多源信息融合技術及應用發展現狀

元晶

摘 要：多源信息融合技術是20世紀發展的高新技術，關于多源信息融合，目前還沒有形成一個統一的概念，其基本概念和融合模型仍以美國國防部數據融合聯合指揮實驗室（Joint Directors of Laboratories）提出的內容為標準。信息融合的算法還沒有形成固定的模式，大多數領域專家提出的算法具有局限性。信息融合的應用主要表現在軍事方面，近年逐步延伸到民用領域。

關鍵詞：信息融合；數據融合；功能模型；技術和算法

中圖分類號：TP202 文獻標識碼：A 文章編號：2095-7866 （2017） 05-042-006

工業經濟論壇 URL： http//www.iereview.com.cn DOI： 10.11970/j.issn.2095-7866.2017.05.006

Abstract： Multi-source information fusion technology is a new and high technology development in twentieth Century， a multi-source information fusion， it has not formed a unified concept， its basic concept and fusion model still takes the United States Department of defense data fusion joint command Laboratory （JDL） is proposed as the standard content. The algorithms of information fusion have not formed a fixed pattern， and the algorithms proposed by most experts have limitations. The application of information fusion is mainly manifested in the military field， which has gradually extended to civilian areas in recent years.

Key words： Information Fusion； Data Fusion； Function Model； Technique and Algorithm

引言

在自然界，人和其他動物都具有多源信息融合的能力，當人和其他動物處于某一自然環境中或對感興趣目標進行觀察時，都可以將視覺、嗅覺、味覺、聽覺等多種感官感知到的目標特征，利用人體神經網絡輸送到大腦，隨后由大腦對這些特征按照某種未知的規則做出綜合加工和處理，從而得到對環境對象的統一理解和認識，并作出相應行為與決策，這種由感知到認知的過程就是生物體的多源信息融合過程。人們通過對生物這種處理信息過程研究，設法通過機器來模擬生物體這種感知到認知的過程，從而出現了多源信息融合這門邊緣學科。

隨著新技術的層出不窮，特別是傳感器技術、計算機技術和信息處理技術的快速發展，20世紀70年代率先在軍事領域產生了“數據融合”的全新概念，即把多種傳感器探測的數據（信息）給予“綜合加工”，獲得較單個傳感器精確度高的有用信息，從而得出對跟蹤目標的準確識別。多源信息融合是一門交叉學科，綜合了控制、電子信息、計算機以及數學等多學科領域[1]。近年來，隨著國家對各種多傳感器平臺和系統的需求急劇增加，信息融合進入了一高發展高峰期，各種關于信息融合的新理論、新方法和新技術層出不窮，國內外學者已經在信息融合領域出版了一批高水平的學術專著，同時，世界上許多國家已把信息融合技術作為21世紀重點發展的高科技，所以，信息融合的理論和技術研究意義深遠。

一、多源信息融合的基本概念和方法

（一） 基本概念

目前，在信息融合領域，諸多學者常常提及與信息融合類似的稱謂，如數據融合、信息融合、多傳感器融合，這些概念之間既存在差別又密切相關。多數學者認為，數據融合主要針對各類以數據形式表達的信息融合；當需要的信息是傳感器量測數據時，數據融合就稱為傳感器融合；信息融合包括數據融合和傳感器融合，但信息融合范圍更寬泛，其融合的信息除數據外，還可延伸到圖像、音符、符號、知識和情報等，目前在領域界不再做明確區別。

關于多源信息融合（multi-source information fusion），目前還沒有形成一個統一的概念，美國三軍組織實驗室理事聯合會（JDL）認為：信息融合是一個數據或信息綜合過程，用于估計和預測實體狀態，著名學者Hall認為：信息融合是組合來自多個傳感器的數據和相關信息，以獲得比單個獨立傳感器更詳細更精確的推理[2，3]；Wald認為：信息融合是一個用來表示如何組合或聯合來自不同傳感器數據的方法和工具的通用框架，其目的是獲得更高質量的信息；我國著名學者韓崇昭、朱洪艷等認為：多源信息融合，實際上是對人腦綜合處理復雜問題的一種功能模擬。綜上所述，我們可以認為：多源信息融合就是把來自多個監測設備收集的信息，借助某種信息融合規則，對這些信息加工處理，獲得對檢測對象的一致性解釋或刻畫，進而獲取新的融合結果作為人們決策或行動的參考依據。

（二） 融合方法

1. 多源信息融合的功能模型

最早研究多源信息融合的機構是美國國防部數據融合聯合指揮實驗室（JDL），提出了著名的JDL模型，經不斷修正和實踐拓展，此模型已確定為美國國防信息融合系統的實際標準。最初的JDL模型包括一級處理即目標位置/身份估計、二級處理態勢評估、三級處理即威脅估計、四級處理即過程優化、數據庫管理等系統功能，1999年Steinberg等在最初的JDL模型基礎上提出了一種修正模型，如圖1示，該模型將最初模型中的三級處理“威脅估計”改為“影響估計”，成功將功能模型的應用從軍事領域推廣到民用領域。2002年，Erik.P.Blasch在基本JDL模型基礎上提出了更符合工程實際，操作性強的JDL-User模型。

M.Bedworth等于1994年推出瀑布模型，普遍使用在英國國防信息融合系統，并得到英國政府科技遠期規劃數據融合工作組的認可。但在經過長期的實際應用，有學者發現該模型存在一定的缺陷，從而提出了修正的瀑布模型。除上述比較經典的模型外，領域界學者還提出了情報環模型、Boyd模型、混合模型，情報環模型是宏觀數據處理的數據融合模型；Boyd循環回路模型用于軍事指揮處理，現已經大量用于信息融合；混合模型綜合了其他模型的優點，其功能完整，且能夠被廣泛應用于許多非軍事領域。

2. 多源信息融合的系統結構

依據系統需求、外界環境及其信息流通和綜合處理層次，在位置融合級，其系統結構模型有集中式、分布式和混合式結構。集中式結構將信源捕獲的檢測報告傳給到融合中心，在哪里進行數據對準、點跡相關、數據互聯、航跡濾波、預測與綜合跟蹤。分布式結構的特性為：每個信源的檢測報告在送入融合之前，首先由其自身的數據處理器產生局部多目標跟蹤，然后把這些加工過的信息送至融合中心，該中心依據各節點的航跡數據完成航跡關聯及其融合，最終獲得全局估計。這種結構也分三種：有融合中心的分布式結構，無融合中心、共享航跡的分布式結構，無融合中心、共享關聯量測的分布式結構。混合式同時傳遞探測報告和經過局部節點處理過的航跡信息，它保留了上述兩種系統優點，但在通信和計算上要付出較多的代價。

3. 多源信息融合主要技術和算法

盡管多傳感器信息融合技術的應用已拓展到國民經濟的各個領域，并且取得了令人矚目的成功應用，但時至今日，多傳感器信息融合技術仍然未或得成熟的理論框架、廣義融合模型及融合規則與方法。它們中的許多探究基本都是針對特定應用領域的特定問題研究的。即多源信息融合理論的探究都依據內容的性質和特點，獨立獲得直觀數據綜合加工處理規則，在此基礎上探究出最優融合算法，這一特點使得多數信息融合方法具有一定的局限性[4]。

按照領域界學者公認的理論及多源信息融合算法應用的數學依據，其算法可分為三大類：估計理論方法、不確定性推理方法、智能計算和模式識別理論方法[3]。

（1）估計理論方法

估計理論方法包括用于線性隨機系統的卡爾曼（Kalman）濾波與平滑、信息濾波、應用于非線性隨機系統的擴展卡爾曼（EKF），強跟蹤濾波器（STF）等，隨著人們對信息融合認知程度的逐步加深，越來越多的學者致力于近似精度可達二階的無跡卡爾曼濾波器（UKF）和分開差分濾波器（DDF），以及基于隨機抽樣技術的非線性非高斯系統粒子濾波等，并且獲得了很多有價值的研究。

卡爾曼（Kalman）濾波器是估計理論方法中十分成功的技術，卡爾曼濾波器主要利用反饋控制的方法估計系統狀態：濾波器估計過程某一時刻的狀態，然后以量測更新的方法獲得反饋。

（2）不確定性推理方法

多源信息融合系統中，各種量測源提供的信息都具有不完整性、不精確性和模糊性，即檢測信息中包含大量的不確定性，所以融合中心只能依據這些不確定信息進行加工和推理，達到對目標身份識別及屬性判決的目的，該方法是目標身份識別和屬性信息融合的基礎，主要包括主觀貝葉斯方法，D-S證據推理方法、DSmT方法、模糊數學理論方法和可能性推理方法等等。

不確定性推理方法中，主觀貝葉斯方法是早期使用的一種高效率的信息融合方法，它要求系統可能的決策相互獨立，然后將這些決策看作一個樣本空間劃分，借助貝葉斯條件概率公式處理系統決策問題。D-S證據理論是一種能夠有效解決不知道所引起的不確定問題的信息融合方法，它采用信任函數作為量度，通過對一些事件的概率加以約束建立信任函數而沒有必要說明精確到難以獲得的概率，在約束限制為嚴格的概率條件下，采用D-S證據理論的合成規則得出觀測目標十分精確的概率值，以此作為決策的參考。DSmT方法是傳統D-S證據理論的延伸而又區別于D-S證據理論，它能夠組合用信任函數表達的任何類型的獨立源，但是主要集中在組合不確定性、高沖突、不精確的證據源，特別當信源間沖突變大或元素是模糊的、相對不精確時，其能夠超出D-S理論框架的局限（D-S理論框架處理沖突證據失效）解決復雜的靜態或動態融合問題。

（3）智能計算與模式識別理論

模式識別是人類自然智能的一種基本形式，它依據某些觀測獲得把一類事物和其它類型的事物區分的過程。目前，應用于信息融合中的智能計算與模式識別理論包括粗糙集理論、隨機集理論、灰色系統理論、支持向量機、信息熵理論、神經網絡、遺傳算法、貝葉斯網絡等等。

該方法中，粗糙集理論是具有代表性的方法，它擁有一定的不精確或不完全數據的分類能力。其核心是“無需任何先驗信息，有效利用現有的信息，在保證信息系統分類能力不變的前提下，借用知識簡約，從眾多數據中找出關于某個問題的基本知識或規則，匯總對應的最小規則，從而得出最佳的解決方法”。

多源信息融合方法種類十分繁多，人們不能輕易地判定哪種方法好或不好。因為每種方法都有它的優點或缺點，同時各種方法相互之間具有一定的互補性。因此，信息融合方法的確立必須結合多傳感器信息融合的特定應用背景。人們可以將兩種或兩種以上方法優勢組合應用在同一個信息融合系統中，確保得到最理想的信息融合結果或決策。

二、多源信息融合技術的應用

多源信息融合技術早期作為軍事領域的一項秘密應用，目的是對各種運動的軍事裝備或武器（艦艇、飛機、導彈）偵查和預警、定位、跟蹤及識別[5]。近年來，多源信息融合系統在民用方面也得到了長足發展，主要應用領域為圖像融合，工業智能機器人和智能交通系統[5]。

（一）戰略預警系統

戰略預警系統是多源信息融合技術在軍事方面的一個經典應用，該系統是以信息融合技術為基礎的感知系統，該系統的主要目的是在遠程、超遠程距離上對彈道導彈、戰略轟炸機等威脅飛行物體動態觀察與監測，便于急早發現并有效攔截威脅目標。其感知平臺如遠程預警雷達、預警衛星、預警機等在很大跨度的時間、空間、頻譜上進行探測和協作。被探測目標具有高機動性、高速度、強隱身、強干擾對抗等特性，環境背景復雜時受氣候、大氣、電離層、等離子體、光照、時間、地形和視角等多種因素的影響。戰略預警系統需要實時估計目標的運動狀態，辨識目標的身份、類別、態勢、威脅以及環境參數。

（二）多機器人自主定位與導航系統

多機器人自主定位與導航系統在信息維數和時間尺度等方面具有典型特性[6]。系統中多個機器人在自身位置不確定、完全未知的環境中，首先通過其自身的傳感器提取和辨識環境路標的特征，得到相對觀測信息，同時對自身位置和路標進行估計，在多機器人協同工作下，隨著機器人的移動，融合機器人的特征子地圖形成單一完整的公共環境地圖，并同時得到各機器人本身的運動軌跡。感知手段包括超聲波、激光、紅外線以及CCD相機等傳感器。

（三）智能交通系統

智能交通系統通過對關鍵基礎理論模型的研究，有效地運用信息、通信、自動控制和系統集成等技術，實現了大范圍內發揮作用的實時、準確、高效的交通運輸管理。系統利用CCD、RFID、電磁感應等傳感器進行組網協作實現車輛識別和運動狀態估計，提供道路車輛的流量、路況、違章、突發事故和調度等處理。

三、結語

多源信息融合技術是一門集仿生技術、電子技術、通信技術和計算機技術的交叉學科，也是大多數國家優先發展的前沿學科，隨著各種新技術的出現，特別是計算機技術和通信技術，促進了多源信息融合技術發展的新境界，各式各樣依托多源信息融合技術的新設備不斷涌現，如通過從不同角度對檢測到的人像進行合成，出現了人臉識別系統，通過超聲波、激光測距、紅外攝像等合成技術，出現了智能機器人定位系統等等，因此，多源信息融合技術的研究不僅有重大的理論意義，而且還有深遠的經濟價值意義。

參考文獻

[1] 趙宗貴.信息融合技術現狀、概念與結構模型[J].中國電子科學研究學報2006，1 4 ：305-312。

[2] 韓崇昭.朱洪艷.段戰勝.多源信息融合[M].北京：清華大學出社. 2006：1-13，424.434

[3] 潘泉等. 多源信息融合理論及應用[M].北京：清華大學出版社. 2013

[4] 楊永旭.基于D-S證據和模糊集理論的多源信息融合算法研究[D].碩士論文，蘭州：蘭州理工大學2008年01期5.

[5] 張毅.羅元.鄭太雄等.移動機器人技術及其應用[M].北京：電子工業出版社. 2007：226-228.

[6] 何友.王國宏.彭應寧等. 多傳感器信息融合及應用[M].北京：電子工業出版社. 2006，49（3）：549—558