侯遠韶

摘? 要：單一傳感器采集的信息受限于范圍、精度的影響往往無法準確地描述目標的具體特征，進而導致系統(tǒng)的可靠性不足，同時由于不能對采集到的信息進行高效表示，在傳輸及存儲過程中對系統(tǒng)硬件以及通信系統(tǒng)帶來了巨大壓力。基于多傳感器的信息融合技術(shù)，通過一定的融合算法對不同傳感器采集到的同構(gòu)或異構(gòu)數(shù)據(jù)信息進行有效融合，使得不同類型數(shù)據(jù)之間在互補的同時擯除了冗余數(shù)據(jù)，擴展了單個傳感器性能，滿足了系統(tǒng)對信息實時性和有效性的需求，在提高系統(tǒng)穩(wěn)定性和容錯性的同時，節(jié)省了系統(tǒng)的計算資源和存儲空間，克服了不確定因素及環(huán)境因素對系統(tǒng)的干擾，具有重要的研究意義。

關(guān)鍵詞：多傳感器? 信息融合? 融合算法? 有效性

中圖分類號：TP391.4? ? ? ? ? ? ? ? ? ? ? ?文獻標識碼：A文章編號：1672-3791（2021）04（a）-0017-03

An Analysis of Information Fusion Technology Based on Multi-sensor

HOU Yuanshao

（Department of Mechanical and Electrical Engineering Henan Industry and Trade Vocational College， Zhengzhou， Henan province， 451191? China）

Abstract：The information collected by a single sensor is limited by the scope and accuracy. It often fails to accurately describe the specific characteristics of the target， which leads to insufficient reliability of the system. At the same time， because the collected information cannot be expressed efficiently， the transmission and storage process system hardware and communication systems have brought tremendous pressure. Based on multi-sensor information fusion technology， through a certain fusion algorithm， the homogeneous or heterogeneous data information collected by different sensors is effectively fused， so that different types of data are complementary while eliminating redundant data， expanding a single sensor. The performance meets the system's requirements for real-time information and effectiveness， while improving system stability and fault tolerance， it also saves the system's computing resources and storage space， and overcomes the interference of uncertain factors and environmental factors on the system. Important research significance.

Key Words： Multi-sensor; Information fusion; Fusion Algorithm; Effectiveness

1? 多傳感器信息融合

1.1 多傳感器信息融合基本概念及特點

多傳感器信息融合主要由3個部分組成：首先，如果要獲得全面、可靠的數(shù)據(jù)就需要傳感器這一工具進行數(shù)據(jù)采集;而數(shù)據(jù)作為信息的載體也是融合的對象，有異構(gòu)數(shù)據(jù)和同構(gòu)數(shù)據(jù)之分;當傳感器采集到數(shù)據(jù)之后就需要根據(jù)不同的數(shù)據(jù)類型及特點，選取適當?shù)臄?shù)據(jù)融合算法進行數(shù)據(jù)挖掘和處理，去除冗余信息的同時保留互補信息并對協(xié)同信息做出合理選擇，最終形成統(tǒng)一的數(shù)據(jù)信息，為后續(xù)的判斷決策做出依據(jù)，提高系統(tǒng)的魯棒性和有效性[1]。相對于單一傳感器采集信息的局限性，多傳感器信息融合技術(shù)具有多方面、多層次的特點，采集到的信息具有互補性、冗余性，可以提高系統(tǒng)的精確度以及穩(wěn)定性，在空間和時間上都具有較大的優(yōu)勢[2]。多傳感器信息融合如圖1所示。

1.2 信息融合級別

傳感器采集到數(shù)據(jù)信息以后，根據(jù)融合對象的類型不同，數(shù)據(jù)融合技術(shù)可以分為3個等級，分別為數(shù)據(jù)級、特征級以及決策級[3]。

（1）對傳感器采集到的原始數(shù)據(jù)不經(jīng)過加工處理就進行融合，稱為數(shù)據(jù)級融合。其特點是基于最原始的數(shù)據(jù)進行融合，因此其性能最好，但對異類數(shù)據(jù)融合性不夠，同時對外界干擾因素抵抗力較弱，一旦受到影響對后續(xù)的決策判斷會產(chǎn)生較大的影響，計算量大且對系統(tǒng)的硬件和通信水平都有較高的要求，數(shù)據(jù)處理成本高[4]。

（2）特征作為信息的主要表現(xiàn)形式，特征級融合不直接對原始數(shù)據(jù)進行處理，而是通過每個傳感器采集到原始數(shù)據(jù)進行特征提取，進而對得到的特征向量進行融合[5]。特征級融合可以大大減輕對系統(tǒng)硬件的壓力，系統(tǒng)的有效性和實時性也得到了提高，但另一方面，由于需要從原始數(shù)據(jù)中提取特征，而在提取特征中會丟失一部分數(shù)據(jù)的原始信息，因此融合結(jié)果會造成一部分細微數(shù)據(jù)的丟失，給系統(tǒng)的精確度帶來了一定的影響。

（3）在每個傳感器的分析判斷基礎(chǔ)上做出綜合研判，稱為決策級信息融合。由于每個傳感器之間都對數(shù)據(jù)進行了同樣處理，然后對結(jié)果進行關(guān)聯(lián)性分析，因此系統(tǒng)具有較高的魯棒性，同時對系統(tǒng)的通信及計算能力要求也不高，但是由于最終融合結(jié)果取決于每個傳感器的決策結(jié)果，丟失了原始數(shù)據(jù)的部分信息，進而導致系統(tǒng)的準確度不高，其性能較差[6]。

1.3 信息融合關(guān)鍵問題

由于傳感器信息采集面對的目標對象具有多樣性，且同一目標受不同外界或內(nèi)部因素的影響也可能呈現(xiàn)出不同的表現(xiàn)形式，因此多傳感器信息融合算法沒有一種通用的標準，這也是目前信息融合算法存在的主要問題[7]。信息融合算法需要對具體的應用背景做出綜合分析，具體流程涉及到不同類型數(shù)據(jù)之間的轉(zhuǎn)換、特征提取、數(shù)據(jù)庫的建立以及融合推理等一系列，因此信息融合關(guān)鍵技術(shù)歸納起來主要有以下幾個方面。

（1）數(shù)據(jù)之間的相關(guān)性分析及轉(zhuǎn)換，由于不同傳感器之間采集的信息具有異構(gòu)性或同構(gòu)性，如何在異構(gòu)數(shù)據(jù)之間找到其融合、協(xié)同的折合點是關(guān)鍵所在，即對異構(gòu)數(shù)據(jù)進行轉(zhuǎn)換的同時不丟失其特征信息;數(shù)據(jù)轉(zhuǎn)換則是指傳感器采集到的信息在數(shù)據(jù)類型、數(shù)據(jù)層次以及數(shù)據(jù)標準上具有一定的差異性，因此，在進行數(shù)據(jù)融合之前，需要依據(jù)一定的準則將不同數(shù)據(jù)轉(zhuǎn)換為相同的形式，繼而實現(xiàn)信息融合，即需要將不同類型和來源的數(shù)據(jù)轉(zhuǎn)換為同一形式，方便進行融合。

（2）多傳感器信息融合帶來的維數(shù)災難，會對系統(tǒng)造成影響，因此需要對冗余信息進行特征約簡，同時要建立有效的數(shù)據(jù)模型，以便及時有效地進行數(shù)據(jù)間的搜索。

（3）針對不同類型和來源數(shù)據(jù)之間的互補性和冗余性，進行關(guān)聯(lián)分析和融合，選取合適的傳感器數(shù)據(jù)，在確保融合精度的前提下降低計算的復雜度，同時對融合損失做出合理補償。

2? 信息融合過程及評價體系

2.1 多傳感器配準定位

由于不同傳感器間受制于各種因素的影響，如傳感器的位置、數(shù)據(jù)類型以及自身的性能，進而導致數(shù)據(jù)產(chǎn)生不同步的情況發(fā)生。因此，在進行信息融合之前需要對傳感器采集的數(shù)據(jù)進行配準定位，進可能得到無誤差的數(shù)據(jù)信息，避免對數(shù)據(jù)進行關(guān)聯(lián)、決策時造成較大誤差。典型的多傳感器配準定位方法主要有：（1）基于時間的配準，即將不同傳感器采集的數(shù)據(jù)進行時間匹配，最終實現(xiàn)融合時傳感器數(shù)據(jù)間的同步性，降低時間誤差提高系統(tǒng)精度;（2）基于空間的配準，由于不同傳感器系統(tǒng)間的相互獨立性，導致其坐標系和采樣周期也有可能不一樣，因此需要對多傳感器進行空間的配準，即相同坐標系。

多傳感器在進行信息采集時不可避免地受到噪聲等各種外界因素以及自身因素的影響，導致出現(xiàn)嚴重背離絕大部分數(shù)據(jù)變化規(guī)律的小范圍野值點出現(xiàn)，這種野值點會嚴重干擾數(shù)據(jù)融合的精確性，因此，需要在信息融合過程中及時給予刪除，進而使得信息預處理合理有效，為后續(xù)的分析決策判斷做出依據(jù)。

2.2 信息融合過程

多傳感器信息融合過程可以分為3個部分：（1）信息的預處理，主要包括對數(shù)據(jù)進行基于時間的配準或基于空間的配準，同時對野值信息進行剝離，并對數(shù)據(jù)做歸一化處理，減小系統(tǒng)計算復雜度的同時，提升數(shù)據(jù)質(zhì)量;（2）信息的配準定位，通過仿射變換或坐標變換，在時間上和空間上對信息進行相對配準或絕對配準，提高信息融合時傳感器數(shù)據(jù)間的同步性，降低時間、空間誤差提高系統(tǒng)精度;（3）信息融合，為了摒除冗余信息，留下互補信息，得到更好的融合結(jié)果，需要選擇合適的信息融合算法，最大程度地提取信息特征，繼而實現(xiàn)不同類型信息在不同層面的合理融合，提升系統(tǒng)性能。

2.3 信息融合評價體系

信息融合質(zhì)量是評判一個系統(tǒng)性能優(yōu)劣的主要標準，合理有效的信息融合評價體系，能夠及時有效地對信息融合技術(shù)做出判斷，體現(xiàn)系統(tǒng)的性能進而做出有針對性改進，進而在不斷提升的基礎(chǔ)上提升算法性能。因此，對信息融合優(yōu)劣的評價可以在主觀和客觀兩個方面進行，通過實驗分析及數(shù)據(jù)調(diào)查為主觀評價，這種方法直觀易行、結(jié)果準確，但受外界因素影響較大;通過數(shù)據(jù)進行分析評判為客觀評價，主要指標有信息熵、均方根誤差、標準差等這些表現(xiàn)信息統(tǒng)計特征的評價數(shù)據(jù)，這種方法準確度較高，但計算量較大。

3? 信息融合方法的改進

典型的信息融合方法有：（1）基于加權(quán)平均思想的，這種方法計算量小，算法簡便，但對噪聲敏感，且后期效果差需要進一步處理;（2）證據(jù)比對法，通過對每個傳感器采集的信息進行計算，得到其可信度函數(shù)，然后利用一定的規(guī)則，挑出可信度函數(shù)最大傳感器，這種方法不依賴于傳感器間信息數(shù)據(jù)的累加原則，計算簡單，但對部分對立數(shù)據(jù)無法做出依據(jù);（3）基于灰關(guān)聯(lián)分析，則是通過對數(shù)據(jù)進行全貌比對，對傳感器的置信度做出量化克服人為因素對信息融合效果的影響。這些信息融合方法針對不同的情況，有各自的特征，因此可以將多個融合算法結(jié)合起來，進而達到取長補短的效果，提高系統(tǒng)性能。

4? 結(jié)語

多傳感器信息融合技術(shù)是目標跟蹤、路徑規(guī)劃的前提條件，但由于不同傳感器采集的數(shù)據(jù)之間具有異構(gòu)性、非完備性以及多源性等特征，導致信息融合沒有統(tǒng)一的數(shù)學模型，因此給信息融合技術(shù)帶來了一定的難度。經(jīng)過研究分析，通過對信息融合方法進行改進，將不同的融合算法依據(jù)應用環(huán)境結(jié)合起來，可以實現(xiàn)系統(tǒng)性能的整體提升。

參考文獻

[1] 付瑞玲，王寧，杜志強.基于多傳感器信息融合的火災報警器設(shè)計[J].計算機測量與控制，2018，232（1）：206-208.

[2] 潘崢嶸，周宗儒，朱翔.基于多傳感器信息融合的無人機防碰撞系統(tǒng)[J].自動化技術(shù)與應用，2018，37（3）：130-133.

[3] 王正家，夏正喬，孫楚杰.基于多傳感器信息融合的自主跟隨定位及避障方法[J].傳感技術(shù)學報，2019，32（5）：85-89，110.

[4] 邵衛(wèi)林，陳金忠，馬義來.基于多傳感器數(shù)據(jù)融合技術(shù)的漏磁內(nèi)檢測數(shù)據(jù)分析[J].傳感技術(shù)學報，2019，32（10）：1541-1548.

[5] 吳曉光，劉紹維，楊磊.基于深度強化學習的雙足機器人斜坡步態(tài)控制方法[J].自動化學報，2020（46）：73-78.

[6] 焦璐，張浩峰.信息融合算法的工程應用[J].電光與控制，2018，25（5）：106-108.

[7] 劉澈，姜勇，姚森敬.基于多傳感器信息融合的絕緣子串自動識別方法[J].機械設(shè)計與制造，2019，338（4）：220-224.