信息融合课件
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
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 在虚拟现实技术中， 一个物体的不同侧面的两幅图像， 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。 个准确的有立体感的物体的图像。
融合： 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。 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。 相关：通过处理传感器信息获得某些结果， 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， 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。 间的关系，从而得到正确信息，剔除无用和错误的信息。
信息融合在计算机科学的应用
在计算机科学中，目前正开展着并行数据库、主动数据库、 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。 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、 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。 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， 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。 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 以便融合随时间、空间变化了的数据。在信息融合的思想下， 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。 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。
数据级融合(或像素级融合) 数据级融合(或像素级融合)
传感器1 传感器1
监 测 对 象
传感器2 传感器2
传感器N 传感器N
数 据 融 合
特征 提取
识别
决策
…
特征级融合
利用从各个传感器原始数据中提取的特征信息， 利用从各个传感器原始数据中提取的特征信息，进行综合 分析和处理的中间层次过程。 分析和处理的中间层次过程。 通常所提取的特征信息应是数据信息的充分表示量或统计 据此对多传感器信息进行分类、汇集和综合。 量，据此对多传感器信息进行分类、汇集和综合。 特征级融合分类： 特征级融合分类：
数据融合的优点
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
百度文库
信息融合
组合： 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， 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。 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。 综合：信息优化处理中的一种获得明确信息的有效方法。 综合：信息优化处理中的一种获得明确信息的有效方法。
按照人脑的功能和原理进行视觉、听觉、触觉、力觉、知觉、注意、 按照人脑的功能和原理进行视觉、听觉、触觉、力觉、知觉、注意、 记忆、学习和更高级的认识过程，将空间、时间的信息进行融合， 记忆、学习和更高级的认识过程，将空间、时间的信息进行融合，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， 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。 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、 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 城市建设规划、道路交通管理、商业管理、金融管理与预测、 产资源管理、环境监测与保护、粮食作物生长监测、 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。 及防治等涉及宏观、微观和社会的各行各业。
定义三个要点：
（1）数据融合是多信源、多层次的处理过程，每个层次代 ）数据融合是多信源、多层次的处理过程， 表信息的不同抽象程度； 表信息的不同抽象程度； （2）数据融合过程包括数据的检测、关联、估计与合并； ）数据融合过程包括数据的检测、关联、估计与合并； （3）数据融合的输出包括低层次上的状态身份估计和高层 ） 次上的总战术态势的评估。 次上的总战术态势的评估。
传感器数据融合的概念
传感器数据融合又称数据融合，是对多种信息的获取、 传感器数据融合又称数据融合，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。 及其内在联系进行综合处理和优化的技术。
传感器数据融合技术从多信息的视角进行处理及综合， 传感器数据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， 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。 留正确的和有用的成分，最终实现信息的优化。它为智能信息 处理技术的研究提供了新的观念。 处理技术的研究提供了新的观念。
决策级融合
在信息表示的最高层次上进行的融合处理。 在信息表示的最高层次上进行的融合处理。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预处理、特征抽取、 观测同一个目标，每个传感器在本地完成预处理、特征抽取、识别 或判断，以建立对所观察目标的初步结论，然后通过相关处理、 或判断，以建立对所观察目标的初步结论，然后通过相关处理、决 策级融合判决，最终获得联合推断结果，从而直接为决策提供依据。 策级融合判决，最终获得联合推断结果，从而直接为决策提供依据。 因此，决策级融合是直接针对具体决策目标， 因此，决策级融合是直接针对具体决策目标，充分利用特征级 融合所得出的目标各类特征信息，并给出简明而直观的结果。 融合所得出的目标各类特征信息，并给出简明而直观的结果。 决策级融合优点： 决策级融合优点： 实时性最好 在一个或几个传感器失效时仍能给出最终决策， 在一个或几个传感器失效时仍能给出最终决策，因此具有良好的 容错性。 容错性。
目标状态信息融合 目标特性融合。 目标特性融合。
传感器1 传感器1 特征提取 特征提取
监 测 对 象
传感器2 传感器2
特 征 融 合
识别
决策
…
传感器N 传感器N
…
特征提取
特征级融合分类
目标状态信息融合
主要应用于多传感器目标跟踪领域。 主要应用于多传感器目标跟踪领域。融合系统首先对传感器 数据进行预处理以完成数据配准。数据配准后， 数据进行预处理以完成数据配准。数据配准后，融合处理主 要实现参数相关和状态矢量估计。 要实现参数相关和状态矢量估计。
信息融合在自动化的应用
以各种控制理论为基础，信息融合技术采用模糊控制、 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、 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。 领域的知识，进行定性、定量分析。
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 相关处理的目的：对识别、预测、 综合和优化。 综合和优化。
信息融合在信息电子学的应用
信息融合技术的实现和发展以信息电子学的原理、方法、 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。 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 信息融合系统要采用多种传感器收集各种信息，包括声、 视觉、触觉、力觉以及语言文字等。 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， 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， 物理)信息外 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， 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 语资料库、语言知识的获取理论与方法、机器翻译、 处理技术等，信息融合采用分形、混沌、模糊推理、 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、 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、 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。 世界。
目标特性融合
特征层联合识别，具体的融合方法仍是模式识别的相应技术， 特征层联合识别，具体的融合方法仍是模式识别的相应技术， 只是在融合前必须先对特征进行相关处理， 只是在融合前必须先对特征进行相关处理，对特征矢量进行 分类组合。在模式识别、图像处理和计算机视觉等领域， 分类组合。在模式识别、图像处理和计算机视觉等领域，已 经对特征提取和基于特征的分类问题进行了深入的研究， 经对特征提取和基于特征的分类问题进行了深入的研究，有 许多方法可以借用。 许多方法可以借用。
定义：将经过集成处理的多传感器信息进行合成，形成一种 定义：将经过集成处理的多传感器信息进行合成， 对外部环境或被测对象某一特征的表达方式。 对外部环境或被测对象某一特征的表达方式。
多传感器数据融合技术是通过对这些传感器及其观测信息的合 理支配和使用， 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， 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。 描述。 单一传感器只能获得环境或被测对象的部分信息段， 单一传感器只能获得环境或被测对象的部分信息段，而多传感 器信息经过融合后能够完善地、准确地反映环境的特征。 器信息经过融合后能够完善地、准确地反映环境的特征。
多传感器数据融合
包括：多传感器的目标探测、数据关联、跟踪与识别、 包括：多传感器的目标探测、数据关联、跟踪与识别、情况评估和 预测。 预测。 基本目的：通过融合得到比单独的各个输入数据更多的信息。 基本目的：通过融合得到比单独的各个输入数据更多的信息。这一 点是协同作用的结果，即由于多传感器的共同作用，使系统的有效 点是协同作用的结果，即由于多传感器的共同作用， 性得以增强。 性得以增强。 多传感器数据融合系统可更大程度获取被探测目标和环境的信 息量。 息量。单传感器信号处理或低层次的数据处理方式只是对人脑信息 处理的一种低水平模仿。 处理的一种低水平模仿。 实质：一种多源信息的综合技术， 实质：一种多源信息的综合技术，通过对来自不同传感器的数据进 行分析和综合，可以获得被测对象及其性质的最佳一致估计。 行分析和综合，可以获得被测对象及其性质的最佳一致估计。 多传感器数据融合：将经过集成处理的多种传感器信息进行合成， 多传感器数据融合： 将经过集成处理的多种传感器信息进行合成， 形成对外部环境某一特征的一种表达方式。 形成对外部环境某一特征的一种表达方式。
数据级融合(或像素级融合) 数据级融合(或像素级融合)
对传感器的原始数据及预处理各阶段上产生的信息分别进行融合处 尽可能多地保持了原始信息， 理。尽可能多地保持了原始信息，能够提供其它两个层次融合所不 具有的细微信息。 具有的细微信息。
局限性： 局限性：
(1)由于所要处理的传感器信息量大，故处理代价高； 由于所要处理的传感器信息量大，故处理代价高； 由于所要处理的传感器信息量大 (2)融合是在信息最低层进行的， 由于传感器的原始数据的不确 融合是在信息最低层进行的， 融合是在信息最低层进行的 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； 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)由于要求各传感器信息之间具有精确到一个像素的配准精度， 由于要求各传感器信息之间具有精确到一个像素的配准精度， 由于要求各传感器信息之间具有精确到一个像素的配准精度 故要求传感器信息来自同质传感器； 故要求传感器信息来自同质传感器； (4)通信量大。 通信量大。 通信量大
信息融合的分类
信息融合层次的划分主要有两种方法。 信息融合层次的划分主要有两种方法。
第一种方法是按照融合对象的层次不同， 第一种方法是按照融合对象的层次不同，将信息 融合划分为低层（数据级或像素级）、中层（ ）、中层 融合划分为低层（数据级或像素级）、中层（特 征级）和高层（决策级）。 征级）和高层（决策级）。 另一种方法将是将传感器集成和数据融合划分为 信号级、证据级和动态级。 信号级、证据级和动态级。
融合： 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。 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。 相关：通过处理传感器信息获得某些结果， 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， 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。 间的关系，从而得到正确信息，剔除无用和错误的信息。
信息融合在计算机科学的应用
在计算机科学中，目前正开展着并行数据库、主动数据库、 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。 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、 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。 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， 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。 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 以便融合随时间、空间变化了的数据。在信息融合的思想下， 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。 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。
数据级融合(或像素级融合) 数据级融合(或像素级融合)
传感器1 传感器1
监 测 对 象
传感器2 传感器2
传感器N 传感器N
数 据 融 合
特征 提取
识别
决策
…
特征级融合
利用从各个传感器原始数据中提取的特征信息， 利用从各个传感器原始数据中提取的特征信息，进行综合 分析和处理的中间层次过程。 分析和处理的中间层次过程。 通常所提取的特征信息应是数据信息的充分表示量或统计 据此对多传感器信息进行分类、汇集和综合。 量，据此对多传感器信息进行分类、汇集和综合。 特征级融合分类： 特征级融合分类：
数据融合的优点
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
百度文库
信息融合
组合： 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， 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。 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。 综合：信息优化处理中的一种获得明确信息的有效方法。 综合：信息优化处理中的一种获得明确信息的有效方法。
按照人脑的功能和原理进行视觉、听觉、触觉、力觉、知觉、注意、 按照人脑的功能和原理进行视觉、听觉、触觉、力觉、知觉、注意、 记忆、学习和更高级的认识过程，将空间、时间的信息进行融合， 记忆、学习和更高级的认识过程，将空间、时间的信息进行融合，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， 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。 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、 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 城市建设规划、道路交通管理、商业管理、金融管理与预测、 产资源管理、环境监测与保护、粮食作物生长监测、 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。 及防治等涉及宏观、微观和社会的各行各业。
定义三个要点：
（1）数据融合是多信源、多层次的处理过程，每个层次代 ）数据融合是多信源、多层次的处理过程， 表信息的不同抽象程度； 表信息的不同抽象程度； （2）数据融合过程包括数据的检测、关联、估计与合并； ）数据融合过程包括数据的检测、关联、估计与合并； （3）数据融合的输出包括低层次上的状态身份估计和高层 ） 次上的总战术态势的评估。 次上的总战术态势的评估。
传感器数据融合的概念
传感器数据融合又称数据融合，是对多种信息的获取、 传感器数据融合又称数据融合，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。 及其内在联系进行综合处理和优化的技术。
传感器数据融合技术从多信息的视角进行处理及综合， 传感器数据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， 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。 留正确的和有用的成分，最终实现信息的优化。它为智能信息 处理技术的研究提供了新的观念。 处理技术的研究提供了新的观念。
决策级融合
在信息表示的最高层次上进行的融合处理。 在信息表示的最高层次上进行的融合处理。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预处理、特征抽取、 观测同一个目标，每个传感器在本地完成预处理、特征抽取、识别 或判断，以建立对所观察目标的初步结论，然后通过相关处理、 或判断，以建立对所观察目标的初步结论，然后通过相关处理、决 策级融合判决，最终获得联合推断结果，从而直接为决策提供依据。 策级融合判决，最终获得联合推断结果，从而直接为决策提供依据。 因此，决策级融合是直接针对具体决策目标， 因此，决策级融合是直接针对具体决策目标，充分利用特征级 融合所得出的目标各类特征信息，并给出简明而直观的结果。 融合所得出的目标各类特征信息，并给出简明而直观的结果。 决策级融合优点： 决策级融合优点： 实时性最好 在一个或几个传感器失效时仍能给出最终决策， 在一个或几个传感器失效时仍能给出最终决策，因此具有良好的 容错性。 容错性。
目标状态信息融合 目标特性融合。 目标特性融合。
传感器1 传感器1 特征提取 特征提取
监 测 对 象
传感器2 传感器2
特 征 融 合
识别
决策
…
传感器N 传感器N
…
特征提取
特征级融合分类
目标状态信息融合
主要应用于多传感器目标跟踪领域。 主要应用于多传感器目标跟踪领域。融合系统首先对传感器 数据进行预处理以完成数据配准。数据配准后， 数据进行预处理以完成数据配准。数据配准后，融合处理主 要实现参数相关和状态矢量估计。 要实现参数相关和状态矢量估计。
信息融合在自动化的应用
以各种控制理论为基础，信息融合技术采用模糊控制、 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、 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。 领域的知识，进行定性、定量分析。
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 相关处理的目的：对识别、预测、 综合和优化。 综合和优化。
信息融合在信息电子学的应用
信息融合技术的实现和发展以信息电子学的原理、方法、 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。 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 信息融合系统要采用多种传感器收集各种信息，包括声、 视觉、触觉、力觉以及语言文字等。 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， 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， 物理)信息外 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， 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 语资料库、语言知识的获取理论与方法、机器翻译、 处理技术等，信息融合采用分形、混沌、模糊推理、 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、 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、 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。 世界。
目标特性融合
特征层联合识别，具体的融合方法仍是模式识别的相应技术， 特征层联合识别，具体的融合方法仍是模式识别的相应技术， 只是在融合前必须先对特征进行相关处理， 只是在融合前必须先对特征进行相关处理，对特征矢量进行 分类组合。在模式识别、图像处理和计算机视觉等领域， 分类组合。在模式识别、图像处理和计算机视觉等领域，已 经对特征提取和基于特征的分类问题进行了深入的研究， 经对特征提取和基于特征的分类问题进行了深入的研究，有 许多方法可以借用。 许多方法可以借用。
定义：将经过集成处理的多传感器信息进行合成，形成一种 定义：将经过集成处理的多传感器信息进行合成， 对外部环境或被测对象某一特征的表达方式。 对外部环境或被测对象某一特征的表达方式。
多传感器数据融合技术是通过对这些传感器及其观测信息的合 理支配和使用， 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， 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。 描述。 单一传感器只能获得环境或被测对象的部分信息段， 单一传感器只能获得环境或被测对象的部分信息段，而多传感 器信息经过融合后能够完善地、准确地反映环境的特征。 器信息经过融合后能够完善地、准确地反映环境的特征。
多传感器数据融合
包括：多传感器的目标探测、数据关联、跟踪与识别、 包括：多传感器的目标探测、数据关联、跟踪与识别、情况评估和 预测。 预测。 基本目的：通过融合得到比单独的各个输入数据更多的信息。 基本目的：通过融合得到比单独的各个输入数据更多的信息。这一 点是协同作用的结果，即由于多传感器的共同作用，使系统的有效 点是协同作用的结果，即由于多传感器的共同作用， 性得以增强。 性得以增强。 多传感器数据融合系统可更大程度获取被探测目标和环境的信 息量。 息量。单传感器信号处理或低层次的数据处理方式只是对人脑信息 处理的一种低水平模仿。 处理的一种低水平模仿。 实质：一种多源信息的综合技术， 实质：一种多源信息的综合技术，通过对来自不同传感器的数据进 行分析和综合，可以获得被测对象及其性质的最佳一致估计。 行分析和综合，可以获得被测对象及其性质的最佳一致估计。 多传感器数据融合：将经过集成处理的多种传感器信息进行合成， 多传感器数据融合： 将经过集成处理的多种传感器信息进行合成， 形成对外部环境某一特征的一种表达方式。 形成对外部环境某一特征的一种表达方式。
数据级融合(或像素级融合) 数据级融合(或像素级融合)
对传感器的原始数据及预处理各阶段上产生的信息分别进行融合处 尽可能多地保持了原始信息， 理。尽可能多地保持了原始信息，能够提供其它两个层次融合所不 具有的细微信息。 具有的细微信息。
局限性： 局限性：
(1)由于所要处理的传感器信息量大，故处理代价高； 由于所要处理的传感器信息量大，故处理代价高； 由于所要处理的传感器信息量大 (2)融合是在信息最低层进行的， 由于传感器的原始数据的不确 融合是在信息最低层进行的， 融合是在信息最低层进行的 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； 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)由于要求各传感器信息之间具有精确到一个像素的配准精度， 由于要求各传感器信息之间具有精确到一个像素的配准精度， 由于要求各传感器信息之间具有精确到一个像素的配准精度 故要求传感器信息来自同质传感器； 故要求传感器信息来自同质传感器； (4)通信量大。 通信量大。 通信量大
信息融合的分类
信息融合层次的划分主要有两种方法。 信息融合层次的划分主要有两种方法。
第一种方法是按照融合对象的层次不同， 第一种方法是按照融合对象的层次不同，将信息 融合划分为低层（数据级或像素级）、中层（ ）、中层 融合划分为低层（数据级或像素级）、中层（特 征级）和高层（决策级）。 征级）和高层（决策级）。 另一种方法将是将传感器集成和数据融合划分为 信号级、证据级和动态级。 信号级、证据级和动态级。