多源信息融合技术及其应用研究.docxVIP

多源信息融合技术及其应用研究 　　摘要：首先，文章阐述了多源信息融合的概念与模型;其次，探讨了多源信息融合的层次和方法;最后，介绍了多源信息融合技术的应用领域和发展趋势，特别讨论了几个新兴的应用领域。 　　关键词：多源信息;信息融合;信息融合技术 　　1多源信息融合的概念和模型 　　多源信息融合从20世纪70年代末由一门新兴学科迅速发展起来。随着信息技术的进步，各种应用系统背景越来越复杂，因而多源信息系统大量出现，对不同信息源的信息进行有效融合已成为迫切的需求。同时，各种关于信息融合的新理论、新方法和新技术层出不穷，多源信息融合技术的应用领域也越来越广泛。 　　1.1多源信息融合的基本概念 　　多源信息融合（简称为信息融合）是指组合和合并多个来源的信息或数据，以便形成一个统一结果的技术[1]，其过程是用技术工具和数据方法来综合处理不同来源的信息，通过对信息的优化组合，得到高品质的有效信息。简而言之，即信息融合是为综合信息系统的用户提供多个数据源的统一视图的过程[2]。多源信息融合的目的主要有两个方面：一方面，针对多源信息的冗余性，消除输入信息中的噪声和异常值;另一方面，针对多源信息的互补性，获取与实际应用相关的有价信息，最大限度地获取所观察对象的完整信息描述。 　　多源信息融合是一个多学科交叉的研究领域，为各学科的研究者提供了互相合作与借鉴的机会，已广泛应用于众多领域。 　　1.2多源信息融合的模型 　　多源信息融合模型可分为功能模型、结构模型、过程模型和数学模型等类别。前3类可以统称为信息融合模型，而数学模型多指各种信息融合方法。 　　到目前为止，人们已提出了多种信息融合模型，如jdl模型、oo-da模型、omnibus模型、stdf模型等[3]，其中，应用最广泛的是jdl模型及其演化版本。最初的jdl模型根据信息融合的结果可分为3级：第一级是位置估计与目标身份识别;第二级是态势评估;第三级是威胁估计。后期的四级融合模型在三级模型的基础上增加了第四级“精细处理”，而五级融合模型与三级模型相比，将位置级融合与目标识别级融合分开，并且增加了“检测级融合”。使jdl模型从军事应用成功推广到民用领域的模型改进主要是将第三级“威胁评估”改为“影响评估”。 　　2多源信息融合的层次和方法 　　多源信息融合用不同层次来表示对信息的处理的不同级别，不同级别的输入信息和输出结果都有所不同。每个层次都会涉及很多具体的方法与技术，研究各种技术方法的适用范围、优缺点以及相互之间的关系等，可以为多源信息融合的技术方法及应用提供借鉴。 　　2.1多源信息融合的层次 　　根据输入信息的抽象层次，可将多源信息融合分为3个层次：数据级融合、特征级融合和决策级融合。 　　（1）数据级融合，属于3个融合层次的最低层，对采集到的原始信息进行直接融合处理，能够尽可能多地保持现场数据，并且能够对信息处理结果进行特征提取和相应的决策判断。数据级融合处理方法能够提供更加细致的信息，且信息损失较少，所以分析结果的精度较髙。但是因为数据容量大，所以处理时间长、代价高、实时性差。在数据融合阶段多用传统方法进行处理，例如加权平均法、特征匹配法等。 　　（2）特征级融合，是介于数据融合和决策融合之间的层次。首先，对多源信息进行特征提取;其次，按照特征信息对多源信息进行分类和融合;最后，形成基于融合特征矢量的属性说明。该层主要由目标特征信息和目标状态信息融合组成，常用的方法有分类法、卡尔曼滤波、聚类法等。 　　（3）决策级融合，是多源信息融合中最髙层次的融合，通过对特征信息分类和识别等处理，再进行进一步的信息融合，其結果用来为各种控制和决策提供依据。由于决策级融合的预处理工作量大，信息损失也较多，易造成精度降低，但是它适用于异构传感器场合，且融合处理过程代价较低，抗干扰能力较强。常见决策级融合方法有贝叶斯网络推理法、d-s理论和专家系统等。 　　2.2多源信息融合的方法 　　多源信息融合方法种类繁多，每种方法都各有优缺点，各种方法相互之间也具有一定的互补性。按照多源信息融合算法的数学基础可分为估计理论方法、不确定性推理方法和人工智能和模式识别方法。 　　（1）估计理论方法，包括线性估计技术和非线性估计技术。常见的线性估计技术有卡尔曼滤波与加权平均等;非线性估计技术如扩展卡尔曼滤波（extendedkalmanfilter，ekf）、强跟踪滤波器（strongtrackingfilter，stf）和ukf滤波等。随着对信息融合认知程度的加深，基于随机抽样技术的非线性非高斯系统的研究也获得了很多成果。 　　在多源信息融合的