30
分布式融合结构中，每个传感器的检测报告在进入融合以前，先由 它自己的处理器产生局部多目标跟踪航迹，然后将处理过的信息送 至融合中心，完成航迹-航迹相关、航迹合成，形成全局估计。
检测与估计 传感器控制/反馈信息
融合中心
传感器1 预处理 多目标 跟踪器 多目标 跟踪器 坐 标 转 换 、 数 据 对 正 目 标 状 态
信息融合是一种多层次、多方面的处理过程，包括对多源数据进行检测、 相关、组合和估计，从而提高状态和身份估计的精度，以及对战场态势和 威胁的重要程度进行适时完整的评价。
一般定义：
利用计算机技术，对不同传感器按时序获得的观测信息，按照一定的准则 加以自动分析、优化和综合，为完成所需任务（目的）的估计和决策而进 行的信息处理过程。
28
融合算法比较
算法 优点

缺点
要求给出先验概率和概率独立假设 适应条件苛刻，要求统一的识别框架 不能区分“不确定”和“不知道”信 息 计算具有潜在的指数复杂度 推理链较长时，使用不方便

Bayes准则
直观性好，具有公理基础 易于理解，计算中等

证据理论
具有较强理论基础 不要求给出先验概率 能区分“不确定”和“不知道” 信息
主讲内容及教学计划



信息融合概述（2课时） 多源检测融合原理（4课时） 不确定推理（6课时） 分布式检测与融合（4课时） 集中式检测与融合（4课时） 多传感器目标识别与融合模型（4课时） 应用实例（4课时） 复习(2课时) 1
1.2 信息融合定义
JDL(美国三军组织实验室理事联合会)定义：
9
3.2 融合处理的过程
高层次融合
决策
筛选、整合和抽象
信息 由 低 层 到 高 层
传感器采集
数据
自然环境信息
环境
10
3.3 数据融合的级别
按照数据抽象 的层次划分
数据级融合
特征级融合
决策级融合
11
(1) 数据级（像素级）融合
含义 最低层次的融合，直接对传感器的观测数据进行融合处理，然后 基于融合后的结果进行特征提取和判断决策。
2
1.4 信息融合的分类
按融合技术分类
假设检验型
滤波跟踪型
人工智能
模式识别型
聚类分析型
基于专家系统的
基于人工神经网络
以生物为基础
3
1.4 信息融合的分类
按融合判决方式
硬判决
软判决
按传感器组合方式
同类传感器
异类传感器
4
1.4 信息融合的分类
按信息融合结构模型
集中式
分布式
按融合的目的
检测融合
估计融合
中间层次的融合，每个传感器先抽象出自己的特征向量，然后由融 合中心完成融合处理。可划分为目标状态和目标特征信息融合两类
传感器1 传感器2 传感器N
特 征 提 取
关 联
特 征 层 属 性 融 合
属 性 判 决
联 合 属 性 判 决 结 果
14
…
(2)特征级融合
特点
进行了数据压缩， 对通信带宽的要求低 利于实时处理

不足
数据损失量最大 精度最低
17
(4) 不同级别的融合性能比较
融合 模型 计算 量 容错 性 信息 损失 量 精度 抗干 扰性 融合 方法 传感 器同 质性 通信 数据 量 实பைடு நூலகம் 性 融合 水平
象素 级
大
差
小
高
差
难
大
大
差
低
特征 级
中
中
中
中
中
中
中
中
中
中
决策 级
小
好
大
低
好
易
小
小
好
高 18
3.4 融合处理的结构模型

不足
有信息损失
融合性能降低
15
(3) 决策级融合
含义
高层次的融合，每个传感器先基于自己的数据做出决策，然后由融 合中心完成局部决策。
传感器1 传感器2 传感器N
属性判别
特 征 提 取
属性判别 属性判别
关 联
决 策 层 融 合
联 合 属 性 判 决 结 果
16
…
…
(3) 决策级融合
特点
通信量小 抗干扰能力强 融合中心处理代价低
航 迹 与 航 迹 相 关
航 迹 相 关
目 标 状 态
…
24
（5）不同融合结构的比较
融合方式
信息损失
通信带宽
融合处理
融合控制
可扩充性
集中式
小
大
复杂
容易
差
分布式
大
小
容易
复杂
好
混合式
中
中
中等
中等
一般
25
4 信息融合算法
融合算法是融合处理的基本内容，它将多维输入数据根据信息
融合的功能，在不同融合层次上采用不同的数学方法，对数据进 行综合处理，最终实现融合。 目前，已有大量的融合算法，都有各自的优缺点，其中比较流 行的算法有贝叶斯方法、证据推理、神经网络以及模糊理论等，
8
3.2 融合处理的过程
融合处理器分析来自所有传感器的数据，并对其进行配准、 关联、相关、估计、分类与信息反馈等。
配准：将传感器数据统一到同一参考时间和空间中 关联：使用某种度量尺度对来自不同传感器的航迹与量测数据进行比较， 确定进行相关处理的候选配对 相关：对关联后的航迹和报表进行处理以确定它们是否属于同一个目标 估计：依据相关处理后的结果对目标的状态变量与估计误差方差进行更 新，实现对目标未来位置的预测 分类：通过对特征数据的分析，确定目标的类型等
这样在区分不知道与不确定方面有较大的灵活性。
27
融合算法简介
神经网络是由大量的神经元连接而成的,是一种大规模、分布式的神经元
处理系统。由于信息融合过程接近人类思维活动,与人脑神经系统有较强 的相似性,因此利用神经网络的结构优势和高速的并行运算能力进行多维
信息融合处理是一种有效的技术途径。
模糊理论是基于分类的局部理论，最先由Zadob于1965年提出。模糊理 论进一步放宽了概率论定义中的制约条件，从而可以对数字化信息进行 宽松建模。其对估计过程的模糊扩展可以解决信息或判决的冲突问题
传感器1 传感器2 传感器N
关 联
数 据 级 融 合
特 征 提 取
属 性 判 决
联 合 属 性 判 决 结 果
12
…
(1） 数据级融合
特点
数据损失量较少 精度最高
不足
实时性差 要求传感器是同类的 数据通信量大， 抗干扰能力差 处理的数据量大
13
(2)特征级融合
含义
这四种算法的研究约站整个信息融合算法的85%。
26
融合算法简介
贝叶斯方法是最早应用于不确定信息融合的一种推理方法 , 其基本思 想是在设定先验概率的条件下，利用贝叶斯规则计算出后验概率，从 而根据后验概率做出决策，这样就可以处理不确定性问题 证据理论是经典概率理论的扩展，首先由Dempster提出构造不确定推 理模型的一般框架，将命题的不确定问题转化为集合的不确定问题，之 后， Shafer对该理论进行了补充，从而形成了处理不确定信息的证据 理论。它允许人们对不确定性问题进行建模，并进行推理。其最大特点 是对不确定信息采用“区间估计”来描述，而不是用“点估计”的方法。
根据信息流通形式和综合处理层次
集中式融合结构
分布式融合结构
混合式融合结构
多级式融合结构
19
（1） 集中式融合结构
集中式融合结构将检测报告传递到融合中心，然后进行数据对准、 点迹相关、数据互联、航迹滤波、预测与综合跟踪等。 优点：信息损失最小 缺点：互联比较困难，并且要求系统必须具备大容量的能力， 计算负担重，系统生存能力较差
传感器2
预处理
传感器N
预处理
多目标 跟踪器
航 迹 与 航 迹 相 关
航 迹 合 成
…
…
22
（3） 混合式融合结构
检测与估计 传感器控制/反馈信息
融合中心 传感器1 预处理 多目标 跟踪器 多目标 跟踪器 坐 标 转 换 、 数 据 对 正 复 合 滤 波 、 综 合 跟 踪 目 标 状 态
传感器2
融合结构的模型如下图所示
20
（1） 集中式融合结构
检测与估计 传感器控制/反馈信息
融合中心 传感器1 预处理 坐 标 转 换 、 数 据 对 正 点 迹 相 关 、 数 据 互 联 航航 迹迹 滤文 波件 与与 更综 新合 跟 踪 目 标 状 态
传感器2
预处理
…
传感器N
…
预处理
21
（2） 分布式融合结构
属性融合
5
1.5 信息融合的优点
增加系统的生存能力 扩展空间和时间覆盖范围
改善探测性能 提高空间分辨率
提高可信度
降低信息的模糊度
增加测量空间的维数
6
3 数据融合系统模型与处理结构
3.1 JDL数据融合模型-从军事应用的角度
数据 预处理 一级处理 目标评估 二级处理 态势评估 三级处理 影响评估 四级处理 过程评估

可解决信息或决策冲突问题 模糊集理论 可是现主、客观件的信息融合
算法原理直观性不好 运算复杂

神经网络
具有较强的特征分类与映射能力 很强的自适应能力 并行处理、运算效率高

学习过程运算量大 寻找全局最优解较为困难

29
作业
① 简述信息融合的基本思想。 ② 信息融合处理结构的分类，并列举其主要优缺点。 ③ 简述四种常用信息融合算法的优缺点。 ④ 查阅信息融合技术在某一领域的具体应用实例，画出系统解 决方案图。