信息融合技术

信息融合技术概述信息融合的分类和结构信息融合的一般方法信息融合的实例第一节概述•融合(fusion)的概念开始出现于70年代初期，当时称之为多源相关、多源合成、多传感器混合或数据融合(DataFusion)，现在多称之为信息融合(InformationFusion)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、准确、及时和有效的综合信息过程。数据融合技术结合多传感器的数据和辅助数据库的相关信息以获得比单个传感器更精确、更明确的推理结果。信息融合是对多种信息的获取、表示及其内在联系进行综合处理和优化的技术。传感器信息融合技术从多信息的视角进行处理及综合，得到各种信息的内在联系和规律，从而剔除无用的和错误的信息，保留正确的和有用的成分，最终实现信息的优化。一、概念定义：将经过集成处理的多传感器信息进行合成，形成一种对外部环境或被测对象某一特征的表达方式。单一传感器只能获得环境或被测对象的部分信息段，而多传感器信息经过融合后能够完善地、准确地反映环境的特征。它也为智能信息处理技术的研究提供了新的观念。经过融合的多传感器信息具有以下特征：信息的冗余性、互补性、协同性、实时性以及低成本性。多传感器信息融合与经典信号处理方法之间存在本质的区别，其关键在于信息融合所处理的多传感器信息具有更为复杂的形式，而且可以在不同的信息层次上出现。二、国外信息融合技术的发展美国国防部三军实验室理事联席会（JDL）的对信息融合技术的定义为：信息融合是一个对从单个和多个信息源获取的数据和信息进行关联、相关和综合，以获得精确的位置和身份估计，以及对态势和威胁及其重要程度进行全面及时评估的信息处理过程；该过程是对其估计、评估和额外信息源需求评价的一个持续精练（refinement）过程，同时也是信息处理过程不断自我修正的一个过程，以获得结果的改善。后来，JDL将该定义修正为：信息融合是指对单个和多个传感器的信息和数据进行多层次、多方面的处理，包括：自动检测、关联、相关、估计和组合。信息融合技术自1973年初次提出以后，经历了20世纪80年代初、90年代初和90年代末三次研究热潮。各个领域的研究者们都对信息融合技术在所研究领域的应用展开了研究，取得了一大批研究成果，并总结出了行之有效的工程实现方法。美国在该项技术的研究方面一直处于世界领先地位，1973年，在美国国防部资助开发的声纳信号理解系统中首次提出了数据融合技术，1988年，美国国防部把数据融合技术列为90年代重点研究开发的20项关键技术之一。据统计，1991年美国已有54个数据融合系统引入到军用电子系统中去，其中87%已有试验样机、试验床或已被应用。目前已进入实用阶段。应用人工智能技术（专家系统、神经网络等）解决目标识别、战场态势关联与估计处于应用试验阶段；信息融合仿真试验、测试与评估技术目前正在向适应联合作战需求的方向发展，效能评估处于建模阶段。上述技术所形成的信息融合产品已装备在某些战术、战略系统中。如‘全球网络中心监视与瞄准‘（GNCST）系统是美国空军的新型情报信息融合处理系统，该系统对信息源几乎没有限制，可接收无人机（UAV）、E-8C、RC-135等平台上光电、合成孔径雷达、信号情报侦察装置等各种传感器的近实时信息，将它们消化处理成对作战官兵有用的信息，并以很快的速度和很高的精度发送给用户。英国BAE系统公司还开发一种被称作‘分布式数据融合‘（DecentralizedDataFusion，DDF）的信息融合新技术。这项技术的独特之处在于它采用的是分布式数据融合技术，而传统的数据融合都是集中式的，即所有的信息在一个中心节点完成综合和融合。这样，一旦中心节点遭到攻击，就会破坏整个系统。但采用DDF技术的系统就不存在这样的问题，因为综合和融合是在网络中的任何节点上进行的。若一个节点脱离网络，其他部分仍会继续工作并共享、综合和融合信息。BAE系统公司已成功验证了将地面和空中的分散的传感器组网互联并融合其信息的技术。使传感器网络中的全部数据都被实时地综合和融合到了一幅单一的作战空间态势图中。该公司在试验中成功在8个节点之间进行了组网互联，这8个节点包括2架自主式UAV、1台战场监视雷达、1台武器定位雷达、2名带有电子式双眼望远镜及掌上电脑的士兵和2名乘坐吉普车在试验场上机动的士兵。整个网络可以动态地进行重新布局。一旦武器定位雷达检测到‘敌‘火炮开火，自主式UAV可立刻得到相关信息，并迅速飞往有关区域进行调查；战场侦察雷达可跟踪地面机动目标，即使该目标离开了视线，该雷达仍可对目标保持‘虚拟跟踪‘或‘虚拟警戒‘；一旦某架UAV飞越了一个不同的传感器，它将把该传感器引入这个网络，从而使单一态势图中的信息更为完备和准确。三、信息融合的关键技术•数据融合是一种多层次、多方位的处理过程，需要对多种来源数据进行检测、相关和综合以进行更精确的态势评估。数据（或信息）融合系统的根本目标是将传感器得到的数据（如信号、图像、数量和矢量信息等）、人的输入信息以及已有的原始信息转化成关于某种状态和威胁的知识。多传感器数据融合通过信号处理技术、图像处理技术、模式识别技术、估计技术以及自动推理技术等多种技术提高状态感知能力。该技术广泛用于自动目标识别、敌/我/中立方识别（IFFN）处理以及自动状态评估等应用领域，相关的关键技术有：•①多目标跟踪的信息融合技术②多假定跟踪和相关技术③随机数据关连虑波（PDAF）技术④交互式复合建模(IMM)技术⑤目标机动信息处理技术（自适自噪声模型等）⑥非线性滤波技术⑦融合结构技术（集中式结构与分布式结构）⑧相似传感器融合技术（结构、算法和方法）⑨不相似的传感器融合技术⑩传感器对准技术（包括各种类型的对准难题及其解决技术）⑾特征融合技术（识别/分类、证明推算、专家系统、神经网络、模糊逻辑、贝斯网络等）四、意义及应用信息融合技术的实现和发展以信息电子学的原理、方法、技术为基础。信息融合系统要采用多种传感器收集各种信息，包括声、光、电、运动、视觉、触觉、力觉以及语言文字等。信息融合技术中的分布式信息处理结构通过无线网络、有线网络，智能网络，宽带智能综合数字网络等汇集信息，传给融合中心进行融合。除了自然(物理)信息外，信息融合技术还融合社会类信息，以语言文字为代表，涉及到大规模汉语资料库、语言知识的获取理论与方法、机器翻译、自然语言解释与处理技术等，信息融合采用分形、混沌、模糊推理、人工神经网络等数学和物理的理论及方法。它的发展方向是对非线性、复杂环境因素的不同性质的信息进行综合、相关，从各个不同的角度去观察、探测世界。1、在信息电子学领域2、在计算机科学领域在计算机科学中，目前正开展着并行数据库、主动数据库、多数据库的研究。信息融合要求系统能适应变化的外部世界，因此，空间、时间数据库的概念应运而生，为数据融合提供了保障。空间意味着不同种类的数据来自于不同的空间地点，时间意味着数据库能随时间的变化适应客观环境的相应变化。信息融合处理过程要求有相应的数据库原理和结构，以便融合随时间、空间变化了的数据。在信息融合的思想下，提出的空间、时间数据库，是计算机科学的一个重要的研究方向。3、在自动化领域以各种控制理论为基础，信息融合技术采用模糊控制、智能控制、进化计算等系统理论，结合生物、经济、社会、军事等领域的知识，进行定性、定量分析。按照人脑的功能和原理进行视觉、听觉、触觉、力觉、知觉、注意、记忆、学习和更高级的认识过程，将空间、时间的信息进行融合，对数据和信息进行自动解释，对环境和态势给予判定。目前的控制技术，已从程序控制进入了建立在信息融合基础上的智能控制。智能控制系统不仅用于军事，还应用于工厂企业的生产过程控制和产供销管理、城市建设规划、道路交通管理、商业管理、金融管理与预测、地质矿产资源管理、环境监测与保护、粮食作物生长监测、灾害性天气预报及防治等涉及宏观、微观和社会的各行各业。三、优点增加了系统的生存能力扩展了空间覆盖范围扩展了时间覆盖范围提高了可信度降低了信息的模糊度改善了探测性能提高了空间分辨率增加了测量空间的维数第二节信息融合的分类和结构1、组合：由多个传感器组合成平行或互补方式来获得多组数据输出的一种处理方法，是一种最基本的方式，涉及的问题有输出方式的协调、综合以及传感器的选择。在硬件这一级上应用。2、综合：信息优化处理中的一种获得明确信息的有效方法。例：在虚拟现实技术中，使用两个分开设置的摄像机同时拍摄到一个物体的不同侧面的两幅图像，综合这两幅图像可以复原出一个准确的有立体感的物体的图像。3、融合：当将传感器数据组之间进行相关或将传感器数据与系统内部的知识模型进行相关，而产生信息的一个新的表达式。4、相关：通过处理传感器信息获得某些结果，不仅需要单项信息处理，而且需要通过相关来进行处理，获悉传感器数据组之间的关系，从而得到正确信息，剔除无用和错误的信息。相关处理的目的：对识别、预测、学习和记忆等过程的信息进行综合和优化。一、信息融合分类5、由于信息融合研究内容的广泛性和多样性，目前还没有统一的关于融合过程的分类。(1)按照信息表征层次的分类•系统的信息融合相对于信息表征的层次相应分为三类：数据层融合、特征层融合和决策层融合。•数据层融合通常用于多源图像复合、图像分折与理解等方面，采用经典的检测和估计方法。特征层融合可划分为两大类：一类是目标状态信息融合，目标跟踪领域的大体方法都可以修改为多传感器目标跟踪方法；另一类是目标特性融合，它实质上是模式识别问题，具体的融合方法仍是模式识别的相应技术。•决策层融合是指不同类型的传感器观测同一个目标，每个传感器在本地完成处理，其中包括顶处理、特征抽取、识别或判决，以建立对所观察目标的初步结论。然后通过关联处理、决策层触合判决，最终获得联合推断结果。图1信息融合层次数据数据层融合特征层融合决策层融合(2)JDL模型(JointDirectorsofLaboratories，JDL)和λ-JDL模型该模型将融合过程分为四个阶段：信源处理，第一层处理(即目标提取)、第二层处理(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)。模型中的每一个模块都可以有层次地进一步分割，并且可以采用不同的方法来实现它们。λ-JDL模型为JDL模型的简化，把0层包含进了1层，4层融人其他各层中。图2JDL模型图3λ-JDL模型信息源人机界面Level0信源处理Level1目标提取Level2态势提取Level3威胁提取Level4过程提取数据库Level1目标提取Level2态势提取Level3威胁提取(3)按照数据流融合的位置进行分类多传感器融合系统中的一个关键问题是在何处对数据流进行融合。按照融合位置的不同可以将融合结构分为以下三种类型：集中式融合、分布式多传感器融合和无中心融合结构。对于特定的信息融合应用不可能找到一种最优的融合结构，结构的选择必须综合考虑计算资源、可用的通信带宽、精度要求、传感器能力等。多传感器信息融合之所以被广泛地研究是由于它与单一传感器信息利用相比具有如下特点：（1）容错性。在单一传感器出现误差或失效的情况下，系统仍能正常可靠地工作。（2）互补性。各传感器除提供对象的共性反映外，还提供与各传感器本身有关的特性反映，因而利用信息融合就能实现不同传感器之间的信息互补，从而提高信息的利用率、减少系统认识的不正确性。（3）实时性。能以较少的时间获取更多的信息。大大提高系统的识别效率。二、信息融合的结构信息融合的结构分为串联和并联两种SnS2S1Y1Y2YnC1C2CnYSC1C2Cn(a)串联(b)并联C1，C2，…，Cn表示n个传感器S1,S2,…，Sn表示来自各个传感器信息融合中心的数据y1，y2，…，yn表示融合中心。……三、信息融合系统结构的实例一种雷达测量的信息融合结构局部处理器局部处理器外部逻辑中央处理器传感器信号传感器信号先验信息修正信息先验信息修正信息传感器故障检测系统第三节信息融合的一般方法由多种传感器所获得的客观环境(即被测对象)的多组数据就是客观环境按照