- 相关推荐
多传感器信息融合技术论文
多传感器信息融合技术论文阐述了多传感器信息融合的定义、原理、分类和结构，分析了多传感器信息融合的特点及其研究方向
多传感器信息融合技术论文【1】
关键词：多传感器 信息融合 研究方向
1、多传感器信息融合的定义
多传感器信息融合也称为信息融合或数据融合，指的是对不同知识源和多个传感器所获得的信息进行综合处理，消除多传感器信息之间可能存在的冗余和矛盾，利用信息互补，降低不确定性，以形成对系统环境相对完整一致的理解，从而提高智能系统决策和规划的科学性、反应的快速性和正确性，进而降低决策风险的过程。
由其定义可见，多传感器信息融合避免了单一传感器的局限性，可以获取更多信息，得出更为准确、可靠的结论。
2、多传感器信息融合的原理
多传感器信息融合是人类和其他生物系统中普遍存在的一种基本功能。如果把单传感器信号处理或低层次的数据处理方式看作是对人脑信息处理的一种低水平模仿，那么多传感器信息融合就是对人脑信息处理的一种高水平模仿。
多传感器信息融合的基本原理就像人脑综合处理信息的过程一样，它充分利用多个传感器资源，通过对这些传感器及其观测信息的合理支配和使用，把多个传感器在时间或空间上的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[1]。
3、多传感器信息融合的分类
信息的数据融合是对多源数据进行多级处理，每一级处理都代表了对原始数据的不同程度的抽象化，它包括对数据的检测、关联、估计和组合等处理。信息融合按其在传感器信息处理层次中的抽象程度，可以分为三个层次：像素层融合、特征层融合及决策层融合[2]。
3.1 像素层融合
它是最低层次的融合，是在采集到的传感器的原始信息层次上(未经处理或只做很少的处理)进行融合，在各种传感器的原始测报信息未经预处理之前就进行信息的综合和分析。其优点是保持了尽可能多的战场信息;其缺点是处理的信息量大，所需时间长，实时性差。
3.2 特征层融合
属于融合的中间层次，兼顾了数据层和决策层的优点。它利用从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。也就是说，每种传感器提供从观测数据中提取的有代表性的特征，这些特征融合成单一的特征向量，然后运用模式识别的方法进行处理。这种方法对通信带宽的要求较低，但由于数据的丢失使其准确性有所下降。
3.3 决策层融合
指在每个传感器对目标做出识别后，将多个传感器的识别结果进行融合。这一层融合是在高层次上进行的，融合的结果为指挥控制决策提供依据。
决策层融合的优点是：具有很高的灵活性，系统对信息传输带宽要求较低;能有效地融合反映环境或目标各个侧面的不同类型信息，具有很强的容错性;通信容量小，抗干扰能力强;对传感器的依赖性小，传感器可以是异质的;融合中心处理代价低。
4、多传感器信息融合的融合结构
多传感器信息融合通常是在一个被称为信息融合中心的信息综合处理器中完成，而一个信息融合中心本身可能包含另一个融合中心。由于多传感器信息融合可以是多层次、多方式的，所以研究融合的拓扑结构十分必要。根据信息融合处理方式的不同，可以将多传感器信息融合的拓扑结构分为集中型、分散型、混合型、反馈型等[3]。
4.1 集中型
集中型融合结构的融合中心直接接收来自被融合传感器的原始信息。由于在此结构中传感器仅起到了信息采集的作用，不预先对数据进行局部处理和压缩，所以对信道容量要求较高。一般这种结构适用于小规模的融合系统。
4.2 分散型
分散型信息融合系统中，各传感器完成一定量的计算和处理任务后，将压缩后的传感器数据送到融合中心，融合中心将接收到的多维信息进行组合和推理，最终得到融合结果。这一结构的优点是结构冗余度高、计算负荷分配合理、信道压力轻，但由于各传感器进行局部信息处理，可能会导致部分信息的丢失。这种结构适合于远距离配置的多传感器系统。
4.3 混合型
混合型信息融合结构吸收了分散型和集中型信息融合结构的优点，既有集中处理，又有分散处理，各传感器信息均可多次利用。这一结构能得到比较理想的融合结果，适用于大型的多传感器信息融合，但其结构复杂，计算量很大。
4.4 反馈型
当系统对处理的实时性要求很高的时候，如果总是试图强调以最高的精度去融合多传感器信息融合系统的信息，则无论融合的速度多快都不可能满足要求，这时，利用信息的相对稳定性和原始积累对融合信息进行反馈再处理将是一种有效的途径。
当多传感器系统对外部环境经过一段时间的感知，传感系统的融合信息已能够表述环境中的大部分特征，该信息对新的传感器原始信息融合具有很好的指导意义。
5、多传感器信息融合的特点
(1)提高了信息的可信度。(2)增加了目标特征矢量的维数。(3)降低了获得信息的费用。(4)减少了信息获取的时间。(5)提高了系统的容错能力。(6)提高了整个系统的性能。
6、多传感器信息融合的研究方向
(1)确立具有普遍意义的信息融合模型标准和系统结构标准。(2)将信息融合技术应用到更广泛的新领域。(3)改进融合算法以进一步提高融合系统的性能。(4)开发相应的软件和硬件，以满足具有大量数据且计算复杂的多传感器融合的要求。
7、结语
多传感器信息融合技术的研究虽然刚刚开始几十年，但它已渗透到现代化战争和民用的各个领域。随着工业大系统的蓬勃发展和未来信息战的需求，以及相关学科的不断发展，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。
参考文献
[1]王耀南,李村涛.多传感器信息融合及其应用综述[J].控制与决策,2001.
[2]何友,谭庆海.多传感器系统分类研究[J].火力与指挥控制,1998.
[3]L.Tao.Optimal Multiple Level Decision Fusion with Distributed Sensors.IEEE Trans.
多传感器信息融合论文【2】
摘 要： 多传感器信息融合是一门涉及信号处理、信息论、人工智能、模糊数学等理论的多学科交叉技术，被广泛应用于军事和民用领域。介绍多传感器信息融合的概念主要应用，描述多传感器信息融合的功能模型和融合方法，并对其发展趋势进行分析。
关键词： 多传感器系统;信息融合;功能模型;发展趋势
1 概念
多传感器信息融合，又称多源信息融合，是用于包含多个或多类传感器或信息源的系统的一种信息处理方法。Walz将多源信息融合定义为：通过对多个传感器产生的数据或信息进行检测、组合估计、关联等多级操作，从而得到关于观测环境或目标的精确状态、身份估计以及完整、及时的态势评估的过程。
其基本原理是充分利用多源系统中各信息源所提供的信息的不同特征，按照某种优化准则，将这些互补冗余的信息进行重新组合、关联，从而产生对观测目标或环境的一致性解释和描述。
多传感器信息融合通过对各种分离的观测信息进行优化组合，从而导出更多的有效信息，以达到利用多个信源协同工作的优势来系统整体效能的最终目的。
2 功能模型和融合方法
2.1 功能模型
根据输入信息的抽象层次，多传感器信息融合可以分为信源、预处理、检测级融合、位置级融合、目标识别融合(特征级融合)、状态级融合(态势估计)、威胁估计和精细处理。如下图所示。
1)信源主要有红外、雷达、ESM、声纳、敌我识别器、通信情报、电子情报、侦察情报等。
2)信源预处理，是指根据信息特征和属性、传感器种类、观测时间等各种基本信息，对多源信息进行分选、误差补偿、过程分配、像素级或信号级数据关联等。主要目的是降低系统需要处理的数据量，避免系统过载，提高系统性能。
3)检测级融合是第一级融合，属于信号处理级的融合。它根据预先设定的检测准则形成最优化检测门限，从而产生最终的检测输出。其结构主要有五种：分散式结构、树状结构、串行结构、并行结构和带反馈的并行结构。
4)位置级融合是第二级融合，它通过综合来自多传感器的关于同一观测目标的时间和空间等信息，建立该观测目标的航迹，并得出观测目标的行进速度和位置等信息，主要包括空间融合、时间融合和时空融合。
具体过程主要有数据校准、数据关联、目标跟踪、状态估计、航迹关联、估计融合等。其结构主要有集中式结构、分布式结构、混合式结构和多级式结构。
5)目标识别融合，也叫属性分类或身份估计，属于第三级融合，是指通过组合来自多个传感器的关于观测目标的识别属性或数据，得到关于观测目标身份的联合估计。根据融合时所应用的关于观测目标的信息层次，该级融合可以分为数据级融合、特征级融合和决策级融合三种方法。
6)态势估计，属于第四级融合，他通过对战斗力量部署及其变化情况进行评价，估计敌方兵力结构和部署特点，推断敌方意图，并最终形成战场综合态势图，从而为最优决策提供依据。主要包括：提取进行行为估计要考虑的各要素，为态势推理做准备。
分析并确定事件发生的深层次原因;根据以往时刻发生的事件，预测将来时刻可能发生的事件;形成战场态势分析报告和综合态势图，为指挥员提供辅助决策信息。
7)威胁估计，属于第五级融合，它是基于当前态势，包括敌方杀伤能力、行为企图、机动能力和运行模式等各种先验知识，估计出对未来一段时间内敌方威胁、我方薄弱点以及战争行动发生的程度或严重性，并作出相应指示与告警。主要包括：估计潜在事件;判断威胁时机;估计/聚类作战能力;进行多视图评估;预测敌方意图等。
8)精细处理，属于第六级融合，主要包括传感器管理、信源要求、融合控制要求、性能评估和任务管理等。
9)数据库处理，主要包括两种数据库：融合数据库和支持数据库。前者主要包括目标位置数据库、身份数据库、威胁估计数据库、态势估计数据库等，后者主要包括观测数据库、环境数据库、档案任务数据库、技术数据库、算法数据库、条令数据库等。
2.2 主要方法
目前，能够应用于多传感器数据融合的方法可以分为随机类方法和人工智能方法两大类。随机类方法主要有统计决策理论、D-S证据推理、产生式规则、多贝叶斯估计法、Kalman滤波等;而人工智能类方法主加权平均法、要包括专家系统、人工神经网络、模糊逻辑理论、粗糙集理论等。
其中，加权平均法和Kalman滤波融合方法主要应用于动态环境中的低层次数据融合，统计决策理论、贝叶斯估计法、D-S证据推理、模糊逻辑理论主要应用于静态环境中的高层次数据融合，粗糙集理论、产生式规则方法适用于动态或静态环境中的高层次数据融合，而人工神经网络则可以应用于动态或静态环境中的各层次数据融合。
由于各类方法具有互补性，因此，在实际应用中，通常将多种方法组合运用，如粗糙集神经网络方法、模糊神经网络方法等，以提高融合的精度和效率。
3 发展趋势
尽管多传感器信息融合技术已经取得了很大的发展，但仍有很多应用需要进一步研究和探索，主要有以下几个方面：1)复杂环境下信息融合，主要包括复杂环境下的分布检测融合研究、复杂电磁环境下的目标跟踪算法研究、复杂目标运动环境下的多源融合跟踪研究等;
2)无线传感器组网信息融合研究，主要包括机会信息融合问题、传感器优化管理问题等;3)信号融合理论研究，主要包括稳定信号特征提取和建立、数据融合和信号融合的联和优化问题以及信号的关联性和一致性问题等;
4)图像融合研究，主要包括图像融合评价体系的构建、基于遥感图像融合的三维成像技术研究、图像融合系统的实时处理等;5)其他内容，如空间信息融合、面向通用知识的融合、信息融合中的智能数据库技术和精细化处理研究等。
参考文献：
[1]何友、王国宏、关欣等，信息融合理论及应用，电子工业出版社，2010.3.
[2]何友、薛培信、王国宏，一种新的信息融合功能模型，海军航空工程学院学报，2008.5.
[3]丁锋、姜秋喜、张楠，多传感器数据融合发展评述及展望，舰船电子对抗，2007.6.
【多传感器信息融合技术论文】相关文章：
浅析通信工程中的多网融合技术论文10-08
信息融合技术在煤矿安全监控的应用论文03-25
创客教育与小学信息技术教学的融合论文03-23
信息技术下小学英语教育深度融合论文10-09
无线传感器网络管理技术论文10-09
通信工程中多网融合的作用论文10-01
档案信息管理与知识管理的融合论文10-07
计算机技术融合通信技术论文10-12
信息技术论文10-01