論多傳感器信息融合技術

摘 要：單一傳感器只能獲得環境或被測對象的部分信息段，而多傳感器信息經過融合后能夠完善地、準確地反映環境的特征。本文通過從多傳感器融合技術的原理進行多方面探討

關鍵詞：多傳感器；信息融合技術

中圖分類號：TP273 文獻標識碼：A 文章編號：1674-7712 （2014） 14-0000-01

一、多傳感器信息融合的原理和特點

（一）多傳感器信息融合的原理。傳感器信息融合又稱數據融合，通過對來自不同傳感器的采集的數據，從多信息的視角進行處理及綜合，得到各種信息的內在聯系和規律，從而剔除無用的和錯誤的信息，保留正確的和有用的成分，最終實現信息的優化。

（二）多傳感器融合的特點。多個傳感器通過信息融合技術，增加了系統的生存能力和測量空間的維數，擴展了空間和時間的覆蓋范圍，提高了可信度，降低了信息的模糊度，改善了探測性能，提高了空間分辨率。

（三）多傳感器的應用。在信息電子學方面，通過對非線性、復雜環境因素的不同性質的信息進行綜合、相關，從各個不同的角度去觀察、探測世界；在在計算機領域中，在信息融合的思想下，提出的空間、時間數據庫，間意味著不同種類的數據來自于不同的空間地點，時間意味著數據庫能隨時間的變化適應客觀環境的相應變化，是計算機科學的一個重要的研究方向；在自動化領域中，以各種控制理論為基礎，信息融合技術采用模糊控制、智能控制、進化計算等系統理論，結合生物、經濟、社會、軍事等領域的知識，進行定性、定量分析，主要應用在工廠企業的生產過程控制和產供銷管理、城市建設規劃、道路交通管理、商業管理、金融管理與預測、地質礦產資源管理、環境監測與保護、糧食作物生長監測、災害性天氣預報及防治等涉及宏觀、微觀和社會的各行各業。

二、傳感器信息融合的一般方法

首先將被測對象它們轉換為電信號，然后經過A/D變換將它們轉換為數字量。數字化后電信號需經過預處理，以濾除數據采集過程中的干擾和噪聲。對經處理后的有用信號作特征抽取，再進行數據融合；或者直接對信號進行數據融合，最后輸出融合的結果。信息融合技術核心技術主要體現在融合算法上，是當前研究的熱點。

（一）嵌入約束法。由多種傳感器所獲得的客觀環境（即被測對象）的多組數據，然后對像求解原像。最基本的方法有Bayes估計法和卡爾曼濾波法。

1.Bayes估計法。Bayes估計法是融合靜態環境中多傳感器低層數據的一種常用方法，適用于具有可加高斯噪聲的不確定性信息。假定完成任務所需的有關環境的特征物用向量f表示，通過傳感器獲得的數據信息用向量d來表示，d和f都可看作是隨機向量。信息融合的任務就是由數據d推導和估計環境f。假設p（f，d）為隨機向量f和d的聯合概率分布密度函數，則

p（f，d）=p（f|d）·p（d）=p（d|f）·p（f） （1）

p（f|d）=p（d|f）·p（f）/p（d） （2）

由Bayes公式知，只須知道p（f|d）和p（f）即可。因為p（d）可看作是使p（f|d）·p（f）成為概率密度函數的歸一化常數，p（d|f）是在已知客觀環境變量f的情況下，傳感器得到的d關于f的條件密度。當環境情況和傳感器性能已知時，p（f|d）由決定環境和傳感器原理的物理規律完全確定。在嵌入約束法中，反映客觀環境和傳感器性能與原理的各種約束條件主要體現在p（f|d）中，而反映主觀經驗知識的各種約束條件主要體現在p（f）中。

2.卡爾曼濾波法。卡爾曼濾波法用于實時融合動態的低層次冗余傳感器數據，該方法用測量模型的統計特性，遞推決定統計意義下最優融合數據合計。如果系統具有線性動力學模型，且系統噪聲和傳感器噪聲可用高斯分布的白噪聲模型來表示，KF為融合數據提供惟一的統計意義下的最優估計，KF的遞推特性使系統數據處理不需大量的數據存儲和計算。嵌入約束法傳感器信息融合的最基本方法之一，但需要對多源數據的整體物理規律有較好的了解，才能準確地獲得p（d|f），但需要預知先驗分布p（f）。

（二）證據組合法。證據組合法是對完成某一任務的需要而處理多種傳感器的數據信息，完成某項智能任務，實際是做出某項行動決策。它先對單個傳感器數據信息每種可能決策的支持程度給出度量（即數據信息作為證據對決策的支持程度），再尋找一種證據組合方法或規則，在已知兩個不同傳感器數據（即證據）對決策的分別支持程度時，通過反復運用組合規則，最終得出全體數據信息的聯合體對某決策總的支持程度。利用證據組合進行數據融合的關鍵是建立快速、可靠并且便于實現的通用證據組合算法結構，以及選擇合適的數學方法描述證據、決策和支持程度等概念。常用的方法有率統計法和Dempster-Shafer證據推理法。

（三）人工神經網絡法。人工神經網絡法是通過模仿人腦的結構和工作原理，設計和建立相應的機器和模型并完成一定的智能任務。首先，根據智能系統要求及傳感器信息融合的形式，選擇其拓撲結構；然后，各傳感器的輸入信息綜合處理為一總體輸入函數，并將此函數映射定義為相關單元的映射函數，通過神經網絡與環境的交互作用把環境的統計規律反映網絡本身結構；最后，對傳感器輸出信息進行學習、理解，確定權值的分配，完成知識獲取信息融合，進而對輸入模式做出解釋，將輸入數據向量轉換成高層邏輯（符號）概念。

三、結束語

多傳感器信息融合技術是一種信息綜合和處理的技術，廣泛應用于多個行業。本文主要介紹了信息融合技術的原理、特點和應用，并詳細介紹了信息融合的關鍵技術，舉出了一般融合的方法。隨著電子信息技術的發展，信息融合技術將要向著集成化和智能化發展，我們要把握機遇，提高融合技術的水平，走在行業的前列。

參考文獻：

[1]康耀紅.數據融合理論與應用[M].西安：西安電子科技大學出版社，1997.

[2]劉同明，夏祖勛，解洪成.數據融合技術及其應用[M].北京：國防工業出版社，1998.

[3]謝能付.基于語義Web技術的知識融合和同步方法研究[D].中國科學院研究生院，2005.

[作者簡介]劉成剛（1978-），男，山東濱州人，電子工程系講師；于寧（1981-），男，山東文登人，山東省濟南生建電機廠有限公司。