浅析信息融合技术及应用
近年来，由于信息融合技术充分利用多源数据的互补性和电子计算机的高速运算和智能，提高了信息处理结果的质量而受到广泛的关注。信息融合是数学、军事科学、计算机科学、自动控制理论、人工智能、通信技术、管理科学等多种学科的交叉和具体运用。随着应用系统逐渐扩大，所需的功能也越来越复杂，使用的传感器种类也相应增多。原先的单一传感器检测技术已不能满足要求，多传感器融合技术应运而生。多传感器融合技术就是对同一检测对象，利用各种传感器检测的信息和不同的处理方法以获得该对象的全面检测信息，从而提高检测精度和可靠性。在多传感器系统中，信息表现为多样性、复杂性以及大容量，信息处理不同于单一的传感检测处理技术，多传感器信息融合技术已成为当前的一个重要研究领域。
1．信息融合技术的基本理论
1.1 信息融合的定义和基本原理
定义：充分利用不同时间与空间的多传感器信息资源，采用计算机技术对按时序获得的多传感器观测信息在一定准则下加以自动分析、综合、支配和使用，获得对被测对象的一致性解释与描述，以完成所需的决策和估计任务，使系统获得比它的各组成部分更优越的性能而进行的信息处理过程。
基本原理：充分利用多个传感器资源，通过对传感器及其观测
信息的合理支配和使用，把多传感器在空间或时间上可冗余或互补信息，依据某种准则来进行组合，以获得被测对象的一致性解释或描述。将信息融合划分成如下几个过程：对准、相关、滤波、识别和威胁评估及态势评估。
图1 多传感器信息融合处理模型
多传感器信息融合与单传感器信号处理相比，单传感器信号处理是对人脑信息处理的一种低水平模仿，不能像多传感器信息融合那样有效的利用更多的信息资源，而多传感器信息融合可以更大程度地获得被测目标和环境的信息量。多传感器信息融合与经典信号处理方法之间也存在本质的区别，关键在于数据融合所处理的多传感器信息具有更复杂的形式，而且可以在不同的信息层次上出现。
1.2 信息融合的分类和结构
分类：（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。
（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。其目的是对识别、预测、学习和记忆等过程的信息进行综合和优化。
结构:体系结构可分为集中式、分布式和混合式。
（1）集中式：各个传感器的数据都送到中央处理器（融合中心）进行融合处理。这种方法可以实现时间和空间的融合，数据处理的精度较高，但对中央处理器的数据处理能力要求高，传输的数据量大，要求有较大的通讯带宽。
（2）分布式：各个传感器对自己的量测数据单独进行处理，然后将处理结果送到融合中心，由融合中心对各传感器的局部结果进行融合处理。与集中式相比，分布式处理对通讯带宽要求低，计算速度快，可靠性和延续性好，但精度没有集中式高。
（3）混合式：以上两种方式的组合，用于大型系统之中。
层次结构可分为数据层融合、特征层融合和决策层融合。
（1）数据层融合是直接在采集到的原始数据层上进行的融合在各种传感器的原始测报未经预处理之前就进行数据的综合和分析这是最低层次的融合。
（2）特征层融合是利用从各个传感器的原始信息中提取的特征信息进行综合分析和处理的中间层次过程.通常所提取的特征信息应是原始信息的充分表示量或统计量，据此对多传感器信息进行分
类，汇集和综合。
（3）决策层融合是在信息表示的最高层次上进行融合处理。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预处理，特征抽取，识别或判断，以建立对所观察目标的初步结论。然后通过相关处理，决策级融合判决，最终获得联合推断结果，从而直接为决策提供依据。
图2 信息融合结构形式
1.3信息融合的一般方法
信息融合的研究内容极其丰富，涉及的基础理论也非常广泛，而信息融合方法是信息融合研究的核心技术。目前融合方法大致可以分两类:概率统计方法和人工智能方法。
随机类算法有加权平均法（最简单、最直观的数据融合方法。该方法将一组传感器提供的冗余信息进行加权平均，结果作为融合值。）、卡尔曼滤波法（用于实时融合动态的低层次冗余传感器数据，该方法用测量模型的统计特性，递推决定统计意义下最优融合数据合计。）、多贝叶斯估计法（把每个传感器作为一个贝叶斯估计，将各单独物体的关联概率分布组合成一个联合后验概率分布函数，通过使联合分布函数的似然函数最小，可以得到多传感器信息的最终融合值。）、证据推理（贝叶斯推理的扩充）、产生式规则（采用符号表示目标特征和相应传感器信息之间的联系，与每一个规则相联系的置信因子表示它的不确定性程度。当在同一个逻辑推理过程中，2个或多个规则形成一个联合规则时，可以产生融合。）等；
而人工智能类则有模糊逻辑理论（多值逻辑，使用多值逻辑推理，根据模糊集合理论的各种演算对各种命题进行合并，进而实现数据融合。）、神经网络（利用神经网络的信号处理能力和自动推理功能，即实现了多传感器数据融合。）、粗集理论、专家系统等。
表1：常用的数据融合方法比较
2.信息融合的应用研究与进展
多传感器数据融合系统的应用可大致分为军事应用和民事应用两大类。
2.1 信息融合在军事上的应用
军事领域绝大部分是在敌对的现实世界中进行的。在敌对的现实世界里，被观测目标的运动状态基本上是未知的、难以预测的或不易确定的，它与传感器系统之间的关系是敌对的、不合作的，它会利用速度快、机动性强的优势躲避传感器的探测，甚至干扰传感器的探测或发送虚假信息，传感器获得的信息可能是不连续的、间断的，数据率也基本上是不固定的。被观测目标的这些特点对信息融合系统提出了较高的要求，如系统要有可变的响应特性，快速、精确的信息处理能力，必要时还要求人工干预等。军事应用是多传感器数据融合技术诞生的源泉，主要用于包括军事目标的检测、定位、跟踪和识别。这些目标可以是静止的，也可以是运动的。具体应用包括海洋监视、空对空、地对空防御系统。海洋监视系统包括潜艇、鱼雷、水下导弹等目标的检测、跟踪和识别，典型的传感器包括雷达、声纳、远红外、综合孔径雷达等。空对空、地对空防御系统的基本目标是检测、跟踪、识别敌方飞机、导弹和反飞机武器，典型的传感器包括雷达、ESM 接收机、远红外、敌我识别传感器、电光成像传感器等。
近些年来，随着现代科学技术的发展，军事斗争领域不断出现新情况、新特点，同时，也进一步促进了信息融合在军事领域的发
