多源信息融合技術(shù)及其應(yīng)用研究

楊曉梅 張菊玲 趙忠華

摘 ? 要：首先，文章闡述了多源信息融合的概念與模型;其次，探討了多源信息融合的層次和方法;最后，介紹了多源信息融合技術(shù)的應(yīng)用領(lǐng)域和發(fā)展趨勢，特別討論了幾個新興的應(yīng)用領(lǐng)域。

關(guān)鍵詞：多源信息;信息融合;信息融合技術(shù)

1 ? ?多源信息融合的概念和模型

多源信息融合從20世紀(jì)70年代末由一門新興學(xué)科迅速發(fā)展起來。隨著信息技術(shù)的進步，各種應(yīng)用系統(tǒng)背景越來越復(fù)雜，因而多源信息系統(tǒng)大量出現(xiàn)，對不同信息源的信息進行有效融合已成為迫切的需求。同時，各種關(guān)于信息融合的新理論、新方法和新技術(shù)層出不窮，多源信息融合技術(shù)的應(yīng)用領(lǐng)域也越來越廣泛。

1.1 ?多源信息融合的基本概念

多源信息融合（簡稱為信息融合）是指組合和合并多個來源的信息或數(shù)據(jù)，以便形成一個統(tǒng)一結(jié)果的技術(shù)[1]，其過程是用技術(shù)工具和數(shù)據(jù)方法來綜合處理不同來源的信息，通過對信息的優(yōu)化組合，得到高品質(zhì)的有效信息。簡而言之，即信息融合是為綜合信息系統(tǒng)的用戶提供多個數(shù)據(jù)源的統(tǒng)一視圖的過程[2]。多源信息融合的目的主要有兩個方面：一方面，針對多源信息的冗余性，消除輸入信息中的噪聲和異常值;另一方面，針對多源信息的互補性，獲取與實際應(yīng)用相關(guān)的有價信息，最大限度地獲取所觀察對象的完整信息描述。

多源信息融合是一個多學(xué)科交叉的研究領(lǐng)域，為各學(xué)科的研究者提供了互相合作與借鑒的機會，已廣泛應(yīng)用于眾多領(lǐng)域。

1.2 ?多源信息融合的模型

多源信息融合模型可分為功能模型、結(jié)構(gòu)模型、過程模型和數(shù)學(xué)模型等類別。前3類可以統(tǒng)稱為信息融合模型，而數(shù)學(xué)模型多指各種信息融合方法。

到目前為止，人們已提出了多種信息融合模型，如JDL模型、OO-DA模型、Omnibus模型、STDF模型等[3]，其中，應(yīng)用最廣泛的是JDL模型及其演化版本。最初的JDL模型根據(jù)信息融合的結(jié)果可分為3級：第一級是位置估計與目標(biāo)身份識別;第二級是態(tài)勢評估;第三級是威脅估計。后期的四級融合模型在三級模型的基礎(chǔ)上增加了第四級“精細(xì)處理”，而五級融合模型與三級模型相比，將位置級融合與目標(biāo)識別級融合分開，并且增加了“檢測級融合”。使JDL模型從軍事應(yīng)用成功推廣到民用領(lǐng)域的模型改進主要是將第三級“威脅評估”改為“影響評估”。

2 ? ?多源信息融合的層次和方法

多源信息融合用不同層次來表示對信息的處理的不同級別，不同級別的輸入信息和輸出結(jié)果都有所不同。每個層次都會涉及很多具體的方法與技術(shù)，研究各種技術(shù)方法的適用范圍、優(yōu)缺點以及相互之間的關(guān)系等，可以為多源信息融合的技術(shù)方法及應(yīng)用提供借鑒。

2.1 ?多源信息融合的層次

根據(jù)輸入信息的抽象層次，可將多源信息融合分為3個層次：數(shù)據(jù)級融合、特征級融合和決策級融合。

（1）數(shù)據(jù)級融合，屬于3個融合層次的最低層，對采集到的原始信息進行直接融合處理，能夠盡可能多地保持現(xiàn)場數(shù)據(jù)，并且能夠?qū)π畔⑻幚斫Y(jié)果進行特征提取和相應(yīng)的決策判斷。數(shù)據(jù)級融合處理方法能夠提供更加細(xì)致的信息，且信息損失較少，所以分析結(jié)果的精度較髙。但是因為數(shù)據(jù)容量大，所以處理時間長、代價高、實時性差。在數(shù)據(jù)融合階段多用傳統(tǒng)方法進行處理，例如加權(quán)平均法、特征匹配法等。

（2）特征級融合，是介于數(shù)據(jù)融合和決策融合之間的層次。首先，對多源信息進行特征提取;其次，按照特征信息對多源信息進行分類和融合;最后，形成基于融合特征矢量的屬性說明。該層主要由目標(biāo)特征信息和目標(biāo)狀態(tài)信息融合組成，常用的方法有分類法、卡爾曼濾波、聚類法等。

（3）決策級融合，是多源信息融合中最髙層次的融合，通過對特征信息分類和識別等處理，再進行進一步的信息融合，其結(jié)果用來為各種控制和決策提供依據(jù)。由于決策級融合的預(yù)處理工作量大，信息損失也較多，易造成精度降低，但是它適用于異構(gòu)傳感器場合，且融合處理過程代價較低，抗干擾能力較強。常見決策級融合方法有貝葉斯網(wǎng)絡(luò)推理法、D-S理論和專家系統(tǒng)等。

2.2 ?多源信息融合的方法

多源信息融合方法種類繁多，每種方法都各有優(yōu)缺點，各種方法相互之間也具有一定的互補性。按照多源信息融合算法的數(shù)學(xué)基礎(chǔ)可分為估計理論方法、不確定性推理方法和人工智能和模式識別方法。

（1）估計理論方法，包括線性估計技術(shù)和非線性估計技術(shù)。常見的線性估計技術(shù)有卡爾曼濾波與加權(quán)平均等;非線性估計技術(shù)如擴展卡爾曼濾波（Extended Kalman Filter，EKF）、強跟蹤濾波器（Strong Tracking Filter，STF）和UKF濾波等。隨著對信息融合認(rèn)知程度的加深，基于隨機抽樣技術(shù)的非線性非高斯系統(tǒng)的研究也獲得了很多成果。

在多源信息融合的系統(tǒng)中，各種源信息本身包含大量的不確定性，不確定推理方法的目的就是實現(xiàn)根據(jù)這些不確定信息進行信息處理，用來實現(xiàn)對目標(biāo)身份的識別和屬性判斷等。不確定推理方法主要包括主觀貝葉斯方法、D-S證據(jù)推理方法、DSmT方法、模糊數(shù)學(xué)理論方法和可能性推理方法等。其中，主觀貝葉斯方法要求系統(tǒng)可能的決策相互獨立，是早期使用的一種高效率的信息融合方法;D-S證據(jù)理論采用信任函數(shù)作為量度，能夠較好解決未知所引起的不確定問題;DSmT方法是傳統(tǒng)D-S理論的延伸，通過組合使用信任函數(shù)，可以表達任何類型的獨立源。

人工智能和模式方法可以處理不完善數(shù)據(jù)，在處理信息的過程中通過自身不斷學(xué)習(xí)與歸納，最終把不完善的信息融合為較為統(tǒng)一和完善的信息。主要方法包括粗糙集理論、隨機理論、信息熵理論、灰色系統(tǒng)理論、貝葉斯網(wǎng)絡(luò)、神經(jīng)網(wǎng)絡(luò)和遺傳算法等。

3 ? ?多源信息融合技術(shù)的應(yīng)用及發(fā)展趨勢

多源信息融合理論和技術(shù)起源并應(yīng)用于軍事領(lǐng)域。近年來，多源信息融合系統(tǒng)在民用方面也得到了蓬勃發(fā)展，主要應(yīng)用領(lǐng)域為：圖像融合、目標(biāo)跟蹤、工業(yè)控制、環(huán)境監(jiān)測、醫(yī)療保健和各種智能系統(tǒng)等。

隨著互聯(lián)網(wǎng)技術(shù)的迅速發(fā)展，面向互聯(lián)網(wǎng)的多源信息融合問題越來越多地受到關(guān)注，例如Web信息融合、網(wǎng)絡(luò)安全、數(shù)據(jù)隱私保護及其他應(yīng)用等。下面著重討論網(wǎng)絡(luò)方向的相關(guān)應(yīng)用。

3.1 ?Web信息融合

Web信息融合是指將不同來源的Web信息進行整合，從而為用戶提供所需的、統(tǒng)一的、高質(zhì)量的信息結(jié)果。Web信息融合的研究工作主要集中于信息檢索數(shù)據(jù)融合和Web文檔知識融合，包括多媒體的融合和多語言信息融合。Web信息融合技術(shù)的發(fā)展將促進基于Web支持系統(tǒng)的各種研究與開發(fā)。

3.2 ?網(wǎng)絡(luò)安全

網(wǎng)絡(luò)本身具有高度的復(fù)雜性，在網(wǎng)絡(luò)系統(tǒng)受到各種各樣攻擊的時候，對攻擊的理解和檢測判斷往往依賴于多源信息的收集和關(guān)聯(lián)。在網(wǎng)絡(luò)安全防護的各個階段都可以采用多源信息融合技術(shù)。目前針對入侵檢測的多源信息融合研究比較集中，研究中的重點主要是分類器組合和警報組合。

3.3 ?數(shù)據(jù)隱私保護及其他應(yīng)用

當(dāng)涉及數(shù)據(jù)隱私問題時，需要嚴(yán)格控制特定敏感信息的獲取，尤其是通過數(shù)據(jù)挖掘等技術(shù)從商業(yè)數(shù)據(jù)庫中獲取相關(guān)數(shù)據(jù)時，對隱私數(shù)據(jù)的保護尤為重要。多源信息融合技術(shù)在數(shù)據(jù)隱私中所起的作用主要表現(xiàn)在兩個方面[4-5]：（1）通過數(shù)據(jù)聚合來擾亂或屏蔽特定信息。（2）用記錄鏈接來匹配與合并多個來源的數(shù)據(jù)信息，從而實現(xiàn)多源信息之間的隱私保護。

隨著信息技術(shù)的迅猛發(fā)展，海量數(shù)據(jù)融合、分布式信息融合、安全信息融合和多模態(tài)異類信息融合的實現(xiàn)有待進一步研究，另外，這些信息融合問題也可考慮采用Web Service和云計算方案來解決。未來的多源數(shù)據(jù)融合技術(shù)正朝著物理化、大數(shù)據(jù)化和全自動化的方向發(fā)展。

4 ? ?結(jié)語

多源信息融合的理論和技術(shù)及應(yīng)用范圍非常廣泛。本文通過探討多源信息融合的基本概念、模型和多源信息融合的層次、方法以及應(yīng)用，以期更好地選擇融合方法，從而找到適應(yīng)具體多源數(shù)據(jù)環(huán)境與現(xiàn)實問題需求的最優(yōu)解。

[參考文獻]

[1]陳科文，張祖平，龍軍.多源信息融合關(guān)鍵問題、研究進展與新動向[J].計算機科學(xué)，2013（8）：6-13.

[2]BLEIHOLDER J，SZOTT S，HERSCHEL M，et al.Subsumption and complementation as data fusion operators[C].Lausanne：13th International Conference on Extending Database Technology，2010.

[3]彭冬亮，文成林，薛安克.多傳感器多源信息融合理論及應(yīng)用[M].北京：科學(xué)出版社，2010.

[4]NAVARRO A G，TORRA V.Information fusion in data privacy：a survey[J].Information Fusion，2012（4）：22-24.

[5]韓崇昭，朱洪艷，段戰(zhàn)勝，等.多源信息融合[M].北京：清華大學(xué)出版社，2006.