数据融合简介

数据融合不再是一个新概念. 通过融合来自多个传感器的数据和相关信息，可以实现比单个传感器更准确的判断. 目前，数据融合在军事和非军事领域具有广泛的应用. 它被广泛用于军事领域中的自动目标识别，自动驾驶导航，遥感信息融合的概念，战场监视等，以及非军事领域. 它广泛用于环境监视，机器人技术和医疗技术. . 因此，我将写一系列文章来介绍数据融合. 本文的内容主要来自James Llinas，David Hall，Martin Liggins II编写的《多传感器数据融合手册》.

事实上，人类具有出色的数据融合能力. 通过视觉，味觉，触觉和气味，人类可以对食物偏好做出准确的判断. 这是我最喜欢的. 我不喜欢吃东西，但是只有一种感觉，我们不能对食物的偏爱做出这样的判断. 同样，在军事领域，我们希望将地面和飞机电磁信号数据整合在一起，以在空对空防御和地对空防御中做出更准确的警告. 我们希望在非军事领域，例如医学领域，将通过X射线，MRI，视觉检查等数据进行整合，以使该病的诊断更加准确.

与单传感器相比，多传感器具有以下优点:

1. 如果使用N个相同的传感器，则观测值可以得到统计上的改善

;

2. 多个传感器的相对位置或运动可以改善观测过程；

3. 使用多个传感器可提高可观察性. 例如，我们可以通过脉冲雷达和前视红外成像同时观察目标. 雷达可以准确确定目标的距离，但是确定方位的能力有限. 前视红外成像可以准确地确定目标的方位角，但是确定目标距离的能力有限，因此，基于两者的观测目标比使用单个传感器更为精确；

多传感器数据融合的主要方法有三种:

1. 直接数据融合，如果可以添加多传感器数据，例如，如果我们使用多个图像传感器或多个声学传感器，则可以使用直接数据融合，直接数据融合涉及一些经典的估计方法，例如卡尔曼滤波，否则我们只能使用特征融合或决策融合；

2. 特征融合，获取数据中的特征向量，并基于特征向量进行融合，

3. 决策融合，处理每个传感器的数据并做出判断，最后融合所有决策；

但是，更成熟的方法仍集中在直接数据融合上. 在特征融合和决策融合方面，仍然缺少健壮和可操作的系统.

同时，应该指出的是，尽管我们的重点是设计数据融合算法，但是好的传感器仍然是最重要的. 传感器的性能直接决定数据融合的效果信息融合的概念，因此数据融合的结果可能要比最好的传感器的结果差.

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/tongxinshuyu/article-255215-1.html