多传感器数据融合技术综述
数据融合的3个层次与实现方法
下面结合数据融合的3个层次介绍3种主要的实现方法: 像素级融合特征级融合决策级融合
多传感器数据融合算法研究
本文首先阐述了数据融合估计理论，归纳总结了多传感器系统中的各种数据融合结构，建立了基于Kalman滤波的数据融合估计模型，并分别给出了集中式、顺序式、平行式、联合式等结构的Kalman滤波算法，对算法进行了仿真实验，实验结果表明通过多传感器数据融合能够提高系统的估计精度。接着详细研究了有色噪声和信息相关情况下的Kalman滤波，并提出了相应的处理方法。建立了统一线性数据模型，给出了不同情况下的最优的线性融合规则，并研究了非线性也包含线性数据情况下的最优的线性融合规则。最后对威胁估计算法进行了研究，提出了将层次分析法和模糊理论结合起来用于威胁估计，有效地发挥了层次分析法和模糊运算各自的优越性，结合某舰艇防空作战系统给出了该方法的评估过程， 对算法进行了示例分析，为作战指挥决策提供了一个更为科学合理的理论方法。
多传感器数据算法研究
本文围绕着数据融合的三个层次：像素级融合、特征级融合和决策级融合，深入研究了多传感器图像融合、彩色纹理图像分析和雷达组网探测系统，并提出了一系列新的思想和方法，取得了良好的效果，主要内容如下：
1. 针对 àtrous小波融合方法中存在的叠加融合问题，提出了一种新的基于 àtrous算法的多光谱与高分辨率图像融合方法。该方法首先在 àtrous小波多分辨分解基础上建立了分区域融合的思想，并用进化策略成功地解决了区域划分中阈值如何确定的问题，然后提出并证明了一个有效的融合因子。融合实验表明：该方法优于IHS 变换法和 àtrous小波融合法。
2. 针对Mallat小波融合方法中存在的问题，提出了一种新的基于Mallat算法的多光谱与高分辨率图像融合方法。该方法通过融合因子有效地将高分辨率图像经小波分解的低频分量信息融合到多光谱图像经小波分解的低频分量中去，实现了对已有Mallat小波融合方法的改进。
3详细地分析了拉普拉斯塔形分解的图像融合方法和Mallat算法的小波图像融合方法中存在的问题和缺点，提出了一种基于小波分解和进化策略相结合的多聚焦图像融合方法。该方法的优越之处在于充分地利用了移不变小波分解所呈现的多尺度、多方向的冗余信息，克服了Mallat小波融合法中的移变性缺点，避免了融合图像重构所带来的振铃效应。
4 在灰度级纹理图像分析的基础上，研究了彩色空间转换，提出了一种基于不完全树型小波分解多特征融合的彩色纹理特征提取方法。它更全面、准确地刻画出彩色纹理的颜色特征、纹理特征及颜色与纹理的空间相关特征；同时在特征级融合基础上，针对3 种不同的小波分解，研究了彩色纹理图像的分类性能及抗噪能力比较，得出不完全树型小波分解基础上的特征级融合及分类是我们的首选方案
5 针对雷达组网探测系统，将软阈值决策小波域滤波算法用于非平稳雷达回波的噪声抑制，并将此算法与多传感器并行分布式检测融合系统有机地结合在一起，提出了 N-P 准则下融合规则和局部判决规则之间相互关系的理论分析方法。仿真实验表明：综合算法的实现明显提高了雷达探测系统的检测性能。
多传感器数据融合中多目标跟踪关键技术研究
多传感器多目标跟踪是数据融合的底层关键技术。它将多个传感器信息有机合成,估计目标的运动状态,产生比单一传感器更优越的跟踪性能。本文以多传感器数据融合为背景,研究了多目标跟踪技术三方面的关键技术机动目标状态估计、数据关联以及特殊情况处理。主要研究内容及创新工作如下
首先针对固定交互式多模型算法对目标进行状态估计时,对机动大的目标精度难以保证问题,提出基于期望系统噪声模型的自适应多模型算法。该算法自适应调整部分系统噪声模型,使之接近符合实际的系统噪声,提高了跟踪精度。 其次,对复杂环境下多传感器多目标数据关联困难问题,提出两种数据关联算法,均提高了数据关联效果。一种是改进的基于模糊一均值聚类算法的数据关联算法。 再次,针对传统的数据关联方法只利用那些与目标状态向量计算直接相关的运动学信息,用于关联的信息少、质量低,从而引起复杂环境下关联正确率低的现象,提出三种属性信息和运动信息结合的方案来提高关联性能
最后研究了两类数据融合系统可能遇到的不确定情况野值和非顺序量测。
多传感器数据融合中几个关键技术的研究
本文在模型的框架中分析了多传感器数据融合的一些关键技术,针对其中的几个问题如传感器管理、特征层数据融合算法及特征分析与提取技术、融合性能评估、数据融合中的态势评估等进行了深入的研究。论文的创新点如下
1提出了一种基于微粒群优化算法的传感器管理方法,依据最大化信息增量且最小化处理时间的优化准则设计了相应的目标函数,利用微粒群算法选择最优的传感器组。针对目标函数设计中出现的信息增量的测度问题,提出一种基于目标特征的信息增量测度方法,依据目标特征的隶属度,利用模糊一分辨力信息增量一测度系统信息增量。
2 提出了一种新的组合冲突模糊证据的特征层融合算法。研究了模糊信息的融合方法包括基于模糊积分和模糊逻辑的特征层融合算法。针对小样本分类问题,在常用的模糊方法的基础上,实现了基于模糊积分的特征层融合算法。为了解决模糊逻辑推理过程中组合证据的方法过于简单容易丢失有用信息的问题,采用一证据理论进行模糊推理。分析了一证据理论融合方法的组合冲突证据的不足,提出一种组合冲突的模糊证据的特征层融合算法,并通过实验验证了算法的有效性。 3 提出了基于不确定性即信息增量的融合性能的定量自动评估方法。从信息论的角度来看,数据融合的目的就是通过增加系统的信息量消除系统的不确定性。本文将香农嫡推广到一证据框架和模糊测度中,利用广义的香农嫡测度信息的不确定性。通过测度融合前后系统不确定性的减少评价融合系统的性能,实现融合性能的定量自动评估。
4 提出了一种贝叶斯网络与条件事件代数相结合的态势评估方法。研究条件事件代数的概念、定义,乘积空间条件事件代数及其在数据融合中的应用,以及基于贝叶斯网络不确定推理的态势评估方法。针对贝叶斯网络中高阶条件事件的推理问题,将条件事件代数引入到贝叶斯网络,并应用于战场态势评估。 数据融合系统的性能评估
融合评估的研究主要集中在以下几个方面图像融合的性能评估〔对自动目标识别系统ATR的性能评估、对目标跟踪系统的性能评估、对态势评估的评价'“,以及 在信息论的基础上对融合系统的整体性能进行评估，本章首先在JDL融合模型的
框架下总结融合性能各方面性能评估的指标,然后讨论图像融合评估的现状以及发展方向,最后提出基于信息论的融合性能自动评估方法。
多雷达和ADS 数据的融合研究和应用
本文基于作者在四川川大智胜软件股份有限公司实习期间参加的国家重大项目以及民航空中交通管制系统的研发工作，探讨了空中交通管制系统中多传感器数据融合中的关键技术。
多传感器数据融合技术是空中交通管制中的关键技术，本文在以往成果的基础上，结合空管系统的新特点，分析和对比了多传感器数据融合中的各项技术，在进行了大量深入细致研究的基础上，提出了异类传感器数据的融合方法，实现了雷达数据和ADS(自动相关监视)数据的融合，主要的研究方面如下：
1目标关联和滤波算法研究：探讨了常用的跟踪滤波算法：Kalman和α?β跟踪滤波算法，提出了一种多模式的α?β滤波算法，对以上的几种算法从计算量和滤波精度方面进行了比较分析，同时介绍了系统中所采用的目标关联和配对算法。 2 坐标变换和时空对准研究：设计了一种多雷达和ADS 数据时空对准方案，实现了多雷达和ADS 数据的坐标变换、正北校正和延时误差自动补偿。 3 多雷达和ADS 数据融合算法研究：讨论了常用的多雷达数据融合算法，并对各种数据融合算法进行了分析和性能比较；针对雷达数据和ADS 数据的特点，提出了一种异类传感器数据的融合算法，并通过实验证明该方法是行之有效的。
基于神经网络的无线传感器网络数据融合算法
为减少无线传感器网络的通信量,降低能量消耗,设计了一种基于神经网络的数据融合算法(BPNDA),该算法将BP神经网络和传感器网络分簇路由协议有机结合,将每个簇设计成一个神经网络模型,通过神经网络提取原始数据中的少量特征数据,然后将特征数据发送给汇聚节点,从而提高数据收集效率,延长网络生存时间。仿真实验证明,与LEACH算法相比,该算法可有效减少网络通信量,降低节点能耗。
给予蚁群算法和BP神经网络的WSN数据融合算法研究
近年来，伴随着这一技术应用的深入，能耗问题已经成为对其发展造成限制的一个重要因素，如何在满足无线传感器工作性能的前提下，降低其能耗也成为了当前的一个重要课题。
在降低无线传感器网络能耗的过程中，引入蚁群算法具有很强的可行性，利用蚁群算法能够实现对于神经网络的优化。本文以实现最小化网络能耗为目标，对基于蚁群算法（和神经网络算法（的数据融合算法问题进行了研究，将数据融合和路由问题抽象成一个问题，并利用及BPNN的互补来实现簇内节点的能耗均衡。
无线传感器网络数据融合系统设计
本文主要讨论了无线传感器网络数据融合系统的系统设计方法。从其系统设计所需要考虑的几个方面进行分析,包括数据融合算法的设计与选择、数据融合路由的设计与选择、系统软件架构设计方法与注意事项等。对每个方面应该考虑的问题进行了讨论,给出了这些内容的一个解决方案与设计思路,为今后的工程开发奠定了基础。