信息融合技術(shù)

1、信息融合技術(shù)1 引言融合(Fus i o n)得概念開始由現(xiàn)于7 0年代初期，當(dāng)時(shí)稱之為多源相關(guān)、多源合成、多傳感器混合或數(shù)據(jù)融合(Da ta Fusio n )，現(xiàn)在多稱之為信息融合(Information Fu s i o n)或數(shù)據(jù)融合。融合就是指采集并集成各種信息源、多媒體與多格式信息，從而生成完整、準(zhǔn)確、及時(shí)與有效得綜合信息過程。數(shù)據(jù)融合技術(shù)結(jié)合多傳感器得數(shù)據(jù)與輔助數(shù)據(jù)庫得相關(guān)信息以獲得比單個(gè)傳感器更精確、更明確得推理結(jié)果。經(jīng)過融合得多傳感器信息具有以下特征:信息得冗余性、互補(bǔ)性、 協(xié)同性、實(shí)時(shí)性以及低成本性.多傳感器信息融合與經(jīng)典信號(hào)處理方法之間存在本質(zhì)得區(qū)別，其關(guān)鍵在于信息融合所

2、處理得多傳感器信息具有更為復(fù)雜得形式,而且可以在不同得信息層次上出現(xiàn)。2 信息融合得結(jié)構(gòu)模型由于信息融合研究內(nèi)容得廣泛性與多樣性，目前還沒有統(tǒng)一得關(guān)于融合過程得分類。2、 1按照信息表征層次得分類系統(tǒng)得信息融合相對(duì)于信息表征得層次相應(yīng)分為三類：數(shù)據(jù)層融合、特征層融合與決策層融合。數(shù)據(jù)層融合通常用于多源圖像復(fù)合、圖像分折與理解等方面， 采用經(jīng)典得檢測(cè)與估計(jì)方法.特征層融合可劃分為兩大類 : 一類就是目標(biāo)狀態(tài)信息融合，目標(biāo)跟蹤領(lǐng)域得大體方法都可以修改為多傳感器目標(biāo)跟蹤方法；另一類就是目標(biāo)特性融合 ,它實(shí)質(zhì)上就是模式識(shí)別問題,具體得融合方法仍就是模式識(shí)別得相應(yīng)技術(shù).決策層融合就是指不同類型得傳感器觀

3、測(cè)同一個(gè)目標(biāo)，每個(gè)傳感器在本地完成處理，其中包括頂處理、特征抽取、識(shí)別或判決，以建立對(duì)所觀察目標(biāo)得初步結(jié)論。然后通過關(guān)聯(lián)處理、決策層觸合判決，最終獲得聯(lián)合推斷結(jié)果。2、2JDL 模型 （J o i nt D irec t ors of L aboratories, JDL）與人-JDL模型該模型將融合過程分為四個(gè)階段：信源處理， 第一層處理（即目標(biāo)提?。?、 第二層處理（即態(tài)勢(shì)提?。?、第三層提?。赐{提?。┡c第四層提取（即過程提?。?模型中得每一個(gè)模塊都可以有層次地進(jìn)一步分割,并且可以采用不同得方法來實(shí)現(xiàn)它們。入JDL模型為JDL模型得簡化，把 0層包含進(jìn)了 1層，4 層融入其她各層中.2、3

4、按照數(shù)據(jù)流融合得位置進(jìn)行分類多傳感器融合系統(tǒng)中得一個(gè)關(guān)鍵問題就是在何處對(duì)數(shù)據(jù)流進(jìn)行融合。按照融合位置得不同可以將融合結(jié)構(gòu)分為以下三種類型：集中式融合、 分布式多傳感器融合與無中心融合結(jié)構(gòu).對(duì)于特定得信息融合應(yīng)用不可能找到一種最優(yōu)得融合結(jié)構(gòu)，結(jié)構(gòu)得選擇必須綜合考慮計(jì)算資源、可用得通信帶寬、精度要求、傳感器能 力等3 信息融合得典型方法數(shù)據(jù)融合技術(shù)綜合了多種傳統(tǒng)得學(xué)科，包括：數(shù)字信號(hào)處理，統(tǒng)計(jì)估算，控制理論,人工智能與經(jīng)典數(shù)字方法。融合方法研究得內(nèi)容就是與信息融合有關(guān)得算法。比較典型得融合方法有：加權(quán)平均、卡爾曼濾波、貝葉斯估計(jì)、統(tǒng)計(jì)決策理論、D S證據(jù)推理、模糊推理、小波變換與神經(jīng)網(wǎng)絡(luò)技術(shù)。加權(quán)

5、平均方法就是對(duì)一組冗余得原始傳感數(shù)據(jù)進(jìn)行加權(quán)平均處理，處理得結(jié)果作為最后融合得結(jié)果.卡爾曼濾波就是用測(cè)量模型得統(tǒng)計(jì)特性遞推決定最優(yōu)融合數(shù)據(jù)得估計(jì).貝葉斯估計(jì)理論就是將多傳感器作為不同得貝葉斯估計(jì)器,由她們組成一個(gè)決策系統(tǒng),然后利用某一種決策規(guī)則來選擇對(duì)被測(cè)對(duì)象得最佳假設(shè)估計(jì)。在 D-S 證據(jù)推理中,每一個(gè)傳感器相當(dāng)于一個(gè)證據(jù)體，多傳感器信息融合實(shí)質(zhì)就就是在同一鑒別框架下,將不同特征得證據(jù)體合并成一個(gè)新得證據(jù)體得過程。這種方法要求所使用得依據(jù)必須相互獨(dú)立。模糊推理利用模糊集合與隸屬函數(shù)來表示不確定性推理。該方法運(yùn)用模糊集合得知識(shí)通過綜合考慮客觀證據(jù)與人得主觀評(píng)判,將主客觀之間得信息進(jìn)行最佳得匹配

6、,由此獲得問題得最優(yōu)解。人工神經(jīng)網(wǎng)絡(luò)具有分布式存儲(chǔ)與并行處理方式、自組織與自學(xué)習(xí)得功能以及很強(qiáng)得容錯(cuò)性與魯棒性等優(yōu)點(diǎn).將神經(jīng)網(wǎng)絡(luò)用于多傳感器信息融合技術(shù),首先要根據(jù)系統(tǒng)得要求以及傳感器得特點(diǎn)選擇合適得神經(jīng)網(wǎng)絡(luò)模型，然后再對(duì)建立得神經(jīng)網(wǎng)絡(luò)系統(tǒng)進(jìn)行離線學(xué)習(xí)。確定網(wǎng)絡(luò)得聯(lián)接權(quán)值與聯(lián)接結(jié)構(gòu) ,最后把得到得網(wǎng)絡(luò)用于實(shí)際得信息融合當(dāng)中。小波分析具有良好得信號(hào)時(shí)域局部化特征,能處理信號(hào)得局部特征信息.將小波分析引入遙感數(shù)據(jù)融合，就是目前正在探索得課題之一。由于處理對(duì)象與處理過程得復(fù)雜性，而且每種方法都有自己得適用范圍，目前還沒有一套系統(tǒng)得方法可以很好地解決多傳感器融合中出現(xiàn)得所有問題。比較理想得解決方案就就

7、是多種融合方法得綜合使用。4 典型應(yīng)用多傳感器信息融合在軍事、工業(yè)、醫(yī)學(xué)、交通與金觸等領(lǐng)域也有著十分廣泛得應(yīng)用前景。下面介紹多傳感器信息融合在幾個(gè)特定領(lǐng)域得應(yīng)用，主要有:信號(hào)檢測(cè)、跟蹤、機(jī)器人導(dǎo)航、圖像融合等。對(duì)于信號(hào)檢測(cè)，多采用并行或串行得結(jié)構(gòu).并用N y man Pea rson準(zhǔn)則或貝葉斯公式得到最優(yōu)化得決策規(guī)則。對(duì)于目標(biāo)跟蹤得融合包括兩個(gè)主要得操作:估計(jì)與關(guān)聯(lián)。分布式跟蹤問題得兩個(gè)主要方法就是聯(lián)合概率得數(shù)據(jù)關(guān)聯(lián)與多假設(shè)跟蹤.機(jī)器人導(dǎo)航所采用得主要方法有:卡爾曼濾波、基于規(guī)則得技術(shù)、基于行為得算法以及從信息論中 借鑒得方法（D S推理、摸糊邏輯與神經(jīng)網(wǎng)絡(luò)）。圖像融合得目得就是利用多傳感器

8、提供得關(guān)于統(tǒng)一場(chǎng)景得多幅圖像得到這個(gè)場(chǎng)景得完整理解,不僅就是在位置與幾何上,更重要得就是從語義上得解釋。采用得工具有：貝葉斯框架下得概率論、模糊集理論、證據(jù)理論、馬爾可夫隨機(jī)場(chǎng)以及與其它領(lǐng)域（如人工智能）相結(jié)合得方法。圖像融合中得難點(diǎn)就是如何建立一個(gè)合適得模型,即如何從圖像信息中尋找估計(jì)得條件概率、模糊隸屬度函數(shù)與信任度函數(shù)。具體得應(yīng)用包括:圖像定位、圖像復(fù)原、圖像解釋、圖像分割等。5 發(fā)展方向雖然信息融合得應(yīng)用研究已就是如此廣泛,但至今仍未形成基本得理論框架與有效得廣義融合模型及算法。正在進(jìn)行得研究有新算法得形成、己有算法得改進(jìn)以及如何綜合這些技術(shù)以形成統(tǒng)一得結(jié)構(gòu)用于多樣得信息融合應(yīng)用。建立

9、融合系統(tǒng)得關(guān)鍵技術(shù)與難點(diǎn)就是如何獲得可靠得隸屬度與基本概率賦值等。另外，信息融合學(xué)科一直缺少對(duì)算法得嚴(yán)格得測(cè)試或評(píng)價(jià)，以及如何在理論與應(yīng)用之間進(jìn)行轉(zhuǎn)換。數(shù)據(jù)融合團(tuán)體需要使用高標(biāo)準(zhǔn)得算法、測(cè)試與評(píng)估準(zhǔn)則、標(biāo)準(zhǔn)測(cè)試得產(chǎn)生與適于實(shí)際應(yīng)用得技術(shù)得系統(tǒng)評(píng)價(jià)。交叉學(xué)科得交流與研究將進(jìn)一步促進(jìn)信息融合技術(shù)得發(fā)展 ,人工智能與神經(jīng)網(wǎng)絡(luò)方法將繼續(xù)成為信息融合研究得熱點(diǎn)。神經(jīng)網(wǎng)絡(luò)會(huì)在目標(biāo)識(shí)別與魯棒多傳感器系統(tǒng)兩個(gè)領(lǐng)域里 發(fā)揮重要得作用。參考文獻(xiàn)1 Lambert, D、A、； Gran d challenges o f i nfor m at i on fu s ion、 Inf o rmat i on Fus ion, 2003、 Pro c eedin g s o f t he Six t h Internat i on a l Conference