李洋 趙鳴 徐夢瑤 劉云飛 錢雨辰

摘 要：多源信息融合即基于多種（同類或異類）信息源，根據(jù)某個特定標(biāo)準(zhǔn)在空間或時間上進(jìn)行組合，獲得被測對象的一致性解釋或者描述，并使得該信息系統(tǒng)具有更好的性能。從融合級別上來說，融合模型通常從數(shù)據(jù)、特征、決策三個層次上進(jìn)行信息的融合處理。采用信息融合技術(shù)的系統(tǒng)結(jié)構(gòu)一般可分為集中式融合、分布式融合和混合式融合架構(gòu)。針對實際問題，根據(jù)信息源數(shù)據(jù)特征的差異，可單獨采用不同層次的融合方法或組合某兩個層次的遞進(jìn)融合方法，從而得到使系統(tǒng)性能較優(yōu)的融合方案。

關(guān)鍵詞： 信息融合;融合級別;融合結(jié)構(gòu);融合算法

【Abstract】 Multi-source information fusion technologies combine multiple homogeneous or heterogeneous information sources in space dimension or time dimension according to one specific standard， and obtain consistent interpretation or description of the measured object， then have better performance of the information system. According to the level of fusion， the fusion model usually integrates information from three levels-data level， feature level and decision level. The system architecture using information fusion technology can be generally divided into three kinds， such as centralized fusion， distributed fusion and hybrid fusion architecture. According to the actual problem with the different information source data characteristics， different level fusion methods could be separately adopted or some two levels of fusion methods combined， and better system performance could be obtained.

【Key words】 ?information fusion; fusion level; fusion structure; fusion algorithm

0 引 言

“信息融合”這個概念最早在20世紀(jì)70年代出現(xiàn)在一些文獻(xiàn)中，初期是美國為了軍事需求，將C3I（Command，Control，Communication and Intelligence）軍事系統(tǒng)中的數(shù)據(jù)進(jìn)行多源相關(guān)性融合，并將其作為國防重點開發(fā)項目，此后迅速發(fā)展成為一門獨立學(xué)科。

信息融合概念的基本原則與出發(fā)點是：充分利用多種信息源，并根據(jù)特定標(biāo)準(zhǔn)把多個信息源在空間或時間上的冗余或互補(bǔ)信息進(jìn)行組合，來得到對被測對象的一致性解釋或者描述，使得該信息系統(tǒng)相對于由其包含的各個子集所構(gòu)成的系統(tǒng)具有更好的性能。

在工業(yè)自動化控制領(lǐng)域，非線性、大滯后性、模糊性、時變性和不確定性等相關(guān)特性逐漸成為對受控對象研究時的主要特征。假如系統(tǒng)出現(xiàn)故障，通常會出現(xiàn)多種不同的故障癥狀，如果只依據(jù)單一的方法很難對發(fā)生的故障做出精確的判斷，這就會導(dǎo)致系統(tǒng)在進(jìn)行故障檢測時，很大幾率會出現(xiàn)虛假警報或者漏報等。

1 信息融合

信息融合一般分為4個階段，分別是：信息源收集整理階段、信息源處理階段、分析決策階段和融合結(jié)論輸出階段。

1.1 信息融合層次

根據(jù)處理信息源所在的層次，信息融合可分為數(shù)據(jù)層融合、特征層融合和決策層融合。其中，數(shù)據(jù)是指每個區(qū)段傳感器采集的測量數(shù)據(jù)。特征是指分析和轉(zhuǎn)換后的數(shù)據(jù)結(jié)果和知識。決策是指觀察目標(biāo)的結(jié)論。這里對各融合層次分別研究后，可得其闡釋解析如下。

（1）數(shù)據(jù)層融合。即將原始數(shù)據(jù)的直接融合。其輸入是由多個傳感器提供的各種類型的原始數(shù)據(jù)，其輸出為特征提取或者局部決策的結(jié)果。數(shù)據(jù)層融合的優(yōu)點是：可以從其它融合層中沒有的原始數(shù)據(jù)中提取更多細(xì)節(jié)。缺點是：較繁重的計算負(fù)擔(dān)、較差的實時性能以及需要良好的容錯能力來處理傳感器數(shù)據(jù)本身的不穩(wěn)定性和不確定性，且僅適用于同類傳感器的原始數(shù)據(jù)融合。數(shù)據(jù)層融合框圖如圖1所示。

（2）特征層融合。是提取數(shù)據(jù)源的特征信息，進(jìn)行分析和處理，保留足夠的重要信息，為后期決策分析提供支持。特征層融合的優(yōu)點是：提取原始數(shù)據(jù)信息特征后，減少了待處理的數(shù)據(jù)量，提高了實時性。特征層融合框圖如圖2所示。

（3）決策層融合，作為一種高層次融合，具有高靈活性、強(qiáng)抗干擾性、良好的容錯性和較小的通信帶寬要求。首先，對傳感器測量數(shù)據(jù)進(jìn)行預(yù)處理，獲得研究對象的初步?jīng)Q策;然后，所有局部決策結(jié)果在某種規(guī)則下進(jìn)行組合，以獲得最終的聯(lián)合決策結(jié)果。因此，決策層融合需要壓縮傳感器測量數(shù)據(jù)，這不僅具有高處理成本，而且還會丟失大量細(xì)節(jié)信息。決策層融合框圖如圖3所示。

綜上分析可知，這3種不同層次的信息融合各有其優(yōu)點、缺點和適用范圍。假設(shè)各個傳感器數(shù)據(jù)相互匹配（例如，2個傳感器測量相同的物理特性），測量的傳感器數(shù)據(jù)即可直接在數(shù)據(jù)層中融合。當(dāng)各個傳感器數(shù)據(jù)相互不匹配時，則需要根據(jù)特定情況來判斷是采取特征層融合、還是決策層融合的方法。通常，通過融合原始數(shù)據(jù)來獲得特征，再使用特征的融合來做出判斷決策。無論是數(shù)據(jù)層融合、特征層融合還是決策層融合，都需要將相關(guān)的信息進(jìn)行關(guān)聯(lián)和配準(zhǔn)，區(qū)別在于數(shù)據(jù)的相關(guān)性和相互匹配的順序是不一樣的。理論上，數(shù)據(jù)層融合的優(yōu)點是可以保留大量的原始數(shù)據(jù)，來為目標(biāo)提供盡可能精細(xì)的信息，并獲得盡可能準(zhǔn)確的融合效果。決策層融合較少依賴于傳感器。對于特定用途，判斷采用哪個級別的融合集成是系統(tǒng)工程問題，應(yīng)該全面考慮所處的環(huán)境、計算資源、信息來源特征等因素的綜合影響。

1.2 信息融合結(jié)構(gòu)

采用信息融合技術(shù)的系統(tǒng)結(jié)構(gòu)一般可分為集中式融合、分布式融合和混合式融合架構(gòu)。研究對此可做探討總述如下。

（1）集中式融合。在集中式融合結(jié)構(gòu)中，每個傳感器的原始觀測數(shù)據(jù)被發(fā)送到一個獨特的中央處理單元、即融合中心進(jìn)行融合后的全局判斷。該結(jié)構(gòu)具有高精度和低信息損失，但需要高通信帶寬來傳輸原始數(shù)據(jù)，并且對中央處理單元的計算性能要求較高，真正實現(xiàn)起來較為困難。

（2）分布式融合。在分布式融合結(jié)構(gòu)中，各個傳感器預(yù)先處理觀測到的原始數(shù)據(jù)，并進(jìn)行初步判決，然后將局部處理結(jié)果發(fā)送到融合中心。與集中式融合結(jié)構(gòu)相比，分布式融合結(jié)構(gòu)降低了通信帶寬要求，具有更好的可靠性和系統(tǒng)可行性。

（3）混合融合。結(jié)合了上述兩種方法的優(yōu)點，但在計算和網(wǎng)絡(luò)通信上開銷較大，主要應(yīng)用于大型復(fù)雜系統(tǒng)。

2 信息融合算法及研究現(xiàn)狀

2.1 信息融合算法

信息融合算法是融合處理的基礎(chǔ)和重要內(nèi)容。該算法就是基于信息融合的功能，在每個融合層中通過各種數(shù)學(xué)方法加工合成所需要的多維輸入數(shù)據(jù)來實現(xiàn)融合。目前，存在許多融合算法，每種算法都有其自身的優(yōu)點和缺點。目前最常用的算法有Bayes推理、模糊理論、 Dempster/Shafer（D-S）證據(jù)理論和神經(jīng)網(wǎng)絡(luò)方法。針對各類算法，研究擬做研究分述如下。

D-S證據(jù)理論根本意義上是經(jīng)典概率論的一種延伸。與模糊理論、貝葉斯信息融合和卡爾曼濾波相比，D-S證據(jù)理論可以有效地解決未知環(huán)境中的一些不確定信息。這一特殊優(yōu)勢使其可廣泛用于信息融合。

Bayes推理是使用Bayes規(guī)則，在設(shè)置先驗概率的條件下計算后驗概率，并基于后驗概率結(jié)果做出相應(yīng)的決策。Bayes推理的研究難點是找到正確符合要求的概率分布，尤其當(dāng)數(shù)據(jù)來自級別較低的傳感器時。而且，考慮到實際應(yīng)用中正常情況下先驗概率是未知的，因此當(dāng)設(shè)置的先驗概率值不匹配時，結(jié)果是不準(zhǔn)確的。

模糊推理，也稱為近似推理。在融合過程中提取不準(zhǔn)確的結(jié)果，以不準(zhǔn)確為突破點，做進(jìn)一步處理分析，而如何獲得有效的推理規(guī)則則是其關(guān)鍵所在。決策樹是一種典型的提取模糊推理規(guī)則的方法。

神經(jīng)網(wǎng)絡(luò)，這里主要指人工神經(jīng)網(wǎng)絡(luò)，即模擬人類的頭腦來實現(xiàn)人類所具有的認(rèn)知能力。神經(jīng)網(wǎng)絡(luò)是基于很多神經(jīng)元連接，通過各個節(jié)點的運算來實現(xiàn)輸入與輸出的相關(guān)映射關(guān)系。神經(jīng)網(wǎng)絡(luò)可以應(yīng)用于信息融合的各個層次。

2.2 研究現(xiàn)狀

2.2.1 數(shù)據(jù)層融合

數(shù)據(jù)層信息融合中大多采用加權(quán)平均值或聚類算法。迄至目前，已發(fā)表了眾多研究成果，對此詳述如下。

徐森淼[1]在其論文中通過V型平面鏡高光譜采集系統(tǒng)來獲得馬鈴薯的高光譜圖像，通過實驗組成馬鈴薯的光譜屬性矩陣，在數(shù)據(jù)層進(jìn)行融合。用蟻群算法對預(yù)處理的數(shù)據(jù)進(jìn)行降維，在此基礎(chǔ)上運用遺傳算法、網(wǎng)格搜索和果蠅優(yōu)化算法分別對降維后參數(shù)優(yōu)化，實驗結(jié)果表明在數(shù)據(jù)層融合的果蠅優(yōu)化算法最優(yōu)。

杜剛[2]對多傳感器多系統(tǒng)數(shù)據(jù)層的融合結(jié)構(gòu)進(jìn)行了初步研究。從軟件應(yīng)用層和分站硬件兩方面考慮了多系統(tǒng)融合平臺的設(shè)計與構(gòu)成。此外，文中提出基于邏輯報警控制和多系統(tǒng)融合后的聯(lián)合互動，可以初步避免“信息孤島”，有效解決因傳感器失效、多系統(tǒng)人工操作等環(huán)節(jié)引起的應(yīng)急響應(yīng)時間增加。

冀少軍[3]在研究中利用歐氏距離確定距離矩陣，并使用最短距離聚類方法對其進(jìn)行數(shù)據(jù)層的融合得到相互關(guān)聯(lián)的傳感器組。研究認(rèn)為這樣可以減少主觀因素的影響，融合結(jié)果則是相對客觀的。最終實驗結(jié)果表明對于煤礦瓦斯預(yù)警模型的數(shù)據(jù)處理上，選擇該方法具有優(yōu)越性。

2.2.2 特征層融合

特征層信息融合算法包括神經(jīng)網(wǎng)絡(luò)、模糊理論和D-S證據(jù)理論等。近年來，最常用的是神經(jīng)網(wǎng)絡(luò)和模糊理論。對此研究成果，可得重點表述如下。

楊建平等人[4]闡述了一種利用信息融合的特征層融合思路，將D-S證據(jù)理論應(yīng)用在航空發(fā)動機(jī)早期的故障診斷中。該方法考慮了發(fā)動機(jī)早期故障癥狀的不確定性，結(jié)合模糊測量的診斷結(jié)果更符合早期故障的實際情況。

王赟松等人[5]通過借鑒國內(nèi)外先進(jìn)技術(shù)，用信息融合技術(shù)發(fā)現(xiàn)電控發(fā)動機(jī)故障診斷具有很好的優(yōu)勢。通過實驗表明，基于RBF的特征層信息融合診斷優(yōu)于單個傳感器，實驗還指出本次研究可實現(xiàn)信息壓縮后的實時處理和診斷。

宋漢[6]基于神經(jīng)網(wǎng)絡(luò)采用特征層信息融合對故障進(jìn)行診斷。實驗結(jié)果得出，通過集成的RBF信息融合技術(shù)可以降低信息的隨機(jī)性，并且還可以提高系統(tǒng)輸出信息的有效性與精度。

趙世榮等人[7]選擇用RBF對特征層的信息融合技術(shù)進(jìn)行研究。研究結(jié)合模糊集理論診斷發(fā)動機(jī)氣動元件的故障，模擬和分析渦輪軸發(fā)動機(jī)。通過實驗表明，該方法實現(xiàn)較為簡單，得到的結(jié)果精度較高，可以減少誤報、虛警和漏報。

Turs等人[8]設(shè)計了一種渦扇發(fā)動機(jī)信息融合系統(tǒng)，可在發(fā)生外部損壞時提供可靠的預(yù)測。特征層融合是通過卡爾曼濾波所獲得的發(fā)動機(jī)氣路性能的變化和小波分析提取的軸承加速計信號特征的結(jié)合來識別外物損傷事件的。

Jackson[9]通過特征層融合將模糊推理系統(tǒng)應(yīng)用在典型軍用航空發(fā)動機(jī)的仿真系統(tǒng)中。模擬引擎旨在從偏離參考引擎的引擎中恢復(fù)退化數(shù)據(jù)。將數(shù)據(jù)輸入到系統(tǒng)中，來隔離各個故障分量與模擬的劣化數(shù)據(jù)和額外增加的噪聲。實驗結(jié)論表明，即使當(dāng)前環(huán)境噪聲較大，還是可以高精度地隔離其中的故障分量。

2.2.3 決策層融合

決策層信息融合常用的算法包括D-S證據(jù)理論、Bayes推理和模糊理論。其中，最常用的算法是D-S證據(jù)理論。對其核心成果，可做剖析論述如下。

溫迪[10]用D-S證據(jù)理論來融合發(fā)動機(jī)信息的決策數(shù)據(jù)，建立了一個有證據(jù)沖突的有效故障決策層信息融合框架。實驗結(jié)果表明，明顯提高了航空發(fā)動機(jī)故障診斷的可靠性和安全性。

楊亞軍[11]針對火箭發(fā)動機(jī)故障診斷，運用了 RBF技術(shù)、小波分析理論和D-S證據(jù)理論等相關(guān)技術(shù)，實現(xiàn)小波神經(jīng)網(wǎng)絡(luò)的決策層信息融合。該方法比較適用于該類型發(fā)動機(jī)故障診斷的分析。因為小波神經(jīng)網(wǎng)絡(luò)具有良好的局部分析能力與融合特性，研究中選用的是D-S小波神經(jīng)網(wǎng)絡(luò)，實驗驗證該成果使發(fā)動機(jī)故障診斷的精確度大大提高。

孫見忠等人[12]提出基于Bayes網(wǎng)絡(luò)模型的多源診斷信息融合機(jī)制，對氣源路徑進(jìn)行分析。該機(jī)制基于貝葉斯網(wǎng)絡(luò)氣體路徑分析，即常規(guī)氣體路徑可測量參數(shù)是主要參數(shù)。通過將Bayes用于多源傳感器信息的融合，得出實驗結(jié)論，如果僅僅使用氣路參數(shù)進(jìn)行診斷，精確度不高，但若將更多其它的狀態(tài)信息參數(shù)和氣路參數(shù)進(jìn)行融合，診斷的故障精確度則會有明顯提升。

任淑紅等人[13]針對發(fā)動機(jī)的剩余壽命問題，利用性能退化可靠性理論和Bayes更新方法實現(xiàn)在決策層的信息融合。首先，分析導(dǎo)致航空發(fā)動機(jī)性能下降的過程，并通過Bayes更新方法得到了基于性能退化信息的航空發(fā)動機(jī)剩余壽命的分布情況。然后，通過免疫粒子群優(yōu)化（IPSO）來構(gòu)建該預(yù)測模型。實驗結(jié)論得出，該方法的預(yù)測精度明顯提高，并且容易操作，有著較好實用性。

3 結(jié)束語

對基于信息融合技術(shù)的進(jìn)展及應(yīng)用現(xiàn)狀進(jìn)行研究，總結(jié)可以通過2種信息融合思路來處理現(xiàn)實中的問題。研究表述具體如下。

（1）可以對目標(biāo)問題分別采用數(shù)據(jù)層融合、特征層融合和決策層融合方法，得到各種融合方案下的信息融合結(jié)果，并進(jìn)行方法優(yōu)劣的比較，最終選擇較優(yōu)的信息融合方案。

（2）可以先用數(shù)據(jù)層融合得到信息融合結(jié)果，作為特征層或決策層融合的輸入，同理也可以將特征層融合結(jié)果作為決策層融合的輸入。對于具體工程問題，不僅要選擇合適的融合算法，還要關(guān)注集成系統(tǒng)的結(jié)構(gòu)，如信息收集與合成，傳感器管理和控制等。

研究還得知，將D-S證據(jù)理論、模糊理論、神經(jīng)網(wǎng)絡(luò)和貝葉斯方法等智能技術(shù)有機(jī)地結(jié)合起來，應(yīng)用到實際信息融合問題，將是未來的重要研究方向和發(fā)展趨勢。

參考文獻(xiàn)

[1]徐森淼. 基于高光譜不同層次信息融合的馬鈴薯輕微損傷檢測方法[D]. 武漢：華中農(nóng)業(yè)大學(xué)， 2016.

[2]杜剛. 基于多系統(tǒng)數(shù)據(jù)級融合的煤礦監(jiān)測監(jiān)控邏輯報警分析[J]. 山西煤炭， 2017，37（5）：13-21.

[3]冀少軍. 多傳感器數(shù)據(jù)融合技術(shù)在煤礦瓦斯預(yù)警中的應(yīng)用研究[D]. 邯鄲：河北工程大學(xué)，2016.

[4]楊建平， 黃洪鐘， 苗強(qiáng)， 等. 基于證據(jù)理論的航空發(fā)動機(jī)早期故障診斷方法[J]. 航空動力學(xué)報， 2008， 23（12）：2327-2331.

[5]王赟松， 褚福磊， 何永勇， 等. 基于信息融合技術(shù)的發(fā)動機(jī)故障診斷的研究[J]. 內(nèi)燃機(jī)學(xué)報， 2003， 21（5）：374-378.

[6]宋漢. 基于信息融合技術(shù)的航空發(fā)動機(jī)故障診斷研究[D]. 長沙：中南大學(xué)， 2013.

[7]趙世榮， 黃向華. 應(yīng)用神經(jīng)網(wǎng)絡(luò)信息融合診斷航空發(fā)動機(jī)故障[J]. 航空動力學(xué)報， 2008， 23（1）：163-168.

[8]TURSOJ A，LITT J S. A foreign object damage event detector data fusion system for turbofan engines [J].Journal of Aerospace Computing， Information，and Communication， 2005，2（7）：291.

[9]RUBENS N O. The application of fuzzy logic to the construction of the ranking function of information retrieval system[J]. Computer Modelling and New Technology， 2006，10（1）：20-27.

[10]溫迪. 基于D-S證據(jù)理論的航空發(fā)動機(jī)氣路故障信息融合與FMECA分析[D]. 成都：電子科技大學(xué)，2014.

[11]楊亞軍，王福明. 基于D-S的小波神經(jīng)網(wǎng)絡(luò)信息融合方法[J]. 彈箭與制導(dǎo)學(xué)報， 2006， 26（4）：266-268.

[12]孫見忠， 左洪福. 基于多源診斷信息融合的發(fā)動機(jī)氣路分析[J]. 航空動力學(xué)報， 2013， 28（8）：1885-1896.

[13]任淑紅， 左洪福. 基于性能衰退的航空發(fā)動機(jī)剩余壽命組合預(yù)測方法[J]. 機(jī)械科學(xué)與技術(shù)， 2011， 30（1）：23-29.