硕士学伊论文
２．１．２多传感器信息融合的关键技术和级别层次
多传感器系统充分利用多源观测信息在空间或时间上的冗余或互补信息依据
进行组合优化，获得目标对象的一致性描述，融合的信息结果比单个传感器更有优越性。数据融合的关键技术主要包括了数据转换、数据相关、态势数据库和融合计算等，而融合计算是多传感器数据融合系统的核心技术【２ｌ】。
（１）数据转换：来源于不同传感器的输出数据其形式、环境特征各不相同，
数据融合中心需要把这些数据在形式和描述上进行转换处理，对多源信息的不同层次和描述的差异进行数据转换，并且在时间上与空间上进行坐标变换，坐标变换的非线性误差直接影响数据的融合质量。
（２）数据相关：这一关键技术的核心问题是克服传感器测量的不精确性和干
扰两义性的缺陷，目的是为了保持数据的一致性。数据相关的方法有控制和降低相关计算的复杂度，开发更优良的相关处理、系统模拟算法与融合模型等。
（３）态势数据库：有实时数据库和非实时数据库两种。实时数据库的作用是
及时提供融合计算所需各种传感器的检测数据，也担当存储融合处理的最终态势／决策分析结果和中间结果的作用。非实时数据库存储各传感器和融合计算的历史数据信息，以及相关辅助信息。随着技术的提高需要开发更高性能的态势数据库系统以满足容量大、搜索快、开放互联性好的需求。
（４）融合计算：作为多传感器数据融合系统的核心技术，验证、分析处理多
传感器的相关数据信息，并进行状态跟踪估计。处理新发现的不相关观测结果，
生成综合态势并实时修改，最后进行态势决策分析等，建立自适应能力和鲁棒性良好的目标模型。
多传感器数据融合技术与传统信息处理方法的本质区别在于多传感器信息具
有更复杂的形式和不同的信息层次表现，目标检测识别的多传感器信息融合可以分为数据级融合、特征级融合和决策级融合三个级别层次【２２】：
数据级融合是对相同或同类传感器获取的原始数据直接进行融合，通过对原
始数据的关联处理，对融合数据进行特征提取和分析估计。数据级融合是最低层次的数据融合，其主要优点是尽可能多的保持原始数据，提供更丰富和可靠的信息，以帮助进一步的数据分析处理。图像传感器中的模糊图像处理就属于数据级融合，也叫做像素级融合，为多源图像复合、图像分析和理解等提供最有决策和识别性能。
特征级融合是对每个观测数据的边缘、方向、速度等特征进行特征提取而获
得特征向量，采用关联处理方法对这些特征向量进行信息融合得到联合特征向量，完成目标估计。数据级融合是中间层次的数据融合，其主要优点是信息压缩量大，
有利于实时处理，可最大限度的提供特征信息帮助系统的决策分析，数据级融合的应用范围最为广泛。