多源信息融合技術發展簡述

李明

（武漢藏龍北路1號武漢430205）

多源信息融合技術發展簡述

李明

（武漢藏龍北路1號武漢430205）

回顧了信息融合的發展歷程，結合國內外研究成果與現狀，介紹了信息融合的幾種經典功能模型，了解了信息融合的數學理論支撐。列舉了數據融合在軍事領域的一些應用，探討了信息融合發展面臨的挑戰，對未來研究方向進行了展望。

數據融合；融合算法；融合結構

Class NumberTP393

1 引言

數據融合，也稱信息融合，是一個數據或者信息綜合過程，用于估計和預測實體狀態。信息融合的基本目標，就是通過組合獲得比任何單個輸入數據更準確的信息。

信息融合的JDL模型是目前應用最廣泛、認知度最高的經典功能模型，它將融合級別分為四層，即目標位置/身份估計、態勢評估、威脅估計、過程優化［1］。

隨著技術的發展，作戰環境日漸復雜，傳感器種類和功能也越來越多，融合系統需要處理的信息量劇增，智能算法的快速發展等，都對信息融合的發展提出了更高的要求。本文介紹了信息融合的國內外發展過程與研究現狀，羅列了多源數據融合的經典功能模型，介紹了數據融合的數學理論支撐，最后，結合信息融合在軍事領域的應用，提出了存在問題，并對信息融合的未來發展方向進行了展望。

2 信息融合發展和研究現狀

信息融合是綜合處理多種信息的關鍵，也是對傳感器探測結果的進一步加工。最近幾十年信息融合在軍事應用的帶領下迅速發展。

2.1 國外發展過程與研究現狀

20世紀70年代初，美國研究機構發現，利用計算機技術對多個獨立的連續聲納信號進行融合后，可以自動檢測出敵方潛艇的位置，使得信息融合作為一門新興的學科首先在軍事應用研究領域受到青睞。20世紀80年代后期開始，SPIE、IEEE等著名學術組織均定期舉辦信息融合學術會議。美國三軍組織-實驗室理事聯合會（JDL）專門成立了信息融合專家組（DFS），專門負責組織和指導信息融合技術研發工作。1998年，學術界成立了國際信息融合學會（ISIF），每年舉辦一次國際學術會議，以促進學術交流、推動信息融合技術的發展。一些IEEE期刊、IEE會刊等經常發表有關信息融合及目標跟蹤的論文；Journal of Information Fusion、Journal of Advances in Information Fusion等專業學術期刊分別于2000年和2006年創刊。

信息融合概念形成以來，Y.Bar-Shalom，R. Singer，W.D.Blair，D.B.Reid，S.S.Blackman，A.Poore，X.R.Li，T.Kirubarajan，K.C.Chang等為代表的科學家在機動目標跟蹤和數據關聯方面作出了杰出的貢獻、提出了一系列經典算法，包括聯合概率數據關聯、多假設跟蹤、多維分配算法、交互多模型濾波、基于隨機集理論的融合算法、序貫Monte Carlo抽樣濾波、D-S證據理論等。

美國的林肯試驗室是從事軍事武器裝備預先研究的重要機構，把多聲納綜合信息系統、波束形成對信號特征的影響作為研究的重點，將信息融合作為水中目標識別研究的一個重要發展方向。俄羅斯的GMG516水下分類系統，也是利用綜合聲納系統上的多信息綜合處理提取分類特征，其提取特征包括聲頻、聲源級和聲場分布特征等，在水中目標識別研究過程中也是利用多種豐富特征進行綜合判別，且其對特征的研究較為精細，找出了聲信號特征隨躍變層不同的變化規律［2］。同時俄羅斯水下警戒系統中還利用矢量波導特征識別出水上、水下目標。

2.2 國內發展過程與研究現狀

國內關于信息融合理論和技術的研究起步相對較晚，20世紀80年代初期到末期，人們開始從事多目標追蹤理論研究，開始出現有關多源信息融合理論研究的報道。2009年，中國航空學會信息融合分會成立，每年舉辦一次專業學術會議，各大著名高校與研究所積極參加，促進了國內信息融合技術學術交流、加速國內信息融合技術發展［3］。

在軍事應用方面，國內已具備開發第一級融合功能完整的信息融合系統的能力，包括傳感器偏差校準、多源異類數據相關、合成和目標綜合識別等功能，已研制出一批具備多平臺多傳感器信息融合能力的作戰指控系統和情報綜合處理信息系統，提供雷達、聲納、紅外、電子戰等實時情報與偵察、計劃、圖像等非實時情報的信息融合功能［4］，應用在海軍各型艦艇指控系統、海上編隊指揮系統、岸基指揮自動化系統、協同防空系統以及其他軍兵種的各種組網雷達數據處理等領域［5］。就公開的資料看，在高級信息融合方面，2010年之后國內少數人開展了海戰和空戰態勢評估與預測研究［6］。

2010年以來，軍事應用的促進下，傳感器探測特征挖掘技術、小目標聯合檢測技術、方差非獨立的分布式信息融合、聯合粒子濾波技術等仍然是研究熱點問題［7］。其中，水下信息融合領域，針對復雜水下環境目標識別困難的問題，開展基于全局信息的水聲信息目標印證識別技術，針對全局歷史、當前信息進行水聲信息融合驗證，利用LOFAR、DEMON譜結構以及運動速度、航向、距離、加速度等目標特征信息，運用模糊數學理論分析特征信息的模糊度，進行模糊相似度匹配目標識別。同時綜合利用全局歷史多源信息與當前信息進行不斷印證，提高復雜環境下水聲目標識別能力。

異類信息關聯不確定度評定技術。復雜多變的戰場環境，如未知的傳感器誤差，電磁干擾與環境雜波，時刻變化的目標分布與機動狀態，性能波動的通訊網絡等，使得信息在收集和傳播過程中引入了極大的不確定性，并且其不確定性隨時間變化、變化機理也難以描述。對大范圍天基圖像、電子戰、艦載雷達、紅外、光電等不同類型信源信息，單個數據關聯算法無法始終給出最優關聯結果，需要系統客觀評定多種數據關聯算法對數據的適應程度，根據不確定度和信源特征自動選擇最優關聯算法，以適應信源和環境的變化。

基于環境信息的波導和欺騙干擾目標融合技術。信源在受到電子干擾后，其探測威力、準確性和精度通常都會下降，一方面，不能及時發現進入探測區域的目標，另一方面，持續輸出現實中不存在目標的虛假航跡。非波導體制雷達也容易受海面蒸發波導的影響，使得超視距目標的距離信息不正確。單雷達無法完全分辨出受波導影響目標和欺騙干擾目標，需要綜合無線電、紅外、可見光等多波段探測信息，以正常水平的虛情率和漏情率為參照，從融合態勢中辨別出這些目標，并相應地優化融合規則和流程。

總體而言，我國在信息融合領域的技術研究與美、俄等軍事強國之間仍存在一定差距，需要加大相關技術科研力度，以滿足未來作戰的需要。

3 信息融合的模型、理論與應用

3.1 信息融合的功能模型

1）JDL模型

20世紀80年代美國國防部成立數據融合聯合指揮實驗室，提出了JDL融合模型，最初的JDL模型包括四級處理、數據庫管理系統等功能，之后加入了信息預處理，模塊，形成了信息融合的基本結構，如圖1所示。

預處理模塊功能主要是初級過濾，自動控制進入融合系統的數據流量，根據觀測時間、數據、傳感器類型、報告位置、信息的屬性和特征分類管理數據，以控制進入融合中心的數據流量。

第1級處理即目標位置/身份估計，由數據校準、互聯、跟蹤和身份融合組成。數據校準將傳感器觀測值轉換為公共坐標值；互聯將傳感器數據分組；跟蹤是融合各個傳感器信息，獲得最佳的融合航跡；身份融合是綜合與身份有關的數據進行身份識別，常用方法有神經網絡、聚類法、D-S證據理論及貝葉斯推理方法等。

第2級處理即態勢評估，主要有態勢提取和評估，將不完整的數據集合建立一般化的態勢表示，對前幾級處理產生的兵力分布情況給出一個合理的解釋，通過對復雜戰場環境正確分析與表達，給出敵我雙方兵力分布推斷、意圖、計劃和結果。

第3級處理即威脅估計，威脅估計是將地方的威脅能力和企圖進行量化來來實現的。估計出作戰事件出現的程度或者嚴重性，并對作戰意圖作出指示與告警。

第4級處理即過程優化，主要包括采集管理和系統性能評估功能。采集管理用于傳感器管控，包括傳感器的選擇、分配及工作狀態的優化等。性能評估進行系統的性能評估及有效性度量。

以上4級處理和信息源、數據庫系統、人機界面等構成了經典的信息融合JDL模型。

2）JDL-User模型

2002年Erik.P.Blash在JDL模型的基礎上改進，提出了更符合工程實際的JDL-User模型，增加了優化用戶過程。如圖2所示，融合模型分為6級。

優化用戶過程，自適應地決定查詢和獲取信息的用戶，自適應地獲取和顯示數據以支持決策制定和行動。

3）其它功能模型

除了經典的功能模型以外，還有修正瀑布模型、情報環模型、Boyd循環回路模型、混合模型等多種其它模型，其中，1991年M.Bedworth等提出的瀑布模型，被廣泛應用于英國國防信息融合系統，如圖3所示。

瀑布模型的信號獲取與處理、特征提取和模式處理環節相對應于JDL模型的第0、1級處理，而態勢評估和決策制定相當于JDL模型的第2、3和4級處理。

從決策制定到態勢評估，反映態勢改進及作出新的控制行為。

從模式處理到信號處理，反映改善的模式處理對態勢評估的影響。

從決策制定到特征提取，反映改善的決策對提高特征的處理和制定行為的影響。

3.2 信息融合的數學理論

信息融合涉及面非常廣，綜合性非常強。多傳感器融合的實質是不確定信息的處理，它需要能夠處理不確定信息的數學工具。近年來，在傳統理論的基礎上發展起來了一些新的理論和方法，例如主觀貝葉斯、DS-mT理論、D-S證據理論等不確定性理論［8］。以粗糙集理論、隨機集理論、支持向量機、神經網絡、遺傳算法、專家系統、貝葉斯網絡等智能計算與模式識別理論，已經應用于多源信息融合中，成為推動信息融合發展的重要力量［9］。

1）HIS變換

HIS變換是應用較廣泛的一種數據融合方法，相對于RGB顏色空間來說，它是一個描述物體顏色屬性的系統，其中H代表物體的色度（hue）、I代表亮度（intensity）、S代表顏色的飽和度（saturation），三者分別代表三個波段的數據向量、平均輻射強度和等量的數據大小。HIS變換的一般做法是：用已經配準的TM標準假彩色圖像經HIS變換得到I、H、S分量，然后以SAR圖像代替其中的I值，再變換到RGB顏色空間，從而形成新的圖像。新圖像既擁有SAR數據的亮度指標，又保留了TM數據的飽和度和色度指標，這樣就可以充分展示其空間特征，極大地豐富圖像的信息量。

2）D-S證據理論

D-S證據理論是Dempster于1967年提出的一套完整的數學推理理論。D-S證據理論可以看作對經典概率推理在有限域上的一般化擴展，其主要特性是支持描述不同等級的精確度和直接引入了對未知不確定性的描述。它不需要先驗信息，對不確定信息的描述采用“區間估計”而不是“點估計”，解決了不確定性的表示方法，在區分不知道與不確定方面以及精確反映證據收集方面具有很大的靈活性。當不同傳感器所提供的測量數據與結論的支持發生沖突時，D-S算法可以通過“懸掛”在所有目標集上共有的概率使得發生的沖突獲得解決［10］。它用集合表示事件，用D-S組合規則代替Bayes推理法來實現信任函數的更新。圖4為基于D-S證據理論的目標識別流程圖。

3）專家系統

專家系統是具有解決特定問題所需專門領域知識的計算機程序系統，也稱基于知識庫的系統。模仿人類專家的思維活動，通過推理與判斷求解問題。專家系統主要由兩個部分組成：一個稱為知識庫的知識集合，它包含待處理問題領域的知識，通常由數據庫管理系統來組織和實現；另一個稱為推理機的程序模塊，它包含一般問題求解過程所用的推理方法和控制策略的知識，通常由具體的程序來實現。專家系統適用于缺乏合適算法求解問題而又能采用領域專家經驗來求解問題的場合。專家系統在工程應用上經過二十多年的發展，就其理論基礎、系統設計和開發工具而言，已經取得了較為全面而豐碩的成果，正因為如此，運用專家系統求解數據融合領域中的態勢估計和威脅估計問題是非常適宜的。

3.3 信息融合的應用

隨著科技飛速發展，傳感器多樣化，武器高、精、尖。現代戰場擴大到了陸、海、空、天和電磁五維戰場，合理的利用眾多的傳感器，提高目標探測能力，成為了數據融合系統研究的核心。

在C3I系統中的各類傳感器在性能上有很大差異達，例如雷達有不同的精度、分辨率、維度、頻段、覆蓋范圍。實踐證明，目前為止還沒有哪一個傳感器能夠取代一切其它傳感器，傳感器所提供的數據包括各種信息，如目標的位置、速度、型號、屬性、輻射頻段等信息，這些信息是數據融合中心狀態估計、身份估計和威脅估計以及指揮員輔助決策非常重要的依據。因此，對這些多種類的傳感器收到的各種信息綜合處理，提取關注信息顯得尤為重要。多傳感器多目標的融合過程就是對多源信息進行處理的過程［11］。圖5所示為數據融合技術在C3I系統中的應用。

圖6 為數據融合在圖像信息與雷達數據融合識別中的應用。綜合可見光圖像、無人機圖像、雷達數據信息等多信息源，提取目標特征信息完成基于特征目標身份融合。

4 多源信息融合的挑戰與展望

信息融合正大量應用于眾多軍用和民用領域，如C3ISR系統、多機器人自主定位與導航、工業控制、智能交通系統、空中交通管制、海洋監視和管理等領域［12］。數據融合面臨著一系列的挑戰與發展。

1）在多平臺/單平臺、異類/同類多傳感器的應用背景下，探索計算復雜程度低，同時又能滿足任務要求的數據處理模型與算法。

2）解決數據配準、數據預處理、數據庫構建、數據庫管理、人機接口、通用軟件包開發等問題，利用成熟的輔助支持技術，構造通用的數據融合支撐環境，便于快速形成面向具體應用需求的數據融合系統。

3）構建完整的數據融合測試評估平臺和多傳感器管控體系。

4）進一步探索不確定性因素的表達和推理演算。

5）如何將人工智能技術，如專家系統、遺傳算法、神經網絡、信息熵理論、模糊推理等與數據融合完美結合，在探測、特征提取、數據關聯、目標分類、目標跟蹤、評估和管理等方面充分發揮其優越性。將信息融合與智能化結合，這是未來信息融合發展的重要趨勢［13］。

［1］潘泉，程詠梅，梁彥，等.多源信息融合理論及應用［M］.北京：清華大學出版社，2013：4-18.

［2］柳革命，孫超，楊益新.基于特征融合的被動聲納目標識別［J］.計算機仿真，2009，26（8）：326-329.

［3］鄧睿，胡志勇.數據融合發展的綜述［J］.連云港師范高等專科學校學報，2005（4）：76-78.

［4］馬麗娜.基于多源信息融合的圖像處理研究［J］.中國新通信，2015（14）：32-32.

［5］夏祖勛，劉同明，解洪成.海上編隊多源信息融合的信源組合與信源評價［J］.華東船舶工業學院學報，1995，9（2）：5-9.

［6］曹國志.淺析我國信息融合技術在軍事領域中的應用［J］.解放軍報，2013（12）.

［7］孟章榮.軍事應用中的多源信息融合技術［J］.現代防御技術，2001，29（6）：27-30.

［8］戴晨鋮.多傳感器信息融合綜述［J］.科技視界，2012（26）：242-243.

［9］胡勝利.基于遺傳神經網絡的多級信息融合模型研究［J］.計算機工程與設計，2010，31（15）：3480-3482.

［10］吳英.基于遺傳算法的沖突證據融合研究［D］.上海：上海交通大學，2011.

［11］王小非，周永豐.C3I系統中的數據融合技術［M］.哈爾濱：哈爾濱工程大學出版社，2006：9-19.

［12］龔瑞昆.基于量子神經網絡信息融合的變壓器故障診斷［J］.電力系統保護與控制，2011，39（23）：79-84.

［13］丁鋒.多傳感器數據融合發展評述及展望［J］.艦船電子對抗，2007，30（3）：52-55.

Research on Multi-source Information Fusion Problem

LI Ming
（No，1 Canglong North Road，Wuhan430205）

This paper reviews the development of information fusion combined with recent researches at home abroad，introduces several classical structures of information fusion，probes the mathematical theory of information fusion.It introduces some applications of data fusion in the military，discusses the challenges of information fusion now，the future research direction is forecasted.

data fusion，fusion arithmetic，the structure of fusion

TP393

10.3969/j.issn.1672-9730.2017.06.002

2017年1月10日，

2017年2月23日

李明，男，高級工程師，研究方向：指控系統。