Présentation
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.
Cet article est réservé aux abonnés.
Il vous reste 95 % à découvrir.
Déjà abonné ? Se connecter
DOI (Digital Object Identifier)
CET ARTICLE SE TROUVE ÉGALEMENT DANS :
Accueil > Ressources documentaires > Électronique - Photonique > Technologies radars et applications > Radars > Fusion de données - Théorie et méthodes > Fusion d’information
Accueil > Ressources documentaires > Technologies de l'information > Technologies radars et applications > Radars > Fusion de données - Théorie et méthodes > Fusion d’information
Présentation
ConclusionArticle inclus dans l'offre
"Automatique et ingénierie système"
(138 articles)
Actualisée et enrichie d’articles validés par nos comités scientifiques.
Quiz, médias, tableaux, formules, vidéos, etc.
Opérationnels et didactiques, pour garantir l'acquisition des compétences transverses.
Un ensemble de services exclusifs en complément des ressources.
7. Fusion d’information
On se place à un niveau plus abstrait que pour les fonctions précédentes, celui de l’établissement et de l’analyse de la situation (niveaux 2 et 3). L’analyse de la situation nécessite d’identifier les situations probables qui sont les causes des événements et activités observées. Cette tâche est rendue difficile du fait que tous les éléments de la situation ne sont pas observables et que certains éléments sont volontairement trompeurs (introduction de fausse information). De plus, l’évaluation d’une situation, militaire notamment, repose sur de multiples connaissances, ou règles « expertes », qu’il faut répertorier au préalable avant d’établir une quelconque inférence quantitative : composition des forces, logistique associée, rayon d’actions, mais aussi éléments de doctrine, facteurs géopolitiques. Du fait d’une incomplétude quasi systématique de l’information dans ces systèmes, ils ne sont envisagés que comme une aide à la décision, focalisant le décideur sur les hypothèses les plus vraisemblables.
7.1 Méthodes
L’établissement de la situation s’apparente à un problème de diagnostic. Il s’agit, à partir d’un modèle causal imparfait (les liens causaux sont seulement probables), de sélectionner l’explication la plus vraisemblable pour les observations effectuées. En cas d’incertitude trop importante, de nouvelles observations pourront être requises pour affiner le diagnostic.
Il existe de nombreuses approches pour traiter ce problème. Les plus élémentaires sont basées sur les techniques de reconnaissance de gabarits (templates). Les gabarits modélisent différentes situations et peuvent prendre des formes variées : on définit les acteurs de la situation, les séquences d’événements pour chaque acteur, les distances ou les relations temporelles existantes entre acteurs. Dans ce type de méthode, la fusion d’information est simplement le résultat du remplissage progressif des gabarits par les données capteurs et reflétant certains types d’activités.
Les secondes méthodes visent à reproduire le raisonnement des experts du domaine et trouvent leurs origines dans le courant des premiers systèmes experts des années 1970. La résolution est organisée similairement au processus de raisonnement, faisant apparaître des étapes de résolution...
Cet article est réservé aux abonnés.
Il vous reste 93 % à découvrir.
Déjà abonné ? Se connecter
Fusion d’information
Article inclus dans l'offre
"Automatique et ingénierie système"
(138 articles)
Actualisée et enrichie d’articles validés par nos comités scientifiques.
Quiz, médias, tableaux, formules, vidéos, etc.
Opérationnels et didactiques, pour garantir l'acquisition des compétences transverses.
Un ensemble de services exclusifs en complément des ressources.
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).
-
...
Cet article est réservé aux abonnés.
Il vous reste 93 % à découvrir.
Déjà abonné ? Se connecter
Article inclus dans l'offre
"Automatique et ingénierie système"
(138 articles)
Actualisée et enrichie d’articles validés par nos comités scientifiques.
Quiz, médias, tableaux, formules, vidéos, etc.
Opérationnels et didactiques, pour garantir l'acquisition des compétences transverses.
Un ensemble de services exclusifs en complément des ressources.
