基本概念与融合原理

数据融合又称作信息融合或多传感器数据融合，对数据融合还很难给出一个统一、全面的定义。但根据国内外研究成果，多传感器数据融合的定义可概括为：充分利用不同时间与空间的多传感器数据资源，采用计算机技术对按时间序列获得的多传感器观测数据，在一定准则下进行分析、综合、支配和使用，获得对被测对象的一致性解释与描述，进而实现相应的决策和估计，使系统获得比它的各组成部分更充分的信息。这里所讲的传感器是广义的，不仅包括物理意义上的各种传感器，也包括与观测环境匹配的各种信息获取系统，甚至人或动物的感知系统。

多传感器数据融合技术的基本原理就像人脑综合处理信息一样，充分利用多个传感器资源，通过对多传感器及其观测信息的合理支配和使用，把多传感器在空间或时间上冗余或互补信息依据某种准则来进行组合，以获得被测对象的一致性解释或描述。具体地说，多传感器数据融合原理如下：

①多个不同类型的传感器（有源或无源的）收集观测目标的数据。

②对传感器的输出数据（离散的或连续的时间函数数据、输出矢量、成像数据或一个直接的属性说明）进行特征提取变换，提取代表观测数据的特征矢量。(www.xing528.com)

③对特征矢量进行模式识别处理（如聚类算法、自适应神经网络或其他能将特征矢量变换成目标属性判决的统计模式识别法等），完成各传感器关于目标的说明。

④将各传感器关于目标的说明数据按同一目标进行分组，即关联。

⑤利用融合算法将每一目标各传感器数据进行合成，得到该目标的一致性解释与描述。