多傳感器數(shù)據(jù)融合技術(shù)研究與展望

周鵬

摘 要：多傳感器數(shù)據(jù)融合是近年來的一個熱點研究方向，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，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 文獻標識碼：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，可以多方位多角度獲取目標不同類型的信息，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，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)融合通常可以根據(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)上進行的底層融合，如圖3所示。數(shù)據(jù)級融合的優(yōu)點是能夠盡可能多地保持原始數(shù)據(jù)中的信息；缺點是數(shù)據(jù)量大、運算開銷大，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行特征提取，然后再對特征信息進行融合的處理過程。特征級融合的優(yōu)點在于通過對各傳感器原始數(shù)據(jù)的處理實現(xiàn)了信息優(yōu)選，降低了實時處理的壓力。特征級融合是目前在實時系統(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特征進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)生的目標的各類特征信息，利用一定的算法來實現(xiàn)。決策級融合的優(yōu)點：實時性好、能有效反映出目標各不同類型的信息、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，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。擴展的Kalman濾波算法與基于強跟蹤的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展。貝葉斯估計法需要事先給出先驗概率，而D-S證據(jù)理論則能夠在缺乏先驗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的探測、定位與跟蹤識別。上世紀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。智能機器人可以代替人進行智能加工、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確性；在刑偵中可以利用多傳感器數(shù)據(jù)進行武器、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)化目標檢測跟蹤性能是需要進一步研究的問題。

（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。需要研究建立實用地評估體系，包括系統(tǒng)指標體系和算法體系，從而對整個融合過程進行實驗分析和比較研究。

（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)進行挖掘和融合形成決策，是下一步需要研究的重點問題。

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進行總結(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)融合方面進行進一步的研究提供了參考和借鑒。

參考文獻

[1]何友，關(guān)欣，王國宏. 多傳感器信息融合研究進展與展望[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.