信息融合方法研究進(jìn)展

陳慈　張敬磊　蓋姣云　王云

【摘 要】從信息融合的起源，功能模型，數(shù)學(xué)模型，在民事上的應(yīng)用以及發(fā)展趨勢(shì)對(duì)多源信息融合進(jìn)行介紹，指出該領(lǐng)域的研究趨勢(shì)，為信息融合的研究發(fā)展提供一些借鑒和啟示。

【關(guān)鍵詞】信息融合;功能模型;數(shù)學(xué)模型;綜述

中圖分類號(hào)： TP202文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 2095-2457（2019）17-0032-002

DOI：10.19694/j.cnki.issn2095-2457.2019.17.014

Research Progress on Information Fusion Methods

CHEN Ci ZHANG Jing-lei GAI Jiao-yun WANG Yun

（School of Transportation and Vehicle Engineering， Zibo Shangdong 255000，China）

【Abstract】From the origin of information fusion， functional model， mathematical model， civil application and development trend to introduce multi-source information fusion， provide support for the research and development of information fusion.

【Key words】Information fusion; Functional model; Mathematical model; Review

1 信息融合概述

美國在 1973 年的時(shí)候首次將數(shù)據(jù)融合技術(shù)應(yīng)用到軍事領(lǐng)域。八十年代，美國利用數(shù)據(jù)融合技術(shù)在海灣戰(zhàn)爭(zhēng)中占得先機(jī)之后，建立了以數(shù)據(jù)融合為技術(shù)核心的C3I軍事系統(tǒng)。1986年Joint Directors of Laboratories（JDL）建立了面向功能的基本模型及基本術(shù)語詞典，1998年再做進(jìn)一步完善。迄今為止，研究者提出了多種數(shù)據(jù)融合模型，被引用最多的是美國國防部的JDL模型。JDL四級(jí)功能模型見圖1。

圖1 JDL四級(jí)功能模型

2 信息融合數(shù)學(xué)模型

2.1 人工智能方法方法

由于用于目標(biāo)識(shí)別融合的多源信息往往含有不確定性、不完整性、模糊性、多變性和虛假性，須引入人工智能技術(shù)。

2.1.1 模糊理論

模糊理論通過對(duì)客觀事物的認(rèn)知過程中對(duì)事物的共同特點(diǎn)進(jìn)行抽象提取的方式來進(jìn)行概括總結(jié)[1]，以模糊規(guī)則來實(shí)現(xiàn)某些函數(shù)指標(biāo)的提取。模糊理論的難點(diǎn)在于如何構(gòu)造合理有效的隸屬函數(shù)和指標(biāo)函數(shù)[2]。

2.1.2 Bayes 理論

Bayes 統(tǒng)計(jì)理論可以利用先驗(yàn)知識(shí)提供的新信息形成關(guān)于事件可能性出現(xiàn)概率的后驗(yàn)知識(shí)，適用于先驗(yàn)知識(shí)比較豐富的融合問題[3-5]。

2.1.3 D-S 證據(jù)理論

對(duì)于不確定信息，D-S 證據(jù)理論不需要先驗(yàn)信息和條件概率，被廣泛應(yīng)用于多傳感器目標(biāo)識(shí)別融合中[6]。

2.1.4 粗糙集理論

粗糙集理論為帶噪聲、不精確或不完全數(shù)據(jù)的分類問題提供了一套嚴(yán)密的數(shù)學(xué)工具[7-8]。采用基于粗糙集理論的融合方法，可剔除相容信息，求出最小不變核，找出對(duì)決策有用的決策信息，得到最快的融合算法。

2.1.5 聚類分析法

聚類分析方法可以應(yīng)用于信息融合技術(shù)的數(shù)據(jù)級(jí)的處理部分，通過對(duì)傳感器采集的數(shù)據(jù)進(jìn)行分類和特征提取能夠有效減小融合中心的計(jì)算負(fù)擔(dān)，提高信息融合算法的性能[9-10]。

2.2 組合融合方法

2.2.1 基于D-S推理的灰關(guān)聯(lián)分析融合方法

關(guān)聯(lián)分析是按發(fā)展趨勢(shì)作分析，對(duì)樣本量和分布規(guī)律沒有太高要求，分析結(jié)果一般與定性分析相吻合，宜采用灰色關(guān)聯(lián)分析[11]。在實(shí)際環(huán)境中，多數(shù)情況下傳感器設(shè)備獲得的信息是冗余的。關(guān)欣等在灰關(guān)聯(lián)識(shí)別的過程中，引入DS證據(jù)理論，通過對(duì)信號(hào)的積累和對(duì)信任度的重新分配，對(duì)識(shí)別結(jié)果進(jìn)行了有效的融合，提高了輻射源的正確識(shí)別率[12]。

2.2.2 模糊推理系統(tǒng)和神經(jīng)網(wǎng)絡(luò)相結(jié)合的融合方法[13]

將模糊推理系統(tǒng)和神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法，主要有兩種，一種是兩者結(jié)合構(gòu)成模糊聚類系統(tǒng);另一種將神經(jīng)網(wǎng)絡(luò)納入到模糊推理系統(tǒng)，其中，神經(jīng)網(wǎng)絡(luò)用于參數(shù)調(diào)整。兩者優(yōu)勢(shì)互補(bǔ)，提高信息融合的準(zhǔn)確性。

2.2.3 證據(jù)理論和神經(jīng)網(wǎng)絡(luò)相結(jié)合的目標(biāo)識(shí)別方法

證據(jù)理論只適用于證據(jù)獨(dú)立的情況，而實(shí)際應(yīng)用中往往需要處理不獨(dú)立證據(jù)或沖突證據(jù)。針對(duì)多傳感器信息融合中基本概率賦值難以獲取的問題，給出了一種利用神經(jīng)網(wǎng)絡(luò)技術(shù)獲取基本概率賦值的方法，克服了現(xiàn)有的依賴專家經(jīng)驗(yàn)獲取基本概率賦值主觀性強(qiáng)的缺點(diǎn)[14]。

3 信息融合在民事上的應(yīng)用

3.1 智能駕駛系統(tǒng)

消費(fèi)者越來越注重駕駛的安全性與舒適性，要求傳感器可以識(shí)別障礙和危險(xiǎn)，提醒駕駛員或改變駕駛狀態(tài)，以避免事故發(fā)生。M.Duarte等研究了在分布式無線傳感器網(wǎng)絡(luò)中對(duì)移動(dòng)車輛的類型進(jìn)行分類的任務(wù)[15]。基于廣泛的現(xiàn)實(shí)世界實(shí)驗(yàn)，編制數(shù)據(jù)集，該數(shù)據(jù)集包括820MByte原始時(shí)間序列數(shù)據(jù)，70MByte預(yù)處理，提取的光譜特征向量和使用最大似然分類器的基線分類結(jié)果。研究者們引入了多傳感器信息，提出不同的融合算法，研制了智能駕駛系統(tǒng)，如碰撞報(bào)警系統(tǒng)（CW）、偏向報(bào)警系統(tǒng)（LDW）、智能迅游系統(tǒng)（ICC）[16]。

3.2 船舶定位

在船舶航行的過程中，通常依靠雷達(dá)、燈塔、全球定位系統(tǒng)和氣象水文等傳感器提供的信息，來實(shí)現(xiàn)船舶的安全航行。徐樹生根據(jù)冗余動(dòng)力定位系統(tǒng)的實(shí)際需求，設(shè)計(jì)同步、異步位置參考系統(tǒng)融合結(jié)構(gòu)及同步姿態(tài)測(cè)量系統(tǒng)的融合結(jié)構(gòu)，由此構(gòu)成船舶動(dòng)力定位系統(tǒng)多傳感器信息融合的體系，利用哈爾濱工程大學(xué)研制的船舶半實(shí)物仿真系統(tǒng)，對(duì)所建動(dòng)力定位船運(yùn)動(dòng)模型、傳感器測(cè)量模型、同步位置參考系統(tǒng)及同步姿態(tài)測(cè)量系統(tǒng)的融合結(jié)構(gòu)與相應(yīng)的算法進(jìn)行仿真驗(yàn)證[17]。

3.3 工業(yè)過程監(jiān)視

信息融合在工業(yè)過程監(jiān)視方面是為例識(shí)別引起系統(tǒng)狀態(tài)超出正常運(yùn)行范圍的故障條件，并據(jù)此觸發(fā)若干報(bào)警器?？娧嘧俞槍?duì)瓦斯突出這一不確定性和非線性災(zāi)害問題，建立了多傳感器信息融合瓦斯突出預(yù)測(cè)系統(tǒng)模型，并分別對(duì)融合系統(tǒng)的數(shù)據(jù)層、特征層和決策層進(jìn)行了分析和研究，構(gòu)建了一個(gè)基于多規(guī)則決策的瓦斯突出智能預(yù)警系統(tǒng)，從而有效地提高對(duì)瓦斯突出預(yù)測(cè)的準(zhǔn)確度[18]。

3.4 服務(wù)機(jī)器人

隨著計(jì)算機(jī)、傳感器技術(shù)、人工智能和機(jī)器人技術(shù)的發(fā)展與進(jìn)步，機(jī)器人得到了廣泛地應(yīng)用。于清曉對(duì)服務(wù)機(jī)器人在餐廳環(huán)境下的移動(dòng)定位技術(shù)進(jìn)行了深入研究，提高了機(jī)器人的定位精度，確保餐廳服務(wù)機(jī)器人能夠?yàn)轭櫩吞峁┳灾魅〔恕⑺筒说炔惋嫹?wù)[19]。Care-O-Bot ?Ⅲ是Fraunhofer IPA研制的最新一代服務(wù)機(jī)器人配有激光測(cè)距傳感器和視覺系統(tǒng)，在控制方法、傳感器、運(yùn)動(dòng)學(xué)、人機(jī)界面等方面做了很多改進(jìn)[20-21]。

3.5 殘疾人照顧

外界環(huán)境隨時(shí)隨地在變化，根據(jù)各種數(shù)據(jù)源，對(duì)殘疾人進(jìn)行幫助，節(jié)省了人力物力。Navchair輪椅其考慮了殘疾人群的特點(diǎn)，采用超聲波和紅外等傳感器，設(shè)計(jì)了巡墻、躲避行人和根據(jù)目標(biāo)調(diào)整速度等安全技術(shù)[22-23]。

4 不足與展望

數(shù)據(jù)融合技術(shù)是一門新興的跨學(xué)科綜合理論和方法，經(jīng)過幾十年的發(fā)展，取得了突破性的進(jìn)展。在多源信息的異構(gòu)性、不確定性、模糊性、虛假性的條件下，采用何種信息融合框架，是需要進(jìn)一步研究和解決的問題。在實(shí)際的系統(tǒng)中，僅靠單的融合方法難以取得非常理想的效果，故多種融合方法的分工和互補(bǔ)是很自然的選擇。同時(shí)，智能數(shù)據(jù)庫技術(shù)應(yīng)引起重視。目前，我國多源信息融合理論處于大發(fā)展時(shí)期，但與發(fā)達(dá)國家相比，應(yīng)用深度和廣度有較大差距。將信息融合理論廣泛應(yīng)用于軍事的民事領(lǐng)域，對(duì)我國發(fā)展經(jīng)濟(jì)、科技和國防實(shí)力具有重要意義。

【參考文獻(xiàn)】

[1]Solaiman B.， Pierce L.E.， Ulaby F.T. Multisensor Data Fusion Using Fuzzy Concepts： Application to Land Cover Classification Using Ers 1/jers 1 SARComposites[J]. IEEE Transaction on Geosciences and Remote Sensing（SpecialIssue on Data Fusion），1999，37（3）：1316-1326.

[2]Nauck D.， Kruse R. Obtaining Interpretable Fuzzy Classification Rules From ?Medical Data[J]. Artificial Intelligent in Medicine， 1999， 16（2）： 149-169.

[3]éloi Bossé， Pierre Valin， Anne-Claire Boury-Brisset， Dominic Grenier. Exploitation of a priori knowledge for information fusion[J]. Information Fusion，2004，7（2）.

[4]ZHOU Zhong-bao，JIANG Ping，WU Xiao-yue.App licati on of evi-dence theory in information fusion of multiple sources in Bayesian analysis[J].Journal of Harb in Institute，2004.11（4）：461～463.

[5]王剛，趙海，魏守智等.基于非參數(shù)估計(jì)的決策融合模型及其應(yīng)用研究[J].系統(tǒng)仿真學(xué)報(bào)，2004，16（7）：1593～1596.

[6]胡金海，余治國，翟旭升，彭靖波，任立通.基于改進(jìn)D-S證據(jù)理論的航空發(fā)動(dòng)機(jī)轉(zhuǎn)子故障決策融合診斷研究[J].航空學(xué)報(bào)，2014，35（02）：436-443.

[7]黎明，張化光.基于粗糙集的神經(jīng)網(wǎng)絡(luò)建模方法研究[J].自動(dòng)化學(xué)報(bào)，2002，28（1）：27-33.

[8]M.Boekowski， J.F.Peters. Approximating sensor signals： A rough ser approach[C]. Electrical and Computer Engineering， Canadian，2002：980-985.

[9]Hou Wenjun，Li Xiangji，Jin Yue，Wu Jin.A study of intelligent decision making ? system ?based ?on neural ?networks and expert system[C].International Conference Cyber worlds， Hangzhou，2008：811-814.

[10]宗華，宗成閣，于長(zhǎng)軍，權(quán)太范.多傳感器信息融合NFE模型的研究及應(yīng)用[J].電子與信息學(xué)報(bào)，2010，32（3）：522-527.

[11]鄧聚龍.灰色控制系統(tǒng)[J].華中工程院學(xué)報(bào)，1982，10（3）：9-17.

[12]關(guān)欣，何友，衣曉.基于D-S推理的灰關(guān)聯(lián)雷達(dá)輻射源識(shí)別方法研究[J].武漢大學(xué)學(xué)報(bào)（信息科學(xué)版），2005，30（3）：274-277.

[13]X.Wang，J.M.Mendel.Fuzzy basic function，universal approximation and orthogonal least-squares learning[J]. IEEEtrans，1992.3（5）：807～814.

[14]唐士杰.證據(jù)理論和神經(jīng)網(wǎng)絡(luò)相結(jié)合的目標(biāo)識(shí)別方法研究[D].西北工業(yè)大學(xué)碩士畢業(yè)論文，2007.

[15]M.Duarte，Y.H.Hu.Vehicle Classication in Distributed Sensor Networks[J].Joural of Parallel andDistributed Computing， 2004，64（7）：826-838.

[16]R.Bishop.A Survey of intelligent vehicle application worldwide[J].Proceedings of the IEEE intelligent vehicles symposium，dearborm：USA，2000，25-30.

[17]徐樹生.船舶動(dòng)力定位系統(tǒng)多傳感器信息融合方法研究[D].哈爾濱工程大學(xué)，2013.

[18]繆燕子.多傳感器信息融合理論及在礦井瓦斯突出預(yù)警系統(tǒng)中的應(yīng)用研究[D].中國礦業(yè)大學(xué)，2009.

[19]于清曉.輪式餐廳服務(wù)機(jī)器人移動(dòng)定位技術(shù)研究[D].上海交通大學(xué)，2013.

[20]C.P.Connette，A.Pott，et ?al.Control ?of ?An ?Pseudo-omnidirectional，Non-holonomic，Mobile Robot based on an ICM Representation in Spherical Coordinates[J].Proceedings of the IEEE Conference on Decision and Control Cancun.2008：4976-4983.

[21]C. Parlitz， W. Baum， et al. Intuitive Human-Machine-Interaction and Implementation on a Household ?Robot ?Companion[J].Human ?Interface ?and ?the ?Management ?of ?Information. Methods， Techniques and Tools in Information Design. 2007， 4557： 922-929.

[22]S. ?P. ?Levine， ?D. ?A. ?Bell， ?et ?al. ?The ?Nav Chair ?assistive ?wheelchair ?navigation ?system[J]. IEEE Transaction on Rehabilitation Engineering. 1999， 7： 443-451.

[23]S. ?P. ?Levine， ?D. ?A. ?Bell， ?et ?al. ?The ?Nav Chair ?assistive ?wheelchair ?navigation ?system[J]. IEEE Transaction on Rehabilitation Engineering. 1999， 7： 443-451.