Bibliographie & annexes
Présentation
English
RÉSUMÉ
La fusion des données consiste au développement de procédés de combinaison de données et d’information pour estimer ou prédire des états. L’objectif visé est de réduire l’incertitude sur l’information résultante, cette incertitude pouvant être modélisée par différentes théories. Cet article traite de l’ensemble des fonctions de la chaîne perceptive (détection, identification, estimation, pistage et analyse de la situation). Sont abordés entre autres la prise en compte la fiabilité des sources, la qualité d’une distribution d’événements hypothèses, l’intégration de l’information, ainsi que les opérateurs bayésiens de combinaison.
Lire cet article issu d'une ressource documentaire complète, actualisée et validée par des comités scientifiques.
Lire l’articleAuteur(s)
-
Jean-François GRANDIN : Ingénieur de l’Institut national des télécommunications Expert en traitement d’information Direction technique - Systèmes de guerre électronique Thales Systèmes Aéroportés
INTRODUCTION
La fusion de données consiste essentiellement à confronter et intégrer des informations multiples dans le but de réduire l’incertitude sur l’information résultante. Ce document s’intéresse à l’application de la théorie des probabilités à l’ensemble des fonctions de la chaîne perceptive, à savoir : la détection, l’identification, l’estimation, le pistage et l’analyse de la situation. Dans ce cadre, on explicite comment modéliser et prendre en compte la fiabilité des sources, comment estimer la qualité d’une distribution d’événements hypothèses, comment fusionner en présence de corrélation, comment intégrer l’information experte et l’observation. La fusion, pour être efficace, doit prendre en compte les degrés d’incertitude de l’information entrante : à cette fin, la fusion repose sur une combinaison des éléments d’information pondérée par leurs incertitudes respectives. De plus, pour « combler » l’information manquante, la fusion utilise le raisonnement hypothétique et évalue les diverses options potentielles ; l’inférence bayésienne est construite pour ce type d’évaluation et se prête à des propagations d’hypothèses élaborées (MHT : « multiple hypothesis tracking », réseaux bayésiens) intégrant des connaissances de nature et de niveau hétérogènes.
L'expertise technique et scientifique de référence
DOI (Digital Object Identifier)
CET ARTICLE SE TROUVE ÉGALEMENT DANS :
Accueil > Ressources documentaires > Automatique - Robotique > Automatique et ingénierie système > Méthodes et outils > Fusion de données - Théorie et méthodes > Introduction à la fusion de données
Accueil > Ressources documentaires > Électronique - Photonique > Technologies radars et applications > Systèmes radars > Fusion de données - Théorie et méthodes > Introduction à la fusion de données
Cet article fait partie de l’offre
Technologies radars et applications
(69 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
Présentation
Théories utilisées
English
1. Introduction à la fusion de données
1.1 Définition
La fusion de données est « un procédé traitant de l’association, de la corrélation et de la combinaison des données et de l’information provenant de sources uniques ou multiples afin d’aboutir à des estimées affinées des positions et des identités, à une évaluation complète et en temps utile des situations et des menaces, et de leurs importances. Le procédé est caractérisé par une amélioration continue des estimées et des prévisions, et par l’évaluation du besoin en sources additionnelles ou de modification du procédé lui-même, afin d’atteindre des résultats améliorés. » .
HAUT DE PAGE1.2 Fonctions
Le modèle de fusion de données , proposé en 1985 par le JDL (U.S. Joint Directors of Laboratories Data Fusion Group) décrit les fonctions liées à la fusion des données. Soit une situation réelle observée par un ensemble de capteurs. La fusion de données collecte et synthétise ces informations grâce à trois fonctions principales (figure ...
L'expertise technique et scientifique de référence
Cet article fait partie de l’offre
Technologies radars et applications
(69 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
Introduction à la fusion de données
BIBLIOGRAPHIE
-
(1) - HALL (D.), LLINAS (J.) - Handbook of Multisensor Data Fusion - . CRC Press (2001).
-
(2) - HALL (D.) - Mathematical Techniques in Multisensor Data Fusion - . Artech House, (1992).
-
(3) - WALTZ (E.), LLINAS (J.) - Multisensor Data Fusion - . Artech House (1990).
-
(4) - HARRIS (C.J.) - Application of Artificial Intelligence to Command & Control Systems - . IEE Computing series 13.
-
(5) - YAAKOV BAR-SHALOM - Multitarget-Multisensor Tracking : Advanced Applications - . Artech House (1990).
-
(6) - BAYES (T.) - Essay Toward Solving a Problem in the Doctrine of Changes - . Philosophical Transactions of the Royal Society, London, (1763).
-
...
L'expertise technique et scientifique de référence
Cet article fait partie de l’offre
Technologies radars et applications
(69 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
