信息融合技术.doc

信息融合技术 1引言融合(Fusion)的概念开始出现于70年代初期,当时称之为多源相关、多源合成、多传感器混合或数据融合(DataFusion),现在多称之为信息融合(InformationFusion)或数据融合。融合就是指采集并集成各种信息源、多媒体与多格式信息,从而生成完整、准确、及时与有效的综合信息过程。数据融合技术结合多传感器的数据与辅助数据库的相关信息以获得比单个传感器更精确、更明确的推理结果。经过融合的多传感器信息具有以下特征:信息的冗余性、互补性、协同性、实时性以及低成本性。多传感器信息融合与经典信号处理方法之间存在本质的区别,其关键在于信息融合所处理的多传感器信息具有更为复杂的形式,而且可以在不同的信息层次上出现。 2信息融合的结构模型由于信息融合研究内容的广泛性与多样性,目前还没有统一的关于融合过程的分类。 2、1按照信息表征层次的分类系统的信息融合相对于信息表征的层次相应分为三类:数据层融合、特征层融合与决策层融合。数据层融合通常用于多源图像复合、图像分折与理解等方面,采用经典的检测与估计方法。特征层融合可划分为两大类:一类就是目标状态信息融合,目标跟踪领域的大体方法都可以修改为多传感器目标跟踪方法;另一类就是目标特性融合,它实质上就是模式识别问题,具体的融合方法仍就是模式识别的相应技术。决策层融合就是指不同类型的传感器观测同一个目标,每个传感器在本地完成处理,其中包括顶处理、特征抽取、识别或判决,以建立对所观察目标的初步结论。然后通过关联处理、决策层触合判决,最终获得联合推断结果。 2、2JDL模型(JointDirectorsofLaboratories,JDL)与λ-JDL模型该模型将融合过程分为四个阶段:信源处理,第一层处理(即目标提取)、第二层处理(即态势提取)、第三层提取(即威胁提取)与第四层提取(即过程提取)。模型中的每一个模块都可以有层次地进一步分割,并且可以采用不同的方法来实现它们。λ-JDL模型为JDL模型的简化,把0层包含进了1层, 4层融入其她各层中。 2、3按照数据流融合的位置进行分类多传感器融合系统中的一个关键问题就是在何处对数据流进行融合。按照融合位置的不同可以将融合结构分为以下三种类型:集中式融合、分布式多传感器融合与无中心融合结构。对于特定的信息融合应用不可能找到一种最优的融合结构,结构的选择必须综合考虑计算资源、可用的通信带宽、精度要求、传感器能力等 3信息融合的典型方法数据融合技术综合了多种传统的学科,包括:数字信号处理,统计估算,控制理论,人工智能与经典数字方法。融合方法研究的内容就是与信息融合有关的算法。比较典型的融合方法有:加权平均、卡尔曼滤波、贝叶斯估计、统计决策理论、D-S证据推理、模糊推理、小波变换与神经网络技术。加权平均方法就是对一组冗余的原始传感数据进行加权平均处理,处理的结果作为最后融合的结果。卡尔曼滤波就是用测量模型的统计特性递推决定最优融合数据的估计。贝叶斯估计理论就是将多传感器作为不同的贝叶斯估计器,由她们组成一个决策系统,然后利用某一种决策规则来选择对被测对象的最佳假设估计。在D-S证据推理中,每一个传感器相当于一个证据体,多传感器信息融合实质就就是在同一鉴别框架下,将不同特征的证据体合并成一个新的证据体的过程。这种方法要求所使用的依据必须相互独立。模糊推理利用模