多传感器数据融合技术

人类本能地具有将身体上的各种器官（眼、耳、鼻和四肢等）所探测的信息（景物、声音、气味和触觉等）与先验知识进行综合的能力，以便对其周围的环境和正在发生的事件做出评估。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。与单传感器相比，运用多传感器信息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健壮性，增强数据的可信度，提高精度，扩 展系统的时间、空间覆盖率，增加系统的实时性和信息利用率等。作为多传感器融合的研究热点之一，融合方法一直受到人们的重视，这方面国外已经作了大量的研究，并且提出了许多融合方法。目前，多传感器数据融合的常用方法大致可分为两大类：随机和人工智能方法。信息融合的不同层次对应不同的算法，包括加权平均 融合、卡尔曼滤波法、Bayes 估计、统计决策理论、概率论方法、模糊逻辑推理、人工神 经网络、D-S 证据理论等。

多传感器数据融合技术形成于上世纪80年代，目前已成为研究的热点。它不同于一般信号处理，也不同于单个或多个传感器的监测和测量，而是对基于多个传感器测量结果基础上的更高层次的综合决策过程。

传感器数据融合的定义可以概括为把分布在不同位置的多个同类或不同类传感器所提供的局部数据资源加以综合，采用计算机技术对其进行分析，消除多传感器信息之间可能存在的冗余和矛盾，加以互补，降低其不确实性，获得被测对象的一致性解释与描述，从而提高系统决策、规划、反应的快速性和正确性，使系统获得更充分的信息。其信息融合在不同信息层次上出现，包括数据层融合、特征层融合、决策层融合。

（1）数据级融合。针对传感器采集的数据，依赖于传感器类型，进行同类数据的融合。数据级的融合要处理的数据都是在相同类别的传感器下采集，所以数据融合不能处理异构 数据。

（2）特征级融合。特征级融合，指的是提取所采集数据包含的特征向量，用来体现所 监测物理量的属性，这是面向监测对象特征的融合。如在图像数据的融合中，可以采用边 沿的特征信息，来代替全部数据信息。

（3）决策级融合。决策级融合，指的是根据特征级融合所得到的数据特征，进行 一定的判别、分类，以及简单的逻辑运算，根据应用需求进行较高级的决策，是高级的融合。决策级融合是面向应用的融合。比如在森林火灾的监测监控系统中，通过对于温度、湿度和风力等数据特征的融合，可以断定森林的干燥程度及发生火灾的可能性等。这样，需要发送的数据就不是温湿度的值以及风力的大小，而只是发送发生火灾的可能性及危害程度等。在传感网络的具体数据融合实现中，可以根据应用的特点来选择融合方式。

多传感器数据融合比单一传感器信息有如下优点，即容错性、互补性、实时性、经济性，所以逐步得到推广应用。应用领域除军事外，已适用于自动化技术、机器人、海洋监视、地震观测、建筑、空中交通管制、医学诊断、遥感技术等方面。

有鉴于传感器技术的微型化、智能化程度提高，在信息获取基础上，多种功能进一步集成以致于融合，这是必然的趋势，多传感器数据融合技术也促进了传感器技术的发展。

参考资料 >