多源信息融合技术发展简述

李明

（武汉藏龙北路1号武汉430205）

多源信息融合技术发展简述

李明

（武汉藏龙北路1号武汉430205）

回顾了信息融合的发展历程，结合国内外研究成果与现状，介绍了信息融合的几种经典功能模型，了解了信息融合的数学理论支撑。列举了数据融合在军事领域的一些应用，探讨了信息融合发展面临的挑战，对未来研究方向进行了展望。

数据融合；融合算法；融合结构

Class NumberTP393

1 引言

数据融合，也称信息融合，是一个数据或者信息综合过程，用于估计和预测实体状态。信息融合的基本目标，就是通过组合获得比任何单个输入数据更准确的信息。

信息融合的JDL模型是目前应用最广泛、认知度最高的经典功能模型，它将融合级别分为四层，即目标位置/身份估计、态势评估、威胁估计、过程优化［1］。

随着技术的发展，作战环境日渐复杂，传感器种类和功能也越来越多，融合系统需要处理的信息量剧增，智能算法的快速发展等，都对信息融合的发展提出了更高的要求。本文介绍了信息融合的国内外发展过程与研究现状，罗列了多源数据融合的经典功能模型，介绍了数据融合的数学理论支撑，最后，结合信息融合在军事领域的应用，提出了存在问题，并对信息融合的未来发展方向进行了展望。

2 信息融合发展和研究现状

信息融合是综合处理多种信息的关键，也是对传感器探测结果的进一步加工。最近几十年信息融合在军事应用的带领下迅速发展。

2.1 国外发展过程与研究现状

20世纪70年代初，美国研究机构发现，利用计算机技术对多个独立的连续声纳信号进行融合后，可以自动检测出敌方潜艇的位置，使得信息融合作为一门新兴的学科首先在军事应用研究领域受到青睐。20世纪80年代后期开始，SPIE、IEEE等著名学术组织均定期举办信息融合学术会议。美国三军组织-实验室理事联合会（JDL）专门成立了信息融合专家组（DFS），专门负责组织和指导信息融合技术研发工作。1998年，学术界成立了国际信息融合学会（ISIF），每年举办一次国际学术会议，以促进学术交流、推动信息融合技术的发展。一些IEEE期刊、IEE会刊等经常发表有关信息融合及目标跟踪的论文；Journal of Information Fusion、Journal of Advances in Information Fusion等专业学术期刊分别于2000年和2006年创刊。

信息融合概念形成以来，Y.Bar-Shalom，R. Singer，W.D.Blair，D.B.Reid，S.S.Blackman，A.Poore，X.R.Li，T.Kirubarajan，K.C.Chang等为代表的科学家在机动目标跟踪和数据关联方面作出了杰出的贡献、提出了一系列经典算法，包括联合概率数据关联、多假设跟踪、多维分配算法、交互多模型滤波、基于随机集理论的融合算法、序贯Monte Carlo抽样滤波、D-S证据理论等。

美国的林肯试验室是从事军事武器装备预先研究的重要机构，把多声纳综合信息系统、波束形成对信号特征的影响作为研究的重点，将信息融合作为水中目标识别研究的一个重要发展方向。俄罗斯的GMG516水下分类系统，也是利用综合声纳系统上的多信息综合处理提取分类特征，其提取特征包括声频、声源级和声场分布特征等，在水中目标识别研究过程中也是利用多种丰富特征进行综合判别，且其对特征的研究较为精细，找出了声信号特征随跃变层不同的变化规律［2］。同时俄罗斯水下警戒系统中还利用矢量波导特征识别出水上、水下目标。

2.2 国内发展过程与研究现状

国内关于信息融合理论和技术的研究起步相对较晚，20世纪80年代初期到末期，人们开始从事多目标追踪理论研究，开始出现有关多源信息融合理论研究的报道。2009年，中国航空学会信息融合分会成立，每年举办一次专业学术会议，各大著名高校与研究所积极参加，促进了国内信息融合技术学术交流、加速国内信息融合技术发展［3］。

在军事应用方面，国内已具备开发第一级融合功能完整的信息融合系统的能力，包括传感器偏差校准、多源异类数据相关、合成和目标综合识别等功能，已研制出一批具备多平台多传感器信息融合能力的作战指控系统和情报综合处理信息系统，提供雷达、声纳、红外、电子战等实时情报与侦察、计划、图像等非实时情报的信息融合功能［4］，应用在海军各型舰艇指控系统、海上编队指挥系统、岸基指挥自动化系统、协同防空系统以及其他军兵种的各种组网雷达数据处理等领域［5］。就公开的资料看，在高级信息融合方面，2010年之后国内少数人开展了海战和空战态势评估与预测研究［6］。

2010年以来，军事应用的促进下，传感器探测特征挖掘技术、小目标联合检测技术、方差非独立的分布式信息融合、联合粒子滤波技术等仍然是研究热点问题［7］。其中，水下信息融合领域，针对复杂水下环境目标识别困难的问题，开展基于全局信息的水声信息目标印证识别技术，针对全局历史、当前信息进行水声信息融合验证，利用LOFAR、DEMON谱结构以及运动速度、航向、距离、加速度等目标特征信息，运用模糊数学理论分析特征信息的模糊度，进行模糊相似度匹配目标识别。同时综合利用全局历史多源信息与当前信息进行不断印证，提高复杂环境下水声目标识别能力。

异类信息关联不确定度评定技术。复杂多变的战场环境，如未知的传感器误差，电磁干扰与环境杂波，时刻变化的目标分布与机动状态，性能波动的通讯网络等，使得信息在收集和传播过程中引入了极大的不确定性，并且其不确定性随时间变化、变化机理也难以描述。对大范围天基图像、电子战、舰载雷达、红外、光电等不同类型信源信息，单个数据关联算法无法始终给出最优关联结果，需要系统客观评定多种数据关联算法对数据的适应程度，根据不确定度和信源特征自动选择最优关联算法，以适应信源和环境的变化。

基于环境信息的波导和欺骗干扰目标融合技术。信源在受到电子干扰后，其探测威力、准确性和精度通常都会下降，一方面，不能及时发现进入探测区域的目标，另一方面，持续输出现实中不存在目标的虚假航迹。非波导体制雷达也容易受海面蒸发波导的影响，使得超视距目标的距离信息不正确。单雷达无法完全分辨出受波导影响目标和欺骗干扰目标，需要综合无线电、红外、可见光等多波段探测信息，以正常水平的虚情率和漏情率为参照，从融合态势中辨别出这些目标，并相应地优化融合规则和流程。

总体而言，我国在信息融合领域的技术研究与美、俄等军事强国之间仍存在一定差距，需要加大相关技术科研力度，以满足未来作战的需要。

3 信息融合的模型、理论与应用

3.1 信息融合的功能模型

1）JDL模型

20世纪80年代美国国防部成立数据融合联合指挥实验室，提出了JDL融合模型，最初的JDL模型包括四级处理、数据库管理系统等功能，之后加入了信息预处理，模块，形成了信息融合的基本结构，如图1所示。

预处理模块功能主要是初级过滤，自动控制进入融合系统的数据流量，根据观测时间、数据、传感器类型、报告位置、信息的属性和特征分类管理数据，以控制进入融合中心的数据流量。

第1级处理即目标位置/身份估计，由数据校准、互联、跟踪和身份融合组成。数据校准将传感器观测值转换为公共坐标值；互联将传感器数据分组；跟踪是融合各个传感器信息，获得最佳的融合航迹；身份融合是综合与身份有关的数据进行身份识别，常用方法有神经网络、聚类法、D-S证据理论及贝叶斯推理方法等。

第2级处理即态势评估，主要有态势提取和评估，将不完整的数据集合建立一般化的态势表示，对前几级处理产生的兵力分布情况给出一个合理的解释，通过对复杂战场环境正确分析与表达，给出敌我双方兵力分布推断、意图、计划和结果。

第3级处理即威胁估计，威胁估计是将地方的威胁能力和企图进行量化来来实现的。估计出作战事件出现的程度或者严重性，并对作战意图作出指示与告警。

第4级处理即过程优化，主要包括采集管理和系统性能评估功能。采集管理用于传感器管控，包括传感器的选择、分配及工作状态的优化等。性能评估进行系统的性能评估及有效性度量。

以上4级处理和信息源、数据库系统、人机界面等构成了经典的信息融合JDL模型。

2）JDL-User模型

2002年Erik.P.Blash在JDL模型的基础上改进，提出了更符合工程实际的JDL-User模型，增加了优化用户过程。如图2所示，融合模型分为6级。

优化用户过程，自适应地决定查询和获取信息的用户，自适应地获取和显示数据以支持决策制定和行动。

3）其它功能模型

除了经典的功能模型以外，还有修正瀑布模型、情报环模型、Boyd循环回路模型、混合模型等多种其它模型，其中，1991年M.Bedworth等提出的瀑布模型，被广泛应用于英国国防信息融合系统，如图3所示。

瀑布模型的信号获取与处理、特征提取和模式处理环节相对应于JDL模型的第0、1级处理，而态势评估和决策制定相当于JDL模型的第2、3和4级处理。

从决策制定到态势评估，反映态势改进及作出新的控制行为。

从模式处理到信号处理，反映改善的模式处理对态势评估的影响。

从决策制定到特征提取，反映改善的决策对提高特征的处理和制定行为的影响。

3.2 信息融合的数学理论

信息融合涉及面非常广，综合性非常强。多传感器融合的实质是不确定信息的处理，它需要能够处理不确定信息的数学工具。近年来，在传统理论的基础上发展起来了一些新的理论和方法，例如主观贝叶斯、DS-mT理论、D-S证据理论等不确定性理论［8］。以粗糙集理论、随机集理论、支持向量机、神经网络、遗传算法、专家系统、贝叶斯网络等智能计算与模式识别理论，已经应用于多源信息融合中，成为推动信息融合发展的重要力量［9］。

1）HIS变换

HIS变换是应用较广泛的一种数据融合方法，相对于RGB颜色空间来说，它是一个描述物体颜色属性的系统，其中H代表物体的色度（hue）、I代表亮度（intensity）、S代表颜色的饱和度（saturation），三者分别代表三个波段的数据向量、平均辐射强度和等量的数据大小。HIS变换的一般做法是：用已经配准的TM标准假彩色图像经HIS变换得到I、H、S分量，然后以SAR图像代替其中的I值，再变换到RGB颜色空间，从而形成新的图像。新图像既拥有SAR数据的亮度指标，又保留了TM数据的饱和度和色度指标，这样就可以充分展示其空间特征，极大地丰富图像的信息量。

2）D-S证据理论

D-S证据理论是Dempster于1967年提出的一套完整的数学推理理论。D-S证据理论可以看作对经典概率推理在有限域上的一般化扩展，其主要特性是支持描述不同等级的精确度和直接引入了对未知不确定性的描述。它不需要先验信息，对不确定信息的描述采用“区间估计”而不是“点估计”，解决了不确定性的表示方法，在区分不知道与不确定方面以及精确反映证据收集方面具有很大的灵活性。当不同传感器所提供的测量数据与结论的支持发生冲突时，D-S算法可以通过“悬挂”在所有目标集上共有的概率使得发生的冲突获得解决［10］。它用集合表示事件，用D-S组合规则代替Bayes推理法来实现信任函数的更新。图4为基于D-S证据理论的目标识别流程图。

3）专家系统

专家系统是具有解决特定问题所需专门领域知识的计算机程序系统，也称基于知识库的系统。模仿人类专家的思维活动，通过推理与判断求解问题。专家系统主要由两个部分组成：一个称为知识库的知识集合，它包含待处理问题领域的知识，通常由数据库管理系统来组织和实现；另一个称为推理机的程序模块，它包含一般问题求解过程所用的推理方法和控制策略的知识，通常由具体的程序来实现。专家系统适用于缺乏合适算法求解问题而又能采用领域专家经验来求解问题的场合。专家系统在工程应用上经过二十多年的发展，就其理论基础、系统设计和开发工具而言，已经取得了较为全面而丰硕的成果，正因为如此，运用专家系统求解数据融合领域中的态势估计和威胁估计问题是非常适宜的。

3.3 信息融合的应用

随着科技飞速发展，传感器多样化，武器高、精、尖。现代战场扩大到了陆、海、空、天和电磁五维战场，合理的利用众多的传感器，提高目标探测能力，成为了数据融合系统研究的核心。

在C3I系统中的各类传感器在性能上有很大差异达，例如雷达有不同的精度、分辨率、维度、频段、覆盖范围。实践证明，目前为止还没有哪一个传感器能够取代一切其它传感器，传感器所提供的数据包括各种信息，如目标的位置、速度、型号、属性、辐射频段等信息，这些信息是数据融合中心状态估计、身份估计和威胁估计以及指挥员辅助决策非常重要的依据。因此，对这些多种类的传感器收到的各种信息综合处理，提取关注信息显得尤为重要。多传感器多目标的融合过程就是对多源信息进行处理的过程［11］。图5所示为数据融合技术在C3I系统中的应用。

图6 为数据融合在图像信息与雷达数据融合识别中的应用。综合可见光图像、无人机图像、雷达数据信息等多信息源，提取目标特征信息完成基于特征目标身份融合。

4 多源信息融合的挑战与展望

信息融合正大量应用于众多军用和民用领域，如C3ISR系统、多机器人自主定位与导航、工业控制、智能交通系统、空中交通管制、海洋监视和管理等领域［12］。数据融合面临着一系列的挑战与发展。

1）在多平台/单平台、异类/同类多传感器的应用背景下，探索计算复杂程度低，同时又能满足任务要求的数据处理模型与算法。

2）解决数据配准、数据预处理、数据库构建、数据库管理、人机接口、通用软件包开发等问题，利用成熟的辅助支持技术，构造通用的数据融合支撑环境，便于快速形成面向具体应用需求的数据融合系统。

3）构建完整的数据融合测试评估平台和多传感器管控体系。

4）进一步探索不确定性因素的表达和推理演算。

5）如何将人工智能技术，如专家系统、遗传算法、神经网络、信息熵理论、模糊推理等与数据融合完美结合，在探测、特征提取、数据关联、目标分类、目标跟踪、评估和管理等方面充分发挥其优越性。将信息融合与智能化结合，这是未来信息融合发展的重要趋势［13］。

［1］潘泉，程咏梅，梁彦，等.多源信息融合理论及应用［M］.北京：清华大学出版社，2013：4-18.

［2］柳革命，孙超，杨益新.基于特征融合的被动声纳目标识别［J］.计算机仿真，2009，26（8）：326-329.

［3］邓睿，胡志勇.数据融合发展的综述［J］.连云港师范高等专科学校学报，2005（4）：76-78.

［4］马丽娜.基于多源信息融合的图像处理研究［J］.中国新通信，2015（14）：32-32.

［5］夏祖勋，刘同明，解洪成.海上编队多源信息融合的信源组合与信源评价［J］.华东船舶工业学院学报，1995，9（2）：5-9.

［6］曹国志.浅析我国信息融合技术在军事领域中的应用［J］.解放军报，2013（12）.

［7］孟章荣.军事应用中的多源信息融合技术［J］.现代防御技术，2001，29（6）：27-30.

［8］戴晨铖.多传感器信息融合综述［J］.科技视界，2012（26）：242-243.

［9］胡胜利.基于遗传神经网络的多级信息融合模型研究［J］.计算机工程与设计，2010，31（15）：3480-3482.

［10］吴英.基于遗传算法的冲突证据融合研究［D］.上海：上海交通大学，2011.

［11］王小非，周永丰.C3I系统中的数据融合技术［M］.哈尔滨：哈尔滨工程大学出版社，2006：9-19.

［12］龚瑞昆.基于量子神经网络信息融合的变压器故障诊断［J］.电力系统保护与控制，2011，39（23）：79-84.

［13］丁锋.多传感器数据融合发展评述及展望［J］.舰船电子对抗，2007，30（3）：52-55.

Research on Multi-source Information Fusion Problem

LI Ming
（No，1 Canglong North Road，Wuhan430205）

This paper reviews the development of information fusion combined with recent researches at home abroad，introduces several classical structures of information fusion，probes the mathematical theory of information fusion.It introduces some applications of data fusion in the military，discusses the challenges of information fusion now，the future research direction is forecasted.

data fusion，fusion arithmetic，the structure of fusion

TP393

10.3969/j.issn.1672-9730.2017.06.002

2017年1月10日，

2017年2月23日

李明，男，高级工程师，研究方向：指控系统。