多传感器信息融合技术综述(论文)
现代检测技术——多传感器数据融合技术综述
现代检测技术及发展——多传感器数据融合技术综述摘要：现代智能检测技术解决传统检测理论与技术难以解决的复杂系统的检测问题，主要包括先进传感技术、现代信息处理技术、软测量技术、基于多传感器的数据融合技术等。
基于多传感器的数据融合技术的智能检测系统由若干个传感器和具有数据综合和决策功能的计算机系统组成，以完成仅仅依靠单个传感器无法实现的测量。
多传感器数据融合技术具有很多优点，如可以增加检测的可信度，降低不确定性，改善信噪比，增加对待测量的时间和空间覆盖程度等。
由于单个传感器的自身特性缺陷因素而使得单个传感器获取的信息不够完善，往往不能表征整个目标或对象的全部特征信息，数据融合技术综合利用各个传感器所采集的信息进行融合，进而得到更加稳定、可靠、全面、准确的特征信息。
数据融合技术以其融合层次的不同分为数据级融合、特征级融合、决策级融合。
关键词：智能检测技术；多传感器；数据融合；融合层次引言多传感器数据融合是一种针对单一传感器或多传感器数据或信息的处理技术，通过数据关联、相关和组合等方式以获得对被测环境或对象的更加精确的定位与测量、目标识别以及对当前态势和威胁的全面而及时的评估[1]。
多传感器数据融合技术是对多种信息的获取、表示及其内在联系进行综合处理和优化的技术。
多传感器数据融合技术从多信息的视角进行处理及综合，以得到各种信息的内在联系和规律，从而剔除无用的和错误的及冗余的信息，进而保留正确的和有用的成分，最终实现信息的优化[2]。
多传感器数据融合技术充分利用各传感器获获取信息的冗余性和互补性，最终得到更加稳定、可靠、全面的信息。
其为智能信息处理技术的研究提供了新的观念，数据融合作为一门跨学科的综合信息处理理论，涉及系统论、信息论、控制论、人工智能和计算机通信等众多的领域和学科。
1 数据融合技术的发展现状与存在问题1. 1数据融合技术的发展现状C I（com2mand, control,“数据融合”最早出现于20世纪70年代，源于军事领域的3communication and intelligence）系统的需要，当时称为多传感器相关、多传感器混合数据融合，并于80年代建立此技术。
多传感器信息融合技术研究
多传感器信息融合技术研究一、引言随着科技的发展，传感器技术也得到了极大的进步。
传感器的种类、数量和分布不断增加，但难以充分利用这些传感器的信息。
多传感器信息融合技术可以帮助我们更好地利用这些信息。
本文将介绍多传感器信息融合技术的基本概念、研究内容和研究方向。
二、多传感器信息融合技术的基本概念多传感器信息融合技术是指将多个传感器的信息进行整合，通过某些方法将这些信息联合起来，获取更加全面、准确、可靠的信息。
多传感器信息融合技术是一种综合性技术，它涉及统计学、概率论、模式识别、人工智能、控制理论等多个领域。
三、多传感器信息融合技术的研究内容多传感器信息融合技术的研究内容主要包括以下几个方面：1. 传感器数据处理与融合方法：将传感器采集到的数据进行初步处理，去除噪声、滤波等，然后将不同传感器采集到的数据进行融合，归纳得到全面的信息。
传感器数据处理与融合方法是多传感器信息融合技术中的核心环节，它对系统准确性和可靠性的提高有着至关重要的作用。
2. 融合算法的设计与实现：根据传感器所采集到的不同数据类型，选择不同的融合算法适用于多种不同的系统环境，如传感器网络环境、多机器人协作环境、多目标跟踪环境等。
融合算法的设计与实现是多传感器信息融合技术的关键。
3. 系统建模与仿真：多传感器信息融合技术需要建立一套系统学理论，在建模时考虑多个传感器之间的关系，并将融合后的数据用于精确建模和仿真系统分析。
4. 系统集成与实例研究：多传感器信息融合技术在各个领域都有着广泛应用，如军事、遥感、智慧交通、环保、医疗等。
集成不同领域的应用，针对实际问题进行研究，解决实际问题，以提升现实中的效益。
四、多传感器信息融合技术的研究方向1. 提高系统可靠性：研究新的传感器节点设计方案，探索新的分布式传感器布局方式，提高系统的可靠性和稳定性，为制定更为合理且全面的解决方案和策略提供坚实的基础。
2. 发展新的融合算法：研究新的融合算法，通过对已有算法进行改进和创新，提高系统处理和融合效率、准确率，进一步提升整个系统的性能。
论文--多传感器数据融合技术在移动机器人中的应用
智能信息处理技术论文论文题目：多传感器数据融合技术在移动机器人中的应用学院：自动化学院专业：控制理论与控制工程学号：XX：序号：多传感器数据融合技术在移动机器人中的应用摘要机器人多传感器数据融合是当今科学研究的热点问题。
综述了多传感器数据融合技术在移动机器人几个工作阶段中的应用。
指明了移动机器人领域中多传感器数据融合技术的开展趋势。
关键词移动机器人多传感器数据融合AbstractNowadays, the multi-sensor data fusion of robots is an intensive topicin scientific research. The application of multi-sensor data fusion technology in mobile robots' several sessions is described. At last, future development trends of this technology arealso presented.Key Wordmobile robot multi-sensor data fusion前言随着传感器种类的日益丰富和传感器技术的飞速开展，多传感器数据融合技术得到了越来越多的关注。
并且由于其在解决探测、跟踪和识别等问题上具有生存能力强，能够增强系统检测性能、可信度、鲁棒性和可靠性，可以提高测量数据精度，扩展系统的时间和空间覆盖X围[1]等优势，多传感器数据融合在军事、农业、工业等各个领域上的应用越来越频繁。
其中，数据融合技术在机器人研究领域的应用也正处在快速开展的阶段，特别是在移动机器人中，数据融合技术的应用就更为广泛了。
本文比拟分析了现有移动机器人上所应用的多传感器数据融合技术，并对未来移动机器人研究领域内数据融合技术的开展进展了合理的展望。
正文1 移动机器人技术简介移动机器人是一类能够通过传感器感知自身状态和周围环境，实现在复杂未知中面向目标的自主运动，并完成预定任务的机器人系统[2,3]。
毕业论文：多传感器信息融合技术
毕业论文：多传感器信息融合技术沈阳理工大学学士学位论文摘要随着社会和经济的发展，防火工作越来越重要，但是目前国内的许多研发都侧重于大型场所的火灾报警。
因此，我们就有必要研制一种结构简单、经济实用的家庭烟雾报警器以适应市场的需求。
基于供家庭使用的烟雾报警器应该具备的基本要求和功能，文章设计了一种比较适合的烟雾报警器。
本设计以传感器和单片机作为烟雾报警器设计的核心器件，配合其它器件即可实现声光报警、自动排烟换气和消防灭火等功能。
设计中单片机选用STC89C52作为控制器件，传感器选用MQ-2型半导体可燃气体敏感元件烟雾传感器实现烟雾的检测。
烟雾报警器主要由烟雾信号采集及前置放大电路、模数转换电路、单片机控制电路、显示电路、声光报警电路和安全保护电路构成，设计合理、简单易懂、价格低廉，使单片机在烟雾报警系统的控制中得到充分应用，具有一定的实用价值。
论文主要针对烟雾报警系统中的各个组成部分及功能进行了详细的介绍和说明，并对其主控电路和外围设备电路之间的接口连接方式，以及系统软件设计进行了重点的分析和讲解。
热释电红外传感器，它的制作简单、成本低、安装比较方便，而且防盗性能比较稳定，抗干扰能力强、灵敏度高、安全可靠。
这种防盗器安装隐蔽，不易被盗贼发现，便于多用户统一管理。
本设计包括硬件和软件设计两个部分。
硬件部分包括单片机控制模块、红外探头模块、驱动执行报警模块、LED控制模块等部分组成。
处理器采用51系列单片机STC89C52，程序使用C语言编写。
关键字：烟雾报警器；单片机；传感器；红外I沈阳理工大学学士学位论文AbstractWith the development of society and economy, the fire work is more andmore important, but many of the current domestic research are focused on the large space fire alarm.Therefore, it is necessary to design a simple structure, economical and practical family smoke alarm to adapt to the needs of themarket.The basic requirements of the smoke alarm for household use based on should have and function, this paper designs a smoke alarm is suitable for the.The design of the sensor and single-chip microcomputer as the core device smoke alarm design, with other devices can achieve sound and light alarm, automatic exhaust ventilation and fire extinguishing function.Design of single chip STC89C52 is selected as the control device, the selection of sensor for detection of MQ-2 type semiconductor gas sensitive element smoke sensor smoke.The smoke alarm is mainly composed of smoke signal acquisition and the preamplifier circuit, analog-digital conversion circuit, single-chip microcomputer control circuit, display circuit, alarm circuit and protection circuit, reasonable design, simple, low price, make full use of MCU alarm system in the control of the smoke, and has a certain practical value.The main thesis of the smoke alarm system for the various components and functions are introduced and explained, and the connection mode of the main control circuit and peripheral equipment circuit interface, and the software design of the system is analyzed and the explanation of the key.Key words:the smoke alarm;MCU;sensor;infraredII沈阳理工大学学士学位论文目录1 绪论 ........................................................................... (1)1.1 课题背景 ........................................................................... ................................ 1 1.2 设计概述 ........................................................................... ................................ 1 1.3 烟雾报警器的国内外现状 ........................................................................... .... 2 1.4 烟雾报警器的发展趋势 ........................................................................... ........ 3 2 总体方案设计 ........................................................................... ................................... 4 2.1 设计任务分析 ........................................................................... ........................ 4 2.2 单片机选型 ........................................................................... . (5)2.2.1 STC89C52单片机简介 (5)2.2.2 单片机的引脚功能描述 (6)2.3 烟雾传感器模块 ........................................................................... .. (7)2.3.1 烟雾传感器的介绍 ........................................................................... ..... 8 2.3.2 MQ-2半导体气体烟雾传感器 (10)2.4 温度采集模块 ........................................................................... ...................... 11 2.5 红外感应模块 ........................................................................... . (12)2.5.1 热释电传感器 ........................................................................... ........... 12 2.5.2 菲涅耳透镜 ........................................................................... ............... 12 2.5.3 BISS0001芯片简介 ............................................................................. 13 2.5.4 信号采集处理模块 ........................................................................... ... 15 2.6 无线收发模块 ........................................................................... . (16)2.6.1 nRF24L01概述 .................................................................................... 17 2.6.2 引脚功能及描述 ........................................................................... ....... 17 2.6.3 工作模式 ........................................................................... ................... 18 2.6.4 工作原理 ........................................................................... ................... 18 2.6.5 配置字 ........................................................................... .. (20)2.7 总体原理图设计 ........................................................................... .................. 21 3 系统的硬件电路 ........................................................................... ............................. 22 3.1 单片机最小系统 ........................................................................... (22)III沈阳理工大学学士学位论文3.2 单片机的时钟电路与复位电路设计 (23)3.3 烟雾检测AD采集电路 ........................................................................... ...... 23 3.4 显示电路 ........................................................................... .............................. 24 3.5 声音报警电路 ........................................................................... ...................... 25 3.6 声音报警电路 ........................................................................... ...................... 25 3.7 电源电路 ........................................................................... .............................. 26 3.8 温度传感器(DS18B20)电路 (26)3.8.1 DSl8B20简介 ........................................................................... ........... 26 3.8.2 DSl8B20具体参数及工作方式 .......................................................... 29 3.8.3DS18B20接口电路 ............................................................................. 304 系统软件的设计 ........................................................................... ..................................... 31 4.1 单片机C语言程序设计技术 (31)4.2 主机主程序 ........................................................................... .......................... 31 4.3 从机主程序 ........................................................................... .......................... 33 5 硬件调试及调试中遇到的问题 ........................................................................... ............. 34 结论 ........................................................................... ............................................................... 35 致谢 ........................................................................... ............................................................... 36 参考文献 ........................................................................... ....................................................... 37 附录A 英文原文 ........................................................................... ....................................... 38 附录B 汉语翻译 ........................................................................... ....................................... 43 附录C 实物图 ........................................................................... . (46)IV沈阳理工大学学士学位论文1 绪论1.1 课题背景随着科技的发展，越来越多的隐患由于工业生产和人们的日常生活而产生。
机器人多传感器信息融合技术研究
机器人多传感器信息融合技术研究随着科技的不断发展，机器人已经逐渐走进人类的生活中，成为一种能够帮助人类完成各种复杂任务的高科技产品。
机器人的功能日益强大，当前研究的热点之一就是机器人多传感器信息融合技术。
本文将从机器人多传感器信息融合技术的背景、应用、发展和前景等方面进行探讨。
一、背景传统机器人只具备较为简单的功能，难以应对复杂的环境和任务。
随着传感器技术的不断发展，机器人逐渐具备了多个传感器。
多传感器机器人可以通过多个传感器获取丰富的信息，从而更好地适应环境和完成任务。
多传感器机器人的核心技术就是传感器信息融合技术。
传感器信息融合技术是指将多个传感器的信息集成起来，形成全面、准确、可靠的环境感知模型。
通过对环境信息的综合分析，机器人可以做出更精确、更准确的判断，更好地适应环境，完成任务。
因此，传感器信息融合技术是多传感器机器人的核心技术之一。
二、应用多传感器信息融合技术广泛应用于机器人领域，包括军事、工业、医疗、家庭服务等多个领域。
在军事领域，多传感器信息融合技术可用于无人机、无人驾驶车辆等装备的智能化、自主化控制。
在工业领域，多传感器信息融合技术可提高制造自动化水平，实现自动化操作。
在医疗领域，多传感器信息融合技术可用于机器人手术、健康监测等领域。
在家庭服务领域，多传感器信息融合技术可用于智能家居等领域，帮助人们更好地享受科技带来的便利。
三、发展随着传感器技术的不断发展，多传感器信息融合技术也在不断改进。
目前，多传感器信息融合技术已经应用于一些商业化的机器人产品中，如机器人扫地机、智能家居等产品。
未来，随着计算机视觉、深度学习等技术的发展，多传感器信息融合技术将更加成熟、完善，机器人将更好地应对各种任务和环境。
四、前景传感器信息融合技术是多传感器机器人的核心技术之一，随着机器人技术的不断成熟，多传感器机器人将逐渐普及。
多传感器机器人将在军事、工业、医疗、家庭服务等多个领域得到广泛应用。
未来，机器人将成为人们重要的生活伙伴，为人类带来更多便利。
移动机器人多传感器信息融合技术综述
觉、 光视觉和避碰声呐汇报出目标的距离信息作为 证据 ,利用 D2S 合成法则 ,判断机器人的前方一定区 域内是否存在障碍物 ,以便采取相应的策略 。 文献 [ 2 ] 将 D2S 证据理论应用于移动机器人实 际非结构化道路网环境中的二维与三维视觉信息的 融合 。二维视觉信息为由 CCD 彩色摄像机获取的 彩色图像 ,三维视觉信息为由激光测距雷达 (LIRS , Laser Imaging Range Sensor) 获取的距离图 。由于彩 色摄像机具有较快的成像速度且其提供的彩色图像 具有较高的分辨率 ,但难以提供环境的三维描述 ,而 LIRS 获取的距离图能很好地提供环境的三维描述 但其精度低且通常图像含较多噪声 , 因此两者具有 很强的互补性 ,两者的融合结果将提供更精确的环 境描述信息 。 基本过程如下 : ( 1) 建立全局公共栅格图 。 ( 2) 进行彩色摄像机与 L IRS 的标定 , 得到彩色 摄像机坐标到全局公共栅格图的变换矩阵 Tc 及 L IRS 坐标到全局公共栅格图的变换矩阵 Tr 。 ( 3) 分别对距离图像 ( 三维信息 ) 与彩色图像 ( 二维信息) 进行预处理 。 ( 4) 利用 Tc 及 Tr 分别将预处理后的二维信息 与三维信息投影到全局公共栅格图 。 ( 5) 选择合理的特征及证据 , 分别定义及计算 每种融合信息的基本概率赋值函数 m i 、 信任函数 del i 及似然函数 pls i 。
4. 1 D2S 证据理论( DSTE)
在 DSTE 里 ,定义一个集合Θ( 称为鉴别框架) 为 某一领域内全部的不相容前提的集合 , 所有讨论的 命题都ቤተ መጻሕፍቲ ባይዱ Θ 的一个子集 ,DSTE 定义了如下的基本 概率分配函数 (BPAF) : Θ m :2 → [ 0 , 1 ] m ( Φ) = 0 ( 1)
多传感器信息融合技术(二)2024
多传感器信息融合技术（二）引言概述：多传感器信息融合技术在现代智能系统中扮演着重要的角色。
通过将来自不同传感器的信息进行整合和分析，可以获得更准确、全面的环境信息，从而提高系统的感知、决策和控制能力。
本文将介绍多传感器信息融合技术的相关概念、应用场景以及其在智能系统中的作用。
正文：一、多传感器信息融合技术的基本原理1. 传感器信息的获取与处理2. 信息融合的定义与分类3. 信息融合的基本原理和方法4. 信息融合中的数据预处理及特征提取5. 信息融合中的数据关联与融合方法二、多传感器信息融合技术的应用场景1. 环境监测与控制系统2. 智能交通与车辆控制系统3. 人体生理及运动监测系统4. 无人系统及机器人导航系统5. 智能医疗系统三、多传感器信息融合技术在智能系统中的作用1. 提高系统感知能力2. 提升决策和控制效果3. 增强对复杂环境的适应能力4. 改善系统的鲁棒性和可靠性5. 优化系统的资源利用效率四、多传感器信息融合技术的挑战与未来发展方向1. 传感器异构性与信息不确定性2. 大规模数据的处理与存储3. 隐私保护与信息安全性4. 深度学习与人工智能的结合5. 自适应信息融合方法的研究五、总结通过对多传感器信息融合技术的概述和探讨，我们可以看到它在提高智能系统感知能力、决策与控制效果方面的重要作用。
然而，要克服传感器异构性、信息不确定性等挑战并进一步推动技术的发展，还有一些问题需要解决。
未来，结合深度学习与人工智能的发展趋势，自适应信息融合方法的研究将成为重要的研究方向。
多传感器信息融合技术的不断创新和应用将为智能系统带来更多的机遇和挑战。
多传感器技术综述_现代测量技术与误差课程论文概述
多传感器技术综述——现代测量技术与误差分析课程论文【摘要】本文讨论了四类多传感器技术，着重介绍了多传感器信息融合技术的思想和实现方法，介绍了其在实际中的应用，并展望了未来多传感器系统的前景，并给出了多传感器技术有待研究的方向。
【关键词】多传感器技术；信息融合；展望一、引言传感器是获取信息的工具。
传感器技术是关于传感器设计、制造及应用的综合技术，是信息技术的三大支柱之一。
传感器技术是当前代表国家综合科研水平的重要技术，传感器技术的具体应用是传感器技术转化的重要途径和方法。
主要传感器技术有光电传感器技术、多传感器技术、生物传感器技术等。
多传感器技术中研究最为广泛的是多传感器信息融合技术，自从其在军事上成功应用后，大大提高了传感器系统的可靠性和鲁棒性、扩展时间上和空间上的观测范围、增强数据的可信任度、增强系统的分辨能力。
二、主要的多传感器技术目前多传感器技术主要是指多传感器信息融合技术。
实际上，多传感器技术还包括多传感器阵列制作，多传感器系统的性能分析，多传感器系统的整体设计与管理等等。
2.1 信息融合技术信息融合技术是指对来自多源的信息和数据进行检测、关联、估计和综合等多级多方面的处理,以得到精确的状态和身份估计,以及完整、及时的态势评估和威胁估计。
比较成熟的多传感器信息融合方法主要有：经典推理、卡尔曼滤波、贝叶斯估计、D—S证据推理、聚类分析、参数模板法、物理模型法、熵法、品质因素法、估计理论法和专家系统法等；新近出现的信息融合方法主要有：模糊集合理论、神经网络、粗集理论、小波分析理论和支持向量机等。
在实际应用中，这些方法通常各取所长，相互交叉使用。
2.2 多传感器阵列技术集成化是实现传感器系统智能化的一条重要途径。
这种智能化传感器系统采用微机械加工技术和大规模集成电路工艺技术，用硅作为基本材料，把敏感元件、信号调理电路、微处理器单元等集成在一块芯片上而构成。
多传感器阵列技术则是这一技术的延伸。
目前，有关多传感器阵列技术的研究与应用取得了一些进展，但主要集中在声学阵列传感器、光学阵列传感、化学阵列传感等方面。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
多传感器信息融合技术综述 内容摘要：多传感器信息融合技术是一门新兴学科，它的理论和方法已被应用到许多研究领域。本文主要对多传感器信息融合的模型与结构、信息融合的主要技术和方法、信息融合理论体系以及信息融合技术的应用等内容进行了概要介绍和展开了综述。 关键词：多传感器；信息融合；综述
随着传感器技术、数据处理技术、计算机技术、网络通讯技术、人工智能技术和并行计算的软硬件技术等相关技术的发展，多传感器信息融合技术已受到了广泛关注。多传感器信息融合是20世纪80年代出现的一门新兴学科，它首先广泛地应用于军事领域，如海上监视、空－空和地－空防御、战场情报、监视和获取目标及战略预警等，随着科学技术的进步，多传感器信息融合至今已形成和发展成为一门信息综合处理的专门技术，并很快推广应用到工业机器人、智能检测、自动控制、交通管理和医疗诊断等多种领域。我国从20世纪90年代也开始了多传感器信息融合技术的研究和开发工作，并在工程上开展了多传感器识别、定位等同类信息融合的应用系统的开发，现在多传感器信息融合技术越来越受到人们的普遍关注。 1多传感器信息融合的概念 在信息融合领域，人们经常提及“多传感器融合”（multi-sensor fusion）、“数据融合”（data fusion）和“信息融合”（information fusion）。实际上它们是有差别的，现在普遍的看法是，多传感器融合包含的内容比较具体和狭窄，至于信息融合和数据融合，有一些学者认为数据融合包含了信息融合，还有一些学者认为信息融合包含了数据融合，而更多的学者把信息融合与数据融合的当作同一概念看待，在不影响应用的前提下，二种提法都是可以的。因此本文统一使用信息融合这一提法。信息融合有多种定义方式，作者认为比较确切的概念为：充分利用不同时间与空间的多传感器信息资源，采用计算机技术对按时序获得的多传感器观测信息在一定准则下加以自动分析、综合、支配和使用，获得对被测对象的一致性解释与描述，以完成所需的决策和估计任务，使系统获得比它的各组成部分更优越的性能。 2 信息融合的模型和结构 2.1 信息融合的模型 信息融合绝大部分的研究都是根据具体问题及其特定对象建立自己的融合层次，针对其在军事上的应用将信息融合划分为检测层、位置层、属性层、态势评估和威胁估计；根据输入输出数据的特征提出了基于输入/输出特征的融合层次化描述等。可见，信息融合层次的划分没有统一标准，根据信息表征的层次，我们将信息融合划分为像素层、特征层和决策层，分别称为像素级融合、特征级融合和决策级融合[1]。一个给定的信息融合系统，可能涉及多个级别数据的输入。 （1）像素级融合见图1，这是最低层次的信息融合。在这种方法中，匹配的传感器数据直接融合，而后对融合的数据进行特征提取和特征说明。传感器的信息融合之后，没有单个处理的信息损失，识别的处理等价于对单个传感器的处理。该层次的信息融合能够提供其它层次上的融合所不具备的细节信息，因此，像素级多传感器处理提供一种最优决策和识别性能。但是，像素级融合要求精确的传感器配准和宽的传输带宽。 （2）特征级融合见图2，这是中间层次的信息融合。在这种方法中，每个传感器观测目标，并对各传感器的观测进行特征提取（如提取形状、边沿、方位信息等），产生特征矢量，而后融合这些特征矢量，并做出基于联合特征矢量的属性说明。在特征级融合中，各个源提供的特征矢量融合到一个综合的特征矢量中，这种融合是比较简单的，该层次的信息融合是像素级融合和更高一级决策级融合的折衷形式，兼容了两者的优缺点，具有较大的灵活性，在许多情况下是很实用的。 （3）决策级融合见图3，这是最高层次的信息融合。在这种方法中，每个传感器观测目标，并对各传感器的观测进行特征提取，产生特征矢量；而后对特征矢量进行模式识别处理， 完成各传感器关于目标的说明；再将各传感器关于目标的说明数据按同一目标进行分级，即关联；最后利用融合算法将某一目标各传感器的数据进行合成，得到该目标的一致性解释与描述。总之，上述3个层次的信息融合都各有其特点，在具体的应用中应根据融合的目的和条件选用，表1对它们的特点进行了综合比较。 表1 3种融合层次的特点比较 融合层次 信息丢失 实时性 精度 容错性 抗干扰力 计算量 融合水平 像素级 小 差 高 差 差 大 低 特征级 中 中 中 中 中 中 中 决策级 大 好 低 优 优 小 高 2.2 通用体系结构 在信息融合处理过程中，根据对原始数据处理方法的不同，信息融合系统的体系结构主要有三种：集中式、分布式和混合式。 （1）集中式：集中式将各传感器获得的原始数据直接送至中央处理器进行融合处理，可以实现实时融合，其数据处理的精度高，算法灵活，缺点是对处理器要求高，可靠性较低，数据量大，故难于实现。
传感器2 传感器n
传感器1 关
联 特
征提取 特征级融合 一致性解释与描述 … 图3 决策级融合 说 明 说 明
说 明 …
传感器1 传感器2 传感器n 关 联 特征提取
特征级融合
一致性解释与描述 …
图2 特征级融合
传感器1 传感器2 传感器n 像素级融合 关
联 特
征提取
一致 性解 释与 描述 …
图1 像素级融合 （2）分布式：每个传感器对获得的原始数据先进行局部处理，包括对原始数据的预处理、分类及提取特征信息，并通过各自的决策准则分别作出决策，然后将结果送入融合中心进行融合以获得最终的决策。分布式对通信带宽需求低、计算速度快、可靠性和延续性好，但跟踪精度没有集中式高。 （3）混合式：大多情况是把上述二者进行不同的组合，形成一种混合式结构。它保留了上述两类系统的优点，但在通信和计算上要付出较昂贵的代价。但是，此类系统也有上述两类系统难以比拟的优势，在实际场合往往采用此类结构。 3 多传感器信息融合的主要技术和方法 信息融合作为对多传感器信息的综合处理过程，具有本质的复杂性。传统的估计理论和识别算法为信息融合技术奠定了不可或缺的理论基础。但同时我们也看到，近年来出现的一些新的基于统计推断、人工智能以及信息论的新方法，正成为推动信息融合技术向前发展的重要力量。以下扼要介绍这些技术方法。 （1）信号处理与估计理论方法[2] 信号处理与估计理论方法包括用于图像增强与处理的小波变换技术、加权平均、最小二乘、Kalman滤波等线性估计技术，以及扩展Kalman滤波（EKF），Gauss滤波等非线性估计技术等。近年来，越来越多的学者致力于UKF（Unscented Kalman Filter）滤波，基于随机采样技术的粒子滤波和Markov链 Monte Carlo（MCMC）等非线性估计技术的研究，并取得了许多有价值的研究成果。期望极大化（EM）算法为求解在具有不完全观测数据情况下的参数估计与融合问题，提供了一个全新的思路。另外，通过建立一定的优化指标，可以最优化方法来获得参数最优估计，典型算法有极小化风险法以及极小化能量法等。 （2）统计推断法 统计推断法包括经典推理，Bayes推理，证据推理（D-S），随机集（Random Set）理论以及支持向量机（SVM）理论等[3]。 （3）信息论方法 信息论方法有一个共同的特点，即目标实体的相似性反映了观测参数的相似性，因而不需要建立变量随机方面的模型。运用优化信息度量的手段融合多源数据，从而获得问题的有效解决。典型的算法有熵方法，最小描述长度方法等[4]。 （4）决策论方法 决策论方法往往应用于高级的决策融合。可以借助决策论方法融合可见光、红外以及毫米波雷达数据用于报警分析。 （5）人工智能方法 人工智能方法包括模糊逻辑、神经网络、遗传算法、基于规则的推理以及专家系统、逻辑模板法、品质因数法等，在信息融合领域的应用也取得了一定的成果[4]。 （6）几何方法 几何方法通过充分探讨环境以及传感器模型的几何属性来达到多传感器信息融合的目的。如，通过对不确定椭球体体积进行极小化的几何方法完成对多传感器的融合处理，利用多边形逼近方法在传感器数据和存储的模板数据之间进行模式匹配，从而融合了多传感器的互补信息以实现对重叠和遮挡目标的识别。 4 信息融合理论体系 多传感器信息融合理论的研究主要集中在：信息融合功能的分解、融合过程标准形式的建立以及信息融合技术数学基础的建立等问题。而多传感器信息融合系统作为一个系统的概念，其理论体系可从状态估计理论、系统辩识与参数估计理论、控制理论3个方面来发展。 4.1 信息融合功能的分解 信息融合功能分解有分层式、中心式以及混合式三种模式。分层融合是指各传感器在每一步都维持自己的数据，然后各传感器的数据传输到一个中心处理器，在此融合成一个精确的全局数据文件；中心式融合的每一步是把各传感器的观测数据都传输到中心处理器，在此利用各传感器的观测数据滤波，进而产生全局数据文件；混合式融合是中心式和分层式的综合，它有1个以上的中心处理器，各中心处理器要相互传输所处理的航迹文件，最后各自形成一个精确的全局数据文件。 4.2 融合过程标准形式的建立 融合过程标准形式的建立在近年有关多传感器信息融合的文献中较少涉及，一般只在某一特定应用领域中探讨。如在多分类器系统决策融合中，最终的决策被表达为不同类型的排序，排序的方法有提炼和再排序两种，而Kin和Jonathem提出了一种介于两种方法之间，或者说包括两种方法的统一形式；又如，用于姿态估计的信息融合中把二维数据看作某一方向上无限不确定的三维数据，从而可以建立三维数据的标准平行融合算法。 4.3信息融合技术数学基础的建立 信息融合技术的数学基础与该问题的建模研究及算法的开发有密切关系。总的来讲，概率论、数理统计、随机过程、时间序列分析和检测与估计理论是构造信息融合的基础理论。随着信息融合技术的不断发展，最优化方法、线性系统理论、多元分析、回归分析以及模糊数学等均被引入了多传感器信息融合技术的相关理论中。 4.4 状态估计理论体系 在状态和输出上，多传感器信息的不确定性表现为具有某种统计特性（或模糊特性）的随机过程（或模糊过程）。试图准确测量融合系统在某个时刻的状态或精确预报融合系统在未来时刻的状态和输出变化规律都是不可能的。因此，需要采用系统的状态估计理论来建立多传感器信息融合的理论体系。 4.5 系统辩识和参数估计理论体系 对融合过程的估计一般需要正确描述的数学模型。然而，绝大多数融合系统不确定因素的作用机理都是未知的，这就需要通过实验数据和根据人们的实际经验来构造数学模型。此时，多传感器信息融合就是一个系统辩识和参数估计问题。因此，可采用系统辩识和参数估计理论来构造多传感器信息融合系统理论体系。 4.6 控制理论体系 从本质上讲，多传感器信息融合就是一个对多传感器的不确定性施加控制，使其最大限度地减小的过程。因此，可用系统的控制理论对多传感器信息融合系统的理论体系进行规范，它包括：（1）多传感器信息融合的系统优化理论，它主要研究如何选择控制策略或控制律，使传感器信息融合结果的不确定性达到最小；（2）多传感器信息融合的自适应控制理论，它主要研究如何利用计算机存储量大、处理速度快的特点，实现对多传感器信息融合过程实时估计和控制，并把这种实时估计和控制融为一体的问题。 5 多传感器信息融合技术的应用 “信息融合”一词出现的初期，当时并未引起人们的足够重视，只是局限于军事应用方面的研究，C3I系统率先采用多传感器信息融合技术来采集和处理战场信息并获得成功。到上世纪80年代中期，信息融合技术在军事领域中已经取得了相当大的进展，不仅成功地应用于战术武器系统中，而且在各类作战指挥自动化系统中都充分的发挥着作用。美军已研制了几十个应用信息融合技术的情报收集和作战指挥系统，如空中目标确定和截击武器选择专家系统、陆空自动战术情报保障系统等。欧洲等国家联合制定了开展“多传感器信号与知识融合系统”（MSSKF）研究计划，在时间/空间信息融合、数字/符号信息融合、环境和传感器模型等方面取得了重要进展。为更好地探测隐身目标、直升机、巡航导弹等雷达反射截面（RCS）值较小的目标，空中预警机利用战术数据链把机内外多传感器传来的各种数据和信息进行融合，以便得到更精确的目标位置、速度等信息。 信息融合的第二个最有成就的研究和应用领域是智能机器人，智能机器人需要依靠本身的感觉系统综合信息、识别环境、作出决策。Hailar移动机器人首次采用多传感器信息融合技术，使之能在未知环境中操作；Stanford大学将立体视觉、滑觉和超声波传感器用在移动机器人上，用Kalman滤波技术融合传感器信息取得成功。我国对多传感器信息融合的智能机器人、