0 引言
多傳感器數(shù)據(jù)融合是一個新興的研究領(lǐng)域，是針對一個系統(tǒng)使用多種傳感器這一特定問題而展開的一種關(guān)于數(shù)據(jù)處理的研究。多傳感器數(shù)據(jù)融合技術(shù)是近幾年來發(fā)展起來的一門實踐性較強的應(yīng)用技術(shù)，是多學(xué)科交叉的新技術(shù)，涉及到信號處理、概率統(tǒng)計、信息論、模式識別、人工智能、模糊數(shù)學(xué)等理論。
近年來，多傳感器數(shù)據(jù)融合技術(shù)無論在軍事還是民事領(lǐng)域的應(yīng)用都極為廣泛。多傳感器融合技術(shù)已成為軍事、工業(yè)和高技術(shù)開發(fā)等多方面關(guān)心的問題。這一技術(shù)廣泛應(yīng)用于C3I（command，control，communication and intelligence）系統(tǒng)、復(fù)雜工業(yè)過程控制、機器人、自動目標(biāo)識別、交通管制、慣性導(dǎo)航、海洋監(jiān)視和管理、農(nóng)業(yè)、遙感、醫(yī)療診斷、圖像處理、模式識別等領(lǐng)域。實踐證明：與單傳感器系統(tǒng)相比，運用多傳感器數(shù)據(jù)融合技術(shù)在解決探測、跟蹤和目標(biāo)識別等問題方面，能夠增強系統(tǒng)生存能力，提高整個系統(tǒng)的可靠性和魯棒性，增強數(shù)據(jù)的可信度，并提高精度，擴展整個系統(tǒng)的時間、空間覆蓋率，增加系統(tǒng)的實時性和信息利用率等。
1 基本概念及融合原理
1.1 多傳感器數(shù)據(jù)融合概念
數(shù)據(jù)融合又稱作信息融合或多傳感器數(shù)據(jù)融合，對數(shù)據(jù)融合還很難給出一個統(tǒng)一、全面的定義。隨著數(shù)據(jù)融合和計算機應(yīng)用技術(shù)的發(fā)展，根據(jù)國內(nèi)外研究成果，多傳感器數(shù)據(jù)融合比較確切的定義可概括為：充分利用不同時間與空間的多傳感器數(shù)據(jù)資源，采用計算機技術(shù)對按時間序列獲得的多傳感器觀測數(shù)據(jù)，在一定準(zhǔn)則下進行分析、綜合、支配和使用，獲得對被測對象的一致性解釋與描述，進而實現(xiàn)相應(yīng)的決策和估計，使系統(tǒng)獲得比它的各組成部分更充分的信息。
1.2 多傳感器數(shù)據(jù)融合原理
多傳感器數(shù)據(jù)融合技術(shù)的基本原理就像人腦綜合處理信息一樣，充分利用多個傳感器資源，通過對多傳感器及其觀測信息的合理支配和使用，把多傳感器在空間或時間上冗余或互補信息依據(jù)某種準(zhǔn)則來進行組合，以獲得被測對象的一致性解釋或描述。具體地說，多傳感器數(shù)據(jù)融合原理如下：
（1）N個不同類型的傳感器（有源或無源的）收集觀測目標(biāo)的數(shù)據(jù)；
（2）對傳感器的輸出數(shù)據(jù)（離散的或連續(xù)的時間函數(shù)數(shù)據(jù)、輸出矢量、成像數(shù)據(jù)或一個直接的屬性說明）進行特征提取的變換，提取代表觀測數(shù)據(jù)的特征矢量Yi；
（3）對特征矢量Yi進行模式識別處理（如，聚類算法、自適應(yīng)神經(jīng)網(wǎng)絡(luò)或其他能將特征矢量Yi變換成目標(biāo)屬性判決的統(tǒng)計模式識別法等）完成各傳感器關(guān)于目標(biāo)的說明；
（4）將各傳感器關(guān)于目標(biāo)的說明數(shù)據(jù)按同一目標(biāo)進行分組，即關(guān)聯(lián)；
（5）利用融合算法將每一目標(biāo)各傳感器數(shù)據(jù)進行合成，得到該目標(biāo)的一致性解釋與描述。
2 多傳感器數(shù)據(jù)融合方法
利用多個傳感器所獲取的關(guān)于對象和環(huán)境全面、完整的信息，主要體現(xiàn)在融合算法上。因此，多傳感器系統(tǒng)的核心問題是選擇合適的融合算法。對于多傳感器系統(tǒng)來說，信息具有多樣性和復(fù)雜性，因此，對信息融合方法的基本要求是具有魯棒性和并行處理能力。此外，還有方法的運算速度和精度；與前續(xù)預(yù)處理系統(tǒng)和后續(xù)信息識別系統(tǒng)的接口性能；與不同技術(shù)和方法的協(xié)調(diào)能力；對信息樣本的要求等。一般情況下，基于非線性的數(shù)學(xué)方法，如果它具有容錯性、自適應(yīng)性、聯(lián)想記憶和并行處理能力，則都可以用來作為融合方法。
多傳感器數(shù)據(jù)融合雖然未形成完整的理論體系和有效的融合算法，但在不少應(yīng)用領(lǐng)域根據(jù)各自的具體應(yīng)用背景，已經(jīng)提出了許多成熟并且有效的融合方法。多傳感器數(shù)據(jù)融合的常用方法基本上可概括為隨機和人工智能兩大類，隨機類方法有加權(quán)平均法、卡爾曼濾波法、多貝葉斯估計法、Dempster-Shafer（D- S）證據(jù)推理、產(chǎn)生式規(guī)則等；而人工智能類則有模糊邏輯理論、神經(jīng)網(wǎng)絡(luò)、粗集理論、專家系統(tǒng)等?？梢灶A(yù)見，神經(jīng)網(wǎng)絡(luò)和人工智能等新概念、新技術(shù)在多傳感器數(shù)據(jù)融合中將起到越來越重要的作用。
2.1 隨機類方法
2.1.1 加權(quán)平均法
信號級融合方法最簡單、最直觀方法是加權(quán)平均法，該方法將一組傳感器提供的冗余信息進行加權(quán)平均，結(jié)果作為融合值，該方法是一種直接對數(shù)據(jù)源進行操作的方法。