多傳感器信息融合的應(yīng)用

1.1 引言目前，多傳感器信息融合系統(tǒng)設(shè)計(jì)還缺乏一個(gè)統(tǒng)一的規(guī)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(jié)構(gòu)模型和融合的數(shù)學(xué)模型。功能模型是從融合的過(guò)程出發(fā)，描寫信息融合包含哪些功能、數(shù)據(jù)庫(kù)以及進(jìn)行信息融合時(shí)系統(tǒng)各組成不認(rèn)之間的星湖作用過(guò)程；結(jié)構(gòu)模型從融合組成出發(fā)，說(shuō)明信息融合系統(tǒng)的結(jié)構(gòu)；數(shù)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(tǒng)都必須解決的，因此他們構(gòu)成了融合系統(tǒng)的核心問(wèn)題，其中又以數(shù)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(tǒng)的一般功能模型，最有權(quán)威的是美國(guó)三軍政府組織的實(shí)驗(yàn)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(shù)據(jù)融合分為三級(jí)。第一級(jí)是單源或多源處理，主要是數(shù)字處理、跟蹤相關(guān)和關(guān)聯(lián)；第二級(jí)是評(píng)估目標(biāo)估計(jì)的集合，以及他們彼此和背景的關(guān)系來(lái)評(píng)估整個(gè)情況；第三極用一個(gè)系統(tǒng)的先驗(yàn)?zāi)繕?biāo)集合來(lái)檢驗(yàn)評(píng)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(jì)參數(shù)模型或待決策現(xiàn)象的觀測(cè)的同時(shí)，順便給出估計(jì)或決策，并將他們的結(jié)果傳遞到融合中心，融合中心就將所有傳感器的結(jié)果融合起來(lái)，得到最終的估計(jì)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?qū)⒂^測(cè)完全傳遞到融合中心，就相當(dāng)于融合中心直接獲得了所有的觀測(cè)，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(bǔ)，也可能是互相矛盾或競(jìng)爭(zhēng)。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(bǔ)信息依據(jù)某種準(zhǔn)則進(jìn)行融合，以獲得被測(cè)對(duì)象的一致性描述或解釋，使該系統(tǒng)由此獲得比其它各組成部分的子集所構(gòu)成的系統(tǒng)更優(yōu)越的性能?；パa(bǔ)，也可能是互相矛盾或競(jìng)爭(zhēng)。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(bǔ)信息依據(jù)某種準(zhǔn)則進(jìn)行融合，以獲得被測(cè)對(duì)象的一致性描述或解釋，使該系統(tǒng)由此獲得比其它各組成部分的子集所構(gòu)成的系統(tǒng)更優(yōu)越的性能。多傳感器信息融合與經(jīng)典信號(hào)處理方法之間存在本質(zhì)的區(qū)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(fù)雜的形式，且可在不同的信息層次上體現(xiàn)。主要的信息表征層次有數(shù)據(jù)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(xiàn)形式，因此我們難以對(duì)大量涌現(xiàn)的信息問(wèn)題進(jìn)行分類描述。一般來(lái)說(shuō)，大多數(shù)的融合問(wèn)題都是針對(duì)同一層次上的信息形式來(lái)開展研究的，因此我們根據(jù)融合系統(tǒng)所處的信息層次，對(duì)信息融合的方法進(jìn)行簡(jiǎn)單的描述。

1.3.1數(shù)據(jù)層融合數(shù)據(jù)層融合的特點(diǎn)是直接在多傳感器分布檢測(cè)系統(tǒng)中的檢測(cè)判決層或信號(hào)層上進(jìn)行融合。屬于底層數(shù)據(jù)融合，優(yōu)點(diǎn)是信息量大！信息準(zhǔn)確，缺陷是很難達(dá)到實(shí)時(shí)要求、數(shù)據(jù)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(zhǔn)。數(shù)據(jù)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(duì)各個(gè)傳感器的原始數(shù)據(jù)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：目標(biāo)狀態(tài)信息融合、目標(biāo)特性融合。（1）目標(biāo)狀態(tài)信息融合目標(biāo)狀態(tài)信息融合主要應(yīng)用于多傳感器的目標(biāo)跟蹤領(lǐng)域，目標(biāo)跟蹤領(lǐng)域的大量方法都可以修改移植為多傳感器目標(biāo)跟蹤方法。融合系統(tǒng)首先對(duì)傳感器數(shù)據(jù)進(jìn)行預(yù)處理以完成數(shù)據(jù)配準(zhǔn)，即通過(guò)坐標(biāo)變換和單位換算，把各傳感器輸人數(shù)據(jù)變換成統(tǒng)一的數(shù)據(jù)表達(dá)形式，在數(shù)據(jù)配準(zhǔn)之后，融合處理主要實(shí)現(xiàn)參數(shù)關(guān)聯(lián)和狀態(tài)估計(jì)。常見的是序貫估計(jì)技術(shù)，其中包括卡爾曼濾波和擴(kuò)展卡爾曼濾波。（2）目標(biāo)特征信息融合目標(biāo)特征信息融合就是特征層聯(lián)合識(shí)別，它實(shí)質(zhì)就是模式識(shí)別問(wèn)題。多傳感器系統(tǒng)為識(shí)別提供了比單個(gè)傳感器更多的有關(guān)目標(biāo)的特征信息，增大了特征空間維數(shù)。具體的融合方法仍是模式識(shí)別的相應(yīng)技術(shù)，但是在融合一前必須先對(duì)特征進(jìn)行關(guān)聯(lián)處理，再對(duì)特征矢量分類成有意義的組合。對(duì)目標(biāo)進(jìn)行的融合識(shí)別，就是基于關(guān)聯(lián)后的聯(lián)合特征矢量、具體實(shí)現(xiàn)技術(shù)包括參量模板法！特征壓縮和聚類算法、K階最近鄰、神經(jīng)網(wǎng)絡(luò)等，除此之外，基于知識(shí)的推理技術(shù)也可應(yīng)用于特征融合識(shí)別，但由于難以抽取環(huán)境和目標(biāo)特征的先驗(yàn)知識(shí)，因而這方面的研究?jī)H僅才開始。特征層融合無(wú)論在理論還是應(yīng)用上都逐漸趨于成熟，形成了一套針對(duì)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良好的應(yīng)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(yīng)用上都逐漸趨于成熟，形成了一套針對(duì)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良好的應(yīng)用與發(fā)展前景。決策層融合輸出是一個(gè)聯(lián)合決策結(jié)果，在理論上這個(gè)聯(lián)合決策應(yīng)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(jù)理論、模糊集理論及專家系統(tǒng)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(tǒng)對(duì)信息傳輸帶寬要求很低，能有效地融合反映環(huán)境或目標(biāo)各個(gè)側(cè)面的不同類型信息，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(gòu)成了信息融合的一個(gè)熱點(diǎn)。但是由于環(huán)境和目標(biāo)的時(shí)變動(dòng)態(tài)特性、先驗(yàn)知識(shí)獲取的困難、知識(shí)庫(kù)的巨量特性、面向?qū)ο蟮南到y(tǒng)設(shè)計(jì)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(xiàn)有的信息融合的數(shù)學(xué)模型可分為三大類：（1）嵌入約束觀點(diǎn)（2）證據(jù)組合觀點(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(shù)據(jù)融合已得到了廣泛的應(yīng)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(duì)特定的問(wèn)題、特定的領(lǐng)域來(lái)研究，也就是說(shuō)目前數(shù)據(jù)融合的研究都是根據(jù)問(wèn)題的種類、特定的對(duì)象、特定的層次建立自己的融合模型和推理規(guī)則，有的在此基礎(chǔ)上形成所謂的最佳方案。所謂的最佳準(zhǔn)則、最佳判斷等只是理論上通過(guò)．若應(yīng)用到實(shí)際上還有很大的距離。即使在實(shí)際中得到了應(yīng)用，也沒(méi)有一個(gè)完善的評(píng)價(jià)體系對(duì)之作合理的評(píng)價(jià)。所以，多傳感器數(shù)據(jù)融合系統(tǒng)的設(shè)計(jì)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(dǎo)數(shù)據(jù)融合系統(tǒng)的設(shè)計(jì)。

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(shù)據(jù)融合的主要障礙；

3）融合系統(tǒng)的容錯(cuò)性或穩(wěn)健性沒(méi)有得到很好的解決；

4）對(duì)數(shù)據(jù)融合的具體方法的研究尚處于初步階段；

5）數(shù)據(jù)融合系統(tǒng)的設(shè)計(jì)還存在許多實(shí)際問(wèn)題。隨著傳感器技術(shù)、數(shù)據(jù)處理技術(shù)、計(jì)算機(jī)技術(shù)、網(wǎng)絡(luò)技術(shù)、人工智能技術(shù)、并行計(jì)算機(jī)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(shù)據(jù)融合必將成為未來(lái)復(fù)雜T業(yè)系統(tǒng)智能檢測(cè)與數(shù)據(jù)處理的重要技術(shù)。

從目前收集到的國(guó)內(nèi)外研究資料來(lái)看，多傳感器數(shù)據(jù)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(tǒng)的性能。目前，將模糊邏輯、神經(jīng)網(wǎng)絡(luò)、進(jìn)化計(jì)算、粗集理論、支持向量機(jī)、小波變換等計(jì)算智能技術(shù)有機(jī)地結(jié)合起來(lái)，是個(gè)重要的發(fā)展趨勢(shì)。

2）如何利用有關(guān)的先驗(yàn)數(shù)據(jù)提高數(shù)據(jù)的融合性能，也是一個(gè)需要認(rèn)真研究的問(wèn)題。

3）開發(fā)并行計(jì)算的軟件和硬件，以滿足大量數(shù)據(jù)的計(jì)算復(fù)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(biāo)準(zhǔn)化是當(dāng)前系統(tǒng)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(jì)算機(jī)結(jié)構(gòu)的多傳感器集成與融合的研究。

7）開展虛擬現(xiàn)實(shí)技術(shù)的研究，為多傳感器數(shù)據(jù)融合研究提供理想的仿真平臺(tái)。

隨著科技的發(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(yīng)用于各種領(lǐng)域，尤其是軍事方面的應(yīng)用。信息融合技術(shù)能夠綜合各個(gè)傳感器的不同信息，對(duì)目標(biāo)信息進(jìn)行預(yù)處理、關(guān)聯(lián)、決策和融合。本文主要針對(duì)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(shù)據(jù)決策從多個(gè)目標(biāo)中做出判決，以確定最終打擊的目標(biāo)“本文分析了常用的DS證據(jù)合成理論以及其改進(jìn)方法。針對(duì)DS證據(jù)合成理論的不足，將信息嫡理論應(yīng)用到數(shù)據(jù)決策中，該方法能夠很好的解決DS證據(jù)理論出現(xiàn)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(zhǎng)的路要走，需要不斷克服各種困難，在現(xiàn)在的基礎(chǔ)上，更好的被人們所利用，方便人們的生活。