一種基于多傳感器的信息融合技術分析

侯遠韶

摘? 要：單一傳感器采集的信息受限于范圍、精度的影響往往無法準確地描述目標的具體特征，進而導致系統的可靠性不足，同時由于不能對采集到的信息進行高效表示，在傳輸及存儲過程中對系統硬件以及通信系統帶來了巨大壓力。基于多傳感器的信息融合技術，通過一定的融合算法對不同傳感器采集到的同構或異構數據信息進行有效融合，使得不同類型數據之間在互補的同時擯除了冗余數據，擴展了單個傳感器性能，滿足了系統對信息實時性和有效性的需求，在提高系統穩定性和容錯性的同時，節省了系統的計算資源和存儲空間，克服了不確定因素及環境因素對系統的干擾，具有重要的研究意義。

關鍵詞：多傳感器? 信息融合? 融合算法? 有效性

中圖分類號：TP391.4? ? ? ? ? ? ? ? ? ? ? ?文獻標識碼：A文章編號：1672-3791（2021）04（a）-0017-03

An Analysis of Information Fusion Technology Based on Multi-sensor

HOU Yuanshao

（Department of Mechanical and Electrical Engineering Henan Industry and Trade Vocational College， Zhengzhou， Henan province， 451191? China）

Abstract：The information collected by a single sensor is limited by the scope and accuracy. It often fails to accurately describe the specific characteristics of the target， which leads to insufficient reliability of the system. At the same time， because the collected information cannot be expressed efficiently， the transmission and storage process system hardware and communication systems have brought tremendous pressure. Based on multi-sensor information fusion technology， through a certain fusion algorithm， the homogeneous or heterogeneous data information collected by different sensors is effectively fused， so that different types of data are complementary while eliminating redundant data， expanding a single sensor. The performance meets the system's requirements for real-time information and effectiveness， while improving system stability and fault tolerance， it also saves the system's computing resources and storage space， and overcomes the interference of uncertain factors and environmental factors on the system. Important research significance.

Key Words： Multi-sensor; Information fusion; Fusion Algorithm; Effectiveness

1? 多傳感器信息融合

1.1 多傳感器信息融合基本概念及特點

多傳感器信息融合主要由3個部分組成：首先，如果要獲得全面、可靠的數據就需要傳感器這一工具進行數據采集;而數據作為信息的載體也是融合的對象，有異構數據和同構數據之分;當傳感器采集到數據之后就需要根據不同的數據類型及特點，選取適當的數據融合算法進行數據挖掘和處理，去除冗余信息的同時保留互補信息并對協同信息做出合理選擇，最終形成統一的數據信息，為后續的判斷決策做出依據，提高系統的魯棒性和有效性[1]。相對于單一傳感器采集信息的局限性，多傳感器信息融合技術具有多方面、多層次的特點，采集到的信息具有互補性、冗余性，可以提高系統的精確度以及穩定性，在空間和時間上都具有較大的優勢[2]。多傳感器信息融合如圖1所示。

1.2 信息融合級別

傳感器采集到數據信息以后，根據融合對象的類型不同，數據融合技術可以分為3個等級，分別為數據級、特征級以及決策級[3]。

（1）對傳感器采集到的原始數據不經過加工處理就進行融合，稱為數據級融合。其特點是基于最原始的數據進行融合，因此其性能最好，但對異類數據融合性不夠，同時對外界干擾因素抵抗力較弱，一旦受到影響對后續的決策判斷會產生較大的影響，計算量大且對系統的硬件和通信水平都有較高的要求，數據處理成本高[4]。

（2）特征作為信息的主要表現形式，特征級融合不直接對原始數據進行處理，而是通過每個傳感器采集到原始數據進行特征提取，進而對得到的特征向量進行融合[5]。特征級融合可以大大減輕對系統硬件的壓力，系統的有效性和實時性也得到了提高，但另一方面，由于需要從原始數據中提取特征，而在提取特征中會丟失一部分數據的原始信息，因此融合結果會造成一部分細微數據的丟失，給系統的精確度帶來了一定的影響。

（3）在每個傳感器的分析判斷基礎上做出綜合研判，稱為決策級信息融合。由于每個傳感器之間都對數據進行了同樣處理，然后對結果進行關聯性分析，因此系統具有較高的魯棒性，同時對系統的通信及計算能力要求也不高，但是由于最終融合結果取決于每個傳感器的決策結果，丟失了原始數據的部分信息，進而導致系統的準確度不高，其性能較差[6]。

1.3 信息融合關鍵問題

由于傳感器信息采集面對的目標對象具有多樣性，且同一目標受不同外界或內部因素的影響也可能呈現出不同的表現形式，因此多傳感器信息融合算法沒有一種通用的標準，這也是目前信息融合算法存在的主要問題[7]。信息融合算法需要對具體的應用背景做出綜合分析，具體流程涉及到不同類型數據之間的轉換、特征提取、數據庫的建立以及融合推理等一系列，因此信息融合關鍵技術歸納起來主要有以下幾個方面。

（1）數據之間的相關性分析及轉換，由于不同傳感器之間采集的信息具有異構性或同構性，如何在異構數據之間找到其融合、協同的折合點是關鍵所在，即對異構數據進行轉換的同時不丟失其特征信息;數據轉換則是指傳感器采集到的信息在數據類型、數據層次以及數據標準上具有一定的差異性，因此，在進行數據融合之前，需要依據一定的準則將不同數據轉換為相同的形式，繼而實現信息融合，即需要將不同類型和來源的數據轉換為同一形式，方便進行融合。

（2）多傳感器信息融合帶來的維數災難，會對系統造成影響，因此需要對冗余信息進行特征約簡，同時要建立有效的數據模型，以便及時有效地進行數據間的搜索。

（3）針對不同類型和來源數據之間的互補性和冗余性，進行關聯分析和融合，選取合適的傳感器數據，在確保融合精度的前提下降低計算的復雜度，同時對融合損失做出合理補償。

2? 信息融合過程及評價體系

2.1 多傳感器配準定位

由于不同傳感器間受制于各種因素的影響，如傳感器的位置、數據類型以及自身的性能，進而導致數據產生不同步的情況發生。因此，在進行信息融合之前需要對傳感器采集的數據進行配準定位，進可能得到無誤差的數據信息，避免對數據進行關聯、決策時造成較大誤差。典型的多傳感器配準定位方法主要有：（1）基于時間的配準，即將不同傳感器采集的數據進行時間匹配，最終實現融合時傳感器數據間的同步性，降低時間誤差提高系統精度;（2）基于空間的配準，由于不同傳感器系統間的相互獨立性，導致其坐標系和采樣周期也有可能不一樣，因此需要對多傳感器進行空間的配準，即相同坐標系。

多傳感器在進行信息采集時不可避免地受到噪聲等各種外界因素以及自身因素的影響，導致出現嚴重背離絕大部分數據變化規律的小范圍野值點出現，這種野值點會嚴重干擾數據融合的精確性，因此，需要在信息融合過程中及時給予刪除，進而使得信息預處理合理有效，為后續的分析決策判斷做出依據。

2.2 信息融合過程

多傳感器信息融合過程可以分為3個部分：（1）信息的預處理，主要包括對數據進行基于時間的配準或基于空間的配準，同時對野值信息進行剝離，并對數據做歸一化處理，減小系統計算復雜度的同時，提升數據質量;（2）信息的配準定位，通過仿射變換或坐標變換，在時間上和空間上對信息進行相對配準或絕對配準，提高信息融合時傳感器數據間的同步性，降低時間、空間誤差提高系統精度;（3）信息融合，為了摒除冗余信息，留下互補信息，得到更好的融合結果，需要選擇合適的信息融合算法，最大程度地提取信息特征，繼而實現不同類型信息在不同層面的合理融合，提升系統性能。

2.3 信息融合評價體系

信息融合質量是評判一個系統性能優劣的主要標準，合理有效的信息融合評價體系，能夠及時有效地對信息融合技術做出判斷，體現系統的性能進而做出有針對性改進，進而在不斷提升的基礎上提升算法性能。因此，對信息融合優劣的評價可以在主觀和客觀兩個方面進行，通過實驗分析及數據調查為主觀評價，這種方法直觀易行、結果準確，但受外界因素影響較大;通過數據進行分析評判為客觀評價，主要指標有信息熵、均方根誤差、標準差等這些表現信息統計特征的評價數據，這種方法準確度較高，但計算量較大。

3? 信息融合方法的改進

典型的信息融合方法有：（1）基于加權平均思想的，這種方法計算量小，算法簡便，但對噪聲敏感，且后期效果差需要進一步處理;（2）證據比對法，通過對每個傳感器采集的信息進行計算，得到其可信度函數，然后利用一定的規則，挑出可信度函數最大傳感器，這種方法不依賴于傳感器間信息數據的累加原則，計算簡單，但對部分對立數據無法做出依據;（3）基于灰關聯分析，則是通過對數據進行全貌比對，對傳感器的置信度做出量化克服人為因素對信息融合效果的影響。這些信息融合方法針對不同的情況，有各自的特征，因此可以將多個融合算法結合起來，進而達到取長補短的效果，提高系統性能。

4? 結語

多傳感器信息融合技術是目標跟蹤、路徑規劃的前提條件，但由于不同傳感器采集的數據之間具有異構性、非完備性以及多源性等特征，導致信息融合沒有統一的數學模型，因此給信息融合技術帶來了一定的難度。經過研究分析，通過對信息融合方法進行改進，將不同的融合算法依據應用環境結合起來，可以實現系統性能的整體提升。

參考文獻

[1] 付瑞玲，王寧，杜志強.基于多傳感器信息融合的火災報警器設計[J].計算機測量與控制，2018，232（1）：206-208.

[2] 潘崢嶸，周宗儒，朱翔.基于多傳感器信息融合的無人機防碰撞系統[J].自動化技術與應用，2018，37（3）：130-133.

[3] 王正家，夏正喬，孫楚杰.基于多傳感器信息融合的自主跟隨定位及避障方法[J].傳感技術學報，2019，32（5）：85-89，110.

[4] 邵衛林，陳金忠，馬義來.基于多傳感器數據融合技術的漏磁內檢測數據分析[J].傳感技術學報，2019，32（10）：1541-1548.

[5] 吳曉光，劉紹維，楊磊.基于深度強化學習的雙足機器人斜坡步態控制方法[J].自動化學報，2020（46）：73-78.

[6] 焦璐，張浩峰.信息融合算法的工程應用[J].電光與控制，2018，25（5）：106-108.

[7] 劉澈，姜勇，姚森敬.基于多傳感器信息融合的絕緣子串自動識別方法[J].機械設計與制造，2019，338（4）：220-224.