報告題目：信息融合理論綜述信息融合理論綜述摘要在軍事技術、自動化、智能化等需求的牽引下，信息融合理論受到了學術界和工業界的廣泛關注。本文綜述了信息融合的發展過程、信息融合的模型、信息融合算法以及多模態信息融正當、高沖突信息融正當、網絡化信息融正當等內容，最后預測了信息融合的發展趨勢。核心詞信息融合數據融合多模態信息融合高沖突信息融合網絡化信息融合一、引言信息融合[1-3]在生物世界中廣泛存在，工程領域中的信息融合本質上是用數學和機器對生物體信息融合功效的模仿和抽象。20世紀70年代初首先在軍事領域產生了“數據融合”概念,即把多個傳感器獲得的數據進行“融合解決”，以得到比單一傳感器更加精確和有用的信息。之后，基于多源信息綜合意義的“融合”一詞出現于各類技術文獻中。逐步地這一概念不停擴展，被解決的對象不僅包含多平臺、多傳感器、多源信號和數據,還涉及符號、甚至知識和經驗等多個信息。現在信息融合的普通定義為:運用計算機技術,對準時序獲得的若干傳感器(含軟傳感)的觀察信息在一定準則下加以自動分析、優化綜合以完畢所需的決策和預計任務而進行的信息解決過程。從定義中看到，多個傳感器是信息融合的基礎，多源信息是信息融合[1-4]加工的對象，協凋優化和綜合解決是信息融合的核心。信息融合是一種形式框架，其過程是用數學辦法和技術工具綜合不同源信息，目的是得到高品質的有用信息。與單一信源獨立解決相比，信息融合的優勢涉及：提高可探測性和可信度，擴大時空感知范疇；減少推理含糊程度,改善探測精度等性能；增加目的特性維數,提高空間分辨率；增強系統容錯能力和自適應性，從而提高全系統性能。信息融合的研究對象和應用領域不僅進一步到國防、工業、農業、交通等傳統行業，還拓展到氣象預報、地球科學、社會、經濟等新興交叉行業，“信息融合”作為一種共識的概念逐步被接受。含有信息融合功效的系統廣泛服務于軍事、遙感、交通、醫療、農業、經濟等關系到國家安全和國計民生的眾多領域中。二、信息融合技術發展過程在現在階段，信息融合技術的應用重要是在軍事領域。當代戰爭已是廣泛應用多個高科技,基于陸、海、空、天立體化的高技術戰爭。美國是信息融合技術起步最早、發展最快的國家,美國國防部早在70年代就資助從事聲納信號理解及融合的研究。1988年美國國防部將信息融合技術列為90年代重點開發的20項核心技術之一,并獲得了某些研究成果,開發了一系列C4ISR(即Computer、Control、Communications、Command、Intelligence、Surveillance&Reconnaissance)系統及IW(即IntelligenceWeapon)系統。除美國外,其它西方國家也普遍重視信息融合技術的研究，英國陸軍開發了諸如炮兵智能信息融合系統(AIDD)、機動和控制系統(WAVELL)等，并于1982年提出研制“海軍知識庫作戰指系統”。1987年又與西德等歐洲五國制訂了聯合開展含有“決策控制的傳感器信號與知識綜合系統”的研究計劃。另外,法、德等北約國家在這方面的研究工作也十分活躍。如湯姆遜公司已將信息融合技術應用于MARTHA防空指揮控制系統中。德國已在“豹2”坦克的改善計劃中采用信息融合技術的發展歷程。另外,信息融合技術已逐步向多領域進行滲入,如智能機器人與智能車輛領域[4][5];醫學圖像解決與診療[6];氣象預報[7];地球科學;農業應用領域;當代制造領域[7]和經濟商業領域[8]等。另外信息融合技術還被用于火車定位、魚類識別或車輛通過的檢測等等。信息融合技術的應用范疇日益廣泛,在某些實際應用中也獲得了對應的成效。三、信息融合模型[12]數年來，人們提出了大量的信息融合模型，涉及:Dasarathy模型、Boyd控制環模型、瀑布模型、混合模型等，并不停對模型進行細化，以期更加符合實際應用。其中,JDL模型最受關注,其明顯特性是邊應用邊改善。原始JDL模型將信息融合分為4級:目的優化、定位和識別(第1級)；態勢評定(第2級)；威脅預計(第3級)；過程優化(第4級)。其它輔助支持系統涉及數據管理系統和人機界面等。運用JDL模型開發的實際應用系統涉及美軍LOCE(有限作戰能力)與LENSCE(戰術陸軍與空軍自動情報保障)、全源信息分析系統、空軍敵態勢關聯，以及汽車多傳感器安全系統等。Steinberg等人[25]為了突出智能傳感器在信息融合中的重要性，首先對原始JDL模型進行了擴展，添加了第0級，用于解決基于像素、信號級的數據關聯和圖像解決、信號解決、時空配準等，如檢測前融，Hall[15]、Blasch[16]等人將人機交互作為JDL模型的第5級，用于控制信息融合有關的過程，以優化信息融合系統與人、顧客之間的交流。典型功效涉及先進的顯示、搜索引擎、認知輔助、協作工具等，除了運用傳統的地理信息顯示、數據顯示、輸入命令解決等人機接口，還運用聲音、觸摸等非傳統接口。擴展后的JDL信息融合模型如圖1所示。JDL信息融合模型即使與否將人機交互正式作為第5級還存在一定爭議，但是隨著信息技術的快速發展及人在信息融合回路中的重要性日益增加，人機交互將成為信息融合領域中的研究方向之一。四、信息融合算法信息融合中數學工具的功效是最基本和多重的,它將全部的輸入數據在一種公共空間內得以有效描述,同時它對這些數據進行適宜綜合,最后以適宜的形式輸出和體現這些數據.在信息融合領域使用的重要數學工具或辦法有概率論、推理網絡、含糊理論和神經網絡等其中使用較多的是概率論、含糊理論、推理網絡等。4.1、概率論在融合技術中最早應用的就是概率論。在一種公共空間根據概率或似然函數對輸入數據建模，在一定的先驗概率狀況下，根據貝葉斯規則合并這些概率以獲得每個輸出假設的概率，這樣能夠解決不擬定性問題[13].貝葉斯辦法的重要難點在于對概率分布的描述,特別是當數據是由低檔傳感器給出時,就顯得更為困難.另外,在進行計算的時候,經常簡樸地假定信息源是獨立的,這個假設在大多數狀況下非常受限制.卡爾曼濾波辦法[26]則根據早先預計和最新觀察,遞推地提供對觀察特性的預計.另外,概率論和含糊集理論的綜合應用給解決多源數據的融合問題提供了工具.4.2、推理網絡推理網絡的構建和應用有著很長的歷史，能夠追溯到19由一位名叫JohnHWig-more的美國學者所做的研究工作。近來，許多對于分析復雜推理網絡的理論往往基于貝葉斯規則的推論，并且都被歸類于貝葉斯網絡。現在，大多數貝葉斯網絡的研究都涉及了對于概率有效傳輸的算法拓展，同時它在整個網絡中也充當了新證據的角色。同時貝葉斯網絡在AI任務里都已作為對于不擬定推理的原則化有效辦法。貝葉斯網絡的優點是簡潔、易于解決有關事件。缺點是不能分辨不懂得和不擬定事件，并且規定解決的對象含有有關性。在實際運用中普通不懂得先驗概率，當假定的先驗概率與實際相矛盾時，推理成果很差，特別是在解決多假設和多條件問題時顯得相稱復雜。4.3含糊理論含糊集理論是基于分類的局部理論，因此，從產生起就有許多含糊分類技術得以發展。附屬函數能夠體現詞語的意思,這在數字體現和符號體現之間建立了一種便利的交互接口。在信息融合的應用中重要是通過與特性相連的規則對專家知識進行建模。另外，能夠采用含糊理論來對數字化信息進行嚴格地、折衷或是寬松地建模。含糊理論的另一種方面是能夠解決非精確描述問題，還能夠自適應地歸并信息。對預計過程的含糊拓展能夠解決信息或決策沖突問題，應用于傳感器融合、專家意見綜合以及數據庫融合，特別是在信息極少，又只是定性信息的狀況下效果較好。4.4、神經網絡神經網絡是由大量互聯的解決單元連接而成，它基于當代神經生物學和認知科學在信息解決領域應用的研究成果。神經網絡應用于信息融合的歷史并不長，它含有大規模并行模擬解決、持續時間動力學和網絡全局作用等特點，有很強的自適應學習能力，從而能夠替代復雜耗時的傳統算法，使信號解決過程更靠近人類思維活動。運用神經網絡分布式信息存儲和并行解決的特點,能夠避開模式識別辦法中建模和特性提取的過程，從而消除由于模型不符和特性選擇不當帶來的影響，并實現實時識別，以提高識別系統的性能。為了獲取概率、可能性或證據分布數據,也可將神經網絡技術與前述理論結合使用[17]。例如在解決沖突信息問題中，與基于迭代優化的神經網絡辦法相比，聚類法計算復雜性較低，但性能也略遜某些。因此文獻[19]將Pottsspin理論和證據推理相結合,提出了快速神經網絡聚類法,較好地兼顧了上述問題.五、信息融合的辦法5.1多模態信息融合多模態信息融合也稱為異類信息融合。多模態信息之間可能是有關的,同時由于傳感器的采樣率不同，可能是異步的,有關和異步多模態信息的融合分別在強有關信息融合以及網絡化信息融合中敘述。按照信息抽象的功效層次,將多模態信息融合分為特性級多模態信息融合與決策級多模態信息融合。特性級融合的輸入是每個傳感器獲得的特性，如視覺特性、文字特性、音頻特性、運動特性、元數據特性等。其優點是在早期階段運用不同模態信息多特性之間的有關性,損失的信息較少。決策級融合的輸入變量是每個傳感器基于本地特性提供的本地決策,而后融合這些決策形成最后全局決策。其優點涉及:表達相似,比特性融合簡樸；對模態含有更加好的可擴展性；對不同模態能夠采用其最適宜的分析辦法。按照辦法的本質和問題空間來分，多模態信息融合辦法重要分為基于規則的辦法、基于預計的辦法和基于分類的辦法[12][18]。基于規則的融合辦法涉及基于統計規則的辦法，如線性加權融合、投票法以及顧客自定義規則。基于分類的融合辦法涉及:支持向量機、貝葉斯推斷、動態貝葉斯網絡、神經網絡等。5.2、高沖突信息融合當多個專家對同一現象產生不同意見時，待融合信息之間就產生了沖突。針對該問題涌現出了諸多改善辦法，可分為改善組合規則和證據修正法。改善規則重要通過變化矛盾信息的分派辦法來得到較為合理的融合成果，但改善的規則普通較為復雜。證據修正法普通通過給各證據賦予權重，運用權重對證據進行折扣解決，與其它證據沖突大的權重小，反之亦然。證據沖突的度量[14]是證據修正法的核心,普通通過證據間矛盾信息、證據距離兩者相結合來衡量證據沖突程度[17]。5.3、網絡化信息融合隨著網絡技術及傳感器技術的快速發展，網絡化信息融合是一種新的研究方向。通過網絡，數據解決中心含有解決遠程傳感器測量數據的能力。特別是,基于網絡的信息融合允許遠程監控和故障診療，使得信息融合有能力從世界上任何地點任何時間恢復和解決數。針對復雜網絡化系統的多采樣率問題,多速率信息融合也得到了廣泛關注。另外，由于網絡帶寬有限，量化對網絡化系統影響很大，設計編碼-預計方略成為網絡化系統中狀態預計的一種新方向。六、信息融合的發展趨勢即使信息融合近年來獲得了諸多進展,單平臺、低層融合理論與辦法已日趨成熟.但還遠未達成人腦所能實現的融合能力,仍存在諸多挑戰,而這些也正是信息融合的發展方向.例如：信息一體化融合解決、以人為中心的信息融合、信息獲取與融合的聯合優化、復雜多傳感器信息融合系統體系構造設計、信息融合系統仿真與性能評定等。七、結論多傳感器信息融合近十幾年來已受到廣泛的關注,它的理論和辦法已被應用到許多研究領域。從現在軍事領域的發展來看,趨向于采用多信息融合技術來進行信息綜合解決。本文基于近年的研究成果,就上述信息融合模型、算法、辦法等新成果、新動向展開了討論,并對信息融合研究的將來發展趨勢進行了評述。參考文獻[1]韓崇昭,朱洪艷,段戰勝.多源信息融合[M].第2版.北京:清華大學出版社,.[2]潘泉,于昕,程詠梅等.信息融合理論的基本辦法與進展[J].自動化學報,,29(4):599-615.[3]潘泉,程詠梅,梁彥.信息融合理論與應用[M].北京:清華大學出版社,.[3]何友.雷達數據解決及應用[M].第2版.北京:電子工業出版社,.[5]何友.雷達目的檢測與恒虛警解決[M].第2版.北京:清華大學出版社,.[6]敬忠良,肖剛,李振華.圖像融合:理論與應用[M].北京:高等教育出版社,.[7]潘泉,梁彥,楊峰.當代目的跟蹤與信息融合[M].北京:國防工業出版社,.[8]潘泉,張磊,崔培玲.動態多尺度系統預計理論與應用[M].北京:科學出版社,.[8]梁彥,潘泉,楊峰.復雜系統當代預計理論與應用[M].北京:科學出版社,.[9]潘泉,程詠梅,梁彥.信息融合理論與應用[M].北京:清華大學出版社,.[10]楊小軍,潘泉,王睿.粒子濾波進展與展望[J].控制理論與應用,,23(2):261-267.[11]張山鷹,潘泉,張洪才.一種新的證據推理組合規則[J].控制與決策,,15(5):540-544.[12]徐曉濱,文成林,劉榮利.基于隨機集理論的多源信息統一表達與建模辦法[J].電子學報,,36(6):1174-1181.[13]張山鷹,潘泉,張洪才.一種新的證據推理組合規則[J].控制與決策,,15(5):540-544.[14]張山鷹,潘泉,張洪才.證據推理沖突問題研究[J].航空學報,,22(4):369-372.[15]劉準釓,程詠梅,潘泉.基于矛盾因子和證據距離的加權證據合成法[J].控制理論與應用,,26(12):1439-1442.[16]閆莉萍.多速率傳感器狀態融合預計及多分辨率圖像融合算法研究[D].北京:清華大學,.[17]姜軍.可執行體系構造及DoDAF的可執行化辦法研究[D].長沙:國防科學技術大學,.[18]RezaeianM,Ba-nguV.Errorboundsforjointdetectionandestimationofasingleobjectwithrandomfinitesetobservation[J].IEEETransactionsonSignalProcessing,,58(3):1493-1506.[19]Ba-nguV,Ba-tuongV,Nam-TrungP.Jointdetectionandestimationofmultipleobjectsfromimageobservations[J].IEEETransactionsonSignalProcessing,,58(10):5129-5141.[20]GalyJ,ChaumetteE,LarzabalP,Jointdetectionestimationproblemofmonopulseanglemeasurement[J].IEEETransactionsonAerospaceandElectronicSystems,,46(1):397-413.[21]TajerA,JajamovichGH,WangXD.OptimaljointtargetdetectionandparameterestimationbyMIMOradar[J].IEEEJournalofSelectedTopicsinSignalProcessing,,4(1):127-145.[22]MoustaKindesGV,JajamovichGH,TajerA,etal.Jointdetectionandestimation:optimumtestsandapplications[J].IEEETransactionsonInformationTheory,,58(7):4215-4229.[23]PosseC,WhiteA,Bea