多传感器信息融合研究概述:多传感器信息融合

　　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
　　中图分类号：TP311.13 文献标识码：A 文章编号：1671－7597（2012）0210007－01
　　
　　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.

推荐访问:传感器 概述 融合 研究