證和診斷等，從而形成更高層次的綜合決策。簡言之，多傳感器信息融合技術(shù)實(shí)際上是機(jī)器人系統(tǒng)“人腦化”的一種功能性模擬。信息融合可以在不同層次上出現(xiàn)，主要包括數(shù)據(jù)層融合、特征層融合和決策層融合。在對傳感網(wǎng)絡(luò)的具體數(shù)據(jù)實(shí)現(xiàn)融合時，融合方式的選擇主要由應(yīng)用特點(diǎn)來決定，即不同層次對應(yīng)不同算法。

2 多傳感器信息融合技術(shù)在機(jī)器人系統(tǒng)中的應(yīng)用

目前，多傳感器信息融合技術(shù)已廣泛應(yīng)用于機(jī)器人系統(tǒng)。這對提高整個機(jī)器人系統(tǒng)的生存適應(yīng)能力、系統(tǒng)運(yùn)行的可靠性和增強(qiáng)信息的可信度、實(shí)時性以及利用率等有著無可比擬的作用。

2.1 多傳感器融合導(dǎo)航定位系統(tǒng)

在移動機(jī)器人系統(tǒng)中，不論是局部實(shí)時避障，還是全局的導(dǎo)航定位和路徑規(guī)劃。機(jī)器人系統(tǒng)要完成此類任務(wù)的關(guān)鍵都是在于如何精確獲取目標(biāo)的當(dāng)前狀態(tài)和位置。

目前，主流的導(dǎo)航定位方式主要有三種。第一種是基于信號的導(dǎo)航衛(wèi)星系統(tǒng)定位，如GNSS定位;第二種是航跡推算定位。它是先利用陀螺儀和加速度計等傳感器組成的慣性測量單元（IMU）獲取載體相對于慣性空間的角速度、加速度等運(yùn)動參數(shù)，再通過慣性導(dǎo)航解算得到載體的速度、位置和姿態(tài);第三種是基于LIDAR的環(huán)境特征匹配定位。它需要預(yù)先制作定位地圖，然后再把我們觀測獲取的特征和數(shù)據(jù)庫里的特征與存儲的特征進(jìn)行匹配，從而得到載體現(xiàn)在的位置和姿態(tài)。

多傳感器融合的導(dǎo)航定位系統(tǒng)是以上述三種定位的數(shù)據(jù)為基礎(chǔ)，通過慣性導(dǎo)航解算和KALMAN濾波法，對信息進(jìn)行融合和相互修正，以實(shí)現(xiàn)提高導(dǎo)航定位系統(tǒng)的穩(wěn)定性和精確度的目的。其融合的框架結(jié)構(gòu)大致過程如圖1所示：

研究智能機(jī)器人的目的并非是對人類的一種完全取代，而且僅依靠計算機(jī)來控制復(fù)雜的智能機(jī)器人系統(tǒng)既不現(xiàn)實(shí)也不實(shí)用。這就需要有一個能方便自然地與機(jī)器人交流的人機(jī)交互系統(tǒng)。要實(shí)現(xiàn)這一目標(biāo)，除了要求機(jī)器人能夠看懂文字、聽懂語言之外，甚至還能夠進(jìn)行說話表達(dá)和不同語言之間的翻譯。就目前來講，語音系統(tǒng)是人與機(jī)器人系統(tǒng)互動的基礎(chǔ)和核心。它與多傳感器信息融合技術(shù)的結(jié)合可以賦予機(jī)器人系統(tǒng)更高、更精準(zhǔn)的智能性。

多傳感器融合人機(jī)交互語音系統(tǒng)有別于單語音識別技術(shù)。它是先把復(fù)雜環(huán)境下的語音通過語音檢測進(jìn)行特征提取，并在聲學(xué)模型和語音模型中加入關(guān)鍵字檢索技術(shù)，再把語音識別引擎獲取的語音特征矢量序按照匹配檢索條件與聲學(xué)模型和語音模型進(jìn)行匹配，獲得最優(yōu)識別結(jié)果。這樣就可以排除復(fù)雜環(huán)境中的背景雜音干擾，提高語音識別度、增強(qiáng)系統(tǒng)對未知環(huán)境的適應(yīng)能力。它的原理如圖2所示：

3 結(jié)語

綜上所述，多傳感器信息融合技術(shù)在容錯性、互補(bǔ)性和實(shí)時性等方面表現(xiàn)出的優(yōu)勢非常突出，其研究成果已經(jīng)展現(xiàn)出巨大的研究價值和應(yīng)用潛力。信息融合技術(shù)橫跨多門學(xué)科，處于所有新研究方向和新成果的交匯點(diǎn)。因此，延伸和擴(kuò)展智能的融合理論與方法，是解決信息融合技術(shù)中融合推理和融合損失等關(guān)鍵問題的有效途徑。

與此同時，人工智能的發(fā)展趨勢是走向融合：傳統(tǒng)機(jī)器學(xué)習(xí)+深度學(xué)習(xí)+強(qiáng)化學(xué)習(xí)+知識推理+智能決策，這一趨勢將伴隨著智能機(jī)器人的產(chǎn)業(yè)化發(fā)展?？梢灶A(yù)見，在未來利用人工智能的各種方法，以知識為基礎(chǔ)構(gòu)成多傳感器信息融合將繼續(xù)成為信息融合技術(shù)重要研究方向之一。多傳感器信息融合技術(shù)的研究已成為近年來十分熱門的課題，它在機(jī)器人系統(tǒng)智能化發(fā)展中起著無可比擬的作用，應(yīng)用前景十分廣闊。

參考文獻(xiàn)：

[1]錢暉.多傳感器融合技術(shù)在智能機(jī)器人系統(tǒng)中的應(yīng)用[J].上海電氣技術(shù)，2010，6（2）：44-48.

[2]黃漫國，樊尚春，鄭德智，邢維巍.多傳感器數(shù)據(jù)融合技術(shù)研究進(jìn)展[J].傳感器與微系統(tǒng)，2010，（3）：5-8.

[3]毛士藝，趙巍.多傳感器圖像融合技術(shù)綜述[J].北京航空航天大學(xué)學(xué)報，2002，28（5）：512-518.

[4]孫華，陳俊風(fēng)，吳林.傳感器融合技術(shù)及其在機(jī)器人中的應(yīng)用[J].傳感器技術(shù)，2003，22（9）：1-4.

[5]朱澤君，黃濤，劉曦霞，呂楊.多傳感器數(shù)據(jù)融合技術(shù)研究現(xiàn)狀及發(fā)展方向[J].船舶電子工程，2009，（2）：13-16.

作者簡介：王強(qiáng)（1983-），男，四川宜賓人，本科，講師，主要研究方向為機(jī)械設(shè)計制造、智能控制。