浅析信息融合技术及应用.docx
《浅析信息融合技术及应用.docx》由会员分享，可在线阅读，更多相关《浅析信息融合技术及应用.docx（7页珍藏版）》请在冰豆网上搜索。
浅析信息融合技术及应用
浅析信息融合技术及应用
近年来，由于信息融合技术充分利用多源数据的互补性和电子计算机的高速运算和智能，提高了信息处理结果的质量而受到广泛的关注。
信息融合是数学、军事科学、计算机科学、自动控制理论、人工智能、通信技术、管理科学等多种学科的交叉和具体运用。
随着应用系统逐渐扩大，所需的功能也越来越复杂，使用的传感器种类也相应增多。
原先的单一传感器检测技术已不能满足要求，多传感器融合技术应运而生。
多传感器融合技术就是对同一检测对象，利用各种传感器检测的信息和不同的处理方法以获得该对象的全面检测信息，从而提高检测精度和可靠性。
在多传感器系统中，信息表现为多样性、复杂性以及大容量，信息处理不同于单一的传感检测处理技术，多传感器信息融合技术已成为当前的一个重要研究领域。
1．信息融合技术的基本理论
1.1信息融合的定义和基本原理定义：
充分利用不同时间与空间的多传感器信息资源，采用计算机技术对按时序获得的多传感器观测信息在一定准则下加以自动分析、综合、支配和使用，获得对被测对象的一致性解释与描述，以完成所需的决策和估计任务，使系统获得比它的各组成部分更优越的性能而进行的信息处理过程。
基本原理：
充分利用多个传感器资源，通过对传感器及其观测
信息的合理支配和使用，把多传感器在空间或时间上可冗余或互补
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。
将信息融合划分成如下几个过程：
对准、相关、滤波、识别和威胁评估及态势评估
源理处瑾目标评估态势罟芦
威
:
:
:
:
j:
贅捋摩營理系统
*1总过程评诂哺
人机
口
图1多传感器信息融合处理模型
多传感器信息融合与单传感器信号处理相比，单传感器信号处理是对人脑信息处理的一种低水平模仿，不能像多传感器信息融合那样有效的利用更多的信息资源，而多传感器信息融合可以更大程度地获得被测目标和环境的信息量。
多传感器信息融合与经典信号处理方法之间也存在本质的区别，关键在于数据融合所处理的多传感器信息具有更复杂的形式，而且可以在不同的信息层次上出现。
1.2信息融合的分类和结构
分类：
（1）组合由多个传感器组合成平行或互补方式来获得多组数据输出的一种处理方法，是一种最基本的方式，涉及的问题有输出方式的协调、综合以及传感器的选择。
在硬件这一级上应用
（2）综合信息优化处理中的一种获得明确信息的有效方法。
（3）融合当将传感器数据组之间进行相关或将传感器数据与系统内部的知识模型进行相关，而产生信息的一个新的表达式
（4）相关通过处理传感器信息获得某些结果，不仅需要单项信息处理，而且需要通过相关来进行处理，获悉传感器数据组之间的关系，从而得到正确信息，剔除无用和错误的信息。
其目的是对识别、预测、学习和记忆等过程的信息进行综合和优化。
结构:
体系结构可分为集中式、分布式和混合式。
（1）集中式：
各个传感器的数据都送到中央处理器（融合中心）进行融合处理。
这种方法可以实现时间和空间的融合，数据处理的精度较高，但对中央处理器的数据处理能力要求高，传输的数据量大，要求有较大的通讯带宽。
（2）分布式：
各个传感器对自己的量测数据单独进行处理，然后将处理结果送到融合中心，由融合中心对各传感器的局部结果进行融合处理。
与集中式相比，分布式处理对通讯带宽要求低，计算速度快，可靠性和延续性好，但精度没有集中式高。
（3）混合式：
以上两种方式的组合，用于大型系统之中。
层次结构可分为数据层融合、特征层融合和决策层融合。
（1）数据层融合是直接在采集到的原始数据层上进行的融合各种传感器的原始测报未经预处理之前就进行数据的综合和分析这是最低层次的融合。
（2）特征层融合是利用从各个传感器的原始信息中提取的特征信息进行综合分析和处理的中间层次过程.通常所提取的特征信息
应是原始信息的充分表示量或统计量，据此对多传感器信息进行分
类，汇集和综合。
（3）决策层融合是在信息表示的最高层次上进行融合处理。
不
同类型的传感器观测同一个目标，每个传感器在本地完成预处理，特征抽取，识别或判断，以建立对所观察目标的初步结论。
然后通过相关处理，决策级融合判决，最终获得联合推断结果，从而直接
为决策提供依据。
图3多传恶番唁耳融合的3种层次结构
1.3信息融合的一般方法
信息融合的研究内容极其丰富，涉及的基础理论也非常广泛，而信息融合方法是信息融合研究的核心技术。
目前融合方法大致可以分两类：
概率统计方法和人工智能方法。
随机类算法有加权平均法（最简单、最直观的数据融合方法。
该方法将一组传感器提供的冗余信息进行加权平均，结果作为融合
值。
）、卡尔曼滤波法（用于实时融合动态的低层次冗余传感器数据，该方法用测量模型的统计特性，递推决定统计意义下最优融合
数据合计。
）、多贝叶斯估计法（把每个传感器作为一个贝叶斯估计，将各单独物体的关联概率分布组合成一个联合后验概率分布函数，通过使联合分布函数的似然函数最小，可以得到多传感器信息的最终融合值。
）、证据推理（贝叶斯推理的扩充）、产生式规则
（采用符号表示目标特征和相应传感器信息之间的联系，与每一个
规则相联系的置信因子表示它的不确定性程度。
当在同一个逻辑推
理过程中，2个或多个规则形成一个联合规则时，可以产生融合。
）
等；
而人工智能类则有模糊逻辑理论（多值逻辑，使用多值逻辑推
理，根据模糊集合理论的各种演算对各种命题进行合并，进而实现
数据融合。
）、神经网络（利用神经网络的信号处理能力和自动推理功能，即实现了多传感器数据融合。
）、粗集理论、专家系统等。
融合有豔
鶴i案畢
信息芸示
不SS走性
融合技术
逼用范国
加权平均
原始读数值
删又平均—
低层数据駐合
卡尔曼週波
朝車召布
高痂可
低层敎掘恥舍
贝叶斯估计
高斯1帝
贝叶斯曲计:
高层数振融合
绒计决策理论
ms_
规率分布
高删驕
极值决第
高层数据融台
证据推理
冗余互补
邊辑推理
複糊推理
冗余互补
命题
隶属度
跻推理
高层数掘孔舍
神经元网络
动辟态
冗余互补
神经元输入
学习误差
松元H络
1K扃层
产生式规则
动解态
冗^互补_
命题
贵信1因子
遇肯推埋
鬲层軸据融台
表1常用的数据融合方法比较
2.信息融合的应用研究与进展
多传感器数据融合系统的应用可大致分为军事应用和民事应用两大类。
2.1信息融合在军事上的应用
军事领域绝大部分是在敌对的现实世界中进行的。
在敌对的现实世界里，被观测目标的运动状态基本上是未知的、难以预测的或不易确定的，它与传感器系统之间的关系是敌对的、不合作的，它会利用速度快、机动性强的优势躲避传感器的探测，甚至干扰传感器的探测或发送虚假信息，传感器获得的信息可能是不连续的、间断的，数据率也基本上是不固定的。
被观测目标的这些特点对信息融合系统提出了较高的要求，如系统要有可变的响应特性，快速、精确的信息处理能力，必要时还要求人工干预等。
军事应用是多传感器数据融合技术诞生的源泉，主要用于包括军事目标的检测、定位、跟踪和识别。
这些目标可以是静止的，也可以是运动的。
具体应用包括海洋监视、空对空、地对空防御系统。
海洋监视系统包括潜艇、鱼雷、水下导弹等目标的检测、跟踪和识别，典型的传感器包括雷达、声纳、远红外、综合孔径雷达等。
空对空、地对空防御系统的基本目标是检测、跟踪、识别敌方飞机、导弹和反飞机武器，典型的传感器包括雷达、ESM接收机、远红外、敌我识别传感器、
电光成像传感器等。
近些年来，随着现代科学技术的发展，军事斗争领域不断出现新情况、新特点，同时，也进一步促进了信息融合在军事领域的发
展和应用，这些新特点主要有：
一是信息化军事装备的大量应用。
近20年来，世界各主要军事大国的军事装备信息化的步伐明显加快，如通信卫星、全球定位系统、各种类型的数据链、预警机、网络化的指挥通信系统等一大批信息化装备投入使用，这在客观上就对信息融合技术提出了很高的要求，即要发展相应的技术满足信息融合的需要。
二是传感器数量和品种的急剧增加。
在信息化战争的大背景条件下，未来战场的环境更加复杂，敌方作战武器平台不仅呈现出品种多和密度大的特点，而且采用了先进的抗干扰技术后还具有低可观测性的特点，为了能够及时发现目标，不得不装备和使用各种传感器，从而也不得不需要使用信息融合技术。
三是目标机动性的提高和武器杀伤力的增强。
在实现装备信息化的同时，各种作战武器平台本身的性能也在日益提高，机动性能越来越强，其携带的武器弹药的杀伤力也越来越强，这就要求在时间上能更早地探测识别目标和具有更快的响应速度。
四是人工成本的增加以及在某些任务中操作人员危险性的增加。
人的生命是最宝贵的，政治家们在达到战争目标的同时却越来越难以承受战争中人员的伤亡，这也要求采用信息融合技术来实现远程控制或使用自主式武器系统。
2.2信息融合在民事上应用民事领域主要用于机器人、智能制造、智能交通、医疗诊断、遥感、刑侦和保安等领域。
现已逐步渗入农业工程领域多传感器信息融合技术的发展和应用引起了工业检测系统的改变，其已用于智能检测系统。
机器人主要使用电视图像、声音、电磁等数据的融合来进行推理，以完成物料搬运、零件制造、检验和装配等工作。
智能制造系统包括各种智能加工机床、工具和材料传送装置、检测和试验装置以及装配装置。
目的是在制造系统中用机器智能来代替人进行智能加工、状态监测和故障诊断。
智能交通系统采用多传感器数据融合技术，实现无人驾驶交通工具的自主道路识别、速度控制以及定位。
在以往的医疗诊断中出现了更为复杂而有效的医用传感技术，如超声波成像、核磁共振成像和X-射线成像等。
将这些传感器的数据进行融合能更准确地进行医疗诊断，如肿瘤的定位与识别。
遥感在军事和民事领域都有一定的应用，可用于监测天气变化、矿产资源、农作物收成等。
多传感器数据融合技术在刑侦中的应用，主要是利用红外、微波等传感设备进行隐匿武器、毒品等的检查。
将人体的各种生物特征如人脸、指纹、声音等进行适当的融合，能大幅度提高对人的身份识别认证能力，这对提高安全保卫能力是很重要的。
随着现代遥感技术的不断发展，已使传感器空间分辨率、光谱分辨率得到大幅度提高，从而也使数据呈海量增加。
同时，也导致了数据源的多样性和复杂化。
因此，如何充分利用这些大量的多传感器遥测影像信息，已是遥感领域亟需解决的难题，而遥感影像信息融合技术作为解决这一瓶颈问题的重要理论与方法也日益引起人们的重视。
3．信息融合研究中存在的问题及发展趋势
3.1信息融合研究存在的问题信息融合的绝大部分的研究都是针对特定的问题、特定的对象、特定的层次，并在此基础上形成所谓的最佳方案。
因此信息融合问题本身至今未形成一套完整的理论，目前尚存在以下的问题:
（1）未形成基本的理论框架和广义融合算法:
目前，绝大多数的融合研究皆是针对特定的应用领域的特定问题开展的，即根据问题的种类，各自建立直观的融合准则，形成最佳融合方案。
目前还没有建立起一种通用的模型结构与方法，用来处理多维不确定性的信息，这不利于学科的发展和应用领域的开发。
（2）信息融合系统的设计实施还存在许多实际的问题。
目前，
大多数信息融合是信息的简单合成，并未充分有效地利用多传感器所提供的冗余信息，融合方法研究也还处于初步阶段。
而且目前很多研究工作亦是基础研究和仿真性试验，对于具体实施阶段并没有太大的指导意义。
（3）关联二义性是信息融合研究亟待解决的问题。
进行融合处理前必须对来自多传感器的观测结果进行关联，保证所融合的信息是来自同一观测目标或事件，以保证融合信息的一致性。
如果对不同目标或事件的信息进行融合，将难以使系统得出正确的结论.这
就是所谓的关联的二义性问题。
传感器测量的不精确性和干扰等都是引起关联二义性的因素。
3.2信息融合的研究方向信息融合技术涉及传感器技术、数据处理、网络通信、人工智能等相关技术，尚处在不断的变化和发展过程中，未来主要的研究方向应包括以下几方面:
（1）建立统一的信息融合基本理论和广义融合模型。
虽然信息融合的应用研究已如此广泛，但绝大部分工作都是针对特定应用领域内的问题开展的，难以构成信息融合这一独立学科所必需的完整理论体系。
（2）改进融合算法以进一步提高融合系统的性能。
目前，将模糊逻辑、神经网络，进化计算、粗集理论、支持向量机、小波变换等计算智能技术有机地结合起来，是一个重要的发展趋势。
如何利用集成的计算智能方法，提高多传感器融合的性能是值得深入研究的课题。
（3）人工智能技术在数据关联、目标跟踪、目标分类、特征提取、管理和评估等数据融合模型的研究已取得了一些进展，但在工程实现上还有许多问题需要处理。
（4）信息融合系统的性能测试与评估应作为信息融合未来的一个重要研究内容。
目前，在实际中，不同的融合目的有不同的融合评估准则和方法，为了使准则具有可检测性和可比性，我们希望能够建立一个一致、统一的信息融合的评估体系，对信息融合效果能够进行实用的、可比拟的、可操作的评估。
（5）目前尽管信息融合技术已经应用于军事和民事领域，但是都属于简单的应用，尚未开发出功能先进的集信息获取、融合、传感器管理和控制一体化的多传感器信息融合系统。
（6）开发并行计算的软件和硬件，以满足具有大量数据且计算复杂的多传感器融合的要求。
信息融合技术作为一种新的现代信息处理技术，正在得到越来越多的关注。
随着工业大系统的蓬勃发展和未来信息战的需求，以及相关技术的不断发展，多传感器信息融合将会得到更深入的理论研究，也将拥有更广阔的应用前景。
我们应积极借鉴国外的研究成果，结合我国的实际情况，积极开展该领域的基础理论和应用研究。
参考文献：
1．王耀南.计算智能数据处理技术及其应用湖南大学出版社，
1999.18-21.
2．涂小强.信息融合的原理与方法概述;电讯技术2000年03期
3．姜万录，李冲祥，刘继刚.多传感器数据融合技术的现状及展
望;机床与液压;2003年03期
4．王文志;信息融合技术的应用研究;武汉大学;2004年
5．冯波;多传感器信息融合技术的研究;南京航空航天大学;2004年
6．陈继军;多传感器管理及信息融合;西北工业大学;2002年
7．李玉榕;信息融合与智能处理的研究;浙江大学;2001年
8．管天云;多传感器信息融合研究;浙江大学;1998年
9．何友，关欣，王国宏；多传感器信息融合研究进展与展望；宇
航学报；2005年04期
10．赵宗贵；信息融合技术现状、概念与结构模型；中国电子科学
研究院学报；
2006年
升级会员 