數據融合技術

數據融合技術，包括對各種信息源給出的有用信息的採集、傳輸、綜合、過濾、相關及合成，以便輔助人們進行態勢/環境判定、規劃、探測、驗證、診斷。這對戰場上及時準確地獲取各種有用的信息，對戰場情況和威脅及其重要程度進行適時的完整評價，實施戰術、戰略輔助決策與對作戰部隊的指揮控制，是極其重要的。未來戰場瞬息萬變，且影響決策的因素更多更復雜，要求指揮員在最短的時間內，對戰場態勢作出最準確的判斷，對作戰部隊實施最有效的指揮控制。而這一系列“最”的實現，必須有最先進的數據處理技術做基本保證。否則再高明的軍事領導人和指揮官也會被浩如煙海的數據所淹沒，或導致判斷失誤，或延誤決策喪失戰機而造成災難性後果。

用途

數據融合技術為先進的作戰管理和C[3]I系統提供了重要的數據處理技術基礎。數據融合在多信息源、多平台和多用户系統內起着重要的處理和協調作用，保證了數據處理系統各單元與彙集中心間的連通性與及時通信，而且使原來由軍事操作人員和情報分析人員完成的許多功能均由數據處理系統快速、準確、有效地自動完成。數據融合技術對未來作戰技術和武器系統的影響極為深遠。大量新的作戰技術的發展迫切需要數據融合技術的應用和支持。如現代作戰原則強調縱深攻擊和遮斷能力，要求能描述目標位置、運動及其企圖的信息，這已超過了使用的常規傳感器的性能水平。未來的戰鬥車輛、艦艇和飛機將對射頻和紅外傳感器呈很低的信號特徵。為維持其低可觀測性，它們將依靠無源傳感器和從遠距離信息源接受的信息。那麼，對這些信息數據的融合處理就是至關重要的了。

數據融合技術還是作戰期間對付敵人使用隱身技術（如消聲技術、低雷達截面、低紅外信號特徵）及幫助進行大面積目標監視的重要手段。數據融合技術將幫助戰區指揮員和較低層次的指揮員從空間和水下進行大範圍監視、預報環境條件、管理電子對抗和電子反對抗設備等分散資源。同樣還能協助先進的戰術戰鬥機、直升飛機的駕駛員進行超低空導航。

高速、低成本及高可靠性的數據融合技術不僅在軍事領域得到越來越廣泛的應用，而且在自動化製造領域、商業部門，乃至家庭都有極其廣闊的應用前景。如自動化製造過程中的實時過程控制、傳感器控制元件、工作站以及機器人和操作裝置控制等均離不開數據融合技術的應用。數據融合技術為需要可靠地控制本部門敏感信息和貿易秘密的部門提供了實現新的保密系統的控制擅自進入的可能性。對於來自無源電子支援測量、紅外、聲學、運動控測器、火與水探測器等各種信息源的數據融合，可以用於商店和家庭的防盜防火。軍事應用領域開發的一些複雜的數據融合應用同樣可以應用於民用部門的城市規劃、資源管理、污染監測和分析以及氣候、作物和地質分析，以保證在不同機關和部門之間實現有效的信息共享。

數據融合的概念雖始於70年代初期，但真正的技術進步和發展乃是80年代的事，尤其是近幾年來引起了世界範圍內的普遍關注，美、英、日、德、意等發達國家不但在所部署的一些重大研究項目上取得了突破性進展，而且已陸續開發出一些實用性系統投入實際應用和運行。不少數據融合技術的研究成果和實用系統已在1991年的海灣戰爭中得到實戰驗證，取得了理想的效果。

我國“八五”規劃亦已把數據融合技術列為發展計算機技術的關鍵技術之一，並部署了一些重點研究項目，儘可能給予了適當的經費投入。但這畢竟是剛剛起步，我們所面臨的挑戰和困難是十分嚴峻的，當然也有機遇並存。這就需要認真研究，針對我國的國情和軍情，採取相應的對策措施，以期取得事半功倍的效果。

1．數據融合技術還處於初級發展階段，迫切需要在理論和實現技術上進行開拓性研究。我們雖然起步很晚，但可以借鑑國外的已有成果和經驗，力爭在目標相關、跟蹤識別、融合算法等基礎理論上有所突破，並着手建立我國的C[3]I系統數據融合模型。

2．我國已相繼建立了一批自動化指揮系統，但基本上都是對單一類型的傳感器信息進行綜合處理。在戰術C[3]I系統中雖已具備多類信息的收集手段，但只是按類分別進行數據融合，而不能進行統一的融合處理。加之最近幾年我國裝備部隊的傳感器種類越來越多，對於多平台多種類傳感器的數據融合技術的研究已勢在必行。特別需要儘快解決獲取多種類多平台傳感器的傳感器元素、分類航跡元素、識別分析元素、數據融合報告等融合元素，以及如何利用融合元素來優化有效的情報數據、得到準確可靠的信息、作出及時正確的決策和如何在數據融合系統中使用專家系統的方法等關鍵技術問題。

3．制訂切實可行的數據融合科技發展規劃。既要考慮我國的經濟實力、現有技術水平和我軍裝備應用需求，又要着眼於未來的科技發展和未來戰爭的需要。統一規劃，選定目標，有選擇、有重點地適度投入必需的財力和人力，避免過分分散，攤子鋪得過大，短期內搞不出應有成果等弊端。

隨着系統的複雜性日益提高，依靠單個傳感器對物理量進行監測顯然限制頗多。因此在故障診斷系統中使用多傳感器技術行多種特徵量的監測(如振動、温度、壓力、流量等)，並對這些傳感器的信息進行融合，以提高故障定位的準確性和可靠性。此外，人工的觀測也是故障診斷的重要信息源．但是．這一信息來源往往由於不便量化或不夠精確而被人們所忽略。信息融合技術的出現為解決這些問題提供了有力的工具．為故障診斷的發展和應用開闢了廣闊的前景。通過信息融合將多個傳感器檢測的信息與人工觀測事實進行科學、合理的綜合處理．可以提高狀態監測和故障診斷智能化程度。

信息融合是利用計算機技術將來自多個傳感器或多源的觀測信息進行分析、綜合處理．從而得出決策和估計任務所需的信息的處理過程。另一種説法是信息融合就是數據融合．但其內涵更廣泛、更確切、更合理，也更具有概括性．不僅包括數據，而且包括了信號和知識，由於習慣上的原因，很多文獻仍使用數據融合。信息融合的基本原理是：充分利用傳感器資源．通過對各種傳感器及人工觀測信息的合理支配與使用．將各種傳感器在空間和時間上的互補與冗餘信息依據某種優化準則或算法組合來，產生對觀測對象的一致性解釋和描述。其目標是基於各傳感器檢測信息分解人工觀測信息．通過對信息的優化組合來導出更多的有效信息。

複雜工業過程控制是數據融合應用的一個重要領域。通過時間序列分析、頻率分析、小波分析，從傳感器獲取的信號模式中提取出特徵數據，同時，將所提取的特徵數據輸入神經網絡模式識別器，神經網絡模式識別器進行特徵級數據融合，以識別出系統的特徵數據，並輸入到模糊專家系統進行決策級融合。專家系統推理時，從知識庫和數據庫中取出領域規則和參數，與特徵數據進行匹配（融合）。最後，決策出被測系統的運行狀態、設備工作狀況和故障

數據融合中心對來自多個傳感器的信息進行融合，也可以將來自多個傳感器的信息和人機界面的觀測事實進行信息融合(這種融合通常是決策級融合)．提取徵兆信息，在推理機作用下．將徵兆與知識庫中的知識匹配，做出故障診斷決策，提供給用户。在基於信息融合的故障診斷系統中可以加入自學習模塊．故障決策經自學習模塊反饋給知識庫．並對相應的置信度因子進行修改，更新知識庫．同時．自學習模塊能根據知識庫中的知識和用户對系統提問的動態應答進行推理。以獲得新知識．總結新經驗，不斷擴充知識庫，實現專家系統的自學習功能。

它是直接在採集到的原始數據層上進行的融合，在各種傳感器的原始測報未經預處理之前就進行數據的綜合與分析。數據層融合一般採用集中式融合體系進行融合處理過程。這是低層次的融合，如成像傳感器中通過對包含某一像素的模糊圖像進行圖像處理來確認目標屬性的過程就屬於數據層融合。

特徵層融合屬於中間層次的融合，它先對來自傳感器的原始信息進行特徵提取(特徵可以是目標的邊緣、方向、速度等)，然後對特徵信息進行綜合分析和處理。特徵層融合的優點在於實現了可觀的信息壓縮，有利於實時處理，並且由於所提取的特徵直接與決策分析有關，因而融合結果能最大限度的給出決策分析所需要的特徵信息。特徵層融合一般採用分佈式或集中式的融合體系。特徵層融合可分為兩大類:一類是目標狀態融合;另一類是目標特性融合。

決策層融合通過不同類型的傳感器觀測同一個目標，每個傳感器在本地完成基本的處理，其中包括預處理、特徵抽取、識別或判決，以建立對所觀察目標的初步結論。然後通過關聯處理進行決策層融合判決，最終獲得聯合推斷結果。