數(shù)據(jù)融合技術簡介

1、數(shù)據(jù)融合技術簡介數(shù)據(jù)融合技術是指利用計算機對按時序獲得的若干觀測信息，在一定準則下加以自動分析、綜合，以完成所需的決策和評估任務而進行的信息處理技術。數(shù)據(jù)融合的概念雖始于7 0年代初期，但真正的技術進步和發(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的普遍關注，美、英、日、德、意等發(fā)達國家不但在所部署的一些重大研究項目上取得了突破性進展，而且已陸續(xù)開發(fā)出一些實用性系統(tǒng)投入實際應用和運行。我國 “八五 ”規(guī)劃亦已把數(shù)據(jù)融合技術列為發(fā)展計算機技術的關鍵技術之一，并部署了一些重點研究項目，盡可能給予了適當?shù)慕?jīng)費投入。但這畢竟是剛剛起步，我們所面臨的挑戰(zhàn)和困難是十分嚴峻的，當然也有機遇并存

2、。這就需要認真研究，針對我國的國情和軍情，采取相應的對策措施，以期取得事半功倍的效果。數(shù)據(jù)融合可分為：（ 1 ）像素級融合：它是直接在采集到的原始數(shù)據(jù)層上進行的融合，在各種傳感器的原始測報未經(jīng)預處理之前就進行數(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包含若一像素的模糊圖像進行圖像處理來確認目標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，它先對來自傳感器的原始信息進行特征提?。ㄌ卣骺梢允悄繕说倪吘?、方向、速度等），然后對特征信息進行綜合分析和處理。特征層融合的優(yōu)點在于實現(xiàn)了可觀的信息壓縮，有利于

3、實時處理，并且由于所提取的特征直接與決策分析有關，因而融合結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：一類是目標狀態(tài)融合；另一類是目標特性融合。（ 3 ）決策層融合決策層融合通過不同類型的傳感器觀測同一個目標，每個傳感器在本地完成基本的處理，其中包括預處理、特征抽取、識別或判決，以建立對所觀察目標的初步結論。然后通過關聯(lián)處理進行決策層融合判決，最終獲得聯(lián)合推斷結果。數(shù)據(jù)融合作為一種數(shù)據(jù)綜合和處理技術，實際上是許多傳統(tǒng)學科和新技術的集成和應用，其中涉及的知識包括通信、模式識別、決策論、不確定性理論、信號處理、估計理論、最優(yōu)化技

4、術、計算機科學、人工智能、神經(jīng)網(wǎng)絡等，特別是神經(jīng)網(wǎng)絡和人工智能等新概念、新技術在多傳感器數(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雜性，對數(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)計理論的融合方法基于統(tǒng)計理論的融合方法有：經(jīng)典推理法、貝葉斯估計法和證據(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用，由于其完全依賴數(shù)學理論，則形式簡單、易操作，缺點是必須要求先驗知識和計算先驗概率密度分布函數(shù)，

5、同時一次僅能估計兩個假設，特別是用于多變量統(tǒng)計時計算更加復雜。貝葉斯推理技術比經(jīng)典推理法有了較大的進步，它可以處理多個假設問題，貝葉斯估計法傳感器信息依據(jù)概率原則進行組合，測量不確定性以條件概率表示，當傳感器組的觀測坐標一致時，可以直接對傳感器的數(shù)據(jù)進行融合，但大多數(shù)情況下，傳感器測量數(shù)據(jù)要以間接方式采用貝葉斯估計進行數(shù)據(jù)融合。但其定義先驗似然函數(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充，其主要有三個基本要點：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、下的推理結構是分為目標合成、推斷和更新三級。D-S理論優(yōu)點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 ”等認知學上的重要概念，因此具有很大的應用前景。（ 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)絡等，這些方法的共同點是將自然分組和目標類型相聯(lián)系。模板法通過對觀測數(shù)據(jù)與先驗模板匹配處理，來確定觀測數(shù)據(jù)是否支持已有模板所表征的假設。其根據(jù)具體的時域、頻域或小波域的數(shù)據(jù)或圖像與預先存儲的目標特征或預測的目標模型作比較，通過計算預測數(shù)據(jù)和實測數(shù)據(jù)的關聯(lián)，若兩者的相關系數(shù)超過了一個預先設定的閡值，則認為兩者存在匹配關系。模板法由于計算

7、量大，在非實時環(huán)境中有很好的效果，而在實時環(huán)境中可能無法滿足要求。聚類分析法根據(jù)預先指定的相似標準把觀測分為一些自然組或聚集，再把自然組與目標預測類型相關，需要定義一個相似性函數(shù)或關聯(lián)度量以提供一個表示任何兩個特征向量之間“ 接近” 程度或不相似程度的值，缺點是本身的啟發(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聚類有影響。人工神經(jīng)網(wǎng)絡具有很強的容錯性以及自學習、自組織及自適應能力，能夠模擬復雜的非線性映射。神經(jīng)網(wǎng)絡的這些特性和強大的非線性處理能力，恰好滿足了多傳感器數(shù)據(jù)融合技術處理的要求。神經(jīng)網(wǎng)絡根據(jù)當前系統(tǒng)所接受的樣本相似性確定分類標準，這種確定方法主要表現(xiàn)在網(wǎng)絡的權值分布

8、上，同時，可以采用神經(jīng)網(wǎng)絡特定的學習算法來獲取知識，得到不確定性推理機制。利用神經(jīng)網(wǎng)絡的信號處理能力和自動推理功能，即實現(xiàn)了多傳感器數(shù)據(jù)融合。當輸入數(shù)據(jù)中混有噪聲時，人工神經(jīng)網(wǎng)絡的優(yōu)點更加突出。（ 3）基于認識模型的融合方法基于認識模型的融合方法試圖模仿人類辨別實體的過程，其中有模糊集合理論、邏輯模板法和專家系統(tǒng)等。模糊集合理論應用廣義的集合論來確定指定集合所具有的隸屬關系。模糊集理論對模糊集及其元素提供了一個集合變換代數(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)來表達的，通過使某些指標函數(shù)取得最優(yōu)值，以獲得最佳辨識效果。該方法的難點在于如何構造合理有效的隸屬函數(shù)和指標函數(shù)。邏輯模板法是基于邏輯的識別技術的總稱，其主要將通過模糊邏輯推理方法應在在系統(tǒng)匹配模型中，主要用于時間探測或態(tài)勢估計所進行的多傳感器數(shù)據(jù)融合的應用中。專家系統(tǒng)試圖模擬專家對專業(yè)進行決策和推理的能力，其知識庫包含事實、經(jīng)驗規(guī)則和啟發(fā)性信息，使用觀測數(shù)據(jù)，再根據(jù)知識庫進行推理。專家系統(tǒng)或知識庫系統(tǒng)適于實現(xiàn)較高水平的推理。由于專家系統(tǒng)方法依賴于知識的表示，因此其先驗知識庫的有效建立決定了專家系統(tǒng)應用的成敗。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、有基本的加權平均法、卡爾曼濾波法、品質因數(shù)法，隨著科學技術的飛速發(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)融合技術通過組合獲得比單傳感器數(shù)據(jù)更準確的信息，即通過各個傳感器之間的協(xié)調和性能互補來提高整個多傳感器系統(tǒng)的性能。從目前來看，應用數(shù)據(jù)融合技術主要有以下幾個優(yōu)點【6】 ：（ 1）可以提高信息的可信度由于多傳感器數(shù)據(jù)融合技術拓展了時空分辨力，其利用多種傳感器能夠更加準確地獲得環(huán)境目標的某一特征或一組相關特征，降低了目標位置估計和屬性估計的不確定性，使整個系統(tǒng)所獲得的綜合信息具有更高的精度及可靠性。（ 2）

11、改進了系統(tǒng)探測性能由于多傳感器數(shù)據(jù)融合技術對目標的多種測量的有效融合，在相同的時間內能獲得更多的信息，特別是在測量運動速度快的目標時，提高了系統(tǒng)探測的有效性，彌補了手段缺乏而 引起的不足。（ 3）提供穩(wěn)定的工作性能多傳感器數(shù)據(jù)融合技術利用系統(tǒng)固有的冗余度，減少了關于目標或事件的假設集合，對同一目標或事件的多次同一傳感器在不同的時序上或多個同一時刻不同傳感器獨立測量進行有效綜合分析和處理，可以提高系統(tǒng)檢測的有效性和生存能力。（ 4）提高了系統(tǒng)容錯能力由于多個傳感器所采集的信息具有冗余性，當系統(tǒng)中有一個甚至幾個傳感器出現(xiàn)故障時，盡管某些信息容量減少了，但仍可由其它傳感器獲得有關信息，使系統(tǒng)繼續(xù)運行

12、，故經(jīng)過數(shù)據(jù)融合處理無疑會使系統(tǒng)在利用這些信息時具有很好的容錯性能。（ 5）實現(xiàn)信息的智能化處理多傳感器數(shù)據(jù)融合技術為多信息源復雜系統(tǒng)的智能控制與決策奠定了基礎。可以是信息處理更方便、快捷和智能化，數(shù)據(jù)融合技術可以進行更復雜信號的檢測處理，提高系統(tǒng)檢測的準確性。隨著多傳感器數(shù)據(jù)融合技術的發(fā)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。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、提供準確的觀測結果和綜合信息的智能化數(shù)據(jù)處理技術，己在軍事、工業(yè)監(jiān)控、智能檢測、機器人、圖像分析、目標檢測與跟蹤、自動目標識別等領域獲得普遍關注和廣泛應用。數(shù)據(jù)融合必將成為未來復雜工業(yè)系統(tǒng)智能檢測與故障診斷的重要技術。另外，如何將基于模糊邏輯、神經(jīng)網(wǎng)絡、遺傳算法、粗集理論、支持向量機、小波變換等智能方法有機結合起來實現(xiàn)對當前數(shù)據(jù)融合算法的改進，也是將來的一個重要的發(fā)展趨勢。1 計算機世界報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)融合及其應用