浅析多传感器数据融合技术存在的问题和发展展望

浅析多传感器数据融合技术存在的问题和发展展望
作者：宋晓君孙洪伟
来源：《活力》2011年第07期
多传感器数据融合技术的基本原理像人脑综合处理信息一样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和空间上的冗余或互补信息依据某种准则进行组合，以获取被观测对象的一致性解释或描述。

数据融合的基本目标是通过数据优化组合导出更多有效信息。

它的最终目标是利用多个传感器共同或联合操作的优势，来提高多个传感器系统的有效性。

一、数据融合技术存在的问题
数据融合技术国内外虽经多年研究取得了不少成果，也已经成功地应用于多种领域，但目前仍未形成一套完整的理论体系和有效的融合算法。

绝大部分都是针对特定的问题特定的领域来研究，也就是说数据融合的研究都是根据问题的种类特定的对象特定的层次建立自己的融合模型和推理规则，有的在此基础上形成所谓的最佳方案。

但多传感器数据融合系统的设计带有一定的盲目性，有必要建立一套完整的方法论体系来指导数据融合系统的设计。

具体的不足之处有：
1.未形成基本的理论框架和广义融合算法。

目前，绝大多数的融合研究都是针对特定的应用领域的特定问题开展的(混合结构，分布式)。

即根据问题的种类，各自建立直观的融合准则，形成“最佳”融合方案，未形成完整的理论框架和融合模型，使得融合系统的设计具有一定的盲目性。

统一的数据融合理论必然是以传感器信号和数据处理理论、C3I系统情报处理理论和指挥决策理论等在工程实践基础上的、研究上一层次融合机理的再创造过程。

难点在于在大量随机与不确定问题中的融合准则确定，这些不确定性反应在测量不精确、不完整、不可靠、模糊，甚至信息冲突中。

2.关联的二义性。

关联的二义性是数据融合的主要障碍。

在进行融合处理前，必须对来自多传感器的观测结果进行关联，保证所融合的信息是来自同一观测目标或事件。

以保证融合信息的一致性。

传感器测量的不精确性和干扰都是引起关联二义性的因素。

如何降低关联二义性是数据融合研究领域亟待解决的问题。

3.融合系统的容错性或稳健性没有得到很好的解决。

4.对数据融合的具体方法的研究尚处于初步阶段。

5.数据融合系统的设计还存在许多实际问题，如传感器测量误差模式的建立、复杂动态环境下的系统实时响应等。

二、数据融合研究方向
随着传感器、数据处理、计算机、网络通讯、人工智能、并行计算的软件和硬件等技术的发展，数据融合必将成为未来复杂工业智能检测与数据处理的重要技术。

从其研究方向可归纳如下：
1.改革融合算法以进一步提高融合系统的性能。

2.利用有关的先验数据提高数据融合的性能。

3.开发并行计算的软件和硬件，以满足大量数据且计算复杂的多传感器融合的要求。

4.构建数据融合测试评估平台和多传感器管理体系。

5.将已有的融合方法工程化和商品化，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.多传感器集成与融合的集成电路芯片，传感器模型和接口标准化是多传感器系统硬件的主要发展方向。

三、数据融合发展展望
1.理论与方法展望。

从单目标定位跟踪到单站多目标跟踪，由单站到多站或由单平台到多平台多目标跟踪历史发展过程，可以清楚的看到：单目标定位跟踪已有了以估值理论、识别理论和控制理论相结合的一套完整理论：单站多目标跟踪也建立了多种数据互联的方法，这些互联方法本质上是单站定位跟踪理论与量测分类理论紧密结合的产物；到了多平台、多站、多目标跟踪，理论上应是单站多目标跟踪理论和航迹相关理论紧密结合的产物。

这些航迹相关理论离不开集合论描述、近邻域相关、聚类分析、最大似然法、贝叶斯方法、目标检测和识别、假设检验这些经典理论与方法；新近应用证据推理、模糊数学、人工神经网络和人工生命于数据
融合中，极大的丰富了数据融合原理。

值得注意的是，Goodman等在1997年出版的《数据融合数学》一书中，系统的阐述了以随机集和相关代数为工具的数据融合原理，试图另辟蹊径，这代表着将数据融合原理引向形式化的动向。

在数据融合理论发展中，应进一步引入优化数学理论。

在众多数据融合书籍与论文中，不少将数据融合可能用到的数学理论(如概率统计理论等)、控制论中的估值理论和识别理论、传感器目标检测理论、单站多目标数据互联理论、态势评估和威胁经典战斗模型等一并进行介绍，这许许多多仅是数据融合理论基础知识，需要集中精力在数据融合自身的理论研究上。

在理论研究中，描述性的多，构筑框架的多；给出理论和方法的、性能评估的少，有效的定量评估的更少。

性能评估理应是数据融合重要的组成部分。

客观上，有效评估理论比描述理论困难若干倍。

它反应了“是什么与为什么”的关系。

从某种意义上说，知其然容易，知其所以然难。

理论工作者应努力探索其究竟，在解析上多下工夫。

比如：数据融合反应时间、精度、目标图象的纯度、扩展到威胁估计与态势评估的可信度以及这些性能指标测试方法研究等。

2.应用展望。

应用中最大难题是各专业间和设备、系统间固守边界。

这里有行政管理的问题，也有专业工程技术人员分工太细、知识面太窄，不太具备系统的、总体的、数学建模的知识的问题。

系统间、设备间、系统与设备间有大量数据融合工作要做。

应用对象分布于海、陆、空、天载各类指(火)控、C3I、C4ISR系统中。

希望各类系统都建成开放式，互相融通各方(包括各类传感器及其他方面)来的信息。

应用对象还包括应用于各类专业之中，如传感器检测融合、目标识别融合、量测融合、航迹融合、态势评定与威胁估计融合等。

只有在各方面应用中，才能发掘数据融合新的源泉。