信息融合技术

三、信息融合的关键技术
• 数据融合是一种多层次、多方位的处理过程，需要对多种 来源数据进行检测、相关和综合以进行更精确的态势评估。 数据（或信息）融合系统的根本目标是将传感器得到的数 据（如信号、图像、数量和矢量信息等）、人的输入信息 以及已有的原始信息转化成关于某种状态和威胁的知识。 多传感器数据融合通过信号处理技术、图像处理技术、模 式识别技术、估计技术以及自动推理技术等多种技术提高 状态感知能力。该技术广泛用于自动目标识别、敌/我/中 立方识别（IFFN）处理以及自动状态评估等应用领域， 相关的关键技术有：
三、优点
➢增加了系统的生存能力 ➢扩展了空间覆盖范围 ➢扩展了时间覆盖范围 ➢提高了可信度 ➢降低了信息的模糊度 ➢改善了探测性能 ➢提高了空间分辨率 ➢增加了测量空间的维数
第二节 信息融合的分类和结构
一、信息融合分类
1、组合：由多个传感器组合成平行或互补方式来获得多组数据输 出的一种处理方法，是一种最基本的方式，涉及的问题有输出方式 的协调、综合以及传感器的选择。在硬件这一级上应用。 2、综合：信息优化处理中的一种获得明确信息的有效方法。 例：在虚拟现实技术中，使用两个分开设置的摄像机同时拍摄到一 个物体的不同侧面的两幅图像，综合这两幅图像可以复原出一个准 确的有立体感的物体的图像。 3、融合：当将传感器数据组之间进行相关或将传感器数据与系统 内部的知识模型进行相关，而产生信息的一个新的表达式。 4、相关：通过处理传感器信息获得某些结果，不仅需要单项信息 处理，而且需要通过相关来进行处理，获悉传感器数据组之间的关 系，从而得到正确信息，剔除无用和错误的信息。 相关处理的目的：对识别、预测、学习和记忆等过程的信息进行综 合和优化。
大大提高系统的识别效率。
二、信息融合的结构
信息融合的结构分为串联和并联两种
C1，C2，…，Cn表示n个传感器
S1,S2,…，Sn表示来自各个传感器信息融合中心的数据
y1，y2，…，yn表示融合中心。
C1
Y1
S1
C2
Y2
C1 C2 … Cn
…
S2
Cn
Yn
Y
Sn (a) 串联
S (b) 并联
三、信息融合系统结构的实例
• 决策层融合是指不同类型的传感器观测同一个目标， 每个传感器在本地完成处理，其中包括顶处理、特 征抽取、识别或判决，以建立对所观察目标的初步 结论。然后通过关联处理、决策层触合判决，最终 获得联合推断结果。
数
特
决
据
征
策
数
层
层
层
据
融
融
融
合
合
合
图1 信息融合层次
(2)JDL模型(Joint Directors of Laboratories，JDL)和λ-JDL模型
该模型将融合过程分为四个阶段：信源处理，第一 层处理(即目标提取)、第二层处理(即态势提取)、 第三层提取(即威胁提取)和第四层提取(即过程提 取)。模型中的每一个模块都可以有层次地进一步分 割，并且可以采用不同的方法来实现它们。λ-JDL 模型为JDL模型的简化，把0层包含进了1层，4层
融人其他各层中。
四、意义及应用
1、在信息电子学领域
信息融合技术的实现和发展以信息电子学的原理、方法、 技术为基础。信息融合系统要采用多种传感器收集各种 信息，包括声、光、电、运动、视觉、触觉、力觉以及 语言文字等。信息融合技术中的分布式信息处理结构通 过无线网络、有线网络，智能网络，宽带智能综合数字 网络等汇集信息，传给融合中心进行融合。除了自然(物 理)信息外，信息融合技术还融合社会类信息，以语言文 字为代表，涉及到大规模汉语资料库、语言知识的获取 理论与方法、机器翻译、自然语言解释与处理技术等， 信息融合采用分形、混沌、模糊推理、人工神经网络等 数学和物理的理论及方法。它的发展方向是对非线性、 复杂环境因素的不同性质的信息进行综合、相关，从各 个不同的角度去观察、探测世界。
传感器信号
局部 处理器
传感器信号
局部 处理器
先修 验正 信信 息息
外部逻辑
修先 正验 信信 息息
中央 处理器
传感器故障 检测系统
一种雷达测量的信息融合结构
第三节 信息融合的一般方法
嵌入约束法、证据组合法、人工神经网络法
一、嵌入约束法
由多种传感器所获得的客观环境(即被测对象)的多组数 据就是客观环境按照某种映射关系形成的像，信息融 合就是通过像求解原像，即对客观环境加以了解。用 数学语言描述就是，所有传感器的全部信息，也只能 描述环境的某些方面的特征，而具有这些特征的环境 却有很多，要使一组数据对应惟一的环境(即上述映射 为一一映射)，就必须对映射的原像和映射本身加约束 条件，使问题能有惟一的解。 嵌入约束法最基本的方法：Bayes估计和卡尔曼滤波
p (f|d ) p ( d |f)p (f)/p ( d )
上式为概率论中的Bayes公式，是嵌入约束法的核心。
信息融合通过数据信息d做出对环境f的推断，即求解 p(f|d)。由Bayes公式知，只须知道p(f|d)和p(f)即可。因为 p(d)可看作是使p(f|d)•p(f)成为概率密度函数的归一化常 数，p(d|f)是在已知客观环境变量f的情况下，传感器得 到的d关于f的条件密度。当环境情况和传感器性能已知 时，p(f|d)由决定环境和传感器原理的物理规律完全确定。 而p(f)可通过先验知识的获取和积累，逐步渐近准确地 得到，因此，一般总能对p(f)有较好的近似描述。
•融合(fusion)的概念开始出现于70年代初期，当时称 之为多源相关、多源合成、多传感器混合或数据融合 (DataFusion)，现在多称之为信息融合 (InformationFusion)或数据融合。
•融合是指采集并集成各种信息源、多媒体和多格式信 息，从而生成完整、准确、及时和有效的综合信息过程。 数据融合技术结合多传感器的数据和辅助数据库的相关 信息以获得比单个传感器更精确、更明确的推理结果。 信息融合是对多种信息的获取、表示及其内在联系进行 综合处理和优化的技术。传感器信息融合技术从多信息 的视角进行处理及综合，得到各种 信息的内在联系和 规律，从而剔除无用的和错误的信息，保留正确的和有 用的成分，最终实现信息的优化。
应用人工智能技术（专家系统、神经网络等）解决 目标识别、战场态势关联与估计处于应用试验阶 段；信息融合仿真试验、测试与评估技术目前正 在向适应联合作战需求的方向发展，效能评估处 于建模阶段。上述技术所形成的信息融合产品已 装备在某些战术、战略系统中。如‘全球网络中 心监视与瞄准‘（GNCST）系统是美国空军的新 型情报信息融合处理系统，该系统对信息源几乎 没有限制，可接收无人机（UAV）、E-8C、RC135等平台上光电、合成孔径雷达、信号情报侦 察装置等各种传感器的近实时信息，将它们消化 处理成对作战官兵有用的信息，并以很快的速度 和很高的精度发送给用户。
• ①多目标跟踪的信息融合技术②多假定跟踪和相关技术 ③随机数据关连虑波（PDAF）技术④交互式复合建模 (IMM)技术⑤目标机动信息处理技术（自适自噪声模型等） ⑥非线性滤波技术⑦融合结构技术（集中式结构与分布式 结构）⑧相似传感器融合技术（结构、算法和方法）⑨不 相似的传感器融合技术⑩传感器对准技术（包括各种类型 的对准难题及其解决技术）⑾特征融合技术（识别/分类、 证明推算、专家系统、神经网络、模糊逻辑、贝斯网络等）
如全球网络中心监视与瞄准gncst系统是美国空军的新型情报信息融合处理系统该系统对信息源几乎没有限制可接收无人机uave8crc135等平台上光电合成孔径雷达信号情报侦察装置等各种传感器的近实时信息将它们消化处理成对作战官兵有用的信息并以很快的速度和很高的精度发送给用户
信息融合技术
第一节 概 述
一、概念
3、在自动化领域
以各种控制理论为基础，信息融合技术采用模糊控制、 智能控制、进化计算等系统理论，结合生物、经济、社 会、军事等领域的知识，进行定性、定量分析。按照人 脑的功能和原理进行视觉、听觉、触觉、力觉、知觉、 注意、对数据和信息进行自动解释，对环境 和态势给予判定。目前的控制技术，已从程序控制进入 了建立在信息融合基础上的智能控制。智能控制系统不 仅用于军事，还应用于工厂企业的生产过程控制和产供 销管理、城市建设规划、道路交通管理、商业管理、金 融管理与预测、地质矿产资源管理、环境监测与保护、 粮食作物生长监测、灾害性天气预报及防治等涉及宏观、 微观和社会的各行各业。
Level0 信源处理
Level1 目标提取
Level2 态势提取
Level3 威胁提取
信 息 源
人 机 界 面
Level4 过程提取
数据库
图2 JDL模型
Level1 目标提取
Level2 态势提取
Level3 威胁提取
图3 λ-JDL模型
(3) 按照数据流融合的位置进行分类
多传感器融合系统中的一个关键问题是在何处对 数据流进行融合。按照融合位置的不同可以将融 合结构分为以下三种类 型：集中式融合、分布式 多传感器融合和无中心融合结构。对于特定的信 息融合应用不可能找到一种最优的融合结构，结 构的选择必须综合考虑计算资源、可用的通信带 宽、精度要求、传感器能力等。
英国BAE系统公司还开发一种被称作‘分布式数据融合 ‘（DecentralizedDataFusion，DDF）的信息融合新技术。 这项技术的独特之处在于它采用的是分布式数据融合技术，而 传统的数据融合都是集中式的，即所有的信息在一个中心节点 完成综合和融合。这样，一旦中心节点遭到攻击，就会破坏整 个系统。但采用DDF技术的系统就不存在这样的问题，因为综 合和融合是在网络中的任何节点上进行的。若一个节点脱离网 络，其他部分仍会继续工作并共享、综合和融合信息。
5、由于信息融合研究内容的广泛性和多样性，目前 还没有统一的关于融合过程的分类。 (1)按照信息表征层次的分类
• 系统的信息融合相对于信息表征的层次相应分为三 类：数据层融合、特征层融合和决策层融合。
• 数据层融合通常用于多源图像复合、图像分折与理 解等方面，采用经典的检测和估计方法。特征层融 合可划分为两大类：一类是目标状态信息融合，目 标跟踪领域的大体方法都可以修改为多传感器目标 跟踪方法；另一类是目标特性融合，它实质上是模 式识别问题，具体的融合方法仍是模式识别的相应 技术。
1.Bayes估计
是融合静态环境中多传感器低层数据的一种常用方法。 其信息描述为概率分布，适用于具有可加高斯噪声的不 确定性信息。假定完成任务所需的有关环境的特征物用 向量f表示，通过传感器获得的数据信息用向量d来表示， d和f都可看作是随机向量。信息融合的任务就是由数据
d推导和估计环境f。假设p(f，d)为随机向量f和d的联合
概率分布密度函数，则
p ( f , d ) p ( f|d ) p ( d ) p ( f|d ) p ( f )
p(f|d)表示在已知d的条件下，f关于d的条件概率密度函数 p(f|d)表示在已知f 的条件下，d关于f的条件概率密度函数 p(d)和p(f)分别表示d和f的边缘分布密度函数
已知d时，要推断f，只须掌握p(f|d)即可，即
BAE系统公司已成功验证了将地面和空中的分散的传感器组 网互联并融合其信息的技术。使传感器网络中的全部数据都被 实时地综合和融合到了一幅单一的作战空间态势图中。该公司 在试验中成功在8个节点之间进行了组网互联，这8个节点包括 2架自主式UAV、1台战场监视雷达、1台武器定位雷达、2名 带有电子式双眼望远镜及掌上电脑的士兵和2名乘坐吉普车在 试验场上机动的士兵。整个网络可以动态地进行重新布局。一 旦武器定位雷达检测到‘敌‘火炮开火，自主式UAV可立刻得 到相关信息，并迅速飞往有关区域进行调查；战场侦察雷达可 跟踪地面机动目标，即使该目标离开了视线，该雷达仍可对目 标保持‘虚拟跟踪‘或‘虚拟警戒‘；一旦某架UAV飞越了一 个不同的传感器，它将把该传感器引入这个网络，从而使单一 态势图中的信息更为完备和准确。
2、在计算机科学领域
在计算机科学中，目前正开展着并行数据库、主动 数据库、多数据库的研究。信息融合要求系统能适 应变化的外部世界，因此，空间、时间数据库的概 念应运而生，为数据融合提供了保障。空间意味着 不同种类的数据来自于不同的空间地点，时间意味 着数据库能随时间的变化适应客观环境的相应变化。 信息融合处理过程要求有相应的数据库原理和结构， 以便融合随时间、空间变化了的数据。在信息融合 的思想下，提出的空间、时间数据库，是计算机科 学的一个重要的研究方向。
多传感器信息融合之所以被广泛地研究是由于它 与单一传感器信息利用相比具有如下特点： （1）容错性。在单一传感器出现误差或失效的情 况下，系统仍能正常可靠地工作。 （2）互补性。各传感器除提供对象的共性反映外， 还提供与各传感器本身有关的特性反映，因而利 用信息融合就能实现不同传感器之间的信息互补， 从而提高信息的利用率、减少系统认识的不正确 性。 （3）实时性。能以较少的时间获取更多的信息。