信息融合緒論

1、信息融合技術(shù) 主講人：主講人： 朱瑾朱瑾課時量：課時量： 3636課時課時周次：周次： 3-113-11周周辦公地點：科研樓辦公地點：科研樓219219室室 學(xué)時分配章內(nèi)容參考學(xué)時1緒論32檢測融合53參數(shù)估計64目標(biāo)跟蹤65基于統(tǒng)計的融合66估計融合57圖像融合5主要參考資料主要參考資料1.圖書Handbook of Multisensor Data Fusion Theory and Practice.CRC Press, 2008 多源信息融合 韓崇昭 清華出版社 2006多傳感器信息融合及應(yīng)用 何友 電子工業(yè)出版社數(shù)據(jù)融合技術(shù)及其應(yīng)用 劉同明數(shù)據(jù)融合理論與應(yīng)用 康耀紅多傳感器數(shù)據(jù)融合及

2、其應(yīng)用 楊萬海多傳感器數(shù)據(jù)融合及其應(yīng)用 Lawrence A Klein主要參考資料多尺度估計理論及其應(yīng)用 文成林 等信息融合理論及其在慣性/天文/GPS組合導(dǎo)航系統(tǒng)中的應(yīng)用 申功勛 等水下導(dǎo)航信息融合技術(shù) 朱海 等數(shù)字圖像融合 覃征 等數(shù)字圖像融合 郭雷 等圖像融合 敬忠良 等圖像多尺度幾何分析理論與應(yīng)用后小波分析理論與應(yīng)用 焦李成等主要參考資料2. 期刊與會議國際信息融合年會；SPIE國際年會；IEEE Trans. on AES，IT(Information Theory)，AC，SMC(Systems, Man and Cybernetics)，IP(Image Processing)

3、，以及其它 IEEE 的相關(guān)會刊如智能交通等；國內(nèi)期刊主要參考資料2. 期刊與會議網(wǎng)上資源國內(nèi)：中國期刊網(wǎng) 中國科學(xué)；電子學(xué)報；自動化學(xué)報；控制理論與應(yīng)用國際期刊： IEEE Transactions on Aerospace and Electronic Systems IEEE Transactions on Signal Processing International Journal of Information Fusion Journal of Advances in Information Fusion IEEE Transactions on Information Theor

4、y國際會議： International Conference on Information Fusion IEEE Conference on Decision and Control IEEE Conference on Systems, Man & Cybernetics成績評定方法 平時成績：40% 平時成績包括：到課情況、課堂表現(xiàn)、課程設(shè)計、文獻(xiàn)翻譯、分組討論、課程論文等； 考試成績：60%第1章 緒論1.1 信息融合的起源與一般概念1.2 信息融合的模型分類與結(jié)構(gòu)1.3 信息融合的主要技術(shù)與方法1.4 國內(nèi)外研究現(xiàn)狀1.1 信息融合的起源與一般概念1. 起源 多傳感信息融合（mul

5、ti-sensor information fusion）又稱為多源信息融合（multi-source information fusion），是20世紀(jì)70年代提出來的，軍事應(yīng)用是其誕生的源泉。 信息融合也稱數(shù)據(jù)融合( data fusion)，但就信息和數(shù)據(jù)的內(nèi)涵而論，用信息融合一詞更具概括性。因為信息包括數(shù)據(jù)，信號，知識等。 我們在這里所講的傳感器也是廣義的，不僅包括物理意義上的各種傳感器系統(tǒng)，也包括與觀測環(huán)境匹配的各種信息獲取系統(tǒng)，甚至包括人或動物的感知系統(tǒng)。 包括空域上的多傳感的融合，也包括時域上單傳感的融合，也包括多種方法的融合。1.1 信息融合的起源與一般概念1. 起源為什么要發(fā)

6、展數(shù)據(jù)融合技術(shù)？ 20世紀(jì)70年代初，起源于軍事，為了取得最佳的作戰(zhàn)效果;信息化時代的信息特點及處理要求；（不確定性、不完整、不一致、及虛假數(shù)據(jù)；形式多樣，數(shù)量巨大，關(guān)系復(fù)雜，實時處理）要要用多源數(shù)據(jù)的的互性和和計算的的高和計和和能來提的結(jié)果信息的質(zhì)量。1.1 信息融合的起源與一般概念1. 起源當(dāng)檢測對象為多目標(biāo)或快高算動目標(biāo)時，單一傳感器測量困難。復(fù)雜的電磁環(huán)境使檢測的目標(biāo)信號淹沒在大量噪聲及不相關(guān)信號與雜波中。當(dāng)單一傳感器失效或傳感器的可靠性有待提的時采用多傳感器系統(tǒng)。環(huán)境復(fù)雜目標(biāo)復(fù)雜可靠性1.1 信息融合的起源與一般概念2. 發(fā)展過程萌芽于第二次世界大戰(zhàn)中對飛機(jī)、輪船、潛艇和 V-1 導(dǎo)

7、彈的導(dǎo)航制導(dǎo)，當(dāng)時叫做組合導(dǎo)彈制導(dǎo)美國： 70年代：多個連續(xù)的聲納信號潛艇位置檢測 1985年：JDL（實驗室聯(lián)合理事會）下設(shè)的C3I委員會成立了信息融合專家組（DFS），統(tǒng)一信息融合概念，建立信息融合公共參考框架 1988年：信息融合列為重點開發(fā)的20項關(guān)鍵技術(shù)之一，且為最優(yōu)先發(fā)展的A類1.1 信息融合的起源與一般概念 開發(fā)了多個系統(tǒng)，用于目標(biāo)跟蹤識別、態(tài)勢評估與威脅估計：TCAC（軍用分析系統(tǒng)）、TOP（海軍戰(zhàn)爭狀態(tài)分析系統(tǒng)）、TRWDS（目標(biāo)獲取與武器輸送系統(tǒng)）、INCA（多平臺多傳感器跟蹤信息相關(guān)處理系統(tǒng)）國內(nèi)： 1991年：海灣戰(zhàn)爭結(jié)束以后，數(shù)據(jù)融合技術(shù)引起國內(nèi)有關(guān)單位和專家的高度重

8、視 1995年：由國防科工委組織召開了第一次信息融合研討會 1997年，國家自然科學(xué)基金把信息融合技術(shù)作為鼓勵研究領(lǐng)域重點推出 目前：多源信息融合技術(shù)的研究已經(jīng)引起了國家有關(guān)部門的高度重視，并列入了 863 計劃目前1995年海灣戰(zhàn)爭海灣戰(zhàn)爭20世紀(jì)世紀(jì)70年代年代1.1 信息融合的起源與一般概念1.1 信息融合的起源與一般概念國內(nèi)： 一些高校和科研院所相繼對數(shù)據(jù)融合的理論、系統(tǒng)框架和融合算法開展了大量研究，但基本上處于理論研究的層次上，在工程化、實用化方面尚未取得有成效的突破，有許多關(guān)鍵技術(shù)問題尚待解決，在工程應(yīng)用領(lǐng)域，需要開發(fā)出有重要應(yīng)用價值的實用系統(tǒng)。1.1 信息融合的起源與一般概念學(xué)術(shù)

9、界： 1997年：在美國成立了國際信息融合學(xué)會(ISIF: International Society of Information Fusion) 各種學(xué)術(shù)會議和期刊：美國三軍數(shù)據(jù)融合年會、SPIE國際年會，IEEE Trans. on AES，IT(Information Theory)，AC，SMC(Systems, Man and Cybernetics)，IP(Image Processing)，以及其它 IEEE 的相關(guān)會議和會刊中。目前國內(nèi)出版了一批信息融合方面的專著，有大量學(xué)術(shù)期刊刊登信息融合方面的研究成果，2007年自動化學(xué)報還將出版信息融合?？?。 1.1 信息融合的起源與一

10、般概念3. 概念1.1 信息融合的起源與一般概念3. 概念多源信息融合： 充分利用多個傳感器資源，在空間和時間上把多渠道，多方位采集的局部環(huán)境的互補(bǔ)與冗余觀測信息根據(jù)某種優(yōu)化準(zhǔn)則結(jié)合起來，以形成對系統(tǒng)環(huán)境的相對完整的一致性描述，形成新的融合結(jié)果，從而提高系統(tǒng)的有效性。并不是一個新概念，人類識別環(huán)境或物體的狀況的過程就是多個感知器所獲得的信息進(jìn)行融合的過程；實際上是對人腦綜合處理復(fù)雜問題的功能模擬1.1 信息融合的起源與一般概念 功能定義： 將來自多個傳感器和信息源的數(shù)據(jù)和信息加以聯(lián)合、相關(guān)、組合，以獲得對目標(biāo)精確的位置估和、身份估和、以及對戰(zhàn)場情況和威脅及其重要程度進(jìn)行適時的完整評價。 該定義

11、的重點：該定義是軍事應(yīng)用方面的功能性定義；多個傳感器對同一目標(biāo)進(jìn)行測量；重點是融合：聯(lián)合、相關(guān)、組合；目的：狀態(tài)估和、身份估和、態(tài)勢估和、威脅估和。 技術(shù)定義： 充分要用不同時間與空間的多傳感器數(shù)據(jù)資源，采用和計算技術(shù)按時間序列獲得多傳感器的觀測數(shù)據(jù)，在一定準(zhǔn)則下進(jìn)行分析、綜合、支配和使用。獲得對被測對象的一致性解釋與描述，進(jìn)而實現(xiàn)相應(yīng)的決策和估和，使系統(tǒng)獲得比它各組成部分更為充分的信息。 該定義的重點：方法：分析、綜合、支配、使用；目的：一致性解釋與描述、更為充分的信息。 1.1 信息融合的起源與一般概念1.1 信息融合的起源與一般概念4. 信息融合優(yōu)勢：增強(qiáng)系統(tǒng)生存能力；擴(kuò)展空間覆蓋范圍；

12、擴(kuò)展時間覆蓋范圍；提高觀測的可信度；降低信息的模糊度（不確定性）；改進(jìn)探測性能；提高空間分辨率；增加量測空間維數(shù)； 5. 多傳感器融合技術(shù)的應(yīng)用多傳感器融合技術(shù)的應(yīng)用 目前，信息融合的應(yīng)用領(lǐng)域已經(jīng)從單純軍事上的應(yīng)用滲透到許多民用領(lǐng)域中。如，工業(yè)中的柔性制造、故障診斷等領(lǐng)域，以及在醫(yī)學(xué)、測量等領(lǐng)域中的圖像分析與處理、目標(biāo)監(jiān)測與跟蹤、氣象預(yù)報、現(xiàn)代制造業(yè)等許多方面。 應(yīng)用在移動機(jī)器人和遙操作機(jī)器人上，主要利用距離、視覺、觸覺、滑覺、熱覺、接近覺、力與力矩等多種傳感器來實現(xiàn)：機(jī)器人自定位、環(huán)境建模、地圖與大地(地面)模型的建立、導(dǎo)航、避障或障礙物檢測、路徑規(guī)劃或任務(wù)規(guī)劃等。哈爾濱理工大學(xué)將基于Tak

13、agi-Sugeno模型的模糊神經(jīng)網(wǎng)絡(luò)的信息融合算法應(yīng)用于移動機(jī)器人的避障運(yùn)動中，南洋理工大學(xué)研究了一種自適應(yīng)模糊神經(jīng)魯棒控制器，該控制器適用于多關(guān)節(jié)機(jī)器人的運(yùn)動控制。1.1 信息融合的起源與一般概念1.1 信息融合的起源與一般概念應(yīng)用領(lǐng)域a. 軍事應(yīng)用是信息融合的來源和主要應(yīng)用領(lǐng)域，主要包括多探測器環(huán)境下目標(biāo)的檢測、定位、跟蹤與識別，以及在此基礎(chǔ)上的態(tài)勢評估與威脅估計技術(shù)，具體應(yīng)用如自動目標(biāo)識別、自主車輛導(dǎo)航、遙感、戰(zhàn)場偵測、自動威脅識別等表1 信息融合軍事應(yīng)用1.1 信息融合的起源與一般概念1.1 信息融合的起源與一般概念b. 民用領(lǐng)域圖像融合：檢測、醫(yī)療診斷；遙感，環(huán)境與資源監(jiān)測智能機(jī)器

14、人：對視頻圖像、聲音、電磁等進(jìn)行融合以實現(xiàn)高速、高精度控制以及推理判斷ARPA的自主式行走的車輛，采用彩色TV攝像機(jī)、激光測距儀和聲納傳感器等，用信息融合的方法對多種傳感器信息進(jìn)行并行處理與綜合；外星探測車；故障診斷：大型工業(yè)監(jiān)控應(yīng)用智能交通系統(tǒng)：車輛導(dǎo)航、自動駕駛、自動規(guī)避防撞1.1 信息融合的起源與一般概念多傳感器多傳感器數(shù)據(jù)融合數(shù)據(jù)融合應(yīng)用應(yīng)用目標(biāo)識別目標(biāo)識別航跡預(yù)測航跡預(yù)測身份識別身份識別遙感遙感威脅估和、威脅估和、戰(zhàn)場偵測戰(zhàn)場偵測和能算器人和能算器人圖像融合圖像融合故障診斷故障診斷自主車輛導(dǎo)航自主車輛導(dǎo)航和能交通和能交通1.2 信息融合的模型分類與結(jié)構(gòu)功能模型 主要是JDL模型：美國

15、三軍組織實驗室理事聯(lián)合會（JDL）數(shù)據(jù)融合模型(Joint Directors of Laboratories) 美國美國“數(shù)據(jù)融合聯(lián)合實驗室數(shù)據(jù)融合聯(lián)合實驗室”在防御系統(tǒng)中通用在防御系統(tǒng)中通用的數(shù)據(jù)融合處理模型：的數(shù)據(jù)融合處理模型： 數(shù)據(jù)融合分為五級：數(shù)據(jù)融合分為五級：第一個層次為檢測第一個層次為檢測/判決融合；判決融合；第二個層次為空間（位置）融合；第二個層次為空間（位置）融合；第三個層次為屬性數(shù)據(jù)融合；第三個層次為屬性數(shù)據(jù)融合；第四個層次為態(tài)勢評估；第四個層次為態(tài)勢評估；第五個層次為威脅估計。第五個層次為威脅估計。 第一、二兩個層次的數(shù)據(jù)融合適合于任意的多傳感第一、二兩個層次的數(shù)據(jù)融合適

16、合于任意的多傳感器數(shù)據(jù)融合系統(tǒng)，后三個層次主要適用于器數(shù)據(jù)融合系統(tǒng)，后三個層次主要適用于C3I（情報指揮（情報指揮控制與通訊）系統(tǒng)中的數(shù)據(jù)融合?？刂婆c通訊）系統(tǒng)中的數(shù)據(jù)融合。 1.2 信息融合的模型分類與結(jié)構(gòu) 第一級處理：目標(biāo)評估（第一級處理：目標(biāo)評估（object assessment） 主要功能包括數(shù)據(jù)配準(zhǔn)、數(shù)據(jù)關(guān)聯(lián)、目標(biāo)位置和運(yùn)動學(xué)參數(shù)估計，以及屬性參數(shù)估計、身份估計等，其結(jié)果為更高級別的融合過程提供輔助決策信息。數(shù)據(jù)配準(zhǔn)：就是將時域上不同步，空域上屬于不同坐標(biāo)系的多源觀測數(shù)據(jù)進(jìn)行時空對準(zhǔn)，從而將多源數(shù)據(jù)納入一個統(tǒng)一的參考框架中，為數(shù)據(jù)融合的后期工作做鋪墊。數(shù)據(jù)關(guān)聯(lián)：主要處理分類和組合等

17、問題身份估和：處理的是實體屬性信息的表征與描述1.2 信息融合的模型分類與結(jié)構(gòu)跟蹤：實現(xiàn)目標(biāo)運(yùn)動參數(shù)估和1.2 信息融合的模型分類與結(jié)構(gòu)數(shù)據(jù)配準(zhǔn)：將多源數(shù)據(jù)納入一個統(tǒng)一參考框架（時間對準(zhǔn)、坐標(biāo)變換）數(shù)據(jù)關(guān)聯(lián)：處理分類與組合；跟蹤：實現(xiàn)目標(biāo)運(yùn)動參數(shù)估計；身份估計：實現(xiàn)目標(biāo)屬性參數(shù)估計；這一級別屬于數(shù)值計算過程，其中運(yùn)動參數(shù)估計主要采用最優(yōu)估計技術(shù)，屬性參數(shù)估計主要是模式匹配技術(shù)，從簡單的表決方法到統(tǒng)計方法（Bayes方法、證據(jù)理論）1.2 信息融合的模型分類與結(jié)構(gòu)二級處理：態(tài)勢評估包括態(tài)勢抽象與評定。態(tài)勢抽象：根據(jù)不完整的數(shù)據(jù)集構(gòu)造綜合態(tài)勢表示，從而產(chǎn)生實體間的相互聯(lián)系的解釋；態(tài)勢評定：對產(chǎn)生觀

18、測事件的態(tài)勢的表示與理解；輸入：事件檢測、狀態(tài)與身份估計；輸出：所考慮的各種假設(shè)的條件概率；1.2 信息融合的模型分類與結(jié)構(gòu)三級處理：影響評估/威脅估計將當(dāng)前態(tài)勢映射到未來，對參與者設(shè)想或預(yù)測行為的影響影響進(jìn)行評估。例如：估計本方要害部位受攻擊的脆弱性，敵方作戰(zhàn)企圖的估計目前對二、三級融合處理主要是基于知識知識的方法，遠(yuǎn)未成熟，少有魯棒且可操作的系統(tǒng)模型。目前出現(xiàn)了基于模糊邏輯與混合結(jié)構(gòu)的方法。1.2 信息融合的模型分類與結(jié)構(gòu)四級處理：過程評估通過建立一定的優(yōu)化指標(biāo)，對整個融合過程進(jìn)行監(jiān)控與評價、實現(xiàn)多傳感器系統(tǒng)自適應(yīng)信息獲取與處理，以及資源的最優(yōu)分配，以支持特定的任務(wù)目標(biāo)，并最終提高總體系統(tǒng)

19、的性能。主要困難：如何對系統(tǒng)特定目標(biāo)及限制條件進(jìn)行建模與優(yōu)化，以平衡有限的系統(tǒng)資源。1.2 信息融合的模型分類與結(jié)構(gòu)2. 信息融合的級別按數(shù)據(jù)抽象的層次，可分為數(shù)據(jù)級、特征級與決策級a.數(shù)據(jù)級融合：直接對觀測數(shù)據(jù)進(jìn)行融合，再提取特征，判斷決策。如：圖像復(fù)合、雷達(dá)波形合成等1.2 信息融合的模型分類與結(jié)構(gòu)優(yōu)點：數(shù)據(jù)損失小，精度最高；缺點：數(shù)據(jù)量大，時間長；要求較高的糾錯能力（如野值剔除）；通信量大；b.特征級融合1.2 信息融合的模型分類與結(jié)構(gòu)特征信息：數(shù)據(jù)信息的充分表示量或者統(tǒng)計量優(yōu)點：實現(xiàn)較大數(shù)據(jù)壓縮，降低通信帶寬需求；缺點：存在信息損失，性能有所降低；可以分為：目標(biāo)狀態(tài)信息融合：最優(yōu)估計方

20、法目標(biāo)屬性信息融合：模式識別方法1.2 信息融合的模型分類與結(jié)構(gòu)c. 決策級融合：局部決策的融合處理數(shù)據(jù)損失最大，通信量最小，抗干擾能力強(qiáng)，對傳感器依賴小。主要方法：Bayes方法、證據(jù)理論、模糊理論等1.2 1.2 融合級別融合級別三個層次的比較三個層次的比較 三個融合層次優(yōu)缺點的比較：數(shù)據(jù)級融合數(shù)據(jù)級融合特征級融合特征級融合決策級融合決策級融合處理信息量處理信息量最大最大中等中等最小最小信息量損失信息量損失最小最小中等中等最大最大抗干擾性能抗干擾性能最差最差中等中等最好最好容錯性能容錯性能最差最差中等中等最好最好算法難度算法難度最難最難中等中等最易最易融合前處理融合前處理最小最小中等中等最

21、大最大融合性能融合性能最好最好中等中等最差最差對傳感器的依賴程度對傳感器的依賴程度最大最大中等中等最小最小1.2 信息融合的模型分類與結(jié)構(gòu)3. 信息融合系統(tǒng)通用處理結(jié)構(gòu) 在整個融合處理流程中，依照實現(xiàn)融合處理的場合不同，研究人員提出了通用處理結(jié)構(gòu)的概念。Heisttand描述了三種處理結(jié)構(gòu)：集中式、分布式、混合式結(jié)構(gòu)集中式：處理傳感器原始數(shù)據(jù)；分布式：經(jīng)過預(yù)處理的局部數(shù)據(jù)；混合式：處理上述兩種數(shù)據(jù)。1.2 信息融合的模型分類與結(jié)構(gòu)通用處理結(jié)構(gòu)（1）集中式融合結(jié)構(gòu)1.2 信息融合的模型分類與結(jié)構(gòu) 在集中式系統(tǒng)結(jié)構(gòu)中，各個傳感器錄取的檢測報告直接被送到融合中心，在那里進(jìn)行數(shù)據(jù)對準(zhǔn)，點跡相關(guān)，數(shù)據(jù)互

22、聯(lián)，航跡濾波，預(yù)測與綜合跟蹤。這種結(jié)構(gòu)特點是信息損失小，對系統(tǒng)通信要求較高，融合中心計算負(fù)擔(dān)重，系統(tǒng)的生存能力也較差。1.2 信息融合的模型分類與結(jié)構(gòu)（2）分布式融合結(jié)構(gòu)1.2 信息融合的模型分類與結(jié)構(gòu) 分布式結(jié)構(gòu)與集中式結(jié)構(gòu)的區(qū)別在于，每個傳 感器的檢測報告在進(jìn)入融合中心以前，先由它 自己的數(shù)據(jù)處理器產(chǎn)生局部多目標(biāo)跟蹤航跡， 然后把處理后的信息送至融合中心，中心根據(jù) 各結(jié)點的航跡數(shù)據(jù)完成航跡關(guān)聯(lián)和航跡融合， 形成全局估計。相對于集中式系統(tǒng)，此類系統(tǒng) 具有造價低、可靠性高、通信量小等特點。1.2 信息融合的模型分類與結(jié)構(gòu)（3）混合式融合結(jié)構(gòu)1.2 信息融合的模型分類與結(jié)構(gòu) 混合式融合系統(tǒng)同時傳

23、輸檢測報告和經(jīng)過局部 結(jié)點處理后的航跡信息，它保留了上述兩類系 統(tǒng)的優(yōu)點，但在通信和計算上要付出較昂貴的 代價。但是，此類系統(tǒng)也有上述兩類系統(tǒng)難以 比擬的優(yōu)勢，在實際場合往往采用此類結(jié)構(gòu)。1.2 信息融合的模型分類與結(jié)構(gòu)集中式：在融合中心進(jìn)行全部工作，信息損失?。坏珜νㄐ乓蟾?，中心計算負(fù)擔(dān)重，生存能力差；分布式：接收局部航跡，處理后形成全局估計；可靠性高，通信量小混合式：綜合性能較好，應(yīng)用較多。1.3 信息融合的主要技術(shù)與方法 信息融合的基本功能是相關(guān)、估計和識別。涉及多方面理論和技術(shù)，如信號處理、估計理論、不確定性理論、模式識別、最優(yōu)化技術(shù)、神經(jīng)網(wǎng)絡(luò)和人工智能等，是一個涉及到信息科學(xué)、計算

24、機(jī)科學(xué)、自動化科學(xué)的交叉學(xué)科。 1. 主要技術(shù)與方法：信號處理與估計理論：小波、LSE、KF、UKF統(tǒng)計推斷方法：經(jīng)典推理、Bayes推理、證據(jù)理論信息論方法：熵方法、最小描述長度方法決策論方法人工智能方法：模糊理論、ANN、GA1.3 信息融合的主要技術(shù)與方法信號處理與估計理論方法 信號處理與估計理論方法（signal processing and estimation theory methods）包括用于圖像增強(qiáng)與處理的小波變換技術(shù)、加權(quán)平均、最小二乘、Kalman濾波等線性估計技術(shù)，以及擴(kuò)展Kalman濾波（EKF），Gauss濾波（GSF）等非線性估計技術(shù)等。近年來，越來越多的學(xué)者致

25、力于無跡Kalman濾波（UKF），基于隨機(jī)抽樣技術(shù)的粒子濾波和Markov鏈Monte Carlo（MCMC）等非線性估計技術(shù)的研究，并取得了很多有價值的研究成果。期望極大化（EM）算法為求解在具有不完全觀測數(shù)據(jù)的情況下的參數(shù)估計與融合問題，提供了一個全新的思路。1.3 信息融合的主要技術(shù)與方法統(tǒng)計推斷方法 統(tǒng)計推斷方法（statistical inference methods）包括經(jīng)典推理、Bayes推理、證據(jù)推理，以及隨機(jī)集（Random set）理論、支持向量機(jī)理論等。信息論方法 信息論方法（information theory methods）運(yùn)用優(yōu)化信息度量的手段融合多源數(shù)據(jù)，從

26、而獲得問題的有效解決。典型算法有熵方法（entropy based methods）、最小描述長度方法（minimum description length，MDL）等。1.3 信息融合的主要技術(shù)與方法l決策論方法 決策論方法（decision theory methods）往往應(yīng)用于高級別的決策融合?？梢越柚鷽Q策論方法融合可見光、紅外以及毫米波雷達(dá)數(shù)據(jù)用于報警分析（alarm analysis）。人工智能方法 人工智能方法（artificial intelligence methods）包括模糊邏輯、神經(jīng)網(wǎng)絡(luò)、遺傳算法、基于規(guī)則的推理以及專家系統(tǒng)、邏輯模板法、品質(zhì)因數(shù)法（figure of

27、merit ，F(xiàn)OM）等，在信息融合領(lǐng)域的運(yùn)用也取得了一定的成果。l幾何方法 幾何方法通過充分探討環(huán)境以及傳感器模型的幾何屬性來達(dá)到多傳感信息融合的目的。1.3 信息融合的主要技術(shù)與方法2. 幾個關(guān)鍵問題數(shù)據(jù)配準(zhǔn);同類或異類數(shù)據(jù)；觀測數(shù)據(jù)的不確定性；不完整、不一致及虛假數(shù)據(jù)；數(shù)據(jù)關(guān)聯(lián)；粒度；態(tài)勢數(shù)據(jù)庫； 數(shù)據(jù)配準(zhǔn)數(shù)據(jù)配準(zhǔn) 在多傳感信息融合系統(tǒng)中，每個傳感器提供的觀測數(shù)據(jù)都在各自的參考框架之內(nèi)。在對這些信息進(jìn)行組合之前，必須首先將它們變換到同一個參考框架中去。但要注意的是，由于多傳感時空配準(zhǔn)的舍入誤差必須得到補(bǔ)償。 同類或異類數(shù)據(jù)同類或異類數(shù)據(jù) 多傳感器提供的數(shù)據(jù)在屬性上可以是同類也可以是異類的

28、，而且異類多傳感器較之同類傳感器，其提供的信息具有更強(qiáng)的多樣性和互補(bǔ)性；但同時由于異類數(shù)據(jù)在時間上的不同步，數(shù)據(jù)率不一致以及測量維數(shù)不匹配等特點，使得對這些信息的融合處理更困難。 傳感器觀測數(shù)據(jù)的不確定性傳感器觀測數(shù)據(jù)的不確定性 由于傳感器工作環(huán)境的不確定性，導(dǎo)致觀測數(shù)據(jù)包含有噪聲成分。在融合處理中需要對多源觀測數(shù)據(jù)進(jìn)行分析驗證，并補(bǔ)充綜合，在最大限度上降低數(shù)據(jù)的不確定性。 不完整、不一致及虛假數(shù)據(jù)不完整、不一致及虛假數(shù)據(jù) 在多傳感信息融合系統(tǒng)中，對傳感器接收到的量測數(shù)據(jù)有時會存在多種解釋，稱之為數(shù)據(jù)的不完整性；多傳感數(shù)據(jù)往往也會對觀測環(huán)境作出不一致甚至相互矛盾的解釋；另外，由于噪聲及干擾因素

29、的存在，往往存在一些虛假的量測數(shù)據(jù)。信息融合系統(tǒng)需要能夠?qū)@些不完整數(shù)據(jù)、不一致數(shù)據(jù)以及虛假數(shù)據(jù)進(jìn)行有效的融合處理。 數(shù)據(jù)關(guān)聯(lián)數(shù)據(jù)關(guān)聯(lián) 數(shù)據(jù)關(guān)聯(lián)問題廣泛存在，需要解決單傳感時間域上的關(guān)聯(lián)問題，以及多傳感空間域上的關(guān)聯(lián)問題，從而能確定來源于同一目標(biāo)源的數(shù)據(jù)。 粒度粒度 多傳感器提供的數(shù)據(jù)可能是在不同的粒度級別上。這些數(shù)據(jù)可以是稀疏的，也可以是稠密的；它們也可能分別處于數(shù)據(jù)級、特征級，或是符號級各種不同的抽象級別上，所以一個可行的融合方案應(yīng)該可以工作在各種不同的粒度級別上 態(tài)勢數(shù)據(jù)庫態(tài)勢數(shù)據(jù)庫 態(tài)勢數(shù)據(jù)庫為各個級別上的融合處理提供實時和非實時數(shù)據(jù)。 這些數(shù)據(jù)包括多傳感器觀測數(shù)據(jù)、融合的中間結(jié)果數(shù)據(jù)

30、、有關(guān)目標(biāo)和環(huán)境的輔助信息以及進(jìn)行融合處理所需的歷史信息等。 對整個信息融合系統(tǒng)中態(tài)勢數(shù)據(jù)庫的要求是容量要大、搜索要快、開放互連性要好，并具有良好的人機(jī)接口。因此，要開發(fā)更有效的數(shù)據(jù)模型、新的有效查找和搜索機(jī)制，以及分布式多媒體數(shù)據(jù)庫管理系統(tǒng)等。1.3 信息融合的主要技術(shù)與方法3. 今后主要研究方向發(fā)展和完善信息融合基本理論；改進(jìn)融合算法以提高計算性能；適應(yīng)并行處理的融合估計算法；傳感器資源優(yōu)化管理；融合系統(tǒng)的數(shù)據(jù)庫與知識庫；工程化的設(shè)計方法；系統(tǒng)性能評估方法；數(shù)據(jù)融合技術(shù)的研究熱點數(shù)據(jù)融合技術(shù)的研究熱點 由于各種方法之間的互補(bǔ)性，將2種或2種以上的算法進(jìn)行有機(jī)集成，往往可以揚(yáng)長避短，取得比單

31、純采用一種算法更優(yōu)的結(jié)果。現(xiàn)代方法間的集成現(xiàn)代方法間的集成 遺傳算法和模糊理論相結(jié)合 模糊理論和神經(jīng)網(wǎng)絡(luò)理論相結(jié)合 遺傳算法和神經(jīng)網(wǎng)絡(luò)理論相結(jié)合 遺傳算法和模糊神經(jīng)網(wǎng)絡(luò)相結(jié)合經(jīng)典方法與現(xiàn)代方法的結(jié)合經(jīng)典方法與現(xiàn)代方法的結(jié)合 模糊邏輯和Kalman濾波相結(jié)合 小波變換和Kalman濾波相結(jié)合 模糊理論和最小二乘法相結(jié)合1.4 1.4 國內(nèi)外研究現(xiàn)狀國內(nèi)外研究現(xiàn)狀1.4 1.4 國內(nèi)外國內(nèi)外研究現(xiàn)狀研究現(xiàn)狀遺傳算法和模糊理論相結(jié)合遺傳算法和模糊理論相結(jié)合 遺傳算法是一種并行算法，能夠較好地解決多參數(shù)的優(yōu)化問題，并針對算法的特點采用某些較新的算子，如實編碼方式和對應(yīng)的交叉算子與不一致變異技術(shù)的應(yīng)用都

32、保證遺傳算法具有較好的性能并節(jié)省時間。另外，遺傳算法所采用的某些算子能更好地模擬模糊關(guān)系，可以使融合達(dá)到較高的精度。將其與模糊理論相結(jié)合可以在信息源的可靠性、信息的冗余度、互補(bǔ)性以及進(jìn)行融合的分級結(jié)構(gòu)不確定的情況下，以近似最優(yōu)的方式對傳感器數(shù)據(jù)進(jìn)行融合。因此，該方法逐漸成為目前的研究熱點之一。例如： Choi JN等人提出一種基于分層公平競爭的并行遺傳算法和信息?；碚摰幕旌蟽?yōu)化模糊推理系統(tǒng)。另外，遺傳模糊控制還被用于策略問題的研究。模糊理論和神經(jīng)網(wǎng)絡(luò)理論相結(jié)合模糊理論和神經(jīng)網(wǎng)絡(luò)理論相結(jié)合 神經(jīng)網(wǎng)絡(luò)具有大規(guī)模并行處理能力、自學(xué)習(xí)能力和自適應(yīng)能力，其仿生特性使之能更有效地利用系統(tǒng)本身的信息，并能

33、映射任意函數(shù)關(guān)系，但缺點是知識表達(dá)比較困難，學(xué)習(xí)速度慢。而模糊系統(tǒng)則采用簡單的“如果 則 ”規(guī)則，但自動生成和調(diào)整隸屬度函數(shù)和模糊規(guī)則是個難題。 兩者相結(jié)合產(chǎn)生的模糊神經(jīng)網(wǎng)絡(luò)可以看作是一種不依賴于精確數(shù)學(xué)模型的函數(shù)估計器。它除具有神經(jīng)網(wǎng)絡(luò)的功能外，還能處理模糊信息，完成模糊推理功能。模糊神經(jīng)網(wǎng)絡(luò)的節(jié)點和參數(shù)均有明顯的物理意義，初值比較容易確定，利用學(xué)習(xí)算法可以使之很快收斂到要求的輸入、輸出關(guān)系，并且，參數(shù)的學(xué)習(xí)和調(diào)整比較容易，性能優(yōu)于單純的模糊控制和單純的神經(jīng)網(wǎng)絡(luò)。1.4 1.4 國內(nèi)外研究現(xiàn)狀國內(nèi)外研究現(xiàn)狀1.4 國內(nèi)外研究現(xiàn)狀國內(nèi)外研究現(xiàn)狀模糊系統(tǒng)與神經(jīng)網(wǎng)絡(luò)的結(jié)合方式各種各樣，目前的各種模

34、糊神經(jīng)網(wǎng)絡(luò)，一般可分為兩類：根據(jù)模糊數(shù)計算得到的模糊神經(jīng)網(wǎng)絡(luò);以模糊規(guī)則的邏輯推理過程為基礎(chǔ)而形成的模糊神經(jīng)網(wǎng)絡(luò)。第一類模糊神經(jīng)網(wǎng)絡(luò)，其結(jié)構(gòu)沿襲普通的多層前向網(wǎng)絡(luò)，但輸入輸出為模糊語言值，權(quán)值一般取模糊數(shù)或清晰數(shù)，所以，權(quán)值調(diào)整算法是根據(jù)模糊數(shù)的計算特點而改進(jìn)的BP算法，主要用于模擬模糊規(guī)則集，進(jìn)行近似推理。第二類模糊神經(jīng)網(wǎng)絡(luò)的輸入輸出為精確值，一般包括模糊化、推理和清晰化過程，此類網(wǎng)絡(luò)由于規(guī)則表達(dá)形式的多樣性和網(wǎng)絡(luò)模擬方法的靈活性而產(chǎn)生了各種結(jié)構(gòu)和算法，主要用于時間序列預(yù)測、多種信息融合等方面。近年來，國內(nèi)外出現(xiàn)了大量關(guān)于模糊神經(jīng)網(wǎng)絡(luò)的研究 ，如用于非線性模型的模糊神經(jīng)網(wǎng)絡(luò)混合辨識方法，用一

35、種三層前反饋神經(jīng)網(wǎng)絡(luò)和Levenberg-Marquardt學(xué)習(xí)算法實現(xiàn)模糊系統(tǒng)的“如果 則”規(guī)則等。模糊神經(jīng)網(wǎng)絡(luò)的優(yōu)勢使其廣泛應(yīng)用于控制、模式識別、數(shù)據(jù)融合等領(lǐng)域，具有很大的發(fā)展前景。1.4 1.4 國內(nèi)外研究現(xiàn)狀國內(nèi)外研究現(xiàn)狀遺傳算法和神經(jīng)網(wǎng)絡(luò)理論相結(jié)合遺傳算法和神經(jīng)網(wǎng)絡(luò)理論相結(jié)合 神經(jīng)網(wǎng)絡(luò)技術(shù)是模擬人類大腦而產(chǎn)生的一種信息處理技術(shù)，它使用大量的簡單處理單元(即神經(jīng)元)處理信息，神經(jīng)元按層次結(jié)構(gòu)的形式組織，每層上的神經(jīng)元以加權(quán)的方式與其他層上的神經(jīng)元聯(lián)接，采用并行結(jié)構(gòu)和并行處理機(jī)制，因而，網(wǎng)絡(luò)具有很強(qiáng)的容錯性和自學(xué)習(xí)、自組織及自適應(yīng)能力，能夠模擬復(fù)雜的非線性映射。因此，大量的工程實際應(yīng)用中

36、都將其與遺傳算法結(jié)合起來使用，如用于片上系統(tǒng)的智能信息處理，優(yōu)化集成電路板中金屬層間介電質(zhì)的參數(shù)設(shè)計以及處理和分析非線性地震數(shù)據(jù)等。遺傳算法和模糊神經(jīng)網(wǎng)絡(luò)相結(jié)合遺傳算法和模糊神經(jīng)網(wǎng)絡(luò)相結(jié)合 模糊神經(jīng)網(wǎng)絡(luò)和單純的模糊控制與單純的神經(jīng)網(wǎng)絡(luò)相比，具有更優(yōu)的性能，但仍然存在不足，因此，有研究將遺傳算法與模糊神經(jīng)網(wǎng)絡(luò)結(jié)合起來以取得更好的數(shù)據(jù)融合效果。例如：姜靜等人先用遺傳算法對模糊神經(jīng)控制器進(jìn)行離線訓(xùn)練，然后，用BP 算法對模糊神經(jīng)控制器進(jìn)一步在線訓(xùn)練，仿真結(jié)果表明：模糊神經(jīng)控制器比模糊控制器取得了更好的控制效果。1.4 1.4 國內(nèi)外研究現(xiàn)狀國內(nèi)外研究現(xiàn)狀經(jīng)典方法與現(xiàn)代方法的結(jié)合經(jīng)典方法與現(xiàn)代方法的結(jié)

37、合 模糊邏輯和模糊邏輯和Kalman濾波相結(jié)合濾波相結(jié)合 經(jīng)典最優(yōu)Kalman 濾波理論對動態(tài)系統(tǒng)提出了嚴(yán)格的要求，即當(dāng)觀測幾何信息和動力學(xué)模型及統(tǒng)計信息可靠時，Kalman濾波計算性能較好。但在實踐中很難滿足這一條件，在使用不精確或錯誤的模型和噪聲統(tǒng)計設(shè)計Kalman 濾波器時會導(dǎo)致濾波結(jié)果失真，甚至使濾波發(fā)散。為了解決此問題，產(chǎn)生了自適應(yīng)Kalman 濾波。Escamilla， Ambrosio等人提出了一種基于模糊邏輯的自適應(yīng)Kalman 濾波數(shù)據(jù)融合算法，該算法使用模糊邏輯調(diào)整Q和R 的值使之可以更好地符合協(xié)方差的估計值。接著scamilla， Ambrosio PJ等人又將上述算法用來建立集中式、分布式和混合式的自適應(yīng)Kalman濾波多傳感器融合算法。另外， TaftiA D等人還提出了一種可用于實時處理的自適應(yīng)Kalman 濾波和模糊跟蹤數(shù)據(jù)融合算法。 近年來，模糊Kalman濾波算法在實際中得到了非常廣泛的應(yīng)用，例如：目標(biāo)跟蹤、圖像處理以及組合導(dǎo)航等。1.4 1.4 國內(nèi)外研究現(xiàn)狀國內(nèi)外研究現(xiàn)狀小波變換和小波變換和Kalman濾波相結(jié)合濾波相結(jié)合 在實際中，不同的傳感器數(shù)據(jù)采集系統(tǒng)采集的數(shù)據(jù)具有不同的分辨率，因而，需要解決多分辨率數(shù)據(jù)的融合技術(shù)和方法，以便更好地利用不同分辨率數(shù)據(jù)的互補(bǔ)信息，達(dá)到更佳的融合效果。Kalman濾波對非平穩(wěn)信號