多傳感器信息融合的應用

1.1 引言目前，多傳感器信息融合系統設計還缺乏一個(gè)統一的規范，還找不到一個(gè)行之有效的方法。信息融合模型主要包括融合的功能模型、結構模型和融合的數學(xué)模型。功能模型是從融合的過(guò)程出發(fā)，描寫(xiě)信息融合包含哪些功能、數據庫以及進(jìn)行信息融合時(shí)系統各組成不認之間的星湖作用過(guò)程；結構模型從融合組成出發(fā)，說(shuō)明信息融合系統的結構；數學(xué)模型則是信息融合算法和綜合邏輯。這三大模型是任何一個(gè)融合系統都必須解決的，因此他們構成了融合系統的核心問(wèn)題，其中又以數學(xué)模型為關(guān)鍵之關(guān)鍵，也是目前研究最多的一部分。

1.2 信息融合的功能模型信息融合的功能模型目前已有很多學(xué)者從不同的角度提出了信息融合系統的一般功能模型，最有權威的是美國三軍政府組織的實(shí)驗室理事聯(lián)席會(huì )下邊的技術(shù)委員會(huì )提出的功能模型。該模型把數據融合分為三級。第一級是單源或多源處理，主要是數字處理、跟蹤相關(guān)和關(guān)聯(lián)；第二級是評估目標估計的集合，以及他們彼此和背景的關(guān)系來(lái)評估整個(gè)情況；第三極用一個(gè)系統的先驗目標集合來(lái)檢驗評估的情況。

1.2.1 分布式多傳感器信息融合分布式多傳感器信息融合是每個(gè)局部的傳感器所獲得的待估計參數模型或待決策現象的觀(guān)測的同時(shí)，順便給出估計或決策，并將他們的結果傳遞到融合中心，融合中心就將所有傳感器的結果融合起來(lái)，得到最終的估計或決策。

1.2.2中心式多傳感器信息融合中心式多傳感器信息融合是傳感器能夠將觀(guān)測完全傳遞到融合中心，就相當于融合中心直接獲得了所有的觀(guān)測，這樣的融合方式叫做中心式多傳感器信息融合。

1.3信息融合的層次化描述在實(shí)際環(huán)境中，各類(lèi)傳感器接收到的信息可能是實(shí)時(shí)信息，也可能是非實(shí)時(shí)信息;可能是快變的，也可能是緩變的;可能是模糊的，也可能是確定的;可能是相互支持或互補，也可能是互相矛盾或競爭。而多傳感器信息融合的基本原理或出發(fā)點(diǎn)就是充分利用多個(gè)傳感器資源，通過(guò)合理支配和使用，把多個(gè)傳感器在空間或時(shí)間上的冗余或互補信息依據某種準則進(jìn)行融合，以獲得被測對象的一致性描述或解釋?zhuān)乖撓到y由此獲得比其它各組成部分的子集所構成的系統更優(yōu)越的性能?；パa，也可能是互相矛盾或競爭。而多傳感器信息融合的基本原理或出發(fā)點(diǎn)就是充分利用多個(gè)傳感器資源，通過(guò)合理支配和使用，把多個(gè)傳感器在空間或時(shí)間上的冗余或互補信息依據某種準則進(jìn)行融合，以獲得被測對象的一致性描述或解釋?zhuān)乖撓到y由此獲得比其它各組成部分的子集所構成的系統更優(yōu)越的性能。多傳感器信息融合與經(jīng)典信號處理方法之間存在本質(zhì)的區別，其關(guān)鍵在于信息融合所處理的多傳感器信息具有更復雜的形式，且可在不同的信息層次上體現。主要的信息表征層次有數據層、特征層和決策層。多傳感器信息融合在不同問(wèn)題領(lǐng)域采用不同的實(shí)現形式，因此我們難以對大量涌現的信息問(wèn)題進(jìn)行分類(lèi)描述。一般來(lái)說(shuō)，大多數的融合問(wèn)題都是針對同一層次上的信息形式來(lái)開(kāi)展研究的，因此我們根據融合系統所處的信息層次，對信息融合的方法進(jìn)行簡(jiǎn)單的描述。

1.3.1數據層融合數據層融合的特點(diǎn)是直接在多傳感器分布檢測系統中的檢測判決層或信號層上進(jìn)行融合。屬于底層數據融合，優(yōu)點(diǎn)是信息量大！信息準確，缺陷是很難達到實(shí)時(shí)要求、數據通信量大、抗干擾能力差，同時(shí)要求各個(gè)傳感器信息具有同質(zhì)性，否則需要進(jìn)行尺度校準。數據層融合通常用于多源圖象合成，圖象分析與理解等方面。

1.3.2特征層融合特征層融合是對各個(gè)傳感器的原始數據進(jìn)行特征提取后獲得的信息進(jìn)行融合。這些特征信息包括邊緣、方向、速度、形狀等。一般來(lái)說(shuō)，形成特征的過(guò)程是一個(gè)較大幅度的信息壓縮的過(guò)程，這為實(shí)時(shí)處理提供了前提條件。特征層融合可劃分為兩大類(lèi)：目標狀態(tài)信息融合、目標特性融合。（1）目標狀態(tài)信息融合目標狀態(tài)信息融合主要應用于多傳感器的目標跟蹤領(lǐng)域，目標跟蹤領(lǐng)域的大量方法都可以修改移植為多傳感器目標跟蹤方法。融合系統首先對傳感器數據進(jìn)行預處理以完成數據配準，即通過(guò)坐標變換和單位換算，把各傳感器輸人數據變換成統一的數據表達形式，在數據配準之后，融合處理主要實(shí)現參數關(guān)聯(lián)和狀態(tài)估計。常見(jiàn)的是序貫估計技術(shù)，其中包括卡爾曼濾波和擴展卡爾曼濾波。（2）目標特征信息融合目標特征信息融合就是特征層聯(lián)合識別，它實(shí)質(zhì)就是模式識別問(wèn)題。多傳感器系統為識別提供了比單個(gè)傳感器更多的有關(guān)目標的特征信息，增大了特征空間維數。具體的融合方法仍是模式識別的相應技術(shù)，但是在融合一前必須先對特征進(jìn)行關(guān)聯(lián)處理，再對特征矢量分類(lèi)成有意義的組合。對目標進(jìn)行的融合識別，就是基于關(guān)聯(lián)后的聯(lián)合特征矢量、具體實(shí)現技術(shù)包括參量模板法！特征壓縮和聚類(lèi)算法、K階最近鄰、神經(jīng)網(wǎng)絡(luò )等，除此之外，基于知識的推理技術(shù)也可應用于特征融合識別，但由于難以抽取環(huán)境和目標特征的先驗知識，因而這方面的研究?jì)H僅才開(kāi)始。特征層融合無(wú)論在理論還是應用上都逐漸趨于成熟，形成了一套針對問(wèn)題的具體解決方法。在融合的三個(gè)層次中，特征層上的融合可以說(shuō)是發(fā)展最完善的，而且由于在特征層已建立了一整套的行之有效的特征關(guān)聯(lián)技術(shù)，可以保證融合信息的一致性，所以特征層融合有著(zhù)良好的應用與發(fā)展前景。

1.3.3決策層融合特征層融合無(wú)論在理論還是應用上都逐漸趨于成熟，形成了一套針對問(wèn)題的具體解決方法。在融合的三個(gè)層次中，特征層上的融合可以說(shuō)是發(fā)展最完善的，而且由于在特征層已建立了一整套的行之有效的特征關(guān)聯(lián)技術(shù)，可以保證融合信息的一致性，所以特征層融合有著(zhù)良好的應用與發(fā)展前景。決策層融合輸出是一個(gè)聯(lián)合決策結果，在理論上這個(gè)聯(lián)合決策應比任何單傳感器決策更精確或更明確，決策層融合所采用的方法有：Bayes理論、DS證據理論、模糊集理論及專(zhuān)家系統方法等。決策層融合在信息處理方面具有很高的靈活性，系統對信息傳輸帶寬要求很低，能有效地融合反映環(huán)境或目標各個(gè)側面的不同類(lèi)型信息，而且可以處理非同步信息，因此目前有關(guān)信息融合的大量研究成果都是在決策層上取得的，并且構成了信息融合的一個(gè)熱點(diǎn)。但是由于環(huán)境和目標的時(shí)變動(dòng)態(tài)特性、先驗知識獲取的困難、知識庫的巨量特性、面向對象的系統設計要求等，決策層融合理論與技術(shù)的發(fā)展仍受到一定的限制。

現有的信息融合的數學(xué)模型可分為三大類(lèi)：（1）嵌入約束觀(guān)點(diǎn)（2）證據組合觀(guān)點(diǎn)（3）神經(jīng)網(wǎng)絡(luò )方法盡管有些方法還不盡完善，但這些方法和基于這些方法的具體算法確實(shí)解決了不少實(shí)際問(wèn)題，也推動(dòng)著(zhù)信息融合技術(shù)發(fā)展。第三章多傳感器信息融合的前景雖然數據融合已得到了廣泛的應用，但至今為止未形成一套完整的理論體系和有效的融合算法。絕大部分都是針對特定的問(wèn)題、特定的領(lǐng)域來(lái)研究，也就是說(shuō)目前數據融合的研究都是根據問(wèn)題的種類(lèi)、特定的對象、特定的層次建立自己的融合模型和推理規則，有的在此基礎上形成所謂的最佳方案。所謂的最佳準則、最佳判斷等只是理論上通過(guò)．若應用到實(shí)際上還有很大的距離。即使在實(shí)際中得到了應用，也沒(méi)有一個(gè)完善的評價(jià)體系對之作合理的評價(jià)。所以，多傳感器數據融合系統的設計帶有一定的盲目性，有必要建立一套完整的方法論體系來(lái)指導數據融合系統的設計。

具體的不足之處有：1）未形成基本的理論框架和有效廣義模型及算法；

2）并聯(lián)的二義性是數據融合的主要障礙；

3）融合系統的容錯性或穩健性沒(méi)有得到很好的解決；

4）對數據融合的具體方法的研究尚處于初步階段；

5）數據融合系統的設計還存在許多實(shí)際問(wèn)題。隨著(zhù)傳感器技術(shù)、數據處理技術(shù)、計算機技術(shù)、網(wǎng)絡(luò )技術(shù)、人工智能技術(shù)、并行計算機的軟件和硬件技術(shù)等相關(guān)技術(shù)的發(fā)展，多傳感器數據融合必將成為未來(lái)復雜T業(yè)系統智能檢測與數據處理的重要技術(shù)。

從目前收集到的國內外研究資料來(lái)看，多傳感器數據融合的研究方向歸納如下：

1）改進(jìn)融合算法以進(jìn)一步提高融合系統的性能。目前，將模糊邏輯、神經(jīng)網(wǎng)絡(luò )、進(jìn)化計算、粗集理論、支持向量機、小波變換等計算智能技術(shù)有機地結合起來(lái)，是個(gè)重要的發(fā)展趨勢。

2）如何利用有關(guān)的先驗數據提高數據的融合性能，也是一個(gè)需要認真研究的問(wèn)題。

3）開(kāi)發(fā)并行計算的軟件和硬件，以滿(mǎn)足大量數據的計算復雜的多傳感器融合的要求。

4）研究出能處理多傳感器集成與融合的集成電路芯片，以及傳感器模型和接口標準化是當前系統硬件的主要發(fā)展方向。

5）未知和動(dòng)態(tài)環(huán)境中多傳感器集成與融合的研究。

6）采用并行計算機結構的多傳感器集成與融合的研究。

7）開(kāi)展虛擬現實(shí)技術(shù)的研究，為多傳感器數據融合研究提供理想的仿真平臺。

隨著(zhù)科技的發(fā)展以及技術(shù)的進(jìn)步，多傳感器信息融合技術(shù)越來(lái)越廣泛的應用于各種領(lǐng)域，尤其是軍事方面的應用。信息融合技術(shù)能夠綜合各個(gè)傳感器的不同信息，對目標信息進(jìn)行預處理、關(guān)聯(lián)、決策和融合。本文主要針對信息融合中的一些關(guān)鍵技術(shù)進(jìn)行了理論研究，主要工作為：特征層融合是信息融合的重要部分，決策層融合是信息融合的關(guān)鍵部分，數據決策從多個(gè)目標中做出判決，以確定最終打擊的目標“本文分析了常用的DS證據合成理論以及其改進(jìn)方法。針對DS證據合成理論的不足，將信息嫡理論應用到數據決策中，該方法能夠很好的解決DS證據理論出現的沖突過(guò)大、一票否決等問(wèn)題，獲得合理的融合效果。多傳感器信息融合將來(lái)仍然有很長(cháng)的路要走，需要不斷克服各種困難，在現在的基礎上，更好的被人們所利用，方便人們的生活。