- 相關推薦
多傳感器信息融合技術論文
多傳感器信息融合技術論文闡述了多傳感器信息融合的定義、原理、分類和結構，分析了多傳感器信息融合的特點及其研究方向
多傳感器信息融合技術論文【1】
關鍵詞：多傳感器 信息融合 研究方向
1、多傳感器信息融合的定義
多傳感器信息融合也稱為信息融合或數據融合，指的是對不同知識源和多個傳感器所獲得的信息進行綜合處理，消除多傳感器信息之間可能存在的冗余和矛盾，利用信息互補，降低不確定性，以形成對系統環境相對完整一致的理解，從而提高智能系統決策和規劃的科學性、反應的快速性和正確性，進而降低決策風險的過程。
由其定義可見，多傳感器信息融合避免了單一傳感器的局限性，可以獲取更多信息，得出更為準確、可靠的結論。
2、多傳感器信息融合的原理
多傳感器信息融合是人類和其他生物系統中普遍存在的一種基本功能。如果把單傳感器信號處理或低層次的數據處理方式看作是對人腦信息處理的一種低水平模仿，那么多傳感器信息融合就是對人腦信息處理的一種高水平模仿。
多傳感器信息融合的基本原理就像人腦綜合處理信息的過程一樣，它充分利用多個傳感器資源，通過對這些傳感器及其觀測信息的合理支配和使用，把多個傳感器在時間或空間上的冗余或互補信息依據某種準則來進行組合，以獲得被測對象的一致性解釋或描述[1]。
3、多傳感器信息融合的分類
信息的數據融合是對多源數據進行多級處理，每一級處理都代表了對原始數據的不同程度的抽象化，它包括對數據的檢測、關聯、估計和組合等處理。信息融合按其在傳感器信息處理層次中的抽象程度，可以分為三個層次：像素層融合、特征層融合及決策層融合[2]。
3.1 像素層融合
它是最低層次的融合，是在采集到的傳感器的原始信息層次上(未經處理或只做很少的處理)進行融合，在各種傳感器的原始測報信息未經預處理之前就進行信息的綜合和分析。其優點是保持了盡可能多的戰場信息;其缺點是處理的信息量大，所需時間長，實時性差。
3.2 特征層融合
屬于融合的中間層次，兼顧了數據層和決策層的優點。它利用從傳感器的原始信息中提取的特征信息進行綜合分析和處理。也就是說，每種傳感器提供從觀測數據中提取的有代表性的特征，這些特征融合成單一的特征向量，然后運用模式識別的方法進行處理。這種方法對通信帶寬的要求較低，但由于數據的丟失使其準確性有所下降。
3.3 決策層融合
指在每個傳感器對目標做出識別后，將多個傳感器的識別結果進行融合。這一層融合是在高層次上進行的，融合的結果為指揮控制決策提供依據。
決策層融合的優點是：具有很高的靈活性，系統對信息傳輸帶寬要求較低;能有效地融合反映環境或目標各個側面的不同類型信息，具有很強的容錯性;通信容量小，抗干擾能力強;對傳感器的依賴性小，傳感器可以是異質的;融合中心處理代價低。
4、多傳感器信息融合的融合結構
多傳感器信息融合通常是在一個被稱為信息融合中心的信息綜合處理器中完成，而一個信息融合中心本身可能包含另一個融合中心。由于多傳感器信息融合可以是多層次、多方式的，所以研究融合的拓撲結構十分必要。根據信息融合處理方式的不同，可以將多傳感器信息融合的拓撲結構分為集中型、分散型、混合型、反饋型等[3]。
4.1 集中型
集中型融合結構的融合中心直接接收來自被融合傳感器的原始信息。由于在此結構中傳感器僅起到了信息采集的作用，不預先對數據進行局部處理和壓縮，所以對信道容量要求較高。一般這種結構適用于小規模的融合系統。
4.2 分散型
分散型信息融合系統中，各傳感器完成一定量的計算和處理任務后，將壓縮后的傳感器數據送到融合中心，融合中心將接收到的多維信息進行組合和推理，最終得到融合結果。這一結構的優點是結構冗余度高、計算負荷分配合理、信道壓力輕，但由于各傳感器進行局部信息處理，可能會導致部分信息的丟失。這種結構適合于遠距離配置的多傳感器系統。
4.3 混合型
混合型信息融合結構吸收了分散型和集中型信息融合結構的優點，既有集中處理，又有分散處理，各傳感器信息均可多次利用。這一結構能得到比較理想的融合結果，適用于大型的多傳感器信息融合，但其結構復雜，計算量很大。
4.4 反饋型
當系統對處理的實時性要求很高的時候，如果總是試圖強調以最高的精度去融合多傳感器信息融合系統的信息，則無論融合的速度多快都不可能滿足要求，這時，利用信息的相對穩定性和原始積累對融合信息進行反饋再處理將是一種有效的途徑。
當多傳感器系統對外部環境經過一段時間的感知，傳感系統的融合信息已能夠表述環境中的大部分特征，該信息對新的傳感器原始信息融合具有很好的指導意義。
5、多傳感器信息融合的特點
(1)提高了信息的可信度。(2)增加了目標特征矢量的維數。(3)降低了獲得信息的費用。(4)減少了信息獲取的時間。(5)提高了系統的容錯能力。(6)提高了整個系統的性能。
6、多傳感器信息融合的研究方向
(1)確立具有普遍意義的信息融合模型標準和系統結構標準。(2)將信息融合技術應用到更廣泛的新領域。(3)改進融合算法以進一步提高融合系統的性能。(4)開發相應的軟件和硬件，以滿足具有大量數據且計算復雜的多傳感器融合的要求。
7、結語
多傳感器信息融合技術的研究雖然剛剛開始幾十年，但它已滲透到現代化戰爭和民用的各個領域。隨著工業大系統的蓬勃發展和未來信息戰的需求，以及相關學科的不斷發展，多傳感器信息融合將會得到更深入的理論研究，也將擁有更廣闊的應用前景。
參考文獻
[1]王耀南,李村濤.多傳感器信息融合及其應用綜述[J].控制與決策,2001.
[2]何友,譚慶海.多傳感器系統分類研究[J].火力與指揮控制,1998.
[3]L.Tao.Optimal Multiple Level Decision Fusion with Distributed Sensors.IEEE Trans.
多傳感器信息融合論文【2】
摘 要： 多傳感器信息融合是一門涉及信號處理、信息論、人工智能、模糊數學等理論的多學科交叉技術，被廣泛應用于軍事和民用領域。介紹多傳感器信息融合的概念主要應用，描述多傳感器信息融合的功能模型和融合方法，并對其發展趨勢進行分析。
關鍵詞： 多傳感器系統;信息融合;功能模型;發展趨勢
1 概念
多傳感器信息融合，又稱多源信息融合，是用于包含多個或多類傳感器或信息源的系統的一種信息處理方法。Walz將多源信息融合定義為：通過對多個傳感器產生的數據或信息進行檢測、組合估計、關聯等多級操作，從而得到關于觀測環境或目標的精確狀態、身份估計以及完整、及時的態勢評估的過程。
其基本原理是充分利用多源系統中各信息源所提供的信息的不同特征，按照某種優化準則，將這些互補冗余的信息進行重新組合、關聯，從而產生對觀測目標或環境的一致性解釋和描述。
多傳感器信息融合通過對各種分離的觀測信息進行優化組合，從而導出更多的有效信息，以達到利用多個信源協同工作的優勢來系統整體效能的最終目的。
2 功能模型和融合方法
2.1 功能模型
根據輸入信息的抽象層次，多傳感器信息融合可以分為信源、預處理、檢測級融合、位置級融合、目標識別融合(特征級融合)、狀態級融合(態勢估計)、威脅估計和精細處理。如下圖所示。
1)信源主要有紅外、雷達、ESM、聲納、敵我識別器、通信情報、電子情報、偵察情報等。
2)信源預處理，是指根據信息特征和屬性、傳感器種類、觀測時間等各種基本信息，對多源信息進行分選、誤差補償、過程分配、像素級或信號級數據關聯等。主要目的是降低系統需要處理的數據量，避免系統過載，提高系統性能。
3)檢測級融合是第一級融合，屬于信號處理級的融合。它根據預先設定的檢測準則形成最優化檢測門限，從而產生最終的檢測輸出。其結構主要有五種：分散式結構、樹狀結構、串行結構、并行結構和帶反饋的并行結構。
4)位置級融合是第二級融合，它通過綜合來自多傳感器的關于同一觀測目標的時間和空間等信息，建立該觀測目標的航跡，并得出觀測目標的行進速度和位置等信息，主要包括空間融合、時間融合和時空融合。
具體過程主要有數據校準、數據關聯、目標跟蹤、狀態估計、航跡關聯、估計融合等。其結構主要有集中式結構、分布式結構、混合式結構和多級式結構。
5)目標識別融合，也叫屬性分類或身份估計，屬于第三級融合，是指通過組合來自多個傳感器的關于觀測目標的識別屬性或數據，得到關于觀測目標身份的聯合估計。根據融合時所應用的關于觀測目標的信息層次，該級融合可以分為數據級融合、特征級融合和決策級融合三種方法。
6)態勢估計，屬于第四級融合，他通過對戰斗力量部署及其變化情況進行評價，估計敵方兵力結構和部署特點，推斷敵方意圖，并最終形成戰場綜合態勢圖，從而為最優決策提供依據。主要包括：提取進行行為估計要考慮的各要素，為態勢推理做準備。
分析并確定事件發生的深層次原因;根據以往時刻發生的事件，預測將來時刻可能發生的事件;形成戰場態勢分析報告和綜合態勢圖，為指揮員提供輔助決策信息。
7)威脅估計，屬于第五級融合，它是基于當前態勢，包括敵方殺傷能力、行為企圖、機動能力和運行模式等各種先驗知識，估計出對未來一段時間內敵方威脅、我方薄弱點以及戰爭行動發生的程度或嚴重性，并作出相應指示與告警。主要包括：估計潛在事件;判斷威脅時機;估計/聚類作戰能力;進行多視圖評估;預測敵方意圖等。
8)精細處理，屬于第六級融合，主要包括傳感器管理、信源要求、融合控制要求、性能評估和任務管理等。
9)數據庫處理，主要包括兩種數據庫：融合數據庫和支持數據庫。前者主要包括目標位置數據庫、身份數據庫、威脅估計數據庫、態勢估計數據庫等，后者主要包括觀測數據庫、環境數據庫、檔案任務數據庫、技術數據庫、算法數據庫、條令數據庫等。
2.2 主要方法
目前，能夠應用于多傳感器數據融合的方法可以分為隨機類方法和人工智能方法兩大類。隨機類方法主要有統計決策理論、D-S證據推理、產生式規則、多貝葉斯估計法、Kalman濾波等;而人工智能類方法主加權平均法、要包括專家系統、人工神經網絡、模糊邏輯理論、粗糙集理論等。
其中，加權平均法和Kalman濾波融合方法主要應用于動態環境中的低層次數據融合，統計決策理論、貝葉斯估計法、D-S證據推理、模糊邏輯理論主要應用于靜態環境中的高層次數據融合，粗糙集理論、產生式規則方法適用于動態或靜態環境中的高層次數據融合，而人工神經網絡則可以應用于動態或靜態環境中的各層次數據融合。
由于各類方法具有互補性，因此，在實際應用中，通常將多種方法組合運用，如粗糙集神經網絡方法、模糊神經網絡方法等，以提高融合的精度和效率。
3 發展趨勢
盡管多傳感器信息融合技術已經取得了很大的發展，但仍有很多應用需要進一步研究和探索，主要有以下幾個方面：1)復雜環境下信息融合，主要包括復雜環境下的分布檢測融合研究、復雜電磁環境下的目標跟蹤算法研究、復雜目標運動環境下的多源融合跟蹤研究等;
2)無線傳感器組網信息融合研究，主要包括機會信息融合問題、傳感器優化管理問題等;3)信號融合理論研究，主要包括穩定信號特征提取和建立、數據融合和信號融合的聯和優化問題以及信號的關聯性和一致性問題等;
4)圖像融合研究，主要包括圖像融合評價體系的構建、基于遙感圖像融合的三維成像技術研究、圖像融合系統的實時處理等;5)其他內容，如空間信息融合、面向通用知識的融合、信息融合中的智能數據庫技術和精細化處理研究等。
參考文獻：
[1]何友、王國宏、關欣等，信息融合理論及應用，電子工業出版社，2010.3.
[2]何友、薛培信、王國宏，一種新的信息融合功能模型，海軍航空工程學院學報，2008.5.
[3]丁鋒、姜秋喜、張楠，多傳感器數據融合發展評述及展望，艦船電子對抗，2007.6.
【多傳感器信息融合技術論文】相關文章：
淺析通信工程中的多網融合技術論文10-08
信息融合技術在煤礦安全監控的應用論文03-25
創客教育與小學信息技術教學的融合論文03-23
信息技術下小學英語教育深度融合論文10-09
無線傳感器網絡管理技術論文10-09
通信工程中多網融合的作用論文10-01
檔案信息管理與知識管理的融合論文10-07
計算機技術融合通信技術論文10-12
信息技術論文10-01