智能信息处理技术研究

宁丽鹏

(中国电子科技集团公司第五十四研究所，河北 石家庄 050081)

随着计算机和信号处理技术的迅速发展，信号处理理论和技术已经进入了一个新的发展时期，信号处理的研究不仅限于一般理论和方法的探讨，更多侧重于新的实现方法和算法的研究。在现代信号处理技术研究中，已经由原来的对较简单的线性、因果最小相位系统的研究发展到现在的非线性、非因果、非最小相位系统的研究，时变信号的分析和处理已成为现代信号处理中新兴的重要领域。而智能信息处理就是将不完全、不可靠、不精确、不一致和不确定的知识和信息逐步改变为完全、可靠、精确、一致和确定的知识和信息的过程和方法，就是利用对不精确性、不确定性的容忍来达到问题的可处理性和鲁棒性，因此研究智能信息处理技术具有十分重要的意义。

1 智能信息处理技术的产生与发展

智能信息处理最早起源于20世纪30年代，但是由于智能信息处理系统运作过程需要大量的计算，而当时又没有快速的计算工具，这样就极大的约束了智能信息处理技术在初期的发展。自从40年代后期计算机问世后，给智能信息处理技术的发展创造了良好的条件。一些具备智能信息处理功能的高科技产品相继被推出，并产生了巨大的社会及经济效益。例如英国科学家A.M.Cormack和C.N.Hounsfield利用智能信息处理技术的一些结果提出了图象的重建算法，并于1972年设计制造出了医用的CT机。由于它可以获得人体内部的横截面的立体图象，因此在医学诊断中得到了重要应用，成为各大医院的基础设备。另外60年代初由美国科学家J.W.Cooley等人提出的用于频谱分析的快速Fourier算法(FFT)，也在科学界引起轰动。该算法用硬件电路实现后，被迅速应用于智能测量仪器等一系列高自动化检测设备中去，获得了极大的成功。其后，随着计算机和信号处理技术的迅速发展，智能信息处理技术被广泛的应用于各种信息处理系统中。

2 智能信息处理技术主要理论与方法

智能信息处理涉及到信息科学的多个领域，是现代信号处理、人工神经网络、模糊系统理论、进化计算，包括人工智能等理论和方法的综合应用。目前，智能信息处理技术中主要有人工神经元网络、模糊理论、进化计算、信息融合技术、盲分离技术等智能信息处理方法。

2.1 人工神经网络

（1）人工神经元的数学模型。在人工神经网络中，人工神经元是最基本的信息处理单元，是以大脑神经元结构为参照，用众多简单的人工神经元构造的复杂神经网络系统。因此，人工神经元及其连接结构是进行神经元网络研究的基础。仿照生物神经元建立的人工神经元的数学模型可用如图 1表示。

图1 人工神经元数学模型

（2）人工神经元网络模型。由若干个人工神经元按照一定的拓扑结构连接在一起便构成了各种人工神经网络模型。目前，人工神经元网络的主要模型已有几十种，根据神经元之间连接方式和网络中信息流向的不同，神经元网络模型可分为两大类：没有信息反馈的前向型网络和具有信息反馈的相互结合型网络，或称反馈神经网络。前馈神经网络由输入层，中间层（隐层）和输出层组成。

2.2 模糊理论

模糊理论研究的是一种不确定性现象，这种不确定性是由于事物之间差异的中间过渡性所引起的划分上的不确定性，它是事物本身固有的不精确性，摆脱了经典数学理论中“非此即彼”的精确性（二元性），而使得概念的外延具有一种不分明性，也即“亦此亦彼”的模糊性。

（1）模糊系统。模糊系统（也称自适应模糊系统或模糊逻辑系统）就是以模糊规则为基础而具有模糊信息处理能力的动态模型。模糊系统可以视为一个输入—输出的映射关系，而且这一系统可以作为连续函数的通用逼近器。它由四部分组成，如图2所示。

图2 模糊逻辑系统

（2）模糊神经网络。模糊神经网络（Fuzzy Neural Network,FNN）是在神经网络和模糊系统基础上发展起来的，它充分考虑了神经网络和模糊系统的互补性，集语言计算、逻辑推理、分布式处理和非线性动力学过程于一体，具有学习、联想、识别、自适应和模糊信息处理能力等功能。其本质就是将常规的神经网络赋予模糊输入信号和模糊权值。将神经网络和模糊技术结合起来，有效的发挥各自的优势并弥补其不足。因此，模糊神经网络对人工智能和智能模拟的发展具有十分重要的意义。

2.3 进化计算

进化算法是一类借鉴生物界自然选择和遗传机制的随机搜索算法，主要包括遗传算法、进化规划等算法，可以用来解决优化和机器学习等问题。

（1）遗传算法。遗传算法是模拟生物遗传过程的计算模型，作为一种全局优化搜索算法具有简单通用、鲁棒性强、适于并行处理以及应用范围广泛等显著特点。遗传算法是一种群体操作，该操作以群体中所有个体为对象。选择，交叉和变异是遗传算法的 3个主要操作算子，它们构成了所谓的遗传操作，使遗传算法具有了其它传统算法所没有的特性。目前许多学者对 Holland基本遗传算法根据实际应用需求进行了改进和扩展，现已广泛的应用于函数寻优、自动控制、图像识别、机器学习等领域，成为计算智能技术中的常用算法之一。

（2）进化规划。进化规划方法最初由佛杰尔（L.J.Fogel）等人于 20世纪60年代提出的。进化规划中常用有限状态机来表示这样的策略，即借用进化的思想对一组FSM进行进化以获取更为有效的FSM。目前，进化规划已应用到数据诊断、模式识别、数值优化、控制系统的设计以及神经元网络的训练等问题中，并取得了较好的结果。由于许多工程问题可归结为对特定的输入产生特定的输出的计算机程序，因而在工程中具有重要的应用价值。

2.4 信息融合技术

信息融合技术研究如何加工、协同利用多源信息，并使不同形式的信息相互补充，以获得对同一事物或目标更客观、更本质认识的信息综合处理技术。多传感器系统能完善地精确地反映检测对象特征，消除信息的不确定性，提高传感器的可靠性。

（1）信息融合的基本原理。多传感信息融合实际上是对人脑综合处理复杂问题的一种功能模拟。在多传感器系统中，各种传感器提供的信息可能具有不同特征。多传感器信息融合的基本原理就像人脑综合处理信息的过程一样，它充分利用多个传感器资源，通过对这些传感器及其观测信息的合理支配和使用，把多个传感器在时间或空间上的冗余或互补信息依据某种准则来进行组合，以获得被测对象的一致性解释或描述，使该信息系统由此而获得比它的各组成部分的子集所构成的系统更优越的性能。

（2）信息融合的功能模型。信息融合可分为高层次和低层次处理，低层次处理包括数据的预处理；目标检测、分类和辨识；目标追踪。高层次处理包括态势和威胁估计以及对整个融合过程的提取。现有融合系统的模型大致可以分为两大类：数据型模型和功能型模型。

2.5 盲分离技术

盲分离是指从观察到的混合信号中分离出源信号的问题，有时也被称为盲源分离问题。盲分离属于在目标函数下的无监督学习，其基本思想是抽取统计独立的特征来表示输入。在信号处理中，应用盲分离来解决实际的应用例子，如在阵列信号处理技术中仅仅凭借传感器的观测信号估计未知信号源波形；在生物医学信号提取有效信号；在无线通信中利用一个信道实现多用户通信服务。盲信号分离中主要针对信号的两个方面进行处理：源信号的形式是未知的和源信号的混合方式也是未知的。

3 结语

虽然智能信息处理技术已得到很大发展,但还存在各种问题有待研究和解决，欲使智能信息处理技术不断取得进展并在生产实践中得到应用,必须和当代的前沿学科相结合,引入相关学科中的新思维和新方法,并善于从生产实际中提出问题,归纳提高到理论和方法的高度进行研究和探讨。随着需要处理的信息系统越来越复杂，依靠单一智能信息处理方法都有各自的优缺点,难以满足复杂系统的全部要求,因此,将多种不同的智能信息处理技术结合起来的混合智能信息处理技术是未来信息处理技术研究的必然趋势。

[1]陈国良.遗传算法及其应用[M].北京：人民邮电出版社,1996.

[2]林明星，付晨.基于神经网络的多传感器信息融合技术[J].新技术工艺，1999，（3）：6-8.

[3]何友，王国宏.多传感器信息融合[M].北京：电子工业出版社，2000.