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)計還缺乏一個統(tǒng)一的規(guī)范，還找不到一個行之有效的方法。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程出發(fā)，描寫信息融合包含哪些功能、數(shù)據(jù)庫以及進(jìn)行信息融合時系統(tǒng)各組成不認(rèn)之間的星湖作用過程；結(jié)構(gòu)模型從融合組成出發(fā)，說明信息融合系統(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)威的是美國三軍政府組織的實(shí)驗(yàn)室理事聯(lián)席會下邊的技術(shù)委員會提出的功能模型。該模型把數(shù)據(jù)融合分為三級。第一級是單源或多源處理，主要是數(shù)字處理、跟蹤相關(guān)和關(guān)聯(lián)；第二級是評估目標(biāo)估計的集合，以及他們彼此和背景的關(guān)系來評估整個情況；第三極用一個系統(tǒng)的先驗(yàn)?zāi)繕?biāo)集合來檢驗(yàn)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局部的傳感器所獲得的待估計參數(shù)模型或待決策現(xiàn)象的觀測的同時，順便給出估計或決策，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，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?qū)⒂^測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，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)時信息，也可能是非實(shí)時信息;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)就是充分利用多個傳感器資源，通過合理支配和使用，把多個傳感器在空間或時間上的冗余或互補(bǔ)信息依據(jù)某種準(zhǔn)則進(jìn)行融合，以獲得被測對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)就是充分利用多個傳感器資源，通過合理支配和使用，把多個傳感器在空間或時間上的冗余或互補(bǔ)信息依據(jù)某種準(zhǔn)則進(jìn)行融合，以獲得被測對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題領(lǐng)域采用不同的實(shí)現(xiàn)形式，因此我們難以對大量涌現(xiàn)的信息問題進(jìn)行分類描述。一般來說，大多數(shù)的融合問題都是針對同一層次上的信息形式來開展研究的，因此我們根據(jù)融合系統(tǒng)所處的信息層次，對信息融合的方法進(jìn)行簡單的描述。

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系統(tǒng)中的檢測判決層或信號層上進(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)時要求、數(shù)據(jù)通信量大、抗干擾能力差，同時要求各個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各個傳感器的原始數(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。一般來說，形成特征的過程是一個較大幅度的信息壓縮的過程，這為實(shí)時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。常見的是序貫估計技術(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)合識別，它實(shí)質(zhì)就是模式識別問題。多傳感器系統(tǒng)為識別提供了比單個傳感器更多的有關(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別的相應(yīng)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，再對特征矢量分類成有意義的組合。對目標(biāo)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(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，基于知識的推理技術(shù)也可應(yīng)用于特征融合識別，但由于難以抽取環(huán)境和目標(biāo)特征的先驗(yàn)知識，因而這方面的研究僅僅才開始。特征層融合無論在理論還是應(yīng)用上都逐漸趨于成熟，形成了一套針對問題的具體解決方法。在融合的三個層次中，特征層上的融合可以說是發(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論在理論還是應(yīng)用上都逐漸趨于成熟，形成了一套針對問題的具體解決方法。在融合的三個層次中，特征層上的融合可以說是發(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聯(lián)合決策結(jié)果，在理論上這個聯(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熱點(diǎn)。但是由于環(huán)境和目標(biāo)的時變動態(tài)特性、先驗(yàn)知識獲取的困難、知識庫的巨量特性、面向?qū)ο蟮南到y(tǒng)設(shè)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(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)際問題，也推動著信息融合技術(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。絕大部分都是針對特定的問題、特定的領(lǐng)域來研究，也就是說目前數(shù)據(jù)融合的研究都是根據(jù)問題的種類、特定的對象、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．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，也沒有一個完善的評價體系對之作合理的評價。所以，多傳感器數(shù)據(jù)融合系統(tǒng)的設(shè)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指導(dǎo)數(shù)據(jù)融合系統(tǒng)的設(shè)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(shù)據(jù)融合的主要障礙；

3）融合系統(tǒng)的容錯性或穩(wěn)健性沒有得到很好的解決；

4）對數(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)計還存在許多實(shí)際問題。隨著傳感器技術(shù)、數(shù)據(jù)處理技術(shù)、計算機(jī)技術(shù)、網(wǎng)絡(luò)技術(shù)、人工智能技術(shù)、并行計算機(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)融合必將成為未來復(fù)雜T業(yè)系統(tǒng)智能檢測與數(shù)據(jù)處理的重要技術(shù)。

從目前收集到的國內(nèi)外研究資料來看，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)化計算、粗集理論、支持向量機(jī)、小波變換等計算智能技術(shù)有機(jī)地結(jié)合起來，是個重要的發(fā)展趨勢。

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，也是一個需要認(rèn)真研究的問題。

3）開發(fā)并行計算的軟件和硬件，以滿足大量數(shù)據(jù)的計算復(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(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。

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)能夠綜合各個傳感器的不同信息，對目標(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)的沖突過大、一票否決等問題，獲得合理的融合效果。多傳感器信息融合將來仍然有很長的路要走，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。