數(shù)據(jù)融合概念

1、數(shù)據(jù)融合概念的提出源自戰(zhàn)爭的需要，是依賴于軍事應(yīng)用的。但隨著數(shù)據(jù)融合的發(fā)展，它已經(jīng)成為一門獨(dú)立的學(xué)科，不受某一種應(yīng)用明顯的影響，而是借助于推理，對概念進(jìn)行一般化，特殊化的綜合分析來提出自己的問題。數(shù)據(jù)融合是一個具有廣泛應(yīng)用領(lǐng)域的概念，很難給出一個統(tǒng)一的定義。數(shù)據(jù)融合是針對一個系統(tǒng)中使用多個傳感器這一特定問題而展開的研究方向，它的定義可以概括為：利用計算機(jī)技術(shù)對按時序獲得的若干傳感器的觀測信息在一定準(zhǔn)則下加以自動分析、綜合以完成所需的決策和估計任務(wù)而進(jìn)行的信息處理過程。按照這一定義，多傳感器系統(tǒng)是數(shù)據(jù)融合的硬件基礎(chǔ)，多源信息是數(shù)據(jù)融合的加工對象，協(xié)調(diào)優(yōu)化和綜合處理是數(shù)據(jù)融合的核心。數(shù)據(jù)融合最早用

2、于軍事領(lǐng)域，美國國防部JDL（Joint Directors of Laboratories）從軍事應(yīng)用的角度將數(shù)據(jù)融合定義為這樣的一個過程，即把來自許多傳感器和信息源的數(shù)據(jù)進(jìn)行聯(lián)合（Association）、相關(guān)（Correlation）、組合（Combination）和估值的處理，以達(dá)到準(zhǔn)確的位置估計（Position Estimation）與身份估計（Identity Estimation），以及對戰(zhàn)場情況和威脅及其重要程度進(jìn)行及時的完整評價。吉林大學(xué)博士學(xué)位論文：多傳感器數(shù)據(jù)融合問題的研究有的專家對上述定義進(jìn)行了補(bǔ)充和修改，用狀態(tài)估計代替位置估計，并加入了檢測的功能，從而給出了如下定義

3、：數(shù)據(jù)融合是一個多層次、多方面的處理過程，這個過程是對多源數(shù)據(jù)進(jìn)行檢測、結(jié)合、相關(guān)、估計和組合，以達(dá)到精確的狀態(tài)估計和身份估計，以及完整及時的態(tài)勢評估和威脅估計。此定義有三個要點(diǎn)：數(shù)據(jù)融合是多信源、多層次的處理過程，每個層次代表信息的不同抽象程度；數(shù)據(jù)融合過程包括數(shù)據(jù)的檢測、關(guān)聯(lián)、估計與合并；數(shù)據(jù)融合的輸出包括低層次上的狀態(tài)身份估計和高層次上的總戰(zhàn)術(shù)態(tài)勢的評估。從非軍事應(yīng)用的角度來說，數(shù)據(jù)融合是對多個傳感器和信息源所提供的關(guān)于某一環(huán)境特征的不完整信息加以綜合，以形成相對完整、一致的感知描述，從而實(shí)現(xiàn)更加準(zhǔn)確的識別判斷功能。綜合考慮上述定義，融合都是將來自多傳感器或多源數(shù)據(jù)進(jìn)行綜合處理，從而得出

4、更為準(zhǔn)確可信的結(jié)論。多傳感器數(shù)據(jù)融合主要包括多傳感器的目標(biāo)檢測、數(shù)據(jù)關(guān)聯(lián)、跟蹤與識別、情況評估和預(yù)測。數(shù)據(jù)融合的基本目的是通過融合得到比單獨(dú)的各個輸入數(shù)據(jù)更多的信息。這一點(diǎn)是協(xié)同作用的結(jié)果，即由于多傳感器的共同作用，使系統(tǒng)的有效性得以增強(qiáng)。多傳感器數(shù)據(jù)融合技術(shù)實(shí)際上是一種多源信息的綜合技術(shù)，通過對來自不同傳感器的數(shù)據(jù)進(jìn)行分析和綜合，可以獲得被檢對象及其性質(zhì)的最佳一致估計。多傳感器數(shù)據(jù)融合是指將經(jīng)過集成處理的多種傳感器信息進(jìn)行合成，形成對外部環(huán)境某一特征的一種表達(dá)方式。多傳感器數(shù)據(jù)融合是人類和其它邏輯系統(tǒng)中常見的基本功能。人非常自然地運(yùn)用這一能力把來自人體各個傳感器（眼、耳、鼻、四肢）的信息（景

5、物、聲音、氣味、觸覺）組合起來，并使用先驗(yàn)知識去估計、理解周圍環(huán)境和正在發(fā)生的事件。由于人類感官具有不同的度量特征，因而可測出不同空間范圍內(nèi)的各種物理現(xiàn)象，這一過程是復(fù)雜的，也是自適應(yīng)的。把各種信息或數(shù)據(jù)（圖像、聲音、氣味以及物理形狀或上下文）轉(zhuǎn)換成對環(huán)境的有價值的解釋，需要大量不同的智能處理，以及適用于解釋組合信息含義的知識庫。在模仿人腦綜合處理復(fù)雜問題的數(shù)據(jù)融合系統(tǒng)中，各種傳感器的信息可能具有不同的特征：實(shí)時的或者非實(shí)時的，快變的或者緩變的，模糊的或者確定的，相互支持或互補(bǔ)，也可能相互矛盾或競爭。而多傳感器數(shù)據(jù)融合的基本原理也就像人類綜合處理信息一樣，充分利用多個傳感器資源，通過對這些傳感

6、器及其觀測信息的合理支配和使用，把各種傳感器在空間或時間上的冗余或互補(bǔ)信息依據(jù)某種優(yōu)化準(zhǔn)則組合起來，以獲得對被測對象的一致性解釋或描述。數(shù)據(jù)融合的基本目標(biāo)是通過數(shù)據(jù)組合而不是出現(xiàn)在輸入信息中的任何個別元素，推導(dǎo)出更多的信息，這是最佳協(xié)同作用的結(jié)果，即利用多個傳感器共同或聯(lián)合操作的優(yōu)勢，提高整個傳感系統(tǒng)的有效性。用于融合的信息既可以是未經(jīng)處理的原始數(shù)據(jù)，也可以是經(jīng)過處理的數(shù)據(jù)。處理后的數(shù)據(jù)既可以是描述某個過程的參數(shù)或狀態(tài)估計，也可以是某個命題的證據(jù)，或贊成某個假設(shè)的決策。在信號處理技術(shù)中，一般是對同一類型的數(shù)據(jù)，例如時間序列數(shù)據(jù)進(jìn)行平滑、濾波和預(yù)測，或者采用變換的方法在不同的描述域中對信號的參數(shù)

7、或狀態(tài)進(jìn)行估計。而多傳感器數(shù)據(jù)融合技術(shù)可以對不同類型的數(shù)據(jù)和信息在不同層次上進(jìn)行綜合，它處理的不僅僅是數(shù)據(jù)，還可以是證據(jù)和屬性等。所以說，多傳感器數(shù)據(jù)融合并不是簡單的信號處理。信號處理可以歸屬于下文2.2節(jié)數(shù)據(jù)融合的功能模型中的處理層0，即信號預(yù)處理階段。多傳感器數(shù)據(jù)融合系統(tǒng)與所有的單傳感器信號處理或低層次的多傳感器數(shù)據(jù)處理方式相比，單傳感器信號處理或低層次的多傳感器數(shù)據(jù)處理都是對人腦信息處理的一種低水平模仿，它們不能像多傳感器數(shù)據(jù)融合系統(tǒng)那樣有效地利用多傳感器資源。多傳感器系統(tǒng)可以更大程度地獲得被探測目標(biāo)和環(huán)境的信息量。多傳感器數(shù)據(jù)融合與經(jīng)典信號處理方法之間也存在本質(zhì)的區(qū)別，其關(guān)鍵在于數(shù)據(jù)融

8、合所處理的多傳感器信息具有更復(fù)雜的方式，而且可以在不同的信息層次上出現(xiàn)。這些信息抽象層次包括數(shù)據(jù)層（即像素層）、特征層和決策層7。18數(shù)據(jù)融合結(jié)構(gòu)分類數(shù)據(jù)融合結(jié)構(gòu)的分類有很多種不同的方法，第一種分類方法是基于各傳感器數(shù)據(jù)在輸入到融合處理器進(jìn)行融合之前被處理的程度，在這種分類標(biāo)準(zhǔn)下，數(shù)據(jù)融合結(jié)構(gòu)被分為傳感器級融合、中央級融合及混合式融合。第二種分類方法是按照數(shù)據(jù)抽象的三個層次，分為像素級融合、特征級融合和決策級融合，如圖2.2所示，下面詳細(xì)介紹第二種分類方法中的三個層次：(a) 像素級融合(b) 特征級融合(c)1像素級融合像素級融合，也稱為像元級融合或數(shù)據(jù)級融合，是直接在采集到的原始數(shù)據(jù)層上進(jìn)

9、行的融合，在各種傳感器的原始測報未經(jīng)預(yù)處理之前就進(jìn)行數(shù)據(jù)的綜合和分析。這是最低層次的融合，如成像傳感器中通過對包含若干像素的模糊圖像進(jìn)行圖像處理和模式識別來確認(rèn)目標(biāo)屬性的過程就屬于像素級融合。這種融合的主要優(yōu)點(diǎn)是能保持盡可能多的現(xiàn)場數(shù)據(jù)，提供其它融合層次所不能提供的細(xì)微信息。這種融合是在信息的最低層進(jìn)行的，傳感器的原始信息的不確定性、不完全性和不穩(wěn)定性要求在融合時有較高的糾錯處理能力。要求各傳感器信息之間具有精確到一個像素的校準(zhǔn)精度，故要求各傳感器信息來自同質(zhì)傳感器。像素級融合通常用于：多源圖像復(fù)合、圖像分析和理解、同類（同質(zhì)）雷達(dá)波形的直接合成、多傳感器遙感信息融合等。2特征級融合特征級融合

10、屬于中間層次，它先對來自傳感器的原始數(shù)據(jù)中提取特征信息，一般來說，提取的特征信息應(yīng)是像素信息的充分表示量或充分統(tǒng)計量，比如特征信息可以是目標(biāo)的邊緣、方向、速度、區(qū)域和距離等，然后按特征信息對多傳感器數(shù)據(jù)進(jìn)行分類、匯集和綜合。特征級融合的優(yōu)點(diǎn)在于實(shí)現(xiàn)了可觀的信息壓縮，有利于實(shí)時處理，并且由于所提取的特征直接與決策分析有關(guān)，因而融合結(jié)果能最大限度地給出決策分析所需要的特征信息。特征級融合可劃分為兩大類：目標(biāo)狀態(tài)數(shù)據(jù)融合和目標(biāo)特性融合。目標(biāo)狀態(tài)數(shù)據(jù)融合主要用于多傳感器目標(biāo)跟蹤領(lǐng)域。融合系統(tǒng)首先對傳感器數(shù)據(jù)進(jìn)行預(yù)處理以完成數(shù)據(jù)配準(zhǔn)，數(shù)據(jù)配準(zhǔn)后，融合處理主要實(shí)現(xiàn)參數(shù)相關(guān)和狀態(tài)向量估計。特征級目標(biāo)特性融合

11、就是特征層聯(lián)合識別，具體的融合方法仍是模式識別的相應(yīng)技術(shù)，只是在融合前必須完成先對特征進(jìn)行相關(guān)處理，把特征向量分成有意義的組合。3決策級融合決策級融合是一種高層次融合，融合之前，每種傳感器的信號處理裝置已完成決策或分類任務(wù)。信息融合只是根據(jù)一定的準(zhǔn)則和決策的可信度做最優(yōu)決第2章數(shù)據(jù)融合問題模型策，以便具有良好的實(shí)時性和容錯性，使在一種或幾種傳感器失效時也能工作。決策級融合的結(jié)果是為指揮控制決策提供依據(jù)，因此，決策級融合必須從具體決策問題的需求出發(fā)，充分利用特征級融合所提取的測量對象的各類特征信息，采用適當(dāng)?shù)娜诤霞夹g(shù)來實(shí)現(xiàn)。決策級融合是直接針對具體決策目標(biāo)的，融合結(jié)果直接影響決策水平。決策級融合的主要優(yōu)點(diǎn)有：具有很高的靈活性；