智能信息處理技術研究

寧麗鵬

(中國電子科技集團公司第五十四研究所，河北 石家莊 050081)

隨著計算機和信號處理技術的迅速發展，信號處理理論和技術已經進入了一個新的發展時期，信號處理的研究不僅限于一般理論和方法的探討，更多側重于新的實現方法和算法的研究。在現代信號處理技術研究中，已經由原來的對較簡單的線性、因果最小相位系統的研究發展到現在的非線性、非因果、非最小相位系統的研究，時變信號的分析和處理已成為現代信號處理中新興的重要領域。而智能信息處理就是將不完全、不可靠、不精確、不一致和不確定的知識和信息逐步改變為完全、可靠、精確、一致和確定的知識和信息的過程和方法，就是利用對不精確性、不確定性的容忍來達到問題的可處理性和魯棒性，因此研究智能信息處理技術具有十分重要的意義。

1 智能信息處理技術的產生與發展

智能信息處理最早起源于20世紀30年代，但是由于智能信息處理系統運作過程需要大量的計算，而當時又沒有快速的計算工具，這樣就極大的約束了智能信息處理技術在初期的發展。自從40年代后期計算機問世后，給智能信息處理技術的發展創造了良好的條件。一些具備智能信息處理功能的高科技產品相繼被推出，并產生了巨大的社會及經濟效益。例如英國科學家A.M.Cormack和C.N.Hounsfield利用智能信息處理技術的一些結果提出了圖象的重建算法，并于1972年設計制造出了醫用的CT機。由于它可以獲得人體內部的橫截面的立體圖象，因此在醫學診斷中得到了重要應用，成為各大醫院的基礎設備。另外60年代初由美國科學家J.W.Cooley等人提出的用于頻譜分析的快速Fourier算法(FFT)，也在科學界引起轟動。該算法用硬件電路實現后，被迅速應用于智能測量儀器等一系列高自動化檢測設備中去，獲得了極大的成功。其后，隨著計算機和信號處理技術的迅速發展，智能信息處理技術被廣泛的應用于各種信息處理系統中。

2 智能信息處理技術主要理論與方法

智能信息處理涉及到信息科學的多個領域，是現代信號處理、人工神經網絡、模糊系統理論、進化計算，包括人工智能等理論和方法的綜合應用。目前，智能信息處理技術中主要有人工神經元網絡、模糊理論、進化計算、信息融合技術、盲分離技術等智能信息處理方法。

2.1 人工神經網絡

（1）人工神經元的數學模型。在人工神經網絡中，人工神經元是最基本的信息處理單元，是以大腦神經元結構為參照，用眾多簡單的人工神經元構造的復雜神經網絡系統。因此，人工神經元及其連接結構是進行神經元網絡研究的基礎。仿照生物神經元建立的人工神經元的數學模型可用如圖 1表示。

圖1 人工神經元數學模型

（2）人工神經元網絡模型。由若干個人工神經元按照一定的拓撲結構連接在一起便構成了各種人工神經網絡模型。目前，人工神經元網絡的主要模型已有幾十種，根據神經元之間連接方式和網絡中信息流向的不同，神經元網絡模型可分為兩大類：沒有信息反饋的前向型網絡和具有信息反饋的相互結合型網絡，或稱反饋神經網絡。前饋神經網絡由輸入層，中間層（隱層）和輸出層組成。

2.2 模糊理論

模糊理論研究的是一種不確定性現象，這種不確定性是由于事物之間差異的中間過渡性所引起的劃分上的不確定性，它是事物本身固有的不精確性，擺脫了經典數學理論中“非此即彼”的精確性（二元性），而使得概念的外延具有一種不分明性，也即“亦此亦彼”的模糊性。

（1）模糊系統。模糊系統（也稱自適應模糊系統或模糊邏輯系統）就是以模糊規則為基礎而具有模糊信息處理能力的動態模型。模糊系統可以視為一個輸入—輸出的映射關系，而且這一系統可以作為連續函數的通用逼近器。它由四部分組成，如圖2所示。

圖2 模糊邏輯系統

（2）模糊神經網絡。模糊神經網絡（Fuzzy Neural Network,FNN）是在神經網絡和模糊系統基礎上發展起來的，它充分考慮了神經網絡和模糊系統的互補性，集語言計算、邏輯推理、分布式處理和非線性動力學過程于一體，具有學習、聯想、識別、自適應和模糊信息處理能力等功能。其本質就是將常規的神經網絡賦予模糊輸入信號和模糊權值。將神經網絡和模糊技術結合起來，有效的發揮各自的優勢并彌補其不足。因此，模糊神經網絡對人工智能和智能模擬的發展具有十分重要的意義。

2.3 進化計算

進化算法是一類借鑒生物界自然選擇和遺傳機制的隨機搜索算法，主要包括遺傳算法、進化規劃等算法，可以用來解決優化和機器學習等問題。

（1）遺傳算法。遺傳算法是模擬生物遺傳過程的計算模型，作為一種全局優化搜索算法具有簡單通用、魯棒性強、適于并行處理以及應用范圍廣泛等顯著特點。遺傳算法是一種群體操作，該操作以群體中所有個體為對象。選擇，交叉和變異是遺傳算法的 3個主要操作算子，它們構成了所謂的遺傳操作，使遺傳算法具有了其它傳統算法所沒有的特性。目前許多學者對 Holland基本遺傳算法根據實際應用需求進行了改進和擴展，現已廣泛的應用于函數尋優、自動控制、圖像識別、機器學習等領域，成為計算智能技術中的常用算法之一。

（2）進化規劃。進化規劃方法最初由佛杰爾（L.J.Fogel）等人于 20世紀60年代提出的。進化規劃中常用有限狀態機來表示這樣的策略，即借用進化的思想對一組FSM進行進化以獲取更為有效的FSM。目前，進化規劃已應用到數據診斷、模式識別、數值優化、控制系統的設計以及神經元網絡的訓練等問題中，并取得了較好的結果。由于許多工程問題可歸結為對特定的輸入產生特定的輸出的計算機程序，因而在工程中具有重要的應用價值。

2.4 信息融合技術

信息融合技術研究如何加工、協同利用多源信息，并使不同形式的信息相互補充，以獲得對同一事物或目標更客觀、更本質認識的信息綜合處理技術。多傳感器系統能完善地精確地反映檢測對象特征，消除信息的不確定性，提高傳感器的可靠性。

（1）信息融合的基本原理。多傳感信息融合實際上是對人腦綜合處理復雜問題的一種功能模擬。在多傳感器系統中，各種傳感器提供的信息可能具有不同特征。多傳感器信息融合的基本原理就像人腦綜合處理信息的過程一樣，它充分利用多個傳感器資源，通過對這些傳感器及其觀測信息的合理支配和使用，把多個傳感器在時間或空間上的冗余或互補信息依據某種準則來進行組合，以獲得被測對象的一致性解釋或描述，使該信息系統由此而獲得比它的各組成部分的子集所構成的系統更優越的性能。

（2）信息融合的功能模型。信息融合可分為高層次和低層次處理，低層次處理包括數據的預處理；目標檢測、分類和辨識；目標追蹤。高層次處理包括態勢和威脅估計以及對整個融合過程的提取。現有融合系統的模型大致可以分為兩大類：數據型模型和功能型模型。

2.5 盲分離技術

盲分離是指從觀察到的混合信號中分離出源信號的問題，有時也被稱為盲源分離問題。盲分離屬于在目標函數下的無監督學習，其基本思想是抽取統計獨立的特征來表示輸入。在信號處理中，應用盲分離來解決實際的應用例子，如在陣列信號處理技術中僅僅憑借傳感器的觀測信號估計未知信號源波形；在生物醫學信號提取有效信號；在無線通信中利用一個信道實現多用戶通信服務。盲信號分離中主要針對信號的兩個方面進行處理：源信號的形式是未知的和源信號的混合方式也是未知的。

3 結語

雖然智能信息處理技術已得到很大發展,但還存在各種問題有待研究和解決，欲使智能信息處理技術不斷取得進展并在生產實踐中得到應用,必須和當代的前沿學科相結合,引入相關學科中的新思維和新方法,并善于從生產實際中提出問題,歸納提高到理論和方法的高度進行研究和探討。隨著需要處理的信息系統越來越復雜，依靠單一智能信息處理方法都有各自的優缺點,難以滿足復雜系統的全部要求,因此,將多種不同的智能信息處理技術結合起來的混合智能信息處理技術是未來信息處理技術研究的必然趨勢。

[1]陳國良.遺傳算法及其應用[M].北京：人民郵電出版社,1996.

[2]林明星，付晨.基于神經網絡的多傳感器信息融合技術[J].新技術工藝，1999，（3）：6-8.

[3]何友，王國宏.多傳感器信息融合[M].北京：電子工業出版社，2000.