Data fusion applied to the minimization of estimation uncertainty

• Autorzy: Sroka R.

Warianty tytułu

PL

Fuzja danych w procesie minimalizacji niepewności pomiaru

• Języki publikacji: EN

Abstrakty

EN

The paper expounds how, in the Author's opinion, the data fusion process shall be understood and demonstrates that application of fusion in metrology is possible and useful. The process is demonstrated on an example of estimating the expected value of a random variable and its aim was reducing the estimation uncertainty of that statistical parameter. It presents the consecutive stages of data fusion, viz. acquiring and storing information (analysis of estimator properties, assessment of their quality, a priori knowledge), elaboration of data processing methods and process supervision criteria, etc.

PL

W pracy przedstawiono w jaki sposób, w przekonaniu autora, należy rozumieć proces fuzji danych. Proces ten przedstawiono na przykładzie estymacji wartości oczekiwanej zmiennej losowej, a jego celem była redukcja niepewności pomiaru tej zmiennej. Przedstawiono kolejne etapy procesu fuzji, a więc zdobywanie i gromadzenie wiedzy (analiza własności estymatorów, ocena ich jakości, wiedza a'priori), opracowanie metod przetwarzania dartych i kryteriów nadzoru procesu, itp. Pod pojęciem fuzji danych rozumie się wszelkie formalne metody umożliwiające łączenie i przetwarzanie wiedzy o badanym obiekcie lub zjawisku, pochodzącej z wielu różnych źródeł w celu zmniejszenia niepewności końcowego wyniku pomiaru, zwiększenia efektywności klasyfikacji, polepszenia jakości identyfikacji lub diagnostyki. Celem może być również wykorzystanie synergii zawartej w danych pomiarowych, tak aby uzyskać nowe lub pełniejsze informacje, niemożliwe do osiągnięcia innymi metodami, ani z każdego źródła danych osobno. Fuzja danych jest więc pewnym sposobem działania, za pomocą którego duża liczba danych (często bardzo zróżnicowanych) pochodzących z różnych źródeł może być połączona w spójną, dokładną i zrozumiałą całość. Fuzja danych to jednak nie tylko sam etap przetwarzania danych pomiarowych (jakiś szczególny algorytm, zestaw algorytmów czy metod przeznaczonych do rozwiązywania wszystkich możliwych problemów). Fuzja danych to cały proces związany ze zdobywaniem wiedzy o obiekcie czy zjawisku (wiedza a'priori, wiedza pozyskana z danych pomiarowych, wiedza o podobnych zjawiskach lub obiektach, wiedza ekspertów itp.), wyborem lub budową jego modelu, określeniem źródeł i właściwości występujących zakłóceń, wyborem lub opracowaniem odpowiednio efektywnych metod pomiarowych lub algorytmów przetwarzania danych. W przedstawionym przykładzie dokonano analizy i porównania kilku różnych estymatorów wartości oczekiwanej. Wykazano, że w zależności od liczby źródeł danych i ich jakości, oraz posiadanej wiedzy wstępnej o wielkości mierzonej, powinno się stosować różne estymatory wartości oczekiwanej ze względu na minimalizację niepewności uzyskiwanej estymaty. Wykonana analiza prowadziła do określenia procedur nadzoru nad procesem fuzji. Procedury takie mają za zadanie śledzenie parametrów danych wejściowych (lub korzystanie z wiedzy o nich) i wpływanie zgodnie z wyprowadzonymi regułami na wybór właściwych w danym przypadku metod estymacji. Wykazano, w przekonaniu autora, że stosowanie tego typu metodyki w zakresie pomiarów jest możliwe i celowe.

Słowa kluczowe

EN

data fusion; uncertainty minimization; expected value estimation

PL

fuzja danych; minimalizacja niepewności; estymacja wartości oczekiwanej

• Wydawca: Komitet Metrologii i Aparatury Naukowej PAN
• Czasopismo: Metrology and Measurement Systems
• Rocznik: 2004
• Tom: Vol. 11, nr 2
• Strony: 107--122
• Opis fizyczny: Bibliogr. 18 poz., rys., wykr.

Twórcy

autor

Sroka R.

• AGH University of Science and Technology, Faculty of Electrical Engineering, Automatics, Informatics and Electronics, Department of Instrumentation and Measurement

Bibliografia

• 1. Kelly G.: Data Fusion: from Primary Metrology to Process Measurement. Proceedings of 16th IEEE IMTC, Venice 1999, vol. 3, pp. 1325-1329.
• 2. www.npl.co.uk/sstm/sstm1/model/fusion
• 3. Sroka R.: Fuzja danych w zastosowaniach pomiarowych. Miesięcznik Naukowo-Techniczny PAK, nr 6/5’2002, s. 15-19, Oficyna Wydawnicza SIMP.
• 4. Sroka R.: Badania wrażliwościowe układu pomiarowego modulatora kąta fazowego. MKM, Gliwice 1993, s. 313-320.
• 5. Sroka R.: Korekcja charakterystyki statycznej modulatora kąta fazowego o dużej dewiacji fazy. MKM, Opole 1994.
• 6. Bubnicki Z.: Identyfikacja obiektów sterowania. PWN, Warszawa 1974.
• 7. Gajda J.: Statystyczna analiza danych pomiarowych. Skrypt nr 12, Wyd. Wydz. EAIiE, Kraków 2002.
• 8. Gajda J., Szyper M.: Modelowanie i badania symulacyjne systemów pomiarowych. Wyd. Wydz. EAIiE, Kraków 1998.
• 9. Schoukens J., Pintelon R.: Identification of Linear Systems - a Practical Guideline to Accurate Modeling. Pergamon Press, 1991.
• 10. Hall D.: Mathematical Techniques in Multisensor Data Fusion. Artech House, London 1992.
• 11. Hall D., Llinas J.: An introduction to multisensor data fusion. Proceedings of the IEEE, vol. 85, no 1, January 1997.
• 12. Shahbazian E.: Introduction to Data Fusion: Models and Processes, Architectures, Techniques and Applications. Part of book: „Multisensor Fusion”, red. A.K. Hyder, E. Shahbazian, E. Waltz. Kluwer Academic Publisher, NATO Science Series – Mathematics, Physics and Chemistry, vol. 70, 2002, pp. 71-97.
• 13. Waltz E., Llinas J.: Multisensor Data Fusion. Artech House, London 1990.
• 14. Klein A. L.: Sensor and Data Fusion Concepts and Applications. SPIE, Washington 1999.
• 15. Hall D. L., Garga A. K.: Pitfalls in Data Fusion (and How to Avoid Them). Proceedings of the 2nd International Conference on Information Fusion – Fusion’99, vol. 1, pp. 429-436, Sunnyvale, CA.
• 16. Bedworth M., O’Brien J.: The Omnibus Model: A New Model of Data Fusion?. IEEE AES Systems Magazine, 2000, pp. 30-36.
• 17. Hall D. L.: The Implementation of Data Fusion Systems. Part of book: „Multisensor Fusion”, red. A. K. Hyder, E. Shahbazian, E. Waltz. Kluwer Academic Publisher, NATO Science Series – Mathematics, Physics and Chemistry, vol. 70, 2002, pp. 419-433.
• 18. Wald L.: Data fusion, definitions and architectures. Les Presses de l’EcoIe des Mines, Paris 2002.