搜索
信息融合的认识与总结这学期我选了信息融合这门选修课，第一次接触到了信息融合这个概念，通过华刚老师的讲解以及各位博士师兄以及同学自己的认识，让我大致把握信息融合知识的基本框架，华刚老师对信息融合的理解以及关于信息融合在最前沿技术的讲解让我对信息融合技术产生了很大的兴趣，并大大扩展了我的视野，课后我通过查阅与信息融合的专著以及网上资料，大致归纳总结一下个人对信息融合的认识。将从信息融合的概念、方法、应用三个大的方面进行介绍。1.1信息融合的概念信息融合是20世纪70年代出现的一个跨领域学科，当时被称为数据融合，“数据融合”一词是由美国1973年提出的，当时在美国国防部资助下进行声呐信号理解研究，即对多个独立连续信号进行融合，以检测某一海域中的潜艇。随着信息源从单类传感器扩展到多类介质和技术手段，在20世纪80年代末，数据融合演变为信息融合，应用也扩展到现实世界各个领域。然而，迄今为止，尚未有被诸学界一致认同的信息融合的定义。信息融合属于人类对现世界的认知领域。从唯物论的认识论出发，人类对现实界的认识是由一个由浅入深、由高到低、有片面到全面的过程。人类在认识过程中总是从客观事物的诸多方面一一察觉开始，然后对诸察觉结果进行综合，总结出规律知识，在循环往复、不断提高，实现对事物的准确认知。这就是由特殊到一般，并期望不断发展变化的认识过程，其中由诸多察觉信息产生的对事物的综合认识的过程就是信息融合的概念。人类对客观事物的认识是对其物管对该事物的察觉信息在头脑中的融合结果所产生的。随着科学技术发展所出现的各类探测传感设备和技术手段，它们又可以装置在陆海空各类平台上，实际上是感官的延伸。因此，通过多平台多传感器和技术手段获取的事物察觉信息，产生对事物的综合认识的信息处理过程就成为当前信息融合的通用概念。一般的将综合认知信息直接称为融合信息，它能够实现比单一察觉信息更全面、更准确的事物认知。信息融合的概念产生于军事应用领域，实际上踏实对人类的现实世界各类事物认识过程中早已用到的概念和方法，只是当前由于信息技术，特别是电子技术的发展，传感器和感知技术手段在能力、精度和自动化程度上得到极大提升，为人类认识能力的提升创造了新的环境条件和可行性，这就使得信息融合技术更加体现出其在人类认知活动中的作用和巨大应用潜力，从而受到人类各应用领域普遍的青睐和重视，而成为日益兴起的新的边缘学科。1.2信息融合的系统结构/模型信息融合作为信息处理领域得技术和方法，其在应用中以系统的形式出现，如ISR系统中的多源信息处理、C4ISR系统中的情报信息处理，即指信息融合的技术和方法的应用，称为信息融合系统。通用意义应用和军事领域的应用的信息融合系统的结构是相同的，只不过在功能上有所差别。信息融合功能模型自1987耐出现在美国国防部实验室联合理事会的JDL的原始模型（成为初级模型）之后，1994年之后出现了输入输出模型，1998年出现了JDL的修订模型，2000年Bedworth提出来了多用途处理模型，2004年出现了Llinals的JDL推荐修订模型2，以及自1990年以来出现的分布式信息融合结构。1.2.1JDL信息融合初级模型该模型首次提出信息融合功能的层级概念，明确了三级融合功能。该模型的信息融合结构图如下图所示：（1）1级处理：主要是对信息源报知的数据和信息进行聚集/关联，并对来源于同一实体的数据信息进行组合计算，以获得实体位置、速度、属性和身份的可靠、精确估计。支持对实体未来位置、速度、属性等的预测。（2）2级处理：称为态势估计或者态势提取，旨在分析实体与事件、环境之间的关系，通过目标聚集/相关关系确定兵力结构、作战企图并可以确定行动方案。（3）3级处理：称为威胁估计，在军事应用中，态势估计与预测结果的最重要的作用就是确定敌方对我方的可能产生的威胁，因此3级处理在军事上一直被称为威胁估计。随着融合应用超出军事领域，在以后的修订模型中，将3级处理表示为当前态势与预测结果对进一步活动可能产生的影响估计，实际上威胁是一种特殊的态势，即威胁态势。1.2.22004年推荐版JDL融合模型该推荐版与1998年的修订版在结构上有重大差别，将数据库管理系统全部归于公共操作环境（COE)而至于融合范围之外；讲1998年修订版4级处理中的资源管理（RM）给划分出去，因此4级处理只包含融合过程评估，由于资源管理与信息融合在功能上存在对应关系，但它与数据库管理系统一样，属于系统级的COE的部分功能。该推荐版JDL模型按照输入信息、处理模型和输出信息，以及多类融合问题推理方法的重大差别进行融合功能划分，通常基于用户所关注的特征所形成的不同融合产品进行划分。下图是2004年JDL融合模型的结构：1.2.32JDL融合功能结构的扩展另外在JDL融合模型扩展中还会涉及到跨融合级别的功能流、关于5级融合的讨论以及输入输出模型等。跨级融合功能需要在每个融合级别上进行，比较典型的就是数据/信息关联功能可能出现在每个融合级别上，即具有跨级功能特点。如0级融合中的信号/特征关联、1级融合中的测量（特征）—实体关联、实体—实体相关；在2级、3级融合中，确定态势内外关系、确定威胁实体与威胁对象之间的关系显然属于关联/相关范畴。这些级别上关联功能的共同点都涉及关联假设的生成、评估和选择，当然不同的级别的关联假设的内涵、得分和评估方法有多不同。由于Context在概念上表示客观事物及其关系，其与信息融合中的“态势”概念相类似。Context同时又是人们认知客观事物的一种方法，称为“Context敏感方法”。图中的反向认识驱动实际上就是对信息融合级别自上而下的融合功能需求关系，如用户的感知目标需求是过程评估的依据，估计的规划产品需求是影响估计的依据，估计的效能需求是态势估计与预测的依据等。下图是跨融合级别的功能/信息流结构图：1.3多源信息融合概述1.3.1多源信息融合的分类上述已经对信息融合给出了一个通用的定义，另外我们时常提到信息融合不只是单纯的提到信息融合，往往是指由多种信息源如传感器、数据库、知识库和人类本身获取有关信息。并进行滤波、相关和集成，从而形成一个表示框架，这种架构适合于获得有关决策，如对信息的解释，达到系统目标，传感器管理和系统控制等。多源信息融合有多种分类方法，如按照其融合技术、融合算法、融合结合结构分类等，以下是所总结的分类：按照融合技术分类可以分为假设检验型信息融合技术、滤波跟踪型信息融合技术、聚类分析型融合技术、模式识别型信息融合技术、人工智能型信息融合技术等。其中人工智能型信息融合技术将人工智能技术应用于多传感器信息融合，对于解决信息融合中的不精确、不确定信息有着很大优势，因此成为信息融合的发展方向。智能的融合方法可以分为：(1)基于专家系统的融合方法基于专家系统的融合方法是以规则为基础的传统的物理机符号表示方法，它以规则表示形式并构成知识库，运用适当的推理方法，在计算机上得到解决问题的推论。用于多传感器信息融合可以优化跟踪和识别功能。但是专家系统基于演绎逻辑推理，推理技术可能造成数据和子目标的组合爆炸，是指在使用范围上收到限制。（2）基于人工神经网络的融合方法人工神经网络是模拟人脑的神经元结构，完成回忆、形象思维和抽象思维的整个过程。人工神经网络具有高度并行性和非线性处理功能，以非线性并行处理单元来模拟人脑神经单元，以各种处理单元复杂而灵活的链接关系来模拟人脑中的突触功能，具有高速协调和运算能力。具有学习能力，自组织能力、这种能力来自人工神经网络的训练过程。在学习过程中，可以随机改变权值，适应复杂多变的环境，并且对环境做出不同的反应。（3）以生物为基础的融合方法生物技术是21世纪的高新技术之一，其原理已被用于军用传感器信息融合硬件，软件的开发，以提高传感器对微弱目标的探测能力和反应能力。智能传感器融合技术是今后有待开发的关键技术，涉及到众多科学领域。预计今后会再扩大运用基于知识的专家系统的基础上，是传感器信息融合技术研究向人工神经网络、生物技术和综合智能技术方面发展，使未来的指挥作战系统、决策支持系统能顺应复杂多变的战场环境要求。按照融合判决方式分类的话，信息融合可以分为硬判决方式和软判决方式。所谓硬判决和软判决指的是数据处理活动中用于信号检测、目标识别的判决方式。每个传感器内部或者信息融合中心都即可选用硬判决方式也可选用软判决方式。按传感器组合方式分类分为同类传感器和异类传感器进行组合。同类传感器融合只处理来自同一类传感器的环境信息，其数据格式、信息内容都完全相同，因而处理方法相对简便。按照信息融合处理层次分类又可以分为数据级信息融合、特征级信息融合、决策级信息融合等。数据级信息融合直接对未经处理的传感器原始数据观测数据进行综合和分析。其优点是保持了尽可能多的客体信息，基本不发生信息丢失或者遗漏；缺点是处理数据太多，耗费时间太长，实时性差。特征级信息融合也称为文件级信息融合，是对已经过传感器初步预处理之后，在传感器实现基本特征提取、提供文件报告的基础上执行的综合分析处理。决策级信息融合是在各个传感器和各低层信息融合中心已经完成各自完成各自决策的基础上，根据一定准则和每个传感器的决策与决策可信度执行综合评判，给出一个统一得最终决策。按照信息融合结构模型可以分为集中式和分布式信息融合。按照信息融合目的的分类又可以分为检测、状态估计和属性识别。检测融合的目的是利用多传感器进行信息融合处理，可以消除单个或者单类传感器检测的不确定性，提高检测系统的可靠性，获得对检测对象的更准确的认识，例如利用多传感器检测目标以判断其是否存在。估计融合的主要目的是利用多传感器检测信息对目标运动轨迹进行估计。属性融合的主要目的是利用多传感器检测信息对目标属性、类型进行判断。按照信息类型的不同进行分类，多源信息融合又可以分为数据融合和图像融合。数据融合的信息格式为数据格式。图像融合的信息来源包括可见光、合成孔径雷达、红外等成像设备，主要目的是由原始图像得到更多的图像信息，例如由几个二维图像经融合后得到三维图像或者利用不同的信息源得到的图像经融合后产生的新的图像。1.3.2多源信息融合所用到的算法总结自20世纪80年代以来，信息融合集成了传统的学科和新的技术，这些学科和技术包括计算机科学、专家系统、决策论、认识论、概率论、数字信号处理、模糊逻辑处理和神经网络等。（1）信息融合理论分为基于概率论的方法和非概率论的融合方法。基于概率论的方法有经典概率推理；经典贝叶斯推理；贝叶斯凸集理论；信息论等。非概率的融合方法有：D-S证据理论；模糊逻辑；人工神经网络；条件事件代数；随机集理论；粗集；鞅论；小波变换。（2）信息融合涉及到的技术：模式识别；传感器技术；信号处理技术；统计学；人工智能与专家系统。1.4多源信息融合的发展及其应用促进多源信息融合技术发展的主要动因就是现代战争的迫切需要。现代战争要求提供一切获取信息的手段，包括雷达、红外摄像机、光学摄像机、通信设施、计算机网络等，并对所获取的信息进行融合，以得到最佳可利用的信息，达到精确目标获取、识别和跟踪的目的。针对敌方巡航导弹和飞机低空飞行的现代空中预警系统通常由雷达、通信、导航、指挥控制、敌我识别、数据处理和电子对抗等设备构成，也需要对由这些设备所获取的信息进行融合，从而更好地完成搜索、监视、跟踪和指挥攻击等多种功能。信息融合理论的开先河者是美国康涅狄格大学国际著名系统科学家Y.Bar-Shalom教授。他最先于20世纪70年代提出来了概率数据互联滤波器的概念，这就是信息融合的雏形。促进信息融合理论发展的另一个重要因素是现代民用高科技发展的需求，繁忙而复杂的现代城市交通和快速便捷的高速公路，以及未来将要出现的自动车辆系统（AVS).均要求建立智能交通系统进行智能监测和控制，即对车辆进行自动控制、交通监视和跟踪，可使用的很多异类传感器，这也需要多传感器的信息融合。这种融合的目的在于把目标输入到路径规划与指导系统中去。在地球环境观测的遥感技术方面需要对不同的传感手段的数据与信息进行融合，以获取更为精确的定量分析结果，包括卫星雷达、辐射计和光谱成像系统等多