周鵬

摘 要：多傳感器數(shù)據(jù)融合是近年來的一個熱點(diǎn)研究方向，具有廣闊的應(yīng)用前景。介紹了數(shù)據(jù)融合的概念與主要特點(diǎn)，總結(jié)了常用的數(shù)據(jù)融合過程與系統(tǒng)結(jié)構(gòu)，以及幾種經(jīng)典的多傳感器數(shù)據(jù)融合算法，介紹了多傳感器數(shù)據(jù)融合技術(shù)的應(yīng)用方向，并對未來的技術(shù)發(fā)展方向進(jìn)行了展望。

關(guān)鍵詞：多傳感器；數(shù)據(jù)融合；結(jié)構(gòu)；算法

中圖分類號：TP274 文獻(xiàn)標(biāo)識碼：A 文章編號：2095-1302（2015）05-00-03

0 引 言

隨著電子信息技術(shù)的快速發(fā)展，各種大型電子系統(tǒng)不斷涌現(xiàn)，其應(yīng)用背景不斷趨于復(fù)雜化，其功能實(shí)現(xiàn)需要各種多傳感器數(shù)據(jù)系統(tǒng)支持，因此需要對各種不同的傳感器和不同的信息源進(jìn)行更加有效的融合集成。同時，隨著現(xiàn)代戰(zhàn)爭的發(fā)展，多傳感器數(shù)據(jù)融合技術(shù)在軍事方面的作用愈加凸顯，它結(jié)合利用了多種不同傳感器的特點(diǎn)，可以多方位多角度獲取目標(biāo)不同類型的信息，提高C3I系統(tǒng)在各維度上的覆蓋范圍，提高對目標(biāo)的檢測和識別能力[1]。經(jīng)過多年發(fā)展，多傳感器數(shù)據(jù)融合技術(shù)已取得了長足的進(jìn)步。在融合層級方面，形成了數(shù)據(jù)級融合、特征級融合與決策級融合三種層級。在系統(tǒng)結(jié)構(gòu)方面，提出了集中式、分散式、分布式和混合式結(jié)構(gòu)；在融合算法方面形成了加權(quán)平均方法、神經(jīng)網(wǎng)絡(luò)法、Kalman濾波法、貝葉斯估計法、D-S證據(jù)理論等算法。在應(yīng)用方面，多傳感器數(shù)據(jù)融合已廣泛應(yīng)用于軍用和民用領(lǐng)域并取得了顯著的效果。本文介紹了多傳感器數(shù)據(jù)融合的過程和主要特點(diǎn)，總結(jié)了常用的數(shù)據(jù)融合系統(tǒng)結(jié)構(gòu)與算法，概括了多傳感器數(shù)據(jù)融合技術(shù)的應(yīng)用情況，并針對現(xiàn)存問題對未來技術(shù)發(fā)展方向進(jìn)行了展望。

1 融合模型

1.1 多傳感器數(shù)據(jù)融合的一般過程

多傳感器數(shù)據(jù)融合的一般過程大致如圖1所示，首先傳感器將測量環(huán)境中的被測對象轉(zhuǎn)換為電信號，然后經(jīng)過A/D變換將電信號轉(zhuǎn)換為數(shù)字信號。數(shù)字信號經(jīng)過預(yù)處理濾除干擾和噪聲，再經(jīng)過特征抽取后進(jìn)行數(shù)據(jù)融合，最后輸出融合結(jié)果。

圖1 數(shù)據(jù)融合過程

1.2 多傳感器數(shù)據(jù)融合的類別

數(shù)據(jù)融合通?？梢愿鶕?jù)處理階段層次的不同分為數(shù)據(jù)級融合、特征級融合與決策級融合[2]，如圖2所示。

圖2 數(shù)據(jù)融合分類

（1）數(shù)據(jù)級融合

數(shù)據(jù)級融合是在各傳感器原始數(shù)據(jù)的基礎(chǔ)上進(jìn)行的底層融合，如圖3所示。數(shù)據(jù)級融合的優(yōu)點(diǎn)是能夠盡可能多地保持原始數(shù)據(jù)中的信息；缺點(diǎn)是數(shù)據(jù)量大、運(yùn)算開銷大，同時原始數(shù)據(jù)具有不確定性和不完全性。

圖3 數(shù)據(jù)級融合

（2）特征級融合

特征級融合指的是首先對各個傳感器的原始信息進(jìn)行特征提取，然后再對特征信息進(jìn)行融合的處理過程。特征級融合的優(yōu)點(diǎn)在于通過對各傳感器原始數(shù)據(jù)的處理實(shí)現(xiàn)了信息優(yōu)選，降低了實(shí)時處理的壓力。特征級融合是目前在實(shí)時系統(tǒng)中應(yīng)用最為廣泛的融合方式。特征級融合如圖4所示。

（3）決策級融合

決策級融合的融合對象是對目標(biāo)特征進(jìn)行識別后的決策信息，直接為指揮控制決策提供依據(jù)，屬于高層級融合。所以決策級融合應(yīng)該從具體問題的需求出發(fā)，充分利用數(shù)據(jù)級融合和特征級融合所產(chǎn)生的目標(biāo)的各類特征信息，利用一定的算法來實(shí)現(xiàn)。決策級融合的優(yōu)點(diǎn)：實(shí)時性好、能有效反映出目標(biāo)各不同類型的信息、具有一定的容錯性，對傳感器的依賴降低，具有較高的靈活性。決策級融合如圖5所示。

圖4 特征級融合

圖5 決策級融合

1.3 數(shù)據(jù)融合的處理體系結(jié)構(gòu)

多傳感器數(shù)據(jù)融合處理在實(shí)現(xiàn)過程中通常具有分布式、集中式和混合式三種體系結(jié)構(gòu)[3]。

集中式結(jié)構(gòu)適合處理來自傳感器的原始數(shù)據(jù)，其優(yōu)點(diǎn)是數(shù)據(jù)信息損失較小，但對系統(tǒng)通信能力要求較高，融合計算的負(fù)擔(dān)較重。集中式結(jié)構(gòu)如圖6所示。

圖6 集中式處理結(jié)構(gòu)

分布式結(jié)構(gòu)適合處理的是經(jīng)過一定預(yù)處理流程的數(shù)據(jù)，其特點(diǎn)是代價較低、通信量較小等。分布式結(jié)構(gòu)如圖7所示。

圖7 分布式處理結(jié)構(gòu)

混合式結(jié)構(gòu)在實(shí)際應(yīng)用中，常常采用混合式系統(tǒng)結(jié)構(gòu)?；旌鲜降娜诤舷到y(tǒng)保留了前兩種系統(tǒng)的優(yōu)點(diǎn)，但是其在通信和計算中代價較大。分布式結(jié)構(gòu)如圖8所示。

圖8 分布式處理結(jié)構(gòu)

1.4 融合方法

在多傳感器數(shù)據(jù)融合系統(tǒng)中，需要大量采用各種數(shù)據(jù)融合方法對系統(tǒng)中的各類傳感器數(shù)據(jù)進(jìn)行有效處理。根據(jù)不同的應(yīng)用背景需求，多傳感器數(shù)據(jù)融合算法也多種多樣，主要的融合方法有[4]：

（1）加權(quán)平均法

加權(quán)平均方法是最簡單的數(shù)據(jù)融合算法，該方法對傳感器數(shù)據(jù)進(jìn)行加權(quán)平均，即得到融合結(jié)果。

（2）神經(jīng)網(wǎng)絡(luò)法

基于神經(jīng)網(wǎng)絡(luò)的多傳感器數(shù)據(jù)融合算法通過利用大量具有非線性映射關(guān)系的神經(jīng)元將數(shù)據(jù)信息轉(zhuǎn)換為知識庫；同時，可以自動進(jìn)行知識獲取及聯(lián)想推理，能夠?qū)⒉淮_定的復(fù)雜數(shù)據(jù)經(jīng)過學(xué)習(xí)與推理融合為系統(tǒng)能處理的數(shù)據(jù)。同時，神經(jīng)網(wǎng)絡(luò)可以大規(guī)模并行處理信息，處理速度較快。

（3）Kalman濾波法

Kalman濾波也是一種應(yīng)用很廣的數(shù)據(jù)融合方法。經(jīng)典的Kalman濾波算法能在線性系統(tǒng)且誤差為高斯白噪聲模型的情況下得到統(tǒng)計意義下的唯一最優(yōu)估計值。擴(kuò)展的Kalman濾波算法與基于強(qiáng)跟蹤的Kalman濾波可應(yīng)用于非線性系統(tǒng)及系統(tǒng)模型或系統(tǒng)狀態(tài)有變化的情況。

（4）貝葉斯估計法

貝葉斯估計法也是數(shù)據(jù)融合中一種常用方法，通過使用概率密度函數(shù)表示源信息，對融合信息進(jìn)行優(yōu)化處理，使傳感器信息按概率關(guān)系組合，以條件概率表示其測量不確定性。

（5）D-S證據(jù)理論

D-S證據(jù)理論是貝葉斯估計法的擴(kuò)展。貝葉斯估計法需要事先給出先驗(yàn)概率，而D-S證據(jù)理論則能夠在缺乏先驗(yàn)信息的條件下使信息明朗化，是一種不精確推理理論。

2 多傳感器數(shù)據(jù)融合的應(yīng)用情況

多傳感器數(shù)據(jù)融合應(yīng)用分為軍用和民用兩大類[5]。

在軍事領(lǐng)域中，多傳感器數(shù)據(jù)融合廣泛用于各種軍事目標(biāo)的探測、定位與跟蹤識別。上世紀(jì)70年代美軍就開發(fā)了具有數(shù)據(jù)融合功能的聲納信號處理系統(tǒng)，上世紀(jì)80年代美國將C3I系統(tǒng)中的數(shù)據(jù)融合技術(shù)列為重點(diǎn)開發(fā)的二十項關(guān)鍵技術(shù)之一，1991年美國已將五十多個數(shù)據(jù)融合系統(tǒng)引入到軍用電子系統(tǒng)中。

民用領(lǐng)域的應(yīng)用主要有智能機(jī)器人、智能制造、智能交通、醫(yī)療診斷、遙感、刑偵和保安等。智能機(jī)器人可以代替人進(jìn)行智能加工、狀態(tài)監(jiān)測和故障診斷等；在智能交通系統(tǒng)中可以實(shí)現(xiàn)交通工具的無人駕駛；在醫(yī)療診斷中將多傳感器的數(shù)據(jù)融合可以得到更準(zhǔn)確的診斷結(jié)果；在遙感領(lǐng)域中可以通過融合遙感圖像來提高分類的準(zhǔn)確性；在刑偵中可以利用多傳感器數(shù)據(jù)進(jìn)行武器、毒品等的檢查并將人體的各種生物特征融合，大幅度提高對人的身份識別認(rèn)證能力。

3 研究展望

多傳感器數(shù)據(jù)融合技術(shù)已經(jīng)成功地應(yīng)用于軍民多種領(lǐng)域，但仍有大量理論和實(shí)際問題需要解決。

（1）多源異類傳感器信息融合技術(shù)。多源異類多傳感器信息融合具有很大難度，如何利用各個不同種類傳感器的位置、動態(tài)及特征和屬性參數(shù)，聯(lián)合優(yōu)化目標(biāo)檢測跟蹤性能是需要進(jìn)一步研究的問題。

（2）傳感器資源分配和管理研究。包括根據(jù)傳感器性能、位置和工作時間、探測范圍等研究多傳感器的資源組合和任務(wù)分配以及控制策略等。

（3）系統(tǒng)評估方法。需要研究建立實(shí)用地評估體系，包括系統(tǒng)指標(biāo)體系和算法體系，從而對整個融合過程進(jìn)行實(shí)驗(yàn)分析和比較研究。

（4）網(wǎng)絡(luò)化復(fù)雜融合系統(tǒng)的研究。對于目前在軍事信息領(lǐng)域以及民用的金融證券等領(lǐng)域，僅靠單一的融合系統(tǒng)不能解決問題。如何在網(wǎng)絡(luò)環(huán)境下，結(jié)合大數(shù)據(jù)、云計算、物聯(lián)網(wǎng)等新技術(shù)對多傳感器數(shù)據(jù)進(jìn)行挖掘和融合形成決策，是下一步需要研究的重點(diǎn)問題。

4 結(jié) 語

本文通過對現(xiàn)有數(shù)據(jù)融合過程和主要特點(diǎn)進(jìn)行總結(jié)，對一些經(jīng)典的多傳感器數(shù)據(jù)融合算法和數(shù)據(jù)融合技術(shù)的應(yīng)用情況進(jìn)行了介紹，并對未來的發(fā)展方向做出展望，為廣大科研工作者在數(shù)據(jù)融合方面進(jìn)行進(jìn)一步的研究提供了參考和借鑒。

參考文獻(xiàn)

[1]何友，關(guān)欣，王國宏. 多傳感器信息融合研究進(jìn)展與展望[J].宇航學(xué)報，2005，26（4）：524-529.

[2]黃漫國，樊尚春，鄭德智，等. 多傳感器數(shù)據(jù)融合技術(shù)研究進(jìn)展[J]. 傳感器與微系統(tǒng)，2010，29（3）：5-8.

[3]潘泉，于昕，程詠梅. 信息融合理論的基本方法與進(jìn)展[J].自動化學(xué)報，2003，29（4）：599-615.

[4]王欣. 多傳感器數(shù)據(jù)融合問題的研究[D].長春：吉林大學(xué)，2006.

[5]田雪怡. 多傳感器數(shù)據(jù)關(guān)聯(lián)與航跡融合技術(shù)研究[D].哈爾濱：哈爾濱工程大學(xué)，2012.