【正文】 的測(cè)量，為了尋找出行星的運(yùn)動(dòng)規(guī)律，隨后在對(duì)相關(guān)觀測(cè)結(jié)果的對(duì)比中，發(fā)現(xiàn)行星的運(yùn)動(dòng)軌道的測(cè)量結(jié)果中包含不確定度。無(wú)論在科學(xué)實(shí)驗(yàn)還是在工程上每天都進(jìn)行著大量的測(cè)量工作，測(cè)量結(jié)果的精度都要用不確定度來(lái)表示。被測(cè)量值的是否可用在很大程度上依賴于它的不確定度，因此不確定度對(duì)測(cè)量結(jié)果有很重要的意義，所以測(cè)量結(jié)果中必須包括不確定度。如果建立起統(tǒng)一理論框架，包括信息的統(tǒng)一描述、數(shù)據(jù)處理的一般流程、融合空間的統(tǒng)一模型結(jié)構(gòu)、歸 一化的融合結(jié)果，這樣，對(duì)信息融合技術(shù)的發(fā)展和應(yīng)用將是一個(gè)重要突破。人工智能技術(shù),如神經(jīng)網(wǎng)絡(luò)、專(zhuān)家系統(tǒng)、模糊推理、遺傳算法等應(yīng)用于數(shù)據(jù)關(guān)聯(lián)、目標(biāo)跟蹤、目標(biāo)分類(lèi)、特征提取、管理和評(píng)估等信息融合模型研究已取得了一些進(jìn)展，但在工程實(shí)現(xiàn)上還有許多問(wèn)題需要處理，如研討較之一般的專(zhuān)家系統(tǒng)更面向功能的拓樸模型或基于知識(shí)的系統(tǒng)測(cè)試和評(píng)定的方法、標(biāo)準(zhǔn)問(wèn)題等。目前，在實(shí)際中,不同的融合目的有不同的融合評(píng)估準(zhǔn)則和方法,為了使準(zhǔn)則具有可檢測(cè)性和可比性，我們希望能夠建立一個(gè)一致、統(tǒng)一的信息融合的評(píng)估體系，對(duì)信息融合效果能夠進(jìn)行實(shí)用的、可比擬的、可操作的評(píng)估。(4)研究信息融合用的數(shù)據(jù)庫(kù)和知識(shí)庫(kù)，高速并行檢索和推理機(jī)制利用大型空間數(shù)據(jù)庫(kù)中數(shù)據(jù)和知識(shí)進(jìn)行推理是融合系統(tǒng)過(guò)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(kù)的知識(shí)庫(kù)，高速并行推理機(jī)制應(yīng)成為未來(lái)的研究重點(diǎn)之一。傳感器管理的內(nèi)容通常包括：空間管理、模式管理和時(shí)間管理。在異類(lèi)多傳感器信息融合中，如何利用各傳感器信息進(jìn)行航跡起始，如何綜合利用位置、動(dòng)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(bǔ)信息以改善對(duì)目標(biāo)的識(shí)別及如何實(shí)現(xiàn)檢測(cè)跟蹤的聯(lián)合優(yōu)化都是需要進(jìn)一步研究和解決的問(wèn)題。目前對(duì)該領(lǐng)域的研究主要有：在各檢測(cè)器性能時(shí)變的條件下，如何自適應(yīng)估計(jì)各檢測(cè)器性能并進(jìn)行分布式檢測(cè)融合是目前的一個(gè)方向；在信號(hào)參數(shù)模糊下的分布式檢測(cè)融合問(wèn)題：在信號(hào)參數(shù)隨機(jī)變化下的分布式檢測(cè)融合問(wèn)題；微弱信號(hào)的檢測(cè)融合問(wèn)題。（4）融合系統(tǒng)的容錯(cuò)性和穩(wěn)健性沒(méi)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(cuò)誤信息等的有效處理，即系統(tǒng)的容錯(cuò)性或穩(wěn)健性也是信息融合理論研究中必須考慮的問(wèn)題。所以，信息可融合性的判斷準(zhǔn)則及如何進(jìn)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(wèn)題。圖3 決策層融合信息融合研究中的存在的問(wèn)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(duì)信息融合的研究都是根據(jù)問(wèn)題的種類(lèi)，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。在這種方法中，每個(gè)傳感器為了獲得一個(gè)獨(dú)立的屬性判決要完成一個(gè)變換，然后順序融合來(lái)自每個(gè)傳感器的屬性判決。另外，為了把特征向量劃分成有意義的群組必須運(yùn)用關(guān)聯(lián)過(guò)程，對(duì)此位置信息也許是有用的。圖1 數(shù)據(jù)層融合圖 2表示了特征層融合的結(jié)構(gòu)。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(lèi)的。如下圖1表示了數(shù)據(jù)層融合的結(jié)構(gòu)。融合一般分三個(gè)層次，數(shù)據(jù)級(jí)融合、特征級(jí)融合和決策級(jí)融合。多傳感器信息融合的常用方法基本上可概括為隨機(jī)和人工智能兩大類(lèi)，隨機(jī)類(lèi)方法有加權(quán)平均法、卡爾曼濾波法、多貝葉斯估計(jì)法、DempsterShafer（DS）證據(jù)推理、產(chǎn)生式規(guī)則等；而人工智能類(lèi)則有模糊邏輯理論、神經(jīng)網(wǎng)絡(luò)、專(zhuān)家系統(tǒng)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(cuò)性、自適應(yīng)性、聯(lián)想記憶和并行處理能力，則都可以用來(lái)作為融合方法。對(duì)于多傳感器系統(tǒng)來(lái)說(shuō)，信息具有多樣性和復(fù)雜性，因此，對(duì)信息融合方法的基本要求是具有魯棒性和并行處理能力。 利用多個(gè)傳感器所獲取的關(guān)于對(duì)象和環(huán)境全面、完整的信息，主要體現(xiàn)在融合算法上。隨著信息融合和計(jì)算機(jī)應(yīng)用技術(shù)的發(fā)展，根據(jù)國(guó)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(shí)間與空間的多傳感器數(shù)據(jù)資源，采用計(jì)算機(jī)技術(shù)對(duì)按時(shí)間序列獲得的多傳感器觀測(cè)數(shù)據(jù)，在一定準(zhǔn)則下進(jìn)行分析、綜合、支配和使用，獲得對(duì)被測(cè)對(duì)象的一致性解釋與描述，進(jìn)而實(shí)現(xiàn)相應(yīng)的決策和估計(jì)，使系統(tǒng)獲得比它的各個(gè)組成部分更充分的信息。多傳感器信息融合系統(tǒng)與所有單傳感器信號(hào)處理或低層次的數(shù)據(jù)處理方式相比，后者是對(duì)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(cè)目標(biāo)和環(huán)境的信息量。信息融合的對(duì)象是依賴于多種傳感器的分別所觀察到的信息，通過(guò)對(duì)這些甚至是獨(dú)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(gè)傳感器在共同的或聯(lián)合的操作的條件的這種優(yōu)勢(shì)來(lái)減少測(cè)量過(guò)程中不必要的誤差和提高整個(gè)測(cè)量系統(tǒng)的有效性。來(lái)自各種信息源的信息擁有的特征是不同的：即時(shí)的或非即時(shí)的，快速變化的或緩慢變化的，模糊的或精確的，相互支撐或相互彌補(bǔ)，也可能是互相對(duì)立或競(jìng)爭(zhēng)的。因此，應(yīng)用信息融合技術(shù)后，會(huì)使對(duì)不確定度的測(cè)量有更好的精確性。所謂的信息融合就是一個(gè)涉及對(duì)來(lái)自各種信息源的數(shù)據(jù)或信息進(jìn)行檢測(cè)、聯(lián)合、相關(guān)、評(píng)價(jià)及合并的多級(jí)、多方面處理過(guò)程，最終獲得提煉后的狀態(tài)和目標(biāo)評(píng)估。如果我們對(duì)這些測(cè)量結(jié)果首先進(jìn)行信息融合,然后基于拉格朗日乘子法,求出一個(gè)融合結(jié)果。而實(shí)際應(yīng)用中，這些方法可能無(wú)法滿足要求，因此為提升新一代GPS（產(chǎn)品幾何量技術(shù)規(guī)范與認(rèn)證）標(biāo)準(zhǔn)體系中的測(cè)量不確定度的評(píng)定的精度和更加適應(yīng)工程上的要求,本文主要采用了信息融合算法。因?yàn)锳 類(lèi)評(píng)定方法有時(shí)需要花費(fèi)足夠多的時(shí)間以及資源,因此有時(shí)是不需要的，所以我們?cè)趯?shí)際測(cè)量工作中，多進(jìn)行的是B 類(lèi)評(píng)定?？傊?，測(cè)量不確定度是說(shuō)明被測(cè)量量的結(jié)果分散程度的參數(shù)，它并不是說(shuō)明被測(cè)量量的結(jié)果是否接近真實(shí)值或接近真實(shí)值的程度。事實(shí)上因?yàn)闇y(cè)量技術(shù)的不完善和人們對(duì)于測(cè)量的相關(guān)知識(shí)的了解不足，因此測(cè)量所得的結(jié)果基本上都具有一定的分散性，也就是每一次測(cè)量所得的結(jié)果并不是同一個(gè)定值，而是以某一概率散布在某個(gè)區(qū)間范圍內(nèi)的多個(gè)值。因此不確定度是一個(gè)說(shuō)明測(cè)量質(zhì)量好壞的重要根據(jù)，也是一種表明測(cè)量水平高低的重要的指標(biāo)。通過(guò)進(jìn)行實(shí)例驗(yàn)證,我們可以發(fā)現(xiàn)，該方法簡(jiǎn)單易行,在同等條件下提高了精度, 符合新一代GPS 標(biāo)準(zhǔn)的要求，更適應(yīng)了工程上的要求。為了更加適應(yīng)工程上的要求并且提高新一代GPS 標(biāo)準(zhǔn)體系（產(chǎn)品幾何量技術(shù)規(guī)范與認(rèn)證）中測(cè)量不確定度的評(píng)定精度,將信息融合算法引用到測(cè)量不確定度評(píng)定中。皖西學(xué)院本科畢業(yè)論文（設(shè)計(jì)）基于信息融合的不確定度認(rèn)證研究摘 要：所謂的信息融合，即是指對(duì)來(lái)自多個(gè)傳感器的數(shù)據(jù)或信息進(jìn)行多層次、多方面檢測(cè)、關(guān)聯(lián)