數據融合比較確切的定義可概括為:充分利用 不同的時間和空間的多傳感器信息資源,采用計算 機技術對按時序獲得的多傳感器觀測信息在一定 的準則下加以自動分析、綜合、支配和使用,獲得 被測對象的一致性解釋與描述,以完成所需的決策 和估計任務,使系統獲得比它的各個組成部分更優 越的性能。

　　①建立同類型信息融合的數值處理方法和不同類型信息 融合的符號處理方法基礎理論。 ②兼有穩健性和準確性的融合算法和模型的研究。 ③研究數據融合用的數據庫和知識庫, 高速并行檢索和 推理機制。 ④開發推理系統, 尤其是不確定性推理, 以進行融合過 程中的狀態估計和決策分析。 ⑤研究數據融合的分布式數據處理體系結構。 ⑥把處理算法分解成適于在并行機上實現的并行處理。 ⑦將神經網絡用于探測跟蹤、分類和估計等問題。 ⑧數據融合系統的工程化設計方法和系統評估方法。

　　引言 基本原理、融合過程及關鍵技術 數據融合系統的結構及功能模型 數據融合方法 應用 研究方向和存在問題

　　數據融合，是多元信息綜合處理的一項新技 術,它有多種譯名,如多傳感器相關、多源相關、 多傳感器融合、信息融合等。數據融合從20 世紀 70 年代末被提出，多年來“融合”一詞幾乎無限 制地被眾多領域所引用。

　　同一個目標。 2. 多傳感器ID/軌跡估計:假設從多源來的報告 反映的是同一目標,對這些數據進行綜合以改 進對該目標的估計,或是改進對整個當前/未 來情況的估計。 3. 采集管理: 給定傳感器環境的一種認識狀態, 通過分配多個信息捕獲和處理源,以最大限度 地發揮其性能,從而使其操作成本降到最低。 簡言之,傳感器的數據融合功能主要包括 多傳感器的目標探測、數據關聯、跟蹤與識 別、情況評估和預測。

　　是貝葉斯推理的擴充, 其3個基本要點是: 基 本概率賦值函數mi 、信任函數Beli 和似然函數 Plsi 。D-S 方法的推理結構是自下而上的,分3級, 推理結構如圖5所示

　　針對數據融合中所檢測的目標特征具有某種 模糊性的現象,有人利用模糊邏輯方法來對檢測目 標進行識別和分類。建立標準檢測目標和待識別 檢測目標的模糊子集是此方法的研究基礎。但模 糊子集的建立,需要有各種各樣的標準檢測目標, 同時又必須建立合適的隸屬函數。而確定隸屬函 數比較麻煩,目前還沒有規范的方法可遵循。又由 于標準檢測目標子集的建立受到各種條件的限制, 往往誤差較大。

　　①對多傳感器的相關觀測結果進行驗證、分 析、補充、取舍、修改和狀態跟蹤估計。 ②對新發現的不相關觀測結果進行分析和綜 合。 ③生成綜合態勢, 并實時地根據多傳感器觀 測結果通過數據融合計算, 對綜合態勢進行 修改。

　　4.1 應用領域 隨著多傳感器數據融合技術的發展, 應 用的領域也在不斷擴大, 多傳感器融合技 術已成功地應用于眾多的研究領域。

　　照； ? 信息融合處理器：將測量參數進行合并， 提高目標的分類及態勢估計的準確性； ? 態勢數據庫：存儲實時或歷史態勢數據； ? 控制計算機：對目標分類、進行態勢估計， 并對信息源的使用進行協調； ? 顯示與控制：顯示融合與評估的結果。

　　① 未形成基本的理論框架和有效廣義模型及算 法。 ② 關聯的二義性是數據融合中的主要障礙。 ③ 融合系統的容錯性或穩健性沒有得到很好的 解決。 ④ 對數據融合的具體方法的研究尚處于初步階 段。 ⑤ 數據融合系統的設計還存在許多實際問題。

　　1.生存能力強； 2.擴展了空間覆蓋范圍； 3.擴展了時間的覆蓋范圍； 4.提高了可信度； 5.降低了信息的模糊度； 6.改進了探測性能； 7.提高了空間分辨率； 8.增加了測量維數；

　　2.1 基本原理 多傳感器數據融合就像人腦綜合處理信息一樣,其基本 原理就是充分利用多傳感器資源，通過對這些傳感器及觀測 信息的合理支配和使用，把多傳感器在空間或時間上的冗余 或互補信息依據某種準則進行組合，以獲得被測對象的一致 性解釋或描述。 數據融合的目的是通過數據信息組合而不是出現在輸入 數據中的任何個別信息，推導出更多的信息，得到最佳協同 作用的結果。也就是利用多個傳感器共同或聯合操作的優勢， 提高傳感器系統的有效性，消除單個或少量傳感器的局限性。 在多傳感器數據融合系統中，各種傳感器的數據可以具 有不同的特征，可能是實時的或非實時的、模糊的或確定的、 互相支持的或互補的，也可能是互相矛盾或競爭的。

　　全球定位系統 慣性傳感器 數字地圖 立體圖像 傳感器 激光 探測器 雷達

　　通過慣性傳感器、數字地圖和差分全 球定位系統， 確定汽車行使的地理位置和 方向。通過立體圖像傳感器辨識、跟蹤汽 車行使路面邊緣以及路面的幾何形狀。通 過激光探測器和雷達，完成汽車行駛過程 中路況和前方障礙物等信息的檢測。將各 個傳感器輸出的信號通過卡爾曼濾波進行 數據融合，識別汽車行駛路面情況，通過 控制機構實現汽車無人駕駛。

　　2.2 融合過程 數據融合過程主要包括多傳感器(信號獲 取) 、數據預處理、數據融合中心(特征提 取、數據融合計算) 和結果輸出等環節, 其 過程如下圖 所示。

　　2.3 關鍵技術 數據融合的關鍵技術主要是數據轉 換、數據相關、態勢數據庫和融合計 算等,其中融合計算是多傳感器數據融 合系統的核心技術。

　　一個人工神經網絡(AN) 由多層處理單元或節 點組成, 可以用各種方法互聯，圖6 表示一個具 有3層節點的AN , 輸入向量是與目標有關的測量 參數集, 輸入的數據向量經過AN 非線性變換, 得 到一個輸出向量, 輸出向量可能是目標身份。 這樣一種變換能夠產生從數據到標識分類的 映射, 也就把多傳感器的數據變換為一個實體的 聯合標識, 這是一種特有的并行學習方式, 完全 不同于傳統的基于統計理論的數據融合法。

　　加權平均 卡爾曼濾 波 貝葉斯估 計 統計決策 理論 證據推理 模糊推理 動態 動態 靜態 靜態 靜態 靜態

　　冗余 冗余 冗余 冗余 冗余互補 冗余互補 原始讀數 值 概率分布 高斯噪聲 概率分布 高斯噪聲 加權平均 低層數據 融合

　　4.1 綜合平均法 該方法是把來自多個傳感器的眾多數據 進行綜合平均。它適宜于用同樣的傳感器 檢測同一個檢測目標。如果對一個檢測目 標進行了k次檢測,其平均值

　　4.2 貝葉斯估計法 貝葉斯推理技術主要用來進行決策層 融合，它是通過先驗信息和樣本信息合成 為后驗分布，對檢測目標作出推斷。

　　必一運動sport網頁版登錄

　　系統模型 低層數據 濾波 融合 貝葉斯估 高層數據 計 融合 高層數據 融合

　　神經元網 神經元輸 神經元網 動、靜態 冗余互補 學習誤差 低P高層 絡 入 絡 產生式規 則 靜態 冗余互補 命題 置信因子 邏輯推理 高層數據 融合

　　（1）軍事上應用 多傳感器數據融合在軍事中已得到了廣泛的 應用, 如美國ROME 實驗室設計了一個大型的先 進傳感器開發實驗裝置, 用于研究戰況估計, 采 用二階數據融合算法, 可完成景象產生、傳感器 仿真、CI 仿真、數據融合、評估和控制等。

　　“C3I”就是指揮自動化技術系統，是 用電子計算機將指揮（command） 、控制 （control） 、通信（communication）和 情報（intelligence）各分系統緊密聯在一起 的綜合系統。