多传感器信息融合综述

戴晨铖

（武警工程大学 陕西 西安 710086）

多传感器信息融合综述

戴晨铖

（武警工程大学 陕西 西安 710086）

多传感器信息融合是一门新兴的学科，它已被广泛应用于许多研究领域。本文主要对多传感器信息融合的概念，多传感器信息融合的层次，信息融合的主要算法等方面进行了介绍和展开了综述。

多传感器；信息融合；综述

0 引言

多传感器信息融合是随着传感器技术、数据处理技术、计算机技术、网络通讯技术、人工智能技术和并行计算的软硬件技术等相关技术的发展而诞生的一门新兴学科。信息融合是关于协同利用多传感器信息，进行多级别，多方面，多层次信息检测、相关、估计和综合以获得目标的状态和特征估计以及态势和威胁评估的一种多级信息自动处理过程。它首先广泛地应用于军事领域，如海上监视、空－空和地－空防御、战场情报、监视和获取目标及战略预警等，随着科学技术的进步，多传感器信息融合至今已形成和发展成为一门信息综合处理的专门技术，并很快推广应用到工业机器人、智能检测、自动控制、交通管理和医疗诊断等多种领域。

1 多传感器信息融合的概念

信息融合 (information fusion）起初被称为数据融合(data fusion），起源于1973年美国国防部资助开发的声纳信号处理系统，其概念在20世纪70年代就出现在一些文献中。在20世纪90年代，随着信息技术的广泛发展，具有更广义化概念的“信息融合”被提出来。在信息融合领域，“多传感器融合”、“数据融合”和“信息融合”都被人们经常提及，实际上，它们之间是有差别的，但在不影响应用的前提下，数据融合和信息融合是可以通用的。本文作者认为比较确切的概念为：综合来自多个传感器的感知数据,以产生更可靠、更准确或更精确的信息。经过融合的多传感器系统能完善地、精确地反映检测对象特性,消除信息的不确定性,提高传感器的可靠性。

2 多传感器信息融合的层次

在多传感器数据融合中，数据的多样化要求按照数据的类型、采集方式特点或工程的需要有层次、分步骤的进行融合，这就需要引入数据融合的层次问题。一般来说，数据荣浩然有三种基本结构：即数据层融合、特征层融合和决策层融合。

2.1 数据层融合

这是最低层次的信息融合。这种方法是直接在采集到的原始数据层上进行的融合，在各种传感器的原始测量未经处理之前就进行数据的综合分析。

2.2 特征层融合

这是中间层次的信息融合。在这种方法中，每种传感器提供从观测数据中提取的有代表性的特征，这些特征融合成单一的特征向量然后运用模式识别的方法进行处理。这种方法对通信带宽的要求较低，但由于数据的丢失使其准确性有所下降。

2.3 决策层融合

这是最高层次的信息融合。在这种方法中，将每个传感器采集的信息变换，以建立对所观察目标的触笔结论，最后更具一定的准则以及每个判定的可信度做出最优决策。

3 信息融合的主要算法

多传感器数据融合的常用方法基本上可概括为随机和人工智能两大类,随机类算法有加权平均法、卡尔曼滤波法、多贝叶斯估计法、证据推理、产生式规则等；而人工智能类则有模糊逻辑理论、神经网络、粗集理论、专家系统等。可以预见，神经网络和人工智能等新概念、新技术在多传感器数据融合中将起到越来越重要的作用。以下扼要介绍这些技术方法。

3.1 平均加权算法

信号级融合方法最简单、最直观方法是加权平均法，该方法将一组传感器提供的冗余信息进行加权平均，结果作为融合值，该方法是一种直接对数据源进行操作的方法。

3.2 卡尔曼滤波法

卡尔曼滤波主要用于融合低层次实时动态多传感器冗余数据。该方法用测量模型的统计特性递推，决定统计意义下的最优融合和数据估计。

3.3 多贝叶斯估计法

多贝叶斯估计将每一个传感器作为一个贝叶斯估计，将各个单独物体的关联概率分布合成一个联合的后验的概率分布函数，通过使用联合分布函数的似然函数为最小，提供多传感器信息的最终融合值，融合信息与环境的一个先验模型提供整个环境的一个特征描述。

3.4 证据推理法

证据推理是贝叶斯推理的扩充，其3个基本要点是：基本概率赋值函数、信任函数和似然函数。D-S方法的推理结构是自上而下的，分三级。第1级为目标合成，其作用是把来自独立传感器的观测结果合成为一个总的输出结果（D)；第2级为推断，其作用是获得传感器的观测结果并进行推断，将传感器观测结果扩展成目标报告。这种推理的基础是：一定的传感器报告以某种可信度在逻辑上会产生可信的某些目标报告；第3级为更新，各种传感器一般都存在随机误差,所以，在时间上充分独立地来自同一传感器的一组连续报告比任何单一报告可靠。因此，在推理和多传感器合成之前，要先组合（更新）传感器的观测数据。产生式规则采用符号表示目标特征和相应传感器信息之间的联系，与每一个规则相联系的置信因子表示它的不确定性程度。当在同一个逻辑推理过程中，2个或多个规则形成一个联合规则时，可以产生融合。应用产生式规则进行融合的主要问题是每个规则的置信因子的定义与系统中其他规则的置信因子相关，如果系统中引入新的传感器，需要加入相应的附加规则。

表1 常用的数据融合方法比较

表1对常用的数据融合算法进行了比较。

4 结束语

多媒体信息融合是一个新兴的研究领域，随着信息融合技术的发展，其应用领域得以迅速扩展。信息融合已成为现代信息处理的一种通用工具和思维模式。本文主要对多传感器信息融合的概念，层次以及主要算法进行了论述，多媒体数据融合技术具有十分广泛的应用前景，一下两个研究方向是我们值得关注的：一是基于Agent的信息融合；二是WEB信息融合。

［1］杨万海.多传感器数据融合及其应用[M].西安:西安电子科技大学出版社,2004,4.

［2］何友,王国宏.多传感器信息融合及应用[M].北京:电子工业出版社,2000,11.

［3］高隽.智能信息处理方法导论[M].北京:机械工业出版社,2004,6.

［4］康耀红.数据融合理论与应用[M].西安:西安电子科技大学出版社,1997,1.

戴晨铖（1989.3.29—），女，江苏常州人，现为武警工程大学研究生管理大队研究生，专业军事通信学，研究方向为武警部队信息化建设。

王静］