【正文】 傳感器 以及它們所 觀測 到的 信息的進行適當(dāng)?shù)闹渑c 使用，把多個傳感器在 時間 上 或 者 空間 上的 多余的 或 者相 互補 充的 信息以某 一 種 特定的 準(zhǔn)則 和方法進行組合以得到對被測量量 的 同一性 的 描述 和 解釋 。信息融合的 對象是依賴 于 多種 傳 感器的 分別所 觀察 到的 信息，通過對 這些 甚至是獨立的 信息的優(yōu)化組合 從而引出 更多的有 用的 信息，最終 的目的 也就 是 充分 利用多個傳感器 在 共同 的 或聯(lián)合 的 操作的條件的這種優(yōu)勢 來 減少測量過程中不必要的誤差和 提高整個 測量 系統(tǒng)的有效性。 基于不同時間和空間的多傳感器信息 ， 在一定準(zhǔn)則下 ， 對按時間序列獲得的多傳感器觀測數(shù)據(jù)進行分析、綜合、處理和使用 , 通過它們之間的協(xié)調(diào)和性能互補的優(yōu)勢 ， 克服單個傳感器的局限性 ， 獲得對被測對象的一致性解釋與描述 ， 進而實現(xiàn)相應(yīng)的決策和估計 ， 使系統(tǒng)獲得比其他的單個組成部分更加充分的信息 ， 提高整個傳感器系統(tǒng) 的有效性能 ， 以實現(xiàn)全面準(zhǔn)確地描述被測對象。 多傳感器信息融合系統(tǒng)與所有單傳感器信號處理或低層次的數(shù)據(jù)處理方式相比， 后者是對大 腦信息處理的一種低水平模仿，而前者可更大程度獲取被探測目標(biāo)和環(huán)境的信息量。 信息融合 又稱作信息融合或多傳感器 信息融合 ，對 信息融合 還很難給出一個統(tǒng)一、全面的定義。隨著 信息融合 和計算機應(yīng)用技術(shù)的發(fā)展，根據(jù)國內(nèi)外研究成果，多傳感器 信息融合比較確切的定義可概括為：充分利用不同時間與空間的多傳感器數(shù)據(jù)資源，采用計算機技術(shù)對按時間序列獲得的多傳感器觀測數(shù)據(jù)，在一定準(zhǔn)則下進行分析、綜合、支配和使用 ，獲得對被測對象的一致性解釋與描述，進而實現(xiàn)相應(yīng)的決策和估計，使系統(tǒng)獲得比它的各 個 組成部分更充分的信息。 具體地說，多傳感器 信息融合 原理如下： （ 1） N 個不同類型的傳感器（有源或無源的）收集觀測目標(biāo)的數(shù)據(jù)； （ 2）對傳感器的輸出數(shù)據(jù)（離散的或連續(xù)的時間函數(shù)數(shù)據(jù)、輸出矢量、成像數(shù)據(jù)或一個直接的屬性說明）進行特征提取的變換，提取代表觀測數(shù)據(jù)的特征矢量 Yi； 皖西學(xué)院本科畢業(yè)論文（設(shè)計） 第 4 頁 （ 3）對特征矢量 Yi 進行模式識別處理（如，聚類算法、自適應(yīng)神經(jīng)網(wǎng)絡(luò)或其他能將特征矢量 Yi 變換成目標(biāo)屬性判決的統(tǒng)計模式識別法等）完成各傳感器關(guān)于目標(biāo)的 說明； （ 4）將各傳感器關(guān)于目標(biāo)的說明數(shù)據(jù)按同一目標(biāo)進行分組，即關(guān)聯(lián)； （ 5）利用融合算法將每一目標(biāo)各傳感器數(shù)據(jù)進行合成，得到該目標(biāo)的一致性解釋與描述。 利用多個傳感器所獲取的關(guān)于對象和環(huán)境全面、完整的信息，主要體現(xiàn)在融合算法上。因此，多傳感器系統(tǒng)的核心問題是選擇合適的融合算法。對于多傳感器系統(tǒng)來說，信息具有多樣性和復(fù)雜性，因此，對信息融合方法的基本要求是具有魯棒性和并行處理能力。此外，還有方法的運算速度和精度；與前續(xù)預(yù)處理系統(tǒng)和后續(xù)信息識別系統(tǒng)的接口性能；與不同技術(shù)和方法的協(xié)調(diào)能力；對信息樣本的要 求等。一般情況下，基于非線性的數(shù)學(xué)方法，如果它具有容錯性、自適應(yīng)性、聯(lián)想記憶和并行處理能力，則都可以用來作為融合方法。 多傳感器 信息融合 雖然未形成完整的理論體系和有效的融合算法，但在不少應(yīng)用領(lǐng)域根據(jù)各自的具體應(yīng)用背景，已經(jīng)提出了許多成熟并且有效的融合方法。多傳感器 信息融合 的常用方法基本上可概括為隨機和人工智能兩大類，隨機類方法有加權(quán)平均法、卡爾曼濾波法、多貝葉斯估計法、 DempsterShafer（ DS） 證據(jù)推理、產(chǎn)生式規(guī)則等；而人工智能類則有模糊邏輯理論、神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)等?？梢灶A(yù)見，神經(jīng)網(wǎng)絡(luò)和人 工智能等新概念、新技術(shù)在多傳感器 信息融合 中將起到越來越重要的作用。 融合一般分三個層次，數(shù)據(jù)級融合、特征級融合和決策級融合。 本 文中的融合級別屬于數(shù)據(jù)級融合。 如下 圖 1 表 示了數(shù)據(jù)層 融合的結(jié)構(gòu)。在數(shù)據(jù)層融合方法中，直接融合來自同類傳感器的數(shù)據(jù)，然后是特征提取和來自融合數(shù)據(jù)的屬性判決。為了完成這種數(shù)據(jù)層融合，傳感器必須是相同的或者是同類的。為了保證被融合的數(shù)據(jù)對應(yīng)于相同的目標(biāo)或客體，關(guān)聯(lián)要基于原始數(shù)據(jù)完成。 皖西學(xué)院本科畢業(yè)論文（設(shè)計） 第 5 頁 圖 1 數(shù)據(jù)層融合 圖 2 表 示 了特征層融合的結(jié)構(gòu)。在這種方法中，每個傳感器觀測一個目標(biāo)，并且為產(chǎn)生來自 每個傳感器的特征向量要完成特征提取，然后融合這些特征向量，并基于聯(lián)合特征向量做出屬性判決。另外，為了把特征向量劃分成有意義的群組必須運用關(guān)聯(lián)過程，對此位置信息也許是有用的。 圖 2 特征層融合 圖 3 給出了決策層屬性融合結(jié)構(gòu)。在這種方法中，每個傳感器為了獲得一個獨立的屬性判決要完成一個變換，然后順序融合來自每個傳感器的屬性判決。圖中 I/D 代表屬性判決結(jié)果。 皖西學(xué)院本科畢業(yè)論文（設(shè)計） 第 6 頁 圖 3 決策層融合 信息融合 研究中的存在 的 問題 ： （ 1）未形成基本理論框架和有效廣義模型及算法雖然 信息融合 的研究已經(jīng)相當(dāng)廣泛，但是自前對信息融合的 研究都是根據(jù)問題的種類，各自建立融合準(zhǔn)則，并在此基礎(chǔ)上形成所謂最佳融合方案，而且目前很多研究工作是基礎(chǔ)研究、仿真性工作。 （ 2）關(guān)聯(lián)的二義性是 信息融合 中的主要障礙在進行融合處理前，必須對信息進行關(guān)聯(lián)，以保證所融合的信息是來自同一目標(biāo)。所以，信息可融合性的判斷準(zhǔn)則及如何進一步降低關(guān)聯(lián)的二義性已成為融合研究領(lǐng)域亟待解決的問題。 （ 3） 信息融合 方法與融合系統(tǒng)實施問題 信息融合 系統(tǒng)的設(shè)計實施目前還存在許多實際的問題：傳感器動態(tài)測量誤差模型的建立、傳感器系統(tǒng)優(yōu)化、復(fù)雜動態(tài)環(huán)境下系統(tǒng)實時性、大型知識庫的建立與管理、與其他 領(lǐng)域的很多新技術(shù)的“嫁接與融合”，如人工智能技術(shù)、計算神經(jīng)網(wǎng)絡(luò)計算、遺傳算法、進化計算、虛擬現(xiàn)實技術(shù)性等，這些尚無成熟理論。 （ 4）融合系統(tǒng)的容錯性和穩(wěn)健性沒有得到很好的解決沖突（矛盾）信息或傳感器故障所產(chǎn)生的錯誤信息等的有效處理，即系統(tǒng)的容錯性或穩(wěn)健性也是信息融合理論研究中必須考慮的問題。 研究方向展望 ： 盡管信息融合技術(shù) 20 多年來已有了很大的發(fā)展， 但仍然還有很多領(lǐng)域有待于進一步的研究與探索，目前主要包括： (1)多傳感器分布檢測研究分布式檢測融合自提出至今已形成了比較完善的理論體系。目前對該領(lǐng)域的研究主 要有：在各檢測器性能時變的條件下，如何自適應(yīng)估計各檢測器性能并進行分布式檢測融合是目前的一個方向 ； 在信號參數(shù)模糊下的分布式檢測融合問題：在信號皖西學(xué)院本科畢業(yè)論文（設(shè)計） 第 7 頁 參數(shù)隨機變化下的分布式檢測融合問題；微弱信號的檢測融合問題。 (2)異類多傳感器信息融合技術(shù)研究異類多傳感器信息融合由于具有時間不同步，數(shù)據(jù)率不一致及測量維數(shù)不匹配等特點，幾因而具有很大的不確定性。在異類多傳感器信息融合中，如何利用各傳感器信息進行航跡起始，如何綜合利用位置、動態(tài)及特征和屬性參數(shù)改善目標(biāo)跟蹤性，如何合理利用互補信息以改善對目標(biāo)的識別及如何實現(xiàn)檢測跟蹤的 聯(lián)合優(yōu)化都是需要進一步研究和解決的問題。 (3)傳感器資源分配與管理技術(shù)研究多個傳感器構(gòu)成了多傳感器系統(tǒng)的互補體系，因此必須按照某些工作準(zhǔn)則適當(dāng)?shù)毓芾磉@些傳感器，以便獲得最優(yōu)的數(shù)據(jù)采集性能。傳感器管理的內(nèi)容通常包括：空間管理、模式管理和時間管理。這一方面主要包括：傳感器性能預(yù)測，傳感器對目標(biāo)的分配方法，傳感器空間和時間作用范圍控制準(zhǔn)則，傳感器配置和控制策略，傳感器接口技術(shù)，傳感器對目標(biāo)分配的優(yōu)先級技術(shù)，以及傳感器指示和交接技術(shù)。 (4)研究 信息融合 用的數(shù)據(jù)庫和知識庫，高速并行檢索和推理機制利用大型空間數(shù)據(jù)庫 中數(shù)據(jù)和知識進行推理是融合系統(tǒng)過程中的關(guān)鍵任務(wù)，因此深人研究和探討空間數(shù)據(jù)庫的知識庫，高速并行推理機制應(yīng)成為未來的研究重點之一。 (5) 對于復(fù)雜的多傳感器系統(tǒng)的性能測試及可靠性評估是多傳感器信息融合的重要研究內(nèi)容。目前 ， 在實際中 ,不同的融合目的有不同的