传感器原理与应用第十章

10.3 结构与功能模型
10.3.1 多传感器信息融合的结构模型
从多传感器系统的信息流通形式上看，其信息传输和处理的结构一般有集中式、分布式、 混合式三种结构，也有学者提出了多级混合结构的设计思想 。 在集中式结构中，只在信息融合中心设置一个数据处理器，对各传感器送来的信息直接 处理，各传感器仅起到信息检测、录取的作用，本身没有做出决策，它将所有的测量值 送到融合中心，由融合中心对各种类型的数据按适当的方法进行综合处理后再输出结果。 在分布式结构中，各传感器都有自己的数据处理器，可分别独立地处理局部信息，然后 把处理结果送至融合中心，中心根据各节点的输入信息完成对目标或环境的综合分析和 判决，最后形成全局估计。 混合式结构和多级式结构可根据特定的实际需要，在速度、带宽、精度和可靠性等相互 合技术的发展
信息融合有时亦称为数据融合（Data Fusion）。1973年，美国相关研究机构在国防部的 资助下，开展了声纳信号的理解系统研究，从那以后，数据融合技术发展十分迅速。 美国是信息融合技术起步最早，发展最快的国家。美国早在70年代就开始启动信息融合 技术的研究。1983年美国国防高级研究计划局（DARPA)推出的战略计算机计划中，将多 传感器信息融合列为重大研究课题。1984年美国国防部（DOD）成立了数据融合专家组 （DFS-Data Fusion Subana1），负责指导、组织并协调有关这一国防关键技术的系统研 究。1988年美国国防部将融合技术列为90年代重点开发的20项关键技术之一，且列为优 先开发的A类。美国国防部下设的美国国防部三军实验室理事联席会（JDL）专门成立了 信息融合专家组，负责组织和指导有关信息融合的研究。 其它西方发达国家和国际组织（如英、日、德、法及欧共体等）也积极开展了信息融合 技术研究工作。1986年开始每年IEEE主办的“机器人与自动化”（Robotics and Automation）学术会议上都有专门关于信息融合的专题。各种学术刊物也纷纷开辟专栏 和出版专集，交流和探讨信息融合的有关问题。1987年欧洲共同体开始为期5年的SKIDS （Signal and Knowledge Integration with Decisional Control for Multi—sensory System）计划， 主要目标是研究多传感器信息融合的通用结构及实时信息融合技术等。1998年成立了国 际信息融合学会（ISIF），每年举行一次信息融合国际学术会议。促进了信息融合技术 的交流与发展，相继取得了一些有重要影响的研究成果。
多传感器数据融合是一个新兴的研究领域，是针对一个系统使用多种传感器 这一特定问题而展开的一种关于数据处理的研究。多传感器数据融合技术是 近几年来发展起来的一门实践性较强的应用技术，是多学科交叉的新技术， 涉及到信号处理、概率统计、信息论、模式识别、人工智能、模糊数学等理 论。 近年来，多传感器融合技术已成为军事、工业和高技术开发等多方面关心的 问题。这一技术广泛应用于C3I（command，control，communication and intelligence）系统、复杂工业过程控制、机器人、自动目标识别、交通管制、 惯性导航、海洋监视和管理、农业、遥感、医疗诊断、图像处理、模式识别 等领域。实践证明：与单传感器系统相比，运用多传感器数据融合技术在解 决探测、跟踪和目标识别等问题方面，能够增强系统生存能力，提高整个系 统的可靠性和鲁棒性，增强数据的可信度，并提高精度，扩展整个系统的时 空覆盖率，增加系统的实时性和信息利用率等。
10.1 多传感器信息融合技术概述
10.1.1 多传感器信息融合技术的概念
多传感器信息融合又称数据融合，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。它也为智能信息处理技术的研究提供了新的观念。 信息融合的定义大都是功能性的描述，JDL（Joint Directions of Laboratories：美国三军组织实 验室理事联合会)从军事应用的角度将信息融合进行定义。信息融合是一种多层次、多方面 的处理过程（包括对多源数据进行检测、相关、组合和估计等），以提高状态和特性的估计 精度、实现对战场态势和威胁及其重要程度的实时完整的评价。JDL当前的最新定义是： “信息融合是组合数据或信息以估计和预测实体状态的过程”。信息融合是协同利用多源信 息（传感器、数据库、人为获取的信息）进行决策和行动的理论、技术和工具，旨在比仅利 用单信息源或非协同利用部分多源信息获得更精确和更稳健的性能。 随着数据融合和计算机应用技术的发展，根据国内外研究成果，多传感器数据融合比较确切 的定义可概括为：充分利用不同时间与空间的多传感器数据资源，采用计算机技术对按时间 序列获得的多传感器观测数据，在一定准则下进行分析、综合、支配和使用，获得对被测对 象的一致性解释与描述，进而实现相应的决策和估计，使系统获得比它的各组成部分更充分 的信息。
10.2 基本原理、信息融合过程及关键技术
10.2.1 传感器的类型及数据特征
信息融合是人类和其他生物系统，普遍存在的一种基本功能。人非常自然地运用这一能力， 把来自人体各个传感器(眼、耳、鼻、四肢)的信息(景物、声音、气味、触觉)综合起来， 并使用先验知识去估计、理解周围环境和正在发生的事件]zl。由于人类感觉具有不同的度 量特征，因而可测出不同空间范围内的各种物理现象，把各种信息或数据(图像、声音、 气味以及物理形状或上下文)转换成对环境的有价值的解释。 多传感器信息融合实际上是对人脑综合处理复杂问题的一种功能模拟。在多传感器系统中， 各种传感器提供的信息可能具有不同的特征:时变的或者时变的，实时的或者非实时的， 快变的或者缓变的，模糊的或者确定的，精确的或者不完整的，可靠的或者非可靠，相互 支持的或互补的，也可能是相互矛盾或冲突的。 多传感器信息融合充分地利用多个传感器资源，通过对各种传感器及其观测信息的合理支 配与使用，将各种传感器在空间和时间上的互补与冗余信息依据各种优化准则组合起来， 产生对观测环境的一致性解释和描述。信息融合的目标是基于各传感器分离观测信息，通 过对信息的优化组合导出更多的有效信息。