1、數(shù)據(jù)融合技術(shù)簡介數(shù)據(jù)融合技術(shù)是指利用計(jì)算機(jī)對(duì)按時(shí)序獲得的若干觀測(cè)信息，在一定準(zhǔn)則下加以自動(dòng)分析、綜合，以完成所需的決策和評(píng)估任務(wù)而進(jìn)行的信息處理技術(shù)。數(shù)據(jù)融合的概念雖始于7 0年代初期，但真正的技術(shù)進(jìn)步和發(fā)展乃是8 0年代的事11,尤其是近幾年來引起了世界范圍內(nèi)的普遍關(guān)注，美、英、日、德、意等發(fā)達(dá)國家不但在所部署的一些重大研究項(xiàng)目上取得了突破性進(jìn)展，而且已陸續(xù)開發(fā)出一些實(shí)用性系統(tǒng)投入實(shí)際應(yīng)用和運(yùn)行。我國 “八五 ”規(guī)劃亦已把數(shù)據(jù)融合技術(shù)列為發(fā)展計(jì)算機(jī)技術(shù)的關(guān)鍵技術(shù)之一，并部署了一些重點(diǎn)研究項(xiàng)目，盡可能給予了適當(dāng)?shù)慕?jīng)費(fèi)投入。但這畢竟是剛剛起步，我們所面臨的挑戰(zhàn)和困難是十分嚴(yán)峻的，當(dāng)然也有機(jī)遇并存

2、。這就需要認(rèn)真研究，針對(duì)我國的國情和軍情，采取相應(yīng)的對(duì)策措施，以期取得事半功倍的效果。數(shù)據(jù)融合可分為：（ 1 ）像素級(jí)融合：它是直接在采集到的原始數(shù)據(jù)層上進(jìn)行的融合，在各種傳感器的原始測(cè)報(bào)未經(jīng)預(yù)處理之前就進(jìn)行數(shù)據(jù)的綜合與分析。數(shù)據(jù)層融合一般采用集中式融合體系進(jìn)行融合處理過程。 這是低層次的融合，如成像傳感器中通過對(duì)包含若一像素的模糊圖像進(jìn)行圖像處理來確認(rèn)目標(biāo)屬性的過程就屬于數(shù)據(jù)層融合。（ 2 ）特征層融合：特征層融合屬于中間層次的融合，它先對(duì)來自傳感器的原始信息進(jìn)行特征提?。ㄌ卣骺梢允悄繕?biāo)的邊緣、方向、速度等），然后對(duì)特征信息進(jìn)行綜合分析和處理。特征層融合的優(yōu)點(diǎn)在于實(shí)現(xiàn)了可觀的信息壓縮，有利于

3、實(shí)時(shí)處理，并且由于所提取的特征直接與決策分析有關(guān)，因而融合結(jié)果能最大限度的給出決策分析所需要的特征信ho特征層融合一般采用分布式或集中式的融合體系。特征層融合可分為兩大類：一類是目標(biāo)狀態(tài)融合；另一類是目標(biāo)特性融合。（ 3 ）決策層融合決策層融合通過不同類型的傳感器觀測(cè)同一個(gè)目標(biāo)，每個(gè)傳感器在本地完成基本的處理，其中包括預(yù)處理、特征抽取、識(shí)別或判決，以建立對(duì)所觀察目標(biāo)的初步結(jié)論。然后通過關(guān)聯(lián)處理進(jìn)行決策層融合判決，最終獲得聯(lián)合推斷結(jié)果。數(shù)據(jù)融合作為一種數(shù)據(jù)綜合和處理技術(shù)，實(shí)際上是許多傳統(tǒng)學(xué)科和新技術(shù)的集成和應(yīng)用，其中涉及的知識(shí)包括通信、模式識(shí)別、決策論、不確定性理論、信號(hào)處理、估計(jì)理論、最優(yōu)化技

4、術(shù)、計(jì)算機(jī)科學(xué)、人工智能、神經(jīng)網(wǎng)絡(luò)等，特別是神經(jīng)網(wǎng)絡(luò)和人工智能等新概念、新技術(shù)在多傳感器數(shù)據(jù)融合中將起到越來越重要的作用。多傳感器數(shù)據(jù)融合技術(shù)的核心問題是選擇合適的融合算法，由于信息的多樣性和復(fù)雜性，對(duì)數(shù)據(jù)融合方法的基本要求是具有魯棒性和并行處理能力。具體的數(shù)據(jù)融合的方法很多【3】 【 4】 ，常用的方法大體上可分成三大類：（ 1 ）基于統(tǒng)計(jì)理論的融合方法基于統(tǒng)計(jì)理論的融合方法有：經(jīng)典推理法、貝葉斯估計(jì)法和證據(jù)理論法（ Dempster-Shafer） 。經(jīng)典推理法在早起的數(shù)據(jù)融合中得到了廣泛的應(yīng)用，由于其完全依賴數(shù)學(xué)理論，則形式簡單、易操作，缺點(diǎn)是必須要求先驗(yàn)知識(shí)和計(jì)算先驗(yàn)概率密度分布函數(shù)，

5、同時(shí)一次僅能估計(jì)兩個(gè)假設(shè)，特別是用于多變量統(tǒng)計(jì)時(shí)計(jì)算更加復(fù)雜。貝葉斯推理技術(shù)比經(jīng)典推理法有了較大的進(jìn)步，它可以處理多個(gè)假設(shè)問題，貝葉斯估計(jì)法傳感器信息依據(jù)概率原則進(jìn)行組合，測(cè)量不確定性以條件概率表示，當(dāng)傳感器組的觀測(cè)坐標(biāo)一致時(shí)，可以直接對(duì)傳感器的數(shù)據(jù)進(jìn)行融合，但大多數(shù)情況下，傳感器測(cè)量數(shù)據(jù)要以間接方式采用貝葉斯估計(jì)進(jìn)行數(shù)據(jù)融合。但其定義先驗(yàn)似然函數(shù)比較困難，缺乏很好的表述及分配總體不確定性的能力等。D-S 證據(jù)推理是貝葉斯推理的重要推廣擴(kuò)充，其主要有三個(gè)基本要點(diǎn)：基本概率賦值函數(shù)、信任函數(shù)和似然函數(shù)，其用置信區(qū)間代替概率，用集合表示事件，用D-S 組合規(guī)則代替貝葉斯公式來更新置信函數(shù)。其自上而

6、下的推理結(jié)構(gòu)是分為目標(biāo)合成、推斷和更新三級(jí)。D-S理論優(yōu)點(diǎn)是解決了一般水平的不確定性分配問題，能夠很好地表示“不確定性”、 “不知道 ”等認(rèn)知學(xué)上的重要概念，因此具有很大的應(yīng)用前景。（ 2）基于信息論的融合方法基于信息論的融合方法包括模板法、聚類分析法和人工神經(jīng)網(wǎng)絡(luò)等，這些方法的共同點(diǎn)是將自然分組和目標(biāo)類型相聯(lián)系。模板法通過對(duì)觀測(cè)數(shù)據(jù)與先驗(yàn)?zāi)０迤ヅ涮幚?，來確定觀測(cè)數(shù)據(jù)是否支持已有模板所表征的假設(shè)。其根據(jù)具體的時(shí)域、頻域或小波域的數(shù)據(jù)或圖像與預(yù)先存儲(chǔ)的目標(biāo)特征或預(yù)測(cè)的目標(biāo)模型作比較，通過計(jì)算預(yù)測(cè)數(shù)據(jù)和實(shí)測(cè)數(shù)據(jù)的關(guān)聯(lián)，若兩者的相關(guān)系數(shù)超過了一個(gè)預(yù)先設(shè)定的閡值，則認(rèn)為兩者存在匹配關(guān)系。模板法由于計(jì)算

7、量大，在非實(shí)時(shí)環(huán)境中有很好的效果，而在實(shí)時(shí)環(huán)境中可能無法滿足要求。聚類分析法根據(jù)預(yù)先指定的相似標(biāo)準(zhǔn)把觀測(cè)分為一些自然組或聚集，再把自然組與目標(biāo)預(yù)測(cè)類型相關(guān)，需要定義一個(gè)相似性函數(shù)或關(guān)聯(lián)度量以提供一個(gè)表示任何兩個(gè)特征向量之間“ 接近” 程度或不相似程度的值，缺點(diǎn)是本身的啟發(fā)性使得數(shù)據(jù)排列方式、相似性參數(shù)的選擇、聚類算法的選擇等都對(duì)聚類有影響。人工神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的容錯(cuò)性以及自學(xué)習(xí)、自組織及自適應(yīng)能力，能夠模擬復(fù)雜的非線性映射。神經(jīng)網(wǎng)絡(luò)的這些特性和強(qiáng)大的非線性處理能力，恰好滿足了多傳感器數(shù)據(jù)融合技術(shù)處理的要求。神經(jīng)網(wǎng)絡(luò)根據(jù)當(dāng)前系統(tǒng)所接受的樣本相似性確定分類標(biāo)準(zhǔn)，這種確定方法主要表現(xiàn)在網(wǎng)絡(luò)的權(quán)值分布

8、上，同時(shí)，可以采用神經(jīng)網(wǎng)絡(luò)特定的學(xué)習(xí)算法來獲取知識(shí)，得到不確定性推理機(jī)制。利用神經(jīng)網(wǎng)絡(luò)的信號(hào)處理能力和自動(dòng)推理功能，即實(shí)現(xiàn)了多傳感器數(shù)據(jù)融合。當(dāng)輸入數(shù)據(jù)中混有噪聲時(shí)，人工神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)更加突出。（ 3）基于認(rèn)識(shí)模型的融合方法基于認(rèn)識(shí)模型的融合方法試圖模仿人類辨別實(shí)體的過程，其中有模糊集合理論、邏輯模板法和專家系統(tǒng)等。模糊集合理論應(yīng)用廣義的集合論來確定指定集合所具有的隸屬關(guān)系。模糊集理論對(duì)模糊集及其元素提供了一個(gè)集合變換代數(shù)算法（如并集、邏輯或等）。其建立在一組可變的模糊“ IF-THEN ”規(guī)則基礎(chǔ)上的。這些規(guī)則的來源既可以是專家的信息也可以是通過輸入一輸出數(shù)據(jù)對(duì)的映射得到?！?IF-THEN

9、 ”規(guī)則的模糊概念是以隸屬函數(shù)來表達(dá)的，通過使某些指標(biāo)函數(shù)取得最優(yōu)值，以獲得最佳辨識(shí)效果。該方法的難點(diǎn)在于如何構(gòu)造合理有效的隸屬函數(shù)和指標(biāo)函數(shù)。邏輯模板法是基于邏輯的識(shí)別技術(shù)的總稱，其主要將通過模糊邏輯推理方法應(yīng)在在系統(tǒng)匹配模型中，主要用于時(shí)間探測(cè)或態(tài)勢(shì)估計(jì)所進(jìn)行的多傳感器數(shù)據(jù)融合的應(yīng)用中。專家系統(tǒng)試圖模擬專家對(duì)專業(yè)進(jìn)行決策和推理的能力，其知識(shí)庫包含事實(shí)、經(jīng)驗(yàn)規(guī)則和啟發(fā)性信息，使用觀測(cè)數(shù)據(jù)，再根據(jù)知識(shí)庫進(jìn)行推理。專家系統(tǒng)或知識(shí)庫系統(tǒng)適于實(shí)現(xiàn)較高水平的推理。由于專家系統(tǒng)方法依賴于知識(shí)的表示，因此其先驗(yàn)知識(shí)庫的有效建立決定了專家系統(tǒng)應(yīng)用的成敗。數(shù)據(jù)融合的算法非常多，除了以上常見的數(shù)據(jù)融合方法外，還

10、有基本的加權(quán)平均法、卡爾曼濾波法、品質(zhì)因數(shù)法，隨著科學(xué)技術(shù)的飛速發(fā)展，一些智能方法如粗集理論、小波分析理論和支持向量機(jī)等也不斷的出現(xiàn)，必將在多傳感器數(shù)據(jù)融合中將起到越來越重要的作用【5】 。數(shù)據(jù)融合技術(shù)通過組合獲得比單傳感器數(shù)據(jù)更準(zhǔn)確的信息，即通過各個(gè)傳感器之間的協(xié)調(diào)和性能互補(bǔ)來提高整個(gè)多傳感器系統(tǒng)的性能。從目前來看，應(yīng)用數(shù)據(jù)融合技術(shù)主要有以下幾個(gè)優(yōu)點(diǎn)【6】 ：（ 1）可以提高信息的可信度由于多傳感器數(shù)據(jù)融合技術(shù)拓展了時(shí)空分辨力，其利用多種傳感器能夠更加準(zhǔn)確地獲得環(huán)境目標(biāo)的某一特征或一組相關(guān)特征，降低了目標(biāo)位置估計(jì)和屬性估計(jì)的不確定性，使整個(gè)系統(tǒng)所獲得的綜合信息具有更高的精度及可靠性。（ 2）

11、改進(jìn)了系統(tǒng)探測(cè)性能由于多傳感器數(shù)據(jù)融合技術(shù)對(duì)目標(biāo)的多種測(cè)量的有效融合，在相同的時(shí)間內(nèi)能獲得更多的信息，特別是在測(cè)量運(yùn)動(dòng)速度快的目標(biāo)時(shí)，提高了系統(tǒng)探測(cè)的有效性，彌補(bǔ)了手段缺乏而 引起的不足。（ 3）提供穩(wěn)定的工作性能多傳感器數(shù)據(jù)融合技術(shù)利用系統(tǒng)固有的冗余度，減少了關(guān)于目標(biāo)或事件的假設(shè)集合，對(duì)同一目標(biāo)或事件的多次同一傳感器在不同的時(shí)序上或多個(gè)同一時(shí)刻不同傳感器獨(dú)立測(cè)量進(jìn)行有效綜合分析和處理，可以提高系統(tǒng)檢測(cè)的有效性和生存能力。（ 4）提高了系統(tǒng)容錯(cuò)能力由于多個(gè)傳感器所采集的信息具有冗余性，當(dāng)系統(tǒng)中有一個(gè)甚至幾個(gè)傳感器出現(xiàn)故障時(shí)，盡管某些信息容量減少了，但仍可由其它傳感器獲得有關(guān)信息，使系統(tǒng)繼續(xù)運(yùn)行

12、，故經(jīng)過數(shù)據(jù)融合處理無疑會(huì)使系統(tǒng)在利用這些信息時(shí)具有很好的容錯(cuò)性能。（ 5）實(shí)現(xiàn)信息的智能化處理多傳感器數(shù)據(jù)融合技術(shù)為多信息源復(fù)雜系統(tǒng)的智能控制與決策奠定了基礎(chǔ)?？梢允切畔⑻幚砀奖?、快捷和智能化，數(shù)據(jù)融合技術(shù)可以進(jìn)行更復(fù)雜信號(hào)的檢測(cè)處理，提高系統(tǒng)檢測(cè)的準(zhǔn)確性。隨著多傳感器數(shù)據(jù)融合技術(shù)的發(fā)展，應(yīng)用的領(lǐng)域也在不斷擴(kuò)大，多傳感器融合技術(shù)已成功地應(yīng)用于眾多的研究領(lǐng)域。多傳感器數(shù)據(jù)融合作為一種可消除系統(tǒng)的不確定因素、提供準(zhǔn)確的觀測(cè)結(jié)果和綜合信息的智能化數(shù)據(jù)處理技術(shù)，己在軍事、工業(yè)監(jiān)控、智能檢測(cè)、機(jī)器人、圖像分析、目標(biāo)檢測(cè)與跟蹤、自動(dòng)目標(biāo)識(shí)別等領(lǐng)域獲得普遍關(guān)注和廣泛應(yīng)用。數(shù)據(jù)融合必將成為未來復(fù)雜工業(yè)系統(tǒng)智能檢測(cè)與故障診斷的重要技術(shù)。另外，如何將基于模糊邏輯、神經(jīng)網(wǎng)絡(luò)、遺傳算法、粗集理論、支持向量機(jī)、小波變換等智能方法有機(jī)結(jié)合起來實(shí)現(xiàn)對(duì)當(dāng)前數(shù)據(jù)融合算法的改進(jìn)，也是將來的一個(gè)重要的發(fā)展趨勢(shì)。1 計(jì)算機(jī)世界報(bào)1994年第4期2何友,王國宏,陸大金,等 .多傳感器信息融合及應(yīng)用M. 北京 :電子工業(yè)出版社, 2000:1-23 楊萬海.多傳感器數(shù)據(jù)融合及其應(yīng)用