龔 純

（中國艦船研究設(shè)計中心 武漢 430064）

1 引言

隨著電子技術(shù)、信息處理技術(shù)的飛速發(fā)展，數(shù)據(jù)融合技術(shù)已廣泛應(yīng)用于各種復(fù)雜領(lǐng)域。該技術(shù)是關(guān)于把多個傳感器在空間或時間上的冗余或互補信息，依據(jù)某種準(zhǔn)則進行組合，以獲得對被測對象的一致性解釋或描述，它有助于對目標(biāo)截獲、識別機跟蹤性能的改善。它將不同來源、不同模式、不同時間、不同地點、不同表現(xiàn)形式的信息進行融合，最后得出被感知對象的精準(zhǔn)描述[1～3]。

2 數(shù)據(jù)融合技術(shù)

2.1 數(shù)據(jù)融合技術(shù)基本定義

數(shù)據(jù)融合（Data Fusion，DF）的字面意義即對來自多個傳感器或信息源的數(shù)據(jù)進行綜合和提煉。但同其他許多名詞一樣，至今缺乏一個為領(lǐng)域研究者普遍接收的定義，常見有以下三種[4]：

1）美國國防部的定義：數(shù)據(jù)融合是一個多級多側(cè)面的加工過程，包括對多個數(shù)據(jù)源數(shù)據(jù)和信息的自動化的檢測、互聯(lián)、相關(guān)、估計和組合處理。

2）Wald定義：數(shù)據(jù)融合是一個形式化的框架，由于聯(lián)合多個數(shù)據(jù)源數(shù)據(jù)的明確的方法和工具組成；融合的目的是為了獲得較高質(zhì)量的信息，這里“較高質(zhì)量”的確切的含義則取決于應(yīng)用。

3）Buede和Waltz的定義：數(shù)據(jù)融合是一個自適應(yīng)的知識創(chuàng)建過程，通過對來自各種信息源的一致或不一致觀測數(shù)據(jù)的校正、相關(guān)和合并處理，建立起有組織信息索引集，并由此對某個特定的觀測區(qū)域的結(jié)構(gòu)、行為進行建模、理解和解釋。

2.2 數(shù)據(jù)融合模型

在數(shù)據(jù)融合的理論和模型研究中，最有代表性的當(dāng)屬美國國防部于1986年創(chuàng)建的數(shù)據(jù)融合過程模型，該模型是一個通用的面向功能的概念化模型，采用分層結(jié)構(gòu)，其頂層由八個部分組成，包括：信息源、人機交互、信息源預(yù)處理、第一級處理（對象精練）、第二級處理（態(tài)勢精練）、第三級處理（威脅精練）、第四級處理（過程精練）和數(shù)據(jù)管理。如圖1所示。

圖1 數(shù)據(jù)融合的過程模型

3 數(shù)據(jù)融合的層次分析

由于數(shù)據(jù)的多樣化，在多傳感器數(shù)據(jù)融合中目標(biāo)識別級融合有三種基本結(jié)構(gòu)[5]：即數(shù)據(jù)層融合、特征層融合和決策層融合結(jié)構(gòu)。

三種層次各有其特點，可針對不同的情況采取不同的方法進行。數(shù)據(jù)層融合是最低層的融合，是在對傳感器原始信息（數(shù)據(jù)）未經(jīng)過或經(jīng)過很小處理的基礎(chǔ)上進行的，它需要各個融合的傳感器信息源具有精確到一個像素的配準(zhǔn)精度的任何抽象層次的融合[6]。優(yōu)點是能夠提供其他兩種層次融合所不具有細(xì)節(jié)信息，但也具有處理代價大、通信量大、抗干擾能力差、對傳感器要求高的局限性。

決策層融合的優(yōu)缺點正好與數(shù)據(jù)層融合相反，其傳感器可以是異質(zhì)傳感器，預(yù)處理代價高，融合處理代價小、通信量小、抗干擾能力強的特點。

特征層融合則是上述兩種層次信息融合的折中形式，兼有兩者的優(yōu)缺點。各層次融合的優(yōu)缺點詳見表1。

表1 三種層次融合對比分析表

4 應(yīng)用領(lǐng)域

4.1 水聲目標(biāo)探測識別的應(yīng)用

數(shù)據(jù)融合技術(shù)在水下水聲目標(biāo)探測識別方面是較早應(yīng)用的領(lǐng)域。由于水下環(huán)境的復(fù)雜性和不確定性，造成了單個傳感器接收信息不僅不全面而且不可靠，從而使得多個傳感器的聯(lián)合使用成為一個趨勢。現(xiàn)代艦艇往往配備多部主動聲納和被動聲納，搜集不同方位的目標(biāo)信息或者同一目標(biāo)的不同特征信息，將多組信息融合處理，則能夠得到更全面的信息，進而做出更精確的判斷。

水下目標(biāo)探測中數(shù)據(jù)融合技術(shù)應(yīng)用主要是在已有的檢測技術(shù)[7]中運用分布式融合機制，即各傳感器基于自身的觀測值，對目標(biāo)存在與否進行判決，然后將判決結(jié)果送至融合中心。在融合中心，按照Neyman－Pearson準(zhǔn)則，將N個均不判據(jù)結(jié)果進行融合。在這種分布式檢測融合機制，由于不需要將每個傳感器數(shù)據(jù)傳輸至融合中心，而只傳送判決結(jié)果，所以可以在很大程度上降低系統(tǒng)的通信壓力，減小了融合中心的計算負(fù)荷，提高了系統(tǒng)的運作效率。但是，由于假設(shè)每個傳感器的測量值是獨立的，即每個傳感器只基于自身的測量值得到判決，而不考慮與其他傳感器的相關(guān)性，系統(tǒng)未能有效地利用各傳感器的信息。這樣，可能會增大系統(tǒng)誤差。

水下目標(biāo)識別[8]方面的應(yīng)用則主要是將多個方位的分類結(jié)果進行融合，該分類可以是決策層的[9]，也可以是特征層的[10]，前者原理就是將多個方位的分類結(jié)果進行融合，后者是對每個方位抽取的特征信息進行融合，而不是對它們的分類結(jié)果進行融合，如圖2所示。

圖2 用于水下目標(biāo)分類的數(shù)據(jù)融合框圖

通過數(shù)據(jù)融合處理后的信息具有更好的目標(biāo)跟蹤性能，使得在水下復(fù)雜環(huán)境下對目標(biāo)探測和識別能力大大增強。

4.2 計程儀中的應(yīng)用

復(fù)合式計程儀作為一種速度測量的基本導(dǎo)航設(shè)備，對測速數(shù)據(jù)的實時性和穩(wěn)定性要求非常高，多傳感器數(shù)據(jù)融合技術(shù)是解決這一問題的有效手段。復(fù)合式計程儀多傳感器數(shù)據(jù)融合處理主要是為了解決信息穩(wěn)定性和機動狀態(tài)下的實時性之間的矛盾，同時在測速精度一致的情況下，提高速度信息的置信度[11]。以某型復(fù)合式計程儀為例：該計程儀配備了三個電磁測速傳感器，其原理是采用了加權(quán)平均算法作為基本的數(shù)據(jù)融合算法，權(quán)值通過統(tǒng)計某路測速傳感器的速度數(shù)據(jù)序列的數(shù)學(xué)期望和方差得到。數(shù)據(jù)融合技術(shù)在該領(lǐng)域的應(yīng)用原理如圖3所示。

由圖3可見，輸入數(shù)據(jù)是三路電磁傳感器的速度信號和狀態(tài)信號。根據(jù)通道特性，在時間上順序統(tǒng)計各通道一定時間內(nèi)的數(shù)學(xué)期望和方差，利用其統(tǒng)計量與綜合處理后速度和相應(yīng)航行狀態(tài)進行比較，從而判斷該路信號是否可信。對速度估計信號，當(dāng)信息不可信的情況下自動分配其當(dāng)前權(quán)值為0，在信息可信時，自適應(yīng)的給出相應(yīng)的權(quán)分配值和該路信息當(dāng)前的速度估計值，權(quán)值大小與方差成反比。估計每路信號的估計值和所分配的權(quán)值后，算法根據(jù)一致傳感器的貝葉斯估計方法對綜合測量信息進行空間濾波，最后輸出數(shù)據(jù)融合結(jié)果和各傳感器狀態(tài)信息。

數(shù)據(jù)融合技術(shù)在復(fù)合式計程儀中的應(yīng)用一方面使得融合后方差比單值測量的方差要小，從而提高了設(shè)備任務(wù)可靠性和信息穩(wěn)定度；另一方面，信息融合算法增加了變速判斷功能，當(dāng)速度變化時賦予最新測量值以更大的權(quán)值，使得估計值更快的跟蹤變化的速度，因此提高了速度信息的實時性，改善了信息質(zhì)量。

4.3 預(yù)警機系統(tǒng)中的應(yīng)用

預(yù)警機是現(xiàn)代防空作戰(zhàn)指揮和情報保障的重要組成部分，預(yù)警機系統(tǒng)內(nèi)各傳感器信息的綜合利用離不開包括預(yù)警雷達與敵我識別器、主雷達與ESM接收機系統(tǒng)等在內(nèi)的傳感器，并進行數(shù)據(jù)融合，從而獲得完整而及時的戰(zhàn)場態(tài)勢和威脅估計[14]。

以預(yù)警機中對目標(biāo)獲取信息的兩種最重要傳感器－主雷達與ESM為例進行數(shù)據(jù)融合技術(shù)應(yīng)用分析：前者是一種主動雷達，通過發(fā)射脈沖和接收目標(biāo)回波來獲取有關(guān)目標(biāo)的位置及其運動參數(shù)，后者通過截獲目標(biāo)發(fā)射的電磁信號，提取輻射源信號特征，再進一步由輻射源特征識別出目標(biāo)類型。ESM在截獲輻射源信息同時還能測定輻射源的方向信息，即獲得目標(biāo)所在的角度，ESM通常有比雷達更大的作用距離，因而可以在更大范圍內(nèi)發(fā)現(xiàn)目標(biāo)，從而為主雷達指示目標(biāo)。因此，根據(jù)主雷達與ESM各自的特點，在進行數(shù)據(jù)融合前首先要將兩者對目標(biāo)的位置數(shù)據(jù)校準(zhǔn)到同一時刻，然后采用一定的準(zhǔn)則判斷兩者信息源來自同一目標(biāo)。對各目標(biāo)的位置數(shù)據(jù)與輻射源角度進行跟蹤和濾波，比較同一時間點上各目標(biāo)與各輻射源濾波后的角位置值，計算兩種角位置數(shù)據(jù)任一對之間的相關(guān)數(shù)據(jù)值，當(dāng)這一相關(guān)度值超過預(yù)定的閾值時，認(rèn)為可能是相關(guān)的，再超過預(yù)知的角位置對中，選擇最大的一對，認(rèn)為他們是相關(guān)的目標(biāo)與輻射源。預(yù)警機系統(tǒng)數(shù)據(jù)融合處理原理框圖見圖4。

圖4 預(yù)警機系統(tǒng)數(shù)據(jù)融合處理原理框圖

由此可見，預(yù)警機系統(tǒng)中充分利用不同目標(biāo)各個方向、不同頻段的反射特性，采用數(shù)據(jù)融合技術(shù)對信息進行處理后最大限度地提取信息，滿足戰(zhàn)場對信息、目標(biāo)識別和態(tài)勢分析的需要，從而全面提高系統(tǒng)對目標(biāo)探測和識別性能。

5 結(jié)語

近幾年來，數(shù)據(jù)融合技術(shù)普遍應(yīng)用于軍事、工業(yè)、交通、醫(yī)學(xué)等不同領(lǐng)域。伴隨著該技術(shù)基礎(chǔ)理論研究地不斷深入和科研人員地不懈努力，相信在不久的將來，數(shù)據(jù)融合技術(shù)相關(guān)算法的完善、軟硬件支持環(huán)境的構(gòu)建以及測試平臺的開發(fā)，必將給該技術(shù)的發(fā)展帶來更廣闊的應(yīng)用前景。

[1]何友，王國宏.多傳感器信息融合及應(yīng)用[M].北京：電子工業(yè)出版社，2010：1－12.

[2]Waltz E，L ilnas J.Multisensor data fusion[M].Boston：A retch House，2000：9－17.

[3]Sasiadek J Z.Sensor fusion[J].Annual Reviews in Control，2002，26（26）：203－228.

[4]衛(wèi)愛萍，王士杰，等.現(xiàn)代艦艇火控系統(tǒng)[M].北京：國防工業(yè)出版社，2008（1）.

[5]熊凌，張凱.數(shù)據(jù)融合及其應(yīng)用[J].湖北工業(yè)大學(xué)學(xué)報，2005，20（3）：145－147.

[6]黃惠寧，劉源璋，梁昭陽.多傳感器數(shù)據(jù)融合技術(shù)概述[J].科技信息，2010（15）：72－73.

[7]白銀生，趙俊渭，相明.基于N－P準(zhǔn)則的水聲信號檢測系統(tǒng)信息融合[J].信息與控制，2003，32（6）：517－520.

[8]Fairweather J R，Greig A，et al.Object recognition by machine vision to enhance scene interpretation in an underwater application[C]／／OCEANS’95.MTS／IEEE.Challenges of Our Changing Global Environment’.Conference Proceedings，1995：1865－1870.

[9]Yao M de，Sadjadi R A，Jamshidi A A，et al.A study of effects of sonar bandwidth for underwater target classification[J].IEEE Journal of Oceanic Engineering，2002，27（3）：619－627.

[10]Jaime Salazar，Marc Robinson，Mahmood R，et al.A hybrid HMM－neural network with gradient descent parameter training[C]／／Neural Network：Proceedings of the International Joint Conference，2003：1086－1091.

[11]潘琪祥.談?wù)劥俸陀嫵虄x改正率測定方法的改進[J].天津航海，2001（4）：34－36.

[12]鄒偉，劉兵，孫倩.多源信息融合能力評估關(guān)鍵技術(shù)綜述[J].計算機與數(shù)字工程，2010（3）.

[13]馮貴玉，趙琪，張可黛，等.多源信息融合認(rèn)知機理與模型研究[J].計算機與數(shù)字工程，2013（2）.

[14]趙躍，馬鑫.數(shù)據(jù)融合技術(shù)在預(yù)警機系統(tǒng)中的應(yīng)用[J].國防科技，2007，2（2）：26－28.