多传感器信息融合的应用

意义的组合。对目标进行的融合识别，就是基于关联后的联合特征矢量、具体实现技术包括参量模板法！特征压缩和聚类算法、K阶最近邻、神经网络等，除此之外，基于知识的推理技术也可应用于特征融合识别，但由于难以抽取环境和目标特征的先验知识，因而这方面的研究仅仅才开始。特征层融合无论在理论还是应用上都逐渐趋于成熟，形成了一套针对问题的具体解决方法。在融合的三个层次中，特征层上的融合可以说是发展最完善的，而且由于在特征层已建立了一整套的行之有效的特征关联技术，可以保证融合信息的一致性，所以特征层融合有着良好的应用与发展前景。

1.3.3决策层融合特征层融合无论在理论还是应用上都逐渐趋于成熟，形成了一套针对问题的具体解决方法。在融合的三个层次中，特征层上的融合可以说是发展最完善的，而且由于在特征层已建立了一整套的行之有效的特征关联技术，可以保证融合信息的一致性，所以特征层融合有着良好的应用与发展前景。决策层融合输出是一个联合决策结果，在理论上这个联合决策应比任何单传感器决策更精确或更明确，决策层融合所采用的方法有：Bayes理论、DS证据理论、模糊集理论及专家系统方法等。决策层融合在信息处理方面具有很高的灵活性，系统对信息传输带宽要求很低，能有效地融合反映环境或目标各个侧面的不同类型信息，而且可以处理非同步信息，因此目前有关信息融合的大量研究成果都是在决策层上取得的，并且构成了信息融合的一个热点。但是由于环境和目标的时变动态特性、先验知识获取的困难、知识库的巨量特性、面向对象的系统设计要求等，决策层融合理论与技术的发展仍受到一定的限制。

现有的信息融合的数学模型可分为三大类：（1）嵌入约束观点（2）证据组合观点（3）神经网络方法尽管有些方法还不尽完善，但这些方法和基于这些方法的具体算法确实解决了不少实际问题，也推动着信息融合技术发展。第三章多传感器信息融合的前景虽然数据融合已得到了广泛的应用，但至今为止未形成一套完整的理论体系和有效的融合算法。绝大部分都是针对特定的问题、特定的领域来研究，也就是说目前数据融合的研究都是根据问题的种类、特定的对象、特定的层次建立自己的融合模型和推理规则，有的在此基础上形成所谓的最佳方案。所谓的最佳准则、最佳判断等只是理论上通过．若应用到实际上还有很大的距离。即使在实际中得到了应用，也没有一个完善的评价体系对之作合理的评价。所以，多传感器数据融合系统的设计带有一定的盲目性，有必要建立一套完整的方法论体系来指导数据融合系统的设计。

具体的不足之处有：1）未形成基本的理论框架和有效广义模型及算法；

2）并联的二义性是数据融合的主要障碍；

3）融合系统的容错性或稳健性没有得到很好的解决；

4）对数据融合的具体方法的研究尚处于初步阶段；

5）数据融合系统的设计还存在许多实际问题。随着传感器技术、数据处理技术、计算机技术、网络技术、人工智能技术、并行计算机的软件和硬件技术等相关技术的发展，多传感器数据融合必将成为未来复杂T业系统智能检测与数据处理的重要技术。

从目前收集到的国内外研究资料来看，多传感器数据融合的研究方向归纳如下：

1）改进融合算法以进一步提高融合系统的性能。目前，将模糊逻辑、神经网络、进化计算、粗集理论、支持向量机、小波变换等计算智能技术有机地结合起来，是个重要的发展趋势。

2）如何利用有关的先验数据提高数据的融合性能，也是一个需要认真研究的问题。

3）开发并行计算的软件和硬件，以满足大量数据的计算复杂的多传感器融合的要求。

4）研究出能处理多传感器集成与融合的集成电路芯片，以及传感器模型和接口标准化是当前系统硬件的主要发展方向。

5）未知和动态环境中多传感器集成与融合的研究。

6）采用并行计算机结构的多传感器集成与融合的研究。

7）开展虚拟现实技术的研究，为多传感器数据融合研究提供理想的仿真平台。

随着科技的发展以及技术的进步，多传感器信息融合技术越来越广泛的应用于各种领域，尤其是军事方面的应用。信息融合技术能够综合各个传感器的不同信息，对目标信息进行预处理、关联、决策和融合。本文主要针对信息融合中的一些关键技术进行了理论研究，主要工作为：特征层融合是信息融合的重要部分，决策层融合是信息融合的关键部分，数据决策从多个目标中做出判决，以确定最终打击的目标"本文分析了常用的DS证据合成理论以及其改进方法。针对DS证据合成理论的不足，将信