Informationsfusion, Vorlesung, WS 2019/20
Autor
Herausgeber
Zentrum für Mediales Lernen (ZML)
Genre
Beschreibung
Bei zahlreichen Aufgaben der Informationsgewinnung ist es nicht möglich, die interessierenden Eigenschaften einer Szene bzw. eines Prozesses vollständig und robust mit einem einzigen Sensor bzw. einer einzigen Informationsquelle zu erfassen. In solchen Fällen besteht eine Lösungsmöglichkeit darin, mehrere Sensoren einzusetzen, die unterschiedliche Aspekte der Szene erfassen. Die Verwendung heterogener Sensoren mit unterschiedlichen Sensorprinzipien erlaubt dabei die Auswertung mehrerer physikalischer Eigenschaften der Szene. Darüber hinaus kann auch nicht-sensorische Information (z. B. in Form von a-priori-Wissen oder physikalischen Modellen) verfügbar sein, die bei der Bestimmung interessierender Szeneeigenschaften zu berücksichtigen ist.
Diese Vorlesung führt in Konzepte, Architekturen und Verfahren der Informationsfusion ein. Mathematische Konzepte zur Verknüpfung von Sensordaten und Informationen aus unterschiedlichen Quellen werden dargestellt.
Die Inhalte umfassen im Einzelnen:
Voraussetzungen der Fusionierbarkeit
Spezifikation von unsicherheitsbehafteter Information
Vorverarbeitung zur Informationsfusion, Registrierung
Fusionsarchitekturen
Probabilistische Methoden: Bayes’sche Fusion, Kalman-Filter, Tracking
Formulierung von Fusionsaufgaben mittels Energiefunktionalen
Dempster-Shafer-Theorie
Fuzzy-Fusion
Neuronale Netze
Fachgebiet
Elektronik, Hochfrequenztechnik, Nachrichtentechnik
Lizenz
Hinweis
Die Beiträge dieser Serie können Sie als Podcast abonnieren.
Embed-Code
