多传感器数据融合技术概述

科技信息
SCIENCE &TECHNOLOGY INFORMATION
2010年第15期多传感器数据融合技术概述
黄惠宁刘源璋梁昭阳
（桂林理工大学土木与建筑工程学院广西桂林
541004）
【摘要】多传感器数据融合技术是一门新兴前沿技术。

近年来,多传感器数据融合技术已受到广泛关注,它的理论和方法已被应用到许多研究领域。

介绍多传感器数据融合的基本原理和过程，重点介绍多传感器数据融合的三个层次并对三个层次进行比较，最后论述数据融合技术的发展趋势。

【关键词】数据融合；多传感器；方法
Overview of the Multi-sensor Data Fusion Technology
【Abstract 】Multi-sensor data fusion is the front line of technique.rencently,the technique of Multi -sensor data fusion had attained attention widely.It ’s principle and methodology had benn applied in so many fields.Introducing the fundamental principle and basic processing ,This paper had set focus on the contrast of the three levels of Multi-sensor data fusion and had analysed differences of them and had discussed the developing tendency.
【Key words 】D ata fusion ；Multi-sensor ；M ethods
0前言
数据融合是关于协同利用多传感器信息，进行多级别、多方面、多层次信息检测、相关、估计和综合以获得目标的状态和特征估计以及态势和威胁评估的一种多级自动信息处理过程。

它将不同来源、不同模式、不同时间、不同地点、不同表现形式的信息进行融合，最后得出被感知对象的更精确描述。

数据融合其实也就是对数据的提取和处理，得出最终的有效信息。

多传感器数据融合也就是用各种不同的传感器观测信息，然后将不同来源，不同形式，不同时间，不同地点的信息通过计算机技术，对按时间顺序获得的若干传感器的观测信息，用某种方法自动分析、综合，得到更加有效的信息。

1多传感器数据融合的基本原理
多传感器数据融合的基本原理就像人脑综合处理信息的过程一样，它充分利用多个传感器资源，通过对这些传感器及其观测信息的合理支配和使用，把多个传感器在时间或空间上的冗余或互补信息依据某种准则来进行组合，以获得被测对象的一致性解释或描述，使该信息系统由此而获得比它的各组成部分的子集所构成的系统更优越的性能。

传感器之间的冗余数据增强了系统的可靠性，传感器之间的互补数据扩展了单个的性能。

多传感器数据融合与经典信号处理方法之间存在本质的区别，其关键在于数据融合所处理的多传感器信息具有更为复杂的形式，而且可以在不同的信息层次上出现。

2多传感器数据融合的过程
多传感器数据融合的过程主要包括多传感器、数据预处理、数据融合中心和结果输出等环节，其过程如图1所示。

图1多传感器数据融合过程
由于被测对象多半为具有不同特征的非电量，如压力、温度、色彩和灰度等，因此首先要将它们转换成电信号，然后经过A/D 转换将它们转换为能由计算机处理的数字量。

数字化后的电信号由于环境等随机因素的影响，不可避免地存在一些干扰和噪音信号，通过预处理滤除数据采集过程中的干扰和噪音，以便得到有用信号。

预处理后的有用信号经过特征提取，并对某一特征量进行数据融合计算，最后输出融合结果。

2.1信号的获取多传感器信号获取的方法很多，可根据具体情况采取不同的传感器获取被测对象的信号。

图形景物信息的获取一般可
利用电视摄像系统或电荷藕合器件，将外界的图形景物信息进入电视摄像系统或电荷藕合器件变化的光通量转换成变化的电信号，再经A/D 转换后进入计算机系统。

2.2信号预处理在信号获取过程中，一方面由于各种客观因素的影响，在检测到的信号中常常混有噪音。

另一方面，经过A/D 转换后的离散时间信号除含有原来的噪音外，又增加了A/D 转换器的量化噪音。

因此，在对多传感器信号融合处理前，常对传感器输出信号进行预处理，尽可能地去除这些噪音，提高信号的信噪比。

信号预处理的方法主要有去均值、滤波、消除趋势项等。

2.3特征提取对来自传感器的原始信息进行特征提取，特征可以是被测对象的物理量。

2.4融合计算数据融合计算方法较多，主要有数据相关技术、估计理论和识别技术等。

3多传感器数据融合的层次
在多传感器数据融合中，由于数据的多样化就需要按照数据的类型、采集的方式等特点或工程的需要有层次分步骤的进行融合，这就需要引入数据融合的级别问题。

根据数据融合功能的抽象层次和数据流通方式及传输形式，把数据融合分为高层次和低层次处理。

低层次处理包括数据的预处理，目标的检测、分类和辨识，目标跟踪。

高层次处理包括态势和威胁估计以及对整个融合过程的提取。

一般来说目标识别(属性)级融合有三种基本结构：即数据层融合、特征层融合和决策层融合结构。

3.1数据层融合数据层融合首先将全部传感器的观测数据融合，然后从融合的数据中提取特征向量，并进行判断识别。

这便要求传感器是同质的，如果多个传感器是异质的，那么数据只能在特征层或决策层进行融合。

数据层融合是直接在采集到的原始数据层上进行的融合，在各种传感器的原始测量未经处理之前就进行数据的综合和分析，这是最低层次的融合，如成像传感器对包含若干像素的模糊图像进行处理和模式识别来确认目标属性的过程就属于数据层的融合。

这种融合的优点是能保持尽可能多的现场数据，提供其他融合层次所不能提供的细微信息。

但它所要处理的传感器数据量太大，处理代价高，处理时间长，实时性差。

这种融合是在信息的最低层进行的，传感器原始信息的不确定性、不完全性和不稳定性要求在融合时有较高的纠错能力。

3.2特征层融合每种传感器提供从观测数据中提取的有代表性的特征，这些特征融合成单一的特征向量，然后运用模式识别的方法进行处理。

这种方法对通信带宽的要求较低。

但由于数据的丢失使其准确性有所下降。

3.3决策层融合在这种方法中，将每个传感器采集的信息变换，以建立对所观察目标的初步结论，最后根据一定的准则以及每个判定的可信度做出最优决策。

决策层融合从具体决策问题的需求出发，充分利用特征层融合所提取的测量对象的各类特征信息。

决策层融合通常采用的方法主要有表决法、贝叶斯方法、广义证据推理理论等。

由于对传感器的数据进行了浓缩，这种方法产生的结果相对而言最不准确，但它对通信带宽的要求最低。

○IT 论坛○72
科技信息2010年第15期
SCIENCE &TECHNOLOGY INFORMATION ●
（上接第57页）
24START 1
25END
上面程序中的每一行最前面的数字是语句标号。

1号语句标志GPSS 仿真程序开始；第2号语句定义了一个随机
变量函数XP ，该函数的取值是由第3号到第7号语句中的24对数据
构成，由1号随机数发生器取值对该函数取样，得到的随机变量是均
值为1s 的指数随机变量。

从第10号语句开始到第19号语句为模型段，每一句按顺序与图
1.3.5中的方块一一对应。

例如，第11句的功能就是产生均值为20s
的指数随机变量；第16句表示为顾客服务的时间均值为17s ，区间半
长为8的均匀分布随机变量；第19句则是表示仿真程序到此结束。

从第21句到第22句是仿真时间控制，从中可以看到，仿真钟推进480个单位时产生一个程序来终止仿真，说明该模型的仿真钟时间单位为
1s 。

3结语
仿真技术是极具挑战性的新兴技术之一，它将广泛的应用在军
事、工业、生物、医疗、人类行为、生态环境、农林、牧业、城市规划、空间
探测等领域。

在2l 世纪，它的发展将对经济、社会以及人们的观念产
生巨大影响。

仿真作为一门综合性科学，将随着其相关领域技术的
深入发展，继续向纵深快速发展，同时将扩大其综合应用的领域，在国
防建设和国民经济建设中发挥更大的作用。

【参考文献】
［1］姜林奇.管理系统模拟与GPSS 语言.清华大学出版社，2000.
［2］何江华.计算机仿真导论[M ].科学出版社,2001.
［3］
李云峰.现代计算机仿真技术的研究与发展[J].计算技术与自动化，2002.
[责任编辑：曹明明]
●●
数据层融合
特征层融合
决策层融合
通信量最大中等最小信息损失最小中等最大容错性最差中等最好抗干扰性最差中等最好对传感器依赖性
最大中等最小融合方法最难中等最易预处理最小中等最大分类性能
最好
中等
最差
4三种融合层次的比较
数据层融合是最低层的融合，是在对传感器原始信息未经过或经过很小处理的基础上进行的，它要求各个融合的传感器信息源具有精确到一个象素的配准精度的任何抽象层次的融合。

其优点是能够提供其他两种层次的融合所不具有的细节信息，但也具有下述几个方面的局限性。

4.1由于它所要处理的传感器信息量大，故处理代价较大。

4.2由于传感器信息稳定性差，特别是在目标检测与分类时，故在融合时要求有较高的纠错处理能力。

4.3由于在该层次上的信息要求各传感器信息之间具有象素级的配准关系，故要求各传感器信息来自同质传感器。

4.4由于其通信量较大，故抗干扰能力较差。

决策层融合的优缺点正好与数据层融合相反。

其传感器可以是异质传感器，预处理代价较高，而融合中心处理代价小，整个系统的通信量小，抗干扰能力强。

由于处理效果很大程度取决于各个传感器预处理的性能，而传感器预处理一般是简单的处理，其性能一般不太高，故融合中心的性能要比数据层融合性能差些。

特征层融合是上述两种信息融合的折中形式，兼容了两者的优缺点。

各层次融合的优缺点可用表1说明。

表1融合层次比较
一个系统采用哪个层次上的数据融合方法，要由该系统的具体要求来决定，不存在能够适用于所有情况或应用的普遍结构。

对于多传感器融合系统特定的工程应用，应综合考虑传感器的性能、系统的计算能力、通信带宽、期望的准确率以及资金能力等因素，以确定哪种层次是最优的。

另外，在一个系统中，也可能同时在不同的融合层次上进行融合，一个实际的融合系统是上述三种融合的组合，融合的级别越高则处理的速度也越快，信息的压缩量越大损失也越大。

在数据融合处理过程中，根据对原始数据处理方法的不同，数据融合系统的体系结构主要有两种：集中式体系结构和分布式体系结构。

4.4.1
集中式:集中式将各传感器获得的原始数据直接送至中央处理
器进行融合处理。

可以实现实时融合,其数据处理的精度高,解法灵活,缺点是对处理器要求高,可靠性较低,数据量大,故难于实现。

4.4.2分布式:每个传感器对获得的原始数据先进局部处理,包括对原始数据的预处理、分类及提取特征信息,并通过各自的决策准则分别作出决策,然后将结果送入融合中心进行融合以获得最终的决策。

分布式对通信带宽需求低、计算速度快、可靠性和延续性好,但跟踪精度没有集中式高。

大多情况是把二者进行不同组合,形成一种混合式结构。

5发展趋势
数据融合不是一门单一的技术,而是跨学科的综合理论和方法,尚处在不断的变化和发展中。

从现有资料看数据融合的发展趋势如下：5.1建立统一的融合理论和广义融合模型；
5.2解决数据配准、数据预处理、数据库构建、数据库管理、人机接口、通用软件包开发问题,利用成熟的辅助技术,建立面向具体应用需求的数据融合系统；
5.3将人工智能技术，如神经网络、遗传算法、模糊理论、专家理论、粗糙集理论等,引入到数据融合领域利用集成的计算智能方法，提高多传感融合的性能；
5.4解决不确定性因素的表达和推理演算；
5.5利用有关的先验数据提高数据融合的性能,研究更加先进复杂的融合算法；
5.6在多平台/单平台、异类/同类多传感器的应用背景下，建立计算复杂程度低，同时又能满足任务要求的数据处理模型和算法；5.7构建数据融合测试评估平台和多传感器管理体系；
5.8将已有的融合方法工程化与商品化，开发能够提供多种复杂融合算法的处理硬件，以便在数据获取的同时就实时地完成融合。

6结束语
数据融合是信息获取与处理领域的一个新课题，可以有效的解决信息的不确定性及不完整性，尤其是人工智能技术的引入，增强了其处理信息的能力。

可以预计，数据融合技术将越来越广泛的应用于各个领域，通用数据融合器件也将成为独立的信息类产品。

【参考文献】
［1］杨万海.多传感器数据融合及其应用.西安电子科技大学出版社，2004.［2］何友，王国宏，彭应宁，等.多传感器信息融合及应用.北京:电子工业出版社，
2000.
［3］王琳.多传感器信息融合技术及其应用.华北电力大学硕士学位论文，2002.［4］康耀红.数据融合理论与应技大学出版社,2006（5）.
［责任编辑：翟成梁］
○IT 论坛○
73。