电子世界 2 0 0 5年 4期6专家论坛多传感器信息融合( M u l t i s e n s o r I n f o r m a t i o n F u s i o n ) 是2 0 世纪8 0 年代出现 的一个新兴学科，它是将不同传感器对 某一环境特征描述的信息，综合成统一 的特征表达信息及其处理的过程。多传 感器信息融合首先广泛地应用于军事领 域，如海上监视、空- 空和地- 空防御、 战场情报、监视和获取目标及战略预警 等， 随着科学技术的进步， 多传感器信息 融合至今已形成和发展成为一门信息综 合处理的专门技术，并很快推广应用到 工业机器人、智能检测、自动控制、交通 管理和医疗诊断等多种领域。我国从2 0 世纪9 0 年代也开始了多传感器信息融合 技术的研究和开发工作，并在工程上开 展了多传感器识别、定位等同类信息融 合的应用系统的开发，现在多传感器信 息融合技术越来越受到人们的普遍关注。 1 多传感器信息融合的主要特点 在各种系统中，靠单一的传感器不 能满足对目标、环境的识别和控制的要求。 若对不同传感器采集的信息单独、 孤 立地进行加工，不仅会导致信息处理工 作量的剧增，而且割断了各传感器信息 之间的有机联系，丢失信息有机组合蕴 涵的特征，造成信息资源的浪费。因此， 对多传感器的信息进行综合处理即信息 融合，从而得出更为准确、可靠的结论， 使系统圆满地完成各种操作任务。归纳 起来，多传感器信息融合的主要特点有： （1 ） 提高了对环境描述的能力。 可 以利用来自不同传感器的信息进行互补， 并通过融合过程的处理， 可以更全面、 准 确地描述环境对象，减少识别时的不确 定性，提高描述的正确性和全面性。 （2 ） 提高了对系统描述的精度。 在 对每一个传感器进行测量时，都会存在 着各种噪声，使用多传感器的融合信息 可减少由测量不精确所引起的不确定性， 明显地提高系统的精度。 （3 ） 提高了系统的运行效率。 由于 多传感器的结构分布和信息采集是并行的， 信息融合的结构也是并行的， 这与应 用各单独传感器的串行结构相比，显著 地提高了信息处理速度，增加了系统的 实时性。 （4 ）提高了系统的可靠性和容错能 力。在系统中有一个甚至几个传感器出 现故障时，可利用其他传感器仍能获得 环境有关信息， 保持系统的正常工作， 提 高系统的可靠性。 此外， 在多传感器融合 中，由于各传感器对环境描述的相关性， 会出现冗余信息， 利用这类信息， 使系统 具有很好的容错性能。 （5 ） 可降低系统的成本。 与未经融 合的各类传感器相比，多传感器融合系 统能以较少的代价获得同样的信息。 2 多传感器信息融合过程 多传感器信息融合是将来自多传感 器或多源的信息和数据模仿人类专家的 综合信息处理能力进行智能化处理，从 而获得更为全面、 准确和可信的结论。 其 信息融合过程包括多传感器、数据预处多传感器信息融合技术和发展武汉理工大学 张菊秀低， 易于实现逐行寻址和高场频显示， 可 以消除行间闪烁和图像大面积闪烁；（3 ） 可实现软屏显示， 并具有数字寻 址方式的优点， 图像几何失真、 非线性失真小， 清晰度、 色纯全屏一致， 没有聚焦、 会聚问题； （4 ） 全固态器件， 寿命长；（5 ） 响应速度快 （为微秒级） ， 比L C D 响应速度快1 0 0 0 倍；（6 ） 视角宽，上、下、左、 右均超过 1 7 0 ； （7 ） 高温特性好， 工作温度范围宽（- 4 0 + 7 0 ） ； （8 ） 亮度高， 可达3 0 0 c d / m2以上；（9 ） 分辨率高， 可达1 毫米3 0 条电视 线以上；（1 0 ） 发光材料资源丰富， 功耗低， 超 薄，超轻。 O L E D 显示器与其它显示器相比的主要缺点是： （1 ） 尚未经过大批量生产考验， 能否以较低的成本制造出彩色 O L E D有待进 一步验证； （2 ） 大屏幕显示器成品率低， 制造成本高。附表是几种平面显示技术的比较。附表仅从显示品质（包括：彩色重现、清晰度、视角、亮度和响应速度）和 商业化特性（包括：厚度 、省电、大尺寸设计、寿命、成本和 最优尺寸特性 ）共1 2 项参数，只对T F T - L C D 、A C - P D P 、O L E D 、D L P 和 C R T 等5 种平面显示器件进行比较，各种 类型显示器件应用于显示器的应用特性亮度调制和寻址方式，以及使用上 的安全性（指X 射线和电磁辐射）和舒适性 （如闪烁） 等使用特性在文稿中已有分 析，不再重述，这种比较只是相对而言， 并不十分严格，仅供参考。影响技术发展的因素目前国内外平板显示器市场百花齐放， 百家争鸣， 各个显示器件生产企业都在宣传自己产品的优势，但最终能否在市场上获取较大的市场份额，主要决定于以下因素：（） 首先是市场价格能不能被广大消费者接受， 产品质量再好， 但不能进入寻常百姓家， 最终将逐渐被市场淘汰。 因为目前市场上 C R T 显示方式的性能价格比仍是其它显示方式无法逾越的，它的市场主导作用至少在今后十年内是其它显示方式无法全面取代的；（2 ）其次是产品的质量、性能，其中最主要的是产品的寿命和可靠性。如果一种显示方式的性能（亮度、对比度、清晰度）很好，但使用寿命很短，也无法取代目前市场上的C R T 显示方式；（3 ） 产品的性能指标也是显示器件能否进入市场的关键，性能指标包括亮度、对比度、清晰度、可视角、惰性等；（4 ）影响平板显示技术发展的第四个因素是产品的使用性能，它主要包括体积、重量、功耗等；（5 ） 产品生产工艺比较简单， 有利于组织大批量生产。电子世界 2 0 0 5年 4期7专家论坛图 2图 1理、信息融合中心和输出部分，图1 所示 为多传感器信息融合过程。其中多传感 器的功能是实现信号检测，它将获得的 非电信号转换成电信号后， 再经过A / D 转换为能被计算机处理的数字量，数据预 处理用以滤掉数据采集过程中的干扰和 噪声，然后融合中心对各种类型的数据 按适当的方法进行特征（即被测对象的 各种物理量） 的提取和融合计算， 最后输 出结果。 3 多传感器信息融合的结构 从多传感器系统的信息流通形式上 看， 其信息融合的结构一般有集中式、 分 布式、混合式和多级式4 种结构，其中集 中式融合结构和分布式融合结构是两种 常用的融合结构。集中式结构是指所有 传感器输出数据都同时输入给数据融合 中心，在那里进行数据对准、数据互联、 预测与综合跟踪等，由融合中心对各种 类型的数据按适当的方法进行综合处理 后再输出结果。集中式结构简单，精度 高，但它只有当接收到来自所有的传感 器信息后， 才对信息进行处理， 故通信负 担重；分布式结构的特点是：每个传感器 的检测结果在进入融合之前，先由它自 己的数据处理器处理局部信息，然后把 处理后的信息送至融合中心，中心根据 各节点的数据完成信息融合，形成全局 估计。这种结构具有较强的自下而上的 能力， 且通信负担轻， 但融合精度不如集 中式好。融合结构的选择一般是根据具 体系统的指标要求而定。 4 多传感器信息融合的方法 针对具体的应用系统，目前已有许 多融合方法： （1 ） 加权平均法。 该方法对来自不 同传感器的冗余信息进行加权。它的缺 点是需要对系统进行详细的分析，以获 得正确的传感器权值。 （2 ） 数理统计法。 极大似然估计是 一种比较常用的简单算法，它将融合信 息取为似然函数达到极值时的估计值。 贝叶斯估计也是多传感器信息融合的一 种常用算法，其信息描述为概率分布。 （3 ） 证据决策理论。 它将传感器采 集的信息作为证据，并在决策目标集上 建立一个相应的基本可信度。 这样， 可将 不同的信息合并成一个统一的信息表示。证据决策理论允许直接将可信度赋予传 感器信息的舍取，具有一定优点。 （4 ） 选举决策法。 它采用布尔代数 融合不同传感器的信息，其基础同逻 辑运算，是一种快速而廉价的信息融 合方法。 （5 ） 产生式规则。 它采用符号表示 目标特征和相应的传感器信息之间的联 系，与每个规则相联系的置信因子表示 不确定性程序。当在同一个逻辑推理过 程中的两个或多个规则形成一个联合的 规则时，可以产生融合。 （6 ） 卡尔曼滤波。 它使用于动态环 境中冗余传感器信息的实时融合。当噪 声为高斯分布的白噪声时，卡尔曼滤波 提供信息融合的统计意义下的最优递推 估计。 对非线性系统模型的信息融合， 可 采用扩展卡尔曼滤波及迭代卡尔曼滤波。 （7 ） 自适应人工神经网络法。 人工神 经网络由多层处理单元或节点组成，并 可以用各种方法互联， 图2 所示是一个具有三层节点的神经网络，其中输入向量 是与目标有关的测量参数的数据，输入 向量经过神经网络非线性变换得到一个 输出向量， 输出向量可能是目标身份， 即 将多传感器信息变换为一个实体的联合 标识。 5 多传感器信息融合技术的应用 多传感器信息融合技术的研究刚刚 开始才几十年，但它已被广泛用于工业、 医学、 测量及空间技术等领域， 从其应用 的功能上看，主要的应用领域有： 系统导航 当智能系统在未知的或 动态的环境中工作时，将多传感器的信 息融合能使系统快速地感知外部环境， 并用于导航。 目标识别 一种融合由激光测距仪 和红外线传感器提供的互补信息方法， 分割和放大在成群的背景中的物体，如 坦克、卡车等。 物体跟踪 采用雷达和声纳传感器 等多传感器信息融合方法，用于对空中、 空间和水下物体的跟踪。 工业机器人 机器人通过融合来自 多个传感器的信息， 避开障碍物， 使之按 照通常的指挥行动。 故障诊断 采用传感器信息融合技 术，通过传感器的冗余性可以诊断系统 是否有故障及故障点。图 3反馈控制 在电力传动系统中采用 各种传感信号进行反馈、前馈或抗干扰 控制，例如，相互耦合的多分部传动系 统， 并联运行的大型电力传动系统， 它们 均应用了各种类型的传感器。将这些传 感器信息进行融合，必将有效地提高系 统的可靠性、 响应速度、 控制精度和鲁棒 性能。 图 3是德国科学家把多传感器信息融合技术用于汽车自动无人驾驶控制系 统的工作原理，该系统由差分全球定位 系统 （D G P S ） 、 惯性传感器( I N S ) 、 数字地 图( D M ) 、立体图像传感器( S V S ) 、激光探 测器( L S ) 和雷达( R a d a r ) 系统组成。 其中差分全球定位系统、惯性传感 器、数字地图是用来确定汽车行驶地理 位置和方向， 并检测路面的几何形状；图 像传感器主要识别和跟踪汽车行驶路面 边缘；激光探测器和雷达完成汽车行驶 过程中路况和前方障碍物等信息的检测。 系统将各传感器输出的信号通过卡尔曼 滤波后进行信息融合，从而得到汽车行 驶路面的情况，通过控制机构实现汽车 自动无人驾驶。 6 多传感器信息融合技术发展方向 多传感器信息融合技术涉及的科学 领域有传感器技术、 信息处理技术、 应用 数学等综合理论和方法，其主要发展方 向可归纳如下： （1 ）各种类型传感器的建模研究。 （2 ）先进的融合算法，特别是信息 融合的高效并行计算方法， 例如， 分布式 机制和人工神经网络的应用等。 （3 ）在未知环境中多传感器系统信 息融合的研究，特别是提高系统的精度 和冗余度，有效地揭示各信息之间的有 机联系，提高对环境特征模式属性识别 决策的能力。 （4 ）建立多传感器信息融合性能评 价体系。 （5 ）多传感器信息融合鲁棒性研究。 目前，多传感器信息融合技术的发 展方向尚处在不断变化和发展过程中， 在系统设计方面还面临一些实际问题， 如融合系统的容错性问题、复杂动态环 境下的系统实时响应等。