数据融合比较确切的定义可概括为:充分利用 不同的时间和空间的多传感器信息资源,采用计算 机技术对按时序获得的多传感器观测信息在一定 的准则下加以自动分析、综合、支配和使用,获得 被测对象的一致性解释与描述,以完成所需的决策 和估计任务,使系统获得比它的各个组成部分更优 越的性能。

　　①建立同类型信息融合的数值处理方法和不同类型信息 融合的符号处理方法基础理论。 ②兼有稳健性和准确性的融合算法和模型的研究。 ③研究数据融合用的数据库和知识库, 高速并行检索和 推理机制。 ④开发推理系统, 尤其是不确定性推理, 以进行融合过 程中的状态估计和决策分析。 ⑤研究数据融合的分布式数据处理体系结构。 ⑥把处理算法分解成适于在并行机上实现的并行处理。 ⑦将神经网络用于探测跟踪、分类和估计等问题。 ⑧数据融合系统的工程化设计方法和系统评估方法。

　　引言 基本原理、融合过程及关键技术 数据融合系统的结构及功能模型 数据融合方法 应用 研究方向和存在问题

　　数据融合，是多元信息综合处理的一项新技 术,它有多种译名,如多传感器相关、多源相关、 多传感器融合、信息融合等。数据融合从20 世纪 70 年代末被提出，多年来“融合”一词几乎无限 制地被众多领域所引用。

　　同一个目标。 2. 多传感器ID/轨迹估计:假设从多源来的报告 反映的是同一目标,对这些数据进行综合以改 进对该目标的估计,或是改进对整个当前/未 来情况的估计。 3. 采集管理: 给定传感器环境的一种认识状态, 通过分配多个信息捕获和处理源,以最大限度 地发挥其性能,从而使其操作成本降到最低。 简言之,传感器的数据融合功能主要包括 多传感器的目标探测、数据关联、跟踪与识 别、情况评估和预测。

　　是贝叶斯推理的扩充, 其3个基本要点是: 基 本概率赋值函数mi 、信任函数Beli 和似然函数 Plsi 。D-S 方法的推理结构是自下而上的,分3级, 推理结构如图5所示

　　针对数据融合中所检测的目标特征具有某种 模糊性的现象,有人利用模糊逻辑方法来对检测目 标进行识别和分类。建立标准检测目标和待识别 检测目标的模糊子集是此方法的研究基础。但模 糊子集的建立,需要有各种各样的标准检测目标, 同时又必须建立合适的隶属函数。而确定隶属函 数比较麻烦,目前还没有规范的方法可遵循。又由 于标准检测目标子集的建立受到各种条件的限制, 往往误差较大。

　　①对多传感器的相关观测结果进行验证、分 析、补充、取舍、修改和状态跟踪估计。 ②对新发现的不相关观测结果进行分析和综 合。 ③生成综合态势, 并实时地根据多传感器观 测结果通过数据融合计算, 对综合态势进行 修改。

　　4.1 应用领域 随着多传感器数据融合技术的发展, 应 用的领域也在不断扩大, 多传感器融合技 术已成功地应用于众多的研究领域。

　　照；  信息融合处理器：将测量参数进行合并， 提高目标的分类及态势估计的准确性；  态势数据库：存储实时或历史态势数据；  控制计算机：对目标分类、进行态势估计， 并对信息源的使用进行协调；  显示与控制：显示融合与评估的结果。

　　① 未形成基本的理论框架和有效广义模型及算 法。 ② 关联的二义性是数据融合中的主要障碍。 ③ 融合系统的容错性或稳健性没有得到很好的 解决。 ④ 对数据融合的具体方法的研究尚处于初步阶 段。 ⑤ 数据融合系统的设计还存在许多实际问题。

　　1.生存能力强； 2.扩展了空间覆盖范围； 3.扩展了时间的覆盖范围； 4.提高了可信度； 5.降低了信息的模糊度； 6.改进了探测性能； 7.提高了空间分辨率； 8.增加了测量维数；

　　2.1 基本原理 多传感器数据融合就像人脑综合处理信息一样,其基本 原理就是充分利用多传感器资源，通过对这些传感器及观测 信息的合理支配和使用，把多传感器在空间或时间上的冗余 或互补信息依据某种准则进行组合，以获得被测对象的一致 性解释或描述。 数据融合的目的是通过数据信息组合而不是出现在输入 数据中的任何个别信息，推导出更多的信息，得到最佳协同 作用的结果。也就是利用多个传感器共同或联合操作的优势， 提高传感器系统的有效性，消除单个或少量传感器的局限性。 在多传感器数据融合系统中，各种传感器的数据可以具 有不同的特征，可能是实时的或非实时的、模糊的或确定的、 互相支持的或互补的，也可能是互相矛盾或竞争的。

　　全球定位系统 惯性传感器 数字地图 立体图像 传感器 激光 探测器 雷达

　　通过惯性传感器、数字地图和差分全 球定位系统， 确定汽车行使的地理位置和 方向。通过立体图像传感器辨识、跟踪汽 车行使路面边缘以及路面的几何形状。通 过激光探测器和雷达，完成汽车行驶过程 中路况和前方障碍物等信息的检测。将各 个传感器输出的信号通过卡尔曼滤波进行 数据融合，识别汽车行驶路面情况，通过 控制机构实现汽车无人驾驶。

　　2.2 融合过程 数据融合过程主要包括多传感器(信号获 取) 、数据预处理、数据融合中心(特征提 取、数据融合计算) 和结果输出等环节, 其 过程如下图 所示。

　　2.3 关键技术 数据融合的关键技术主要是数据转 换、数据相关、态势数据库和融合计 算等,其中融合计算是多传感器数据融 合系统的核心技术。

　　一个人工神经网络(AN) 由多层处理单元或节 点组成, 可以用各种方法互联，图6 表示一个具 有3层节点的AN , 输入向量是与目标有关的测量 参数集, 输入的数据向量经过AN 非线性变换, 得 到一个输出向量, 输出向量可能是目标身份。 这样一种变换能够产生从数据到标识分类的 映射, 也就把多传感器的数据变换为一个实体的 联合标识, 这是一种特有的并行学习方式, 完全 不同于传统的基于统计理论的数据融合法。

　　加权平均 卡尔曼滤 波 贝叶斯估 计 统计决策 理论 证据推理 模糊推理 动态 动态 静态 静态 静态 静态

　　冗余 冗余 冗余 冗余 冗余互补 冗余互补 原始读数 值 概率分布 高斯噪声 概率分布 高斯噪声 加权平均 低层数据 融合

　　4.1 综合平均法 该方法是把来自多个传感器的众多数据 进行综合平均。它适宜于用同样的传感器 检测同一个检测目标。如果对一个检测目 标进行了k次检测,其平均值

　　4.2 贝叶斯估计法 贝叶斯推理技术主要用来进行决策层 融合，它是通过先验信息和样本信息合成 为后验分布，对检测目标作出推断。

　　必一运动sport网页版登录

　　系统模型 低层数据 滤波 融合 贝叶斯估 高层数据 计 融合 高层数据 融合

　　神经元网 神经元输 神经元网 动、静态 冗余互补 学习误差 低P高层 络 入 络 产生式规 则 静态 冗余互补 命题 置信因子 逻辑推理 高层数据 融合

　　（1）军事上应用 多传感器数据融合在军事中已得到了广泛的 应用, 如美国ROME 实验室设计了一个大型的先 进传感器开发实验装置, 用于研究战况估计, 采 用二阶数据融合算法, 可完成景象产生、传感器 仿真、CI 仿真、数据融合、评估和控制等。

　　“C3I”就是指挥自动化技术系统，是 用电子计算机将指挥（command） 、控制 （control） 、通信（communication）和 情报（intelligence）各分系统紧密联在一起 的综合系统。