信息融合技術(shù)在軍事領(lǐng)域的應(yīng)用與研究＊

龔 純

（中國(guó)艦船研究設(shè)計(jì)中心 武漢 430064）

1 引言

隨著電子技術(shù)、信息處理技術(shù)的飛速發(fā)展，數(shù)據(jù)融合技術(shù)已廣泛應(yīng)用于各種復(fù)雜領(lǐng)域。該技術(shù)是關(guān)于把多個(gè)傳感器在空間或時(shí)間上的冗余或互補(bǔ)信息，依據(jù)某種準(zhǔn)則進(jìn)行組合，以獲得對(duì)被測(cè)對(duì)象的一致性解釋或描述，它有助于對(duì)目標(biāo)截獲、識(shí)別機(jī)跟蹤性能的改善。它將不同來(lái)源、不同模式、不同時(shí)間、不同地點(diǎn)、不同表現(xiàn)形式的信息進(jìn)行融合，最后得出被感知對(duì)象的精準(zhǔn)描述[1～3]。

2 數(shù)據(jù)融合技術(shù)

2.1 數(shù)據(jù)融合技術(shù)基本定義

數(shù)據(jù)融合（Data Fusion，DF）的字面意義即對(duì)來(lái)自多個(gè)傳感器或信息源的數(shù)據(jù)進(jìn)行綜合和提煉。但同其他許多名詞一樣，至今缺乏一個(gè)為領(lǐng)域研究者普遍接收的定義，常見有以下三種[4]：

1）美國(guó)國(guó)防部的定義：數(shù)據(jù)融合是一個(gè)多級(jí)多側(cè)面的加工過程，包括對(duì)多個(gè)數(shù)據(jù)源數(shù)據(jù)和信息的自動(dòng)化的檢測(cè)、互聯(lián)、相關(guān)、估計(jì)和組合處理。

2）Wald定義：數(shù)據(jù)融合是一個(gè)形式化的框架，由于聯(lián)合多個(gè)數(shù)據(jù)源數(shù)據(jù)的明確的方法和工具組成；融合的目的是為了獲得較高質(zhì)量的信息，這里“較高質(zhì)量”的確切的含義則取決于應(yīng)用。

3）Buede和Waltz的定義：數(shù)據(jù)融合是一個(gè)自適應(yīng)的知識(shí)創(chuàng)建過程，通過對(duì)來(lái)自各種信息源的一致或不一致觀測(cè)數(shù)據(jù)的校正、相關(guān)和合并處理，建立起有組織信息索引集，并由此對(duì)某個(gè)特定的觀測(cè)區(qū)域的結(jié)構(gòu)、行為進(jìn)行建模、理解和解釋。

2.2 數(shù)據(jù)融合模型

在數(shù)據(jù)融合的理論和模型研究中，最有代表性的當(dāng)屬美國(guó)國(guó)防部于1986年創(chuàng)建的數(shù)據(jù)融合過程模型，該模型是一個(gè)通用的面向功能的概念化模型，采用分層結(jié)構(gòu)，其頂層由八個(gè)部分組成，包括：信息源、人機(jī)交互、信息源預(yù)處理、第一級(jí)處理（對(duì)象精練）、第二級(jí)處理（態(tài)勢(shì)精練）、第三級(jí)處理（威脅精練）、第四級(jí)處理（過程精練）和數(shù)據(jù)管理。如圖1所示。

圖1 數(shù)據(jù)融合的過程模型

3 數(shù)據(jù)融合的層次分析

由于數(shù)據(jù)的多樣化，在多傳感器數(shù)據(jù)融合中目標(biāo)識(shí)別級(jí)融合有三種基本結(jié)構(gòu)[5]：即數(shù)據(jù)層融合、特征層融合和決策層融合結(jié)構(gòu)。

三種層次各有其特點(diǎn)，可針對(duì)不同的情況采取不同的方法進(jìn)行。數(shù)據(jù)層融合是最低層的融合，是在對(duì)傳感器原始信息（數(shù)據(jù)）未經(jīng)過或經(jīng)過很小處理的基礎(chǔ)上進(jìn)行的，它需要各個(gè)融合的傳感器信息源具有精確到一個(gè)像素的配準(zhǔn)精度的任何抽象層次的融合[6]。優(yōu)點(diǎn)是能夠提供其他兩種層次融合所不具有細(xì)節(jié)信息，但也具有處理代價(jià)大、通信量大、抗干擾能力差、對(duì)傳感器要求高的局限性。

決策層融合的優(yōu)缺點(diǎn)正好與數(shù)據(jù)層融合相反，其傳感器可以是異質(zhì)傳感器，預(yù)處理代價(jià)高，融合處理代價(jià)小、通信量小、抗干擾能力強(qiáng)的特點(diǎn)。

特征層融合則是上述兩種層次信息融合的折中形式，兼有兩者的優(yōu)缺點(diǎn)。各層次融合的優(yōu)缺點(diǎn)詳見表1。

表1 三種層次融合對(duì)比分析表

4 應(yīng)用領(lǐng)域

4.1 水聲目標(biāo)探測(cè)識(shí)別的應(yīng)用

數(shù)據(jù)融合技術(shù)在水下水聲目標(biāo)探測(cè)識(shí)別方面是較早應(yīng)用的領(lǐng)域。由于水下環(huán)境的復(fù)雜性和不確定性，造成了單個(gè)傳感器接收信息不僅不全面而且不可靠，從而使得多個(gè)傳感器的聯(lián)合使用成為一個(gè)趨勢(shì)?，F(xiàn)代艦艇往往配備多部主動(dòng)聲納和被動(dòng)聲納，搜集不同方位的目標(biāo)信息或者同一目標(biāo)的不同特征信息，將多組信息融合處理，則能夠得到更全面的信息，進(jìn)而做出更精確的判斷。

水下目標(biāo)探測(cè)中數(shù)據(jù)融合技術(shù)應(yīng)用主要是在已有的檢測(cè)技術(shù)[7]中運(yùn)用分布式融合機(jī)制，即各傳感器基于自身的觀測(cè)值，對(duì)目標(biāo)存在與否進(jìn)行判決，然后將判決結(jié)果送至融合中心。在融合中心，按照Neyman－Pearson準(zhǔn)則，將N個(gè)均不判據(jù)結(jié)果進(jìn)行融合。在這種分布式檢測(cè)融合機(jī)制，由于不需要將每個(gè)傳感器數(shù)據(jù)傳輸至融合中心，而只傳送判決結(jié)果，所以可以在很大程度上降低系統(tǒng)的通信壓力，減小了融合中心的計(jì)算負(fù)荷，提高了系統(tǒng)的運(yùn)作效率。但是，由于假設(shè)每個(gè)傳感器的測(cè)量值是獨(dú)立的，即每個(gè)傳感器只基于自身的測(cè)量值得到判決，而不考慮與其他傳感器的相關(guān)性，系統(tǒng)未能有效地利用各傳感器的信息。這樣，可能會(huì)增大系統(tǒng)誤差。

水下目標(biāo)識(shí)別[8]方面的應(yīng)用則主要是將多個(gè)方位的分類結(jié)果進(jìn)行融合，該分類可以是決策層的[9]，也可以是特征層的[10]，前者原理就是將多個(gè)方位的分類結(jié)果進(jìn)行融合，后者是對(duì)每個(gè)方位抽取的特征信息進(jìn)行融合，而不是對(duì)它們的分類結(jié)果進(jìn)行融合，如圖2所示。

圖2 用于水下目標(biāo)分類的數(shù)據(jù)融合框圖

通過數(shù)據(jù)融合處理后的信息具有更好的目標(biāo)跟蹤性能，使得在水下復(fù)雜環(huán)境下對(duì)目標(biāo)探測(cè)和識(shí)別能力大大增強(qiáng)。

4.2 計(jì)程儀中的應(yīng)用

復(fù)合式計(jì)程儀作為一種速度測(cè)量的基本導(dǎo)航設(shè)備，對(duì)測(cè)速數(shù)據(jù)的實(shí)時(shí)性和穩(wěn)定性要求非常高，多傳感器數(shù)據(jù)融合技術(shù)是解決這一問題的有效手段。復(fù)合式計(jì)程儀多傳感器數(shù)據(jù)融合處理主要是為了解決信息穩(wěn)定性和機(jī)動(dòng)狀態(tài)下的實(shí)時(shí)性之間的矛盾，同時(shí)在測(cè)速精度一致的情況下，提高速度信息的置信度[11]。以某型復(fù)合式計(jì)程儀為例：該計(jì)程儀配備了三個(gè)電磁測(cè)速傳感器，其原理是采用了加權(quán)平均算法作為基本的數(shù)據(jù)融合算法，權(quán)值通過統(tǒng)計(jì)某路測(cè)速傳感器的速度數(shù)據(jù)序列的數(shù)學(xué)期望和方差得到。數(shù)據(jù)融合技術(shù)在該領(lǐng)域的應(yīng)用原理如圖3所示。

由圖3可見，輸入數(shù)據(jù)是三路電磁傳感器的速度信號(hào)和狀態(tài)信號(hào)。根據(jù)通道特性，在時(shí)間上順序統(tǒng)計(jì)各通道一定時(shí)間內(nèi)的數(shù)學(xué)期望和方差，利用其統(tǒng)計(jì)量與綜合處理后速度和相應(yīng)航行狀態(tài)進(jìn)行比較，從而判斷該路信號(hào)是否可信。對(duì)速度估計(jì)信號(hào)，當(dāng)信息不可信的情況下自動(dòng)分配其當(dāng)前權(quán)值為0，在信息可信時(shí)，自適應(yīng)的給出相應(yīng)的權(quán)分配值和該路信息當(dāng)前的速度估計(jì)值，權(quán)值大小與方差成反比。估計(jì)每路信號(hào)的估計(jì)值和所分配的權(quán)值后，算法根據(jù)一致傳感器的貝葉斯估計(jì)方法對(duì)綜合測(cè)量信息進(jìn)行空間濾波，最后輸出數(shù)據(jù)融合結(jié)果和各傳感器狀態(tài)信息。

數(shù)據(jù)融合技術(shù)在復(fù)合式計(jì)程儀中的應(yīng)用一方面使得融合后方差比單值測(cè)量的方差要小，從而提高了設(shè)備任務(wù)可靠性和信息穩(wěn)定度；另一方面，信息融合算法增加了變速判斷功能，當(dāng)速度變化時(shí)賦予最新測(cè)量值以更大的權(quán)值，使得估計(jì)值更快的跟蹤變化的速度，因此提高了速度信息的實(shí)時(shí)性，改善了信息質(zhì)量。

4.3 預(yù)警機(jī)系統(tǒng)中的應(yīng)用

預(yù)警機(jī)是現(xiàn)代防空作戰(zhàn)指揮和情報(bào)保障的重要組成部分，預(yù)警機(jī)系統(tǒng)內(nèi)各傳感器信息的綜合利用離不開包括預(yù)警雷達(dá)與敵我識(shí)別器、主雷達(dá)與ESM接收機(jī)系統(tǒng)等在內(nèi)的傳感器，并進(jìn)行數(shù)據(jù)融合，從而獲得完整而及時(shí)的戰(zhàn)場(chǎng)態(tài)勢(shì)和威脅估計(jì)[14]。

以預(yù)警機(jī)中對(duì)目標(biāo)獲取信息的兩種最重要傳感器－主雷達(dá)與ESM為例進(jìn)行數(shù)據(jù)融合技術(shù)應(yīng)用分析：前者是一種主動(dòng)雷達(dá)，通過發(fā)射脈沖和接收目標(biāo)回波來(lái)獲取有關(guān)目標(biāo)的位置及其運(yùn)動(dòng)參數(shù)，后者通過截獲目標(biāo)發(fā)射的電磁信號(hào)，提取輻射源信號(hào)特征，再進(jìn)一步由輻射源特征識(shí)別出目標(biāo)類型。ESM在截獲輻射源信息同時(shí)還能測(cè)定輻射源的方向信息，即獲得目標(biāo)所在的角度，ESM通常有比雷達(dá)更大的作用距離，因而可以在更大范圍內(nèi)發(fā)現(xiàn)目標(biāo)，從而為主雷達(dá)指示目標(biāo)。因此，根據(jù)主雷達(dá)與ESM各自的特點(diǎn)，在進(jìn)行數(shù)據(jù)融合前首先要將兩者對(duì)目標(biāo)的位置數(shù)據(jù)校準(zhǔn)到同一時(shí)刻，然后采用一定的準(zhǔn)則判斷兩者信息源來(lái)自同一目標(biāo)。對(duì)各目標(biāo)的位置數(shù)據(jù)與輻射源角度進(jìn)行跟蹤和濾波，比較同一時(shí)間點(diǎn)上各目標(biāo)與各輻射源濾波后的角位置值，計(jì)算兩種角位置數(shù)據(jù)任一對(duì)之間的相關(guān)數(shù)據(jù)值，當(dāng)這一相關(guān)度值超過預(yù)定的閾值時(shí)，認(rèn)為可能是相關(guān)的，再超過預(yù)知的角位置對(duì)中，選擇最大的一對(duì)，認(rèn)為他們是相關(guān)的目標(biāo)與輻射源。預(yù)警機(jī)系統(tǒng)數(shù)據(jù)融合處理原理框圖見圖4。

圖4 預(yù)警機(jī)系統(tǒng)數(shù)據(jù)融合處理原理框圖

由此可見，預(yù)警機(jī)系統(tǒng)中充分利用不同目標(biāo)各個(gè)方向、不同頻段的反射特性，采用數(shù)據(jù)融合技術(shù)對(duì)信息進(jìn)行處理后最大限度地提取信息，滿足戰(zhàn)場(chǎng)對(duì)信息、目標(biāo)識(shí)別和態(tài)勢(shì)分析的需要，從而全面提高系統(tǒng)對(duì)目標(biāo)探測(cè)和識(shí)別性能。

5 結(jié)語(yǔ)

近幾年來(lái)，數(shù)據(jù)融合技術(shù)普遍應(yīng)用于軍事、工業(yè)、交通、醫(yī)學(xué)等不同領(lǐng)域。伴隨著該技術(shù)基礎(chǔ)理論研究地不斷深入和科研人員地不懈努力，相信在不久的將來(lái)，數(shù)據(jù)融合技術(shù)相關(guān)算法的完善、軟硬件支持環(huán)境的構(gòu)建以及測(cè)試平臺(tái)的開發(fā)，必將給該技術(shù)的發(fā)展帶來(lái)更廣闊的應(yīng)用前景。

[1]何友，王國(guó)宏.多傳感器信息融合及應(yīng)用[M].北京：電子工業(yè)出版社，2010：1－12.

[2]Waltz E，L ilnas J.Multisensor data fusion[M].Boston：A retch House，2000：9－17.

[3]Sasiadek J Z.Sensor fusion[J].Annual Reviews in Control，2002，26（26）：203－228.

[4]衛(wèi)愛萍，王士杰，等.現(xiàn)代艦艇火控系統(tǒng)[M].北京：國(guó)防工業(yè)出版社，2008（1）.

[5]熊凌，張凱.數(shù)據(jù)融合及其應(yīng)用[J].湖北工業(yè)大學(xué)學(xué)報(bào)，2005，20（3）：145－147.

[6]黃惠寧，劉源璋，梁昭陽(yáng).多傳感器數(shù)據(jù)融合技術(shù)概述[J].科技信息，2010（15）：72－73.

[7]白銀生，趙俊渭，相明.基于N－P準(zhǔn)則的水聲信號(hào)檢測(cè)系統(tǒng)信息融合[J].信息與控制，2003，32（6）：517－520.

[8]Fairweather J R，Greig A，et al.Object recognition by machine vision to enhance scene interpretation in an underwater application[C]／／OCEANS’95.MTS／IEEE.Challenges of Our Changing Global Environment’.Conference Proceedings，1995：1865－1870.

[9]Yao M de，Sadjadi R A，Jamshidi A A，et al.A study of effects of sonar bandwidth for underwater target classification[J].IEEE Journal of Oceanic Engineering，2002，27（3）：619－627.

[10]Jaime Salazar，Marc Robinson，Mahmood R，et al.A hybrid HMM－neural network with gradient descent parameter training[C]／／Neural Network：Proceedings of the International Joint Conference，2003：1086－1091.

[11]潘琪祥.談?wù)劥俸陀?jì)程儀改正率測(cè)定方法的改進(jìn)[J].天津航海，2001（4）：34－36.

[12]鄒偉，劉兵，孫倩.多源信息融合能力評(píng)估關(guān)鍵技術(shù)綜述[J].計(jì)算機(jī)與數(shù)字工程，2010（3）.

[13]馮貴玉，趙琪，張可黛，等.多源信息融合認(rèn)知機(jī)理與模型研究[J].計(jì)算機(jī)與數(shù)字工程，2013（2）.

[14]趙躍，馬鑫.數(shù)據(jù)融合技術(shù)在預(yù)警機(jī)系統(tǒng)中的應(yīng)用[J].國(guó)防科技，2007，2（2）：26－28.