信息融合技术.doc

信息融合技术
　　1引言
　　
　　融合(Fusion)概念开始浮现于70年代初期，当时称之为多源有关、多源合成、多传感器混合或数据融合(Data Fusion),当前多称之为信息融合(Information Fusion)或数据融合。
　　融合是指采集并集成各种信息源、多媒体和多格式信息，从而生成完整、精确、及时和有效综合信息过程。数据融合技术结合多传感器数据和辅助数据库有关信息以获得比单个传感器更精准、更明确推理成果。通过融合多传感器信息具备如下特性:信息冗余性、互补性、协同性、实时性以及低成本性。
　　多传感器信息融合与典型信号解决办法之间存在本质区别，其核心在于信息融合所解决多传感器信息具备更为复杂形式，并且可以在不同信息层次上浮现。
　　
　　2信息融合构造模型
　　
　　由于信息融合研究内容广泛性和多样性，当前还没有统一关于融合过程分类。
　　:数据层融合、特性层融合和决策层融合。
　　数据层融合通惯用于多源图像复合、图像分折与理解等方面，采用典型检测和预计办法。特性层融合可划分为两大类:一类是目的状态信息融合，目的跟踪领域大体办法都可以修改为多传感器目的跟踪办法;另一类是目的特性融合，它实质上是模式辨认问题，详细融合办法仍是模式辨认相应技术。
　　决策层融合是指不同类型传感器观测同一种目的，每个传感器在本地完毕解决，其中涉及顶解决、特性抽取、辨认或判决，以建立对所观测目的初步结论。然后通过关联解决、决策层触合判决，最后获得联合推断成果。
　　
　　 (Joint Directors of Laboratories，JDL)和λ-JDL模型该模型将融合过程分为四个阶段:信源解决,第一层解决(即目的提取)、第二层解决(即态势提取)、第三层提取(即威胁提取)和第四层提取(即过程提取)。模型中每一种模块都可以有层次地进一步分割，并且可以采用不同办法来实现它们。
　　λ-JDL模型为JDL模型简化，把0层包括进了1层，
　　4层融入其她各层中。
　　
　　。按照融合位置不同可以将融合构造分为如下三种类型:集中式融合、分布式多传感器融合和无中心融合构造。对于特定信息融合应用不也许找到一种最优融合构造，构造选取必要综合考虑计算资源、可用通信带宽、精度规定、传感器能力等
　　
　　3信息融合典型办法
　　
　　数据融合技术综合了各种老式学科，涉及:数字信号解决，记录估算，控制理论，人工智能和典型数字办法。融合办法研究内容是与信息融合关于算法。比较典型融合办法有:加权平均、卡尔曼滤波、贝叶斯预计、记录决策理论、D-S证据推理、模糊推理、小波变换和神经网络技术。
　　加权平均办法是对一组冗余原始传感数据进行加权平均解决，解决成果作为最后融合成果。
　　卡尔曼滤波是用测量模型记录特性递推决定最优融合数据预计。贝叶斯预计理论是将多传感器作为不同贝叶斯预计器，由她们构成一种决策系统，然后运用某一种决策规则来选取对被测对象最佳假设预计。
　　在D-S证据推理中，每一种传感器相称于一种证