多源信息融合技術研究綜述

李洋 趙鳴 徐夢瑤 劉云飛 錢雨辰

摘 要：多源信息融合即基于多種（同類或異類）信息源，根據(jù)某個特定標準在空間或時間上進行組合，獲得被測對象的一致性解釋或者描述，并使得該信息系統(tǒng)具有更好的性能。從融合級別上來說，融合模型通常從數(shù)據(jù)、特征、決策三個層次上進行信息的融合處理。采用信息融合技術的系統(tǒng)結構一般可分為集中式融合、分布式融合和混合式融合架構。針對實際問題，根據(jù)信息源數(shù)據(jù)特征的差異，可單獨采用不同層次的融合方法或組合某兩個層次的遞進融合方法，從而得到使系統(tǒng)性能較優(yōu)的融合方案。

關鍵詞： 信息融合;融合級別;融合結構;融合算法

【Abstract】 Multi-source information fusion technologies combine multiple homogeneous or heterogeneous information sources in space dimension or time dimension according to one specific standard， and obtain consistent interpretation or description of the measured object， then have better performance of the information system. According to the level of fusion， the fusion model usually integrates information from three levels-data level， feature level and decision level. The system architecture using information fusion technology can be generally divided into three kinds， such as centralized fusion， distributed fusion and hybrid fusion architecture. According to the actual problem with the different information source data characteristics， different level fusion methods could be separately adopted or some two levels of fusion methods combined， and better system performance could be obtained.

【Key words】 ?information fusion; fusion level; fusion structure; fusion algorithm

0 引 言

“信息融合”這個概念最早在20世紀70年代出現(xiàn)在一些文獻中，初期是美國為了軍事需求，將C3I（Command，Control，Communication and Intelligence）軍事系統(tǒng)中的數(shù)據(jù)進行多源相關性融合，并將其作為國防重點開發(fā)項目，此后迅速發(fā)展成為一門獨立學科。

信息融合概念的基本原則與出發(fā)點是：充分利用多種信息源，并根據(jù)特定標準把多個信息源在空間或時間上的冗余或互補信息進行組合，來得到對被測對象的一致性解釋或者描述，使得該信息系統(tǒng)相對于由其包含的各個子集所構成的系統(tǒng)具有更好的性能。

在工業(yè)自動化控制領域，非線性、大滯后性、模糊性、時變性和不確定性等相關特性逐漸成為對受控對象研究時的主要特征。假如系統(tǒng)出現(xiàn)故障，通常會出現(xiàn)多種不同的故障癥狀，如果只依據(jù)單一的方法很難對發(fā)生的故障做出精確的判斷，這就會導致系統(tǒng)在進行故障檢測時，很大幾率會出現(xiàn)虛假警報或者漏報等。

1 信息融合

信息融合一般分為4個階段，分別是：信息源收集整理階段、信息源處理階段、分析決策階段和融合結論輸出階段。

1.1 信息融合層次

根據(jù)處理信息源所在的層次，信息融合可分為數(shù)據(jù)層融合、特征層融合和決策層融合。其中，數(shù)據(jù)是指每個區(qū)段傳感器采集的測量數(shù)據(jù)。特征是指分析和轉換后的數(shù)據(jù)結果和知識。決策是指觀察目標的結論。這里對各融合層次分別研究后，可得其闡釋解析如下。

（1）數(shù)據(jù)層融合。即將原始數(shù)據(jù)的直接融合。其輸入是由多個傳感器提供的各種類型的原始數(shù)據(jù)，其輸出為特征提取或者局部決策的結果。數(shù)據(jù)層融合的優(yōu)點是：可以從其它融合層中沒有的原始數(shù)據(jù)中提取更多細節(jié)。缺點是：較繁重的計算負擔、較差的實時性能以及需要良好的容錯能力來處理傳感器數(shù)據(jù)本身的不穩(wěn)定性和不確定性，且僅適用于同類傳感器的原始數(shù)據(jù)融合。數(shù)據(jù)層融合框圖如圖1所示。

（2）特征層融合。是提取數(shù)據(jù)源的特征信息，進行分析和處理，保留足夠的重要信息，為后期決策分析提供支持。特征層融合的優(yōu)點是：提取原始數(shù)據(jù)信息特征后，減少了待處理的數(shù)據(jù)量，提高了實時性。特征層融合框圖如圖2所示。

（3）決策層融合，作為一種高層次融合，具有高靈活性、強抗干擾性、良好的容錯性和較小的通信帶寬要求。首先，對傳感器測量數(shù)據(jù)進行預處理，獲得研究對象的初步?jīng)Q策;然后，所有局部決策結果在某種規(guī)則下進行組合，以獲得最終的聯(lián)合決策結果。因此，決策層融合需要壓縮傳感器測量數(shù)據(jù)，這不僅具有高處理成本，而且還會丟失大量細節(jié)信息。決策層融合框圖如圖3所示。

綜上分析可知，這3種不同層次的信息融合各有其優(yōu)點、缺點和適用范圍。假設各個傳感器數(shù)據(jù)相互匹配（例如，2個傳感器測量相同的物理特性），測量的傳感器數(shù)據(jù)即可直接在數(shù)據(jù)層中融合。當各個傳感器數(shù)據(jù)相互不匹配時，則需要根據(jù)特定情況來判斷是采取特征層融合、還是決策層融合的方法。通常，通過融合原始數(shù)據(jù)來獲得特征，再使用特征的融合來做出判斷決策。無論是數(shù)據(jù)層融合、特征層融合還是決策層融合，都需要將相關的信息進行關聯(lián)和配準，區(qū)別在于數(shù)據(jù)的相關性和相互匹配的順序是不一樣的。理論上，數(shù)據(jù)層融合的優(yōu)點是可以保留大量的原始數(shù)據(jù)，來為目標提供盡可能精細的信息，并獲得盡可能準確的融合效果。決策層融合較少依賴于傳感器。對于特定用途，判斷采用哪個級別的融合集成是系統(tǒng)工程問題，應該全面考慮所處的環(huán)境、計算資源、信息來源特征等因素的綜合影響。

1.2 信息融合結構

采用信息融合技術的系統(tǒng)結構一般可分為集中式融合、分布式融合和混合式融合架構。研究對此可做探討總述如下。

（1）集中式融合。在集中式融合結構中，每個傳感器的原始觀測數(shù)據(jù)被發(fā)送到一個獨特的中央處理單元、即融合中心進行融合后的全局判斷。該結構具有高精度和低信息損失，但需要高通信帶寬來傳輸原始數(shù)據(jù)，并且對中央處理單元的計算性能要求較高，真正實現(xiàn)起來較為困難。

（2）分布式融合。在分布式融合結構中，各個傳感器預先處理觀測到的原始數(shù)據(jù)，并進行初步判決，然后將局部處理結果發(fā)送到融合中心。與集中式融合結構相比，分布式融合結構降低了通信帶寬要求，具有更好的可靠性和系統(tǒng)可行性。

（3）混合融合。結合了上述兩種方法的優(yōu)點，但在計算和網(wǎng)絡通信上開銷較大，主要應用于大型復雜系統(tǒng)。

2 信息融合算法及研究現(xiàn)狀

2.1 信息融合算法

信息融合算法是融合處理的基礎和重要內(nèi)容。該算法就是基于信息融合的功能，在每個融合層中通過各種數(shù)學方法加工合成所需要的多維輸入數(shù)據(jù)來實現(xiàn)融合。目前，存在許多融合算法，每種算法都有其自身的優(yōu)點和缺點。目前最常用的算法有Bayes推理、模糊理論、 Dempster/Shafer（D-S）證據(jù)理論和神經(jīng)網(wǎng)絡方法。針對各類算法，研究擬做研究分述如下。

D-S證據(jù)理論根本意義上是經(jīng)典概率論的一種延伸。與模糊理論、貝葉斯信息融合和卡爾曼濾波相比，D-S證據(jù)理論可以有效地解決未知環(huán)境中的一些不確定信息。這一特殊優(yōu)勢使其可廣泛用于信息融合。

Bayes推理是使用Bayes規(guī)則，在設置先驗概率的條件下計算后驗概率，并基于后驗概率結果做出相應的決策。Bayes推理的研究難點是找到正確符合要求的概率分布，尤其當數(shù)據(jù)來自級別較低的傳感器時。而且，考慮到實際應用中正常情況下先驗概率是未知的，因此當設置的先驗概率值不匹配時，結果是不準確的。

模糊推理，也稱為近似推理。在融合過程中提取不準確的結果，以不準確為突破點，做進一步處理分析，而如何獲得有效的推理規(guī)則則是其關鍵所在。決策樹是一種典型的提取模糊推理規(guī)則的方法。

神經(jīng)網(wǎng)絡，這里主要指人工神經(jīng)網(wǎng)絡，即模擬人類的頭腦來實現(xiàn)人類所具有的認知能力。神經(jīng)網(wǎng)絡是基于很多神經(jīng)元連接，通過各個節(jié)點的運算來實現(xiàn)輸入與輸出的相關映射關系。神經(jīng)網(wǎng)絡可以應用于信息融合的各個層次。

2.2 研究現(xiàn)狀

2.2.1 數(shù)據(jù)層融合

數(shù)據(jù)層信息融合中大多采用加權平均值或聚類算法。迄至目前，已發(fā)表了眾多研究成果，對此詳述如下。

徐森淼[1]在其論文中通過V型平面鏡高光譜采集系統(tǒng)來獲得馬鈴薯的高光譜圖像，通過實驗組成馬鈴薯的光譜屬性矩陣，在數(shù)據(jù)層進行融合。用蟻群算法對預處理的數(shù)據(jù)進行降維，在此基礎上運用遺傳算法、網(wǎng)格搜索和果蠅優(yōu)化算法分別對降維后參數(shù)優(yōu)化，實驗結果表明在數(shù)據(jù)層融合的果蠅優(yōu)化算法最優(yōu)。

杜剛[2]對多傳感器多系統(tǒng)數(shù)據(jù)層的融合結構進行了初步研究。從軟件應用層和分站硬件兩方面考慮了多系統(tǒng)融合平臺的設計與構成。此外，文中提出基于邏輯報警控制和多系統(tǒng)融合后的聯(lián)合互動，可以初步避免“信息孤島”，有效解決因傳感器失效、多系統(tǒng)人工操作等環(huán)節(jié)引起的應急響應時間增加。

冀少軍[3]在研究中利用歐氏距離確定距離矩陣，并使用最短距離聚類方法對其進行數(shù)據(jù)層的融合得到相互關聯(lián)的傳感器組。研究認為這樣可以減少主觀因素的影響，融合結果則是相對客觀的。最終實驗結果表明對于煤礦瓦斯預警模型的數(shù)據(jù)處理上，選擇該方法具有優(yōu)越性。

2.2.2 特征層融合

特征層信息融合算法包括神經(jīng)網(wǎng)絡、模糊理論和D-S證據(jù)理論等。近年來，最常用的是神經(jīng)網(wǎng)絡和模糊理論。對此研究成果，可得重點表述如下。

楊建平等人[4]闡述了一種利用信息融合的特征層融合思路，將D-S證據(jù)理論應用在航空發(fā)動機早期的故障診斷中。該方法考慮了發(fā)動機早期故障癥狀的不確定性，結合模糊測量的診斷結果更符合早期故障的實際情況。

王赟松等人[5]通過借鑒國內(nèi)外先進技術，用信息融合技術發(fā)現(xiàn)電控發(fā)動機故障診斷具有很好的優(yōu)勢。通過實驗表明，基于RBF的特征層信息融合診斷優(yōu)于單個傳感器，實驗還指出本次研究可實現(xiàn)信息壓縮后的實時處理和診斷。

宋漢[6]基于神經(jīng)網(wǎng)絡采用特征層信息融合對故障進行診斷。實驗結果得出，通過集成的RBF信息融合技術可以降低信息的隨機性，并且還可以提高系統(tǒng)輸出信息的有效性與精度。

趙世榮等人[7]選擇用RBF對特征層的信息融合技術進行研究。研究結合模糊集理論診斷發(fā)動機氣動元件的故障，模擬和分析渦輪軸發(fā)動機。通過實驗表明，該方法實現(xiàn)較為簡單，得到的結果精度較高，可以減少誤報、虛警和漏報。

Turs等人[8]設計了一種渦扇發(fā)動機信息融合系統(tǒng)，可在發(fā)生外部損壞時提供可靠的預測。特征層融合是通過卡爾曼濾波所獲得的發(fā)動機氣路性能的變化和小波分析提取的軸承加速計信號特征的結合來識別外物損傷事件的。

Jackson[9]通過特征層融合將模糊推理系統(tǒng)應用在典型軍用航空發(fā)動機的仿真系統(tǒng)中。模擬引擎旨在從偏離參考引擎的引擎中恢復退化數(shù)據(jù)。將數(shù)據(jù)輸入到系統(tǒng)中，來隔離各個故障分量與模擬的劣化數(shù)據(jù)和額外增加的噪聲。實驗結論表明，即使當前環(huán)境噪聲較大，還是可以高精度地隔離其中的故障分量。

2.2.3 決策層融合

決策層信息融合常用的算法包括D-S證據(jù)理論、Bayes推理和模糊理論。其中，最常用的算法是D-S證據(jù)理論。對其核心成果，可做剖析論述如下。

溫迪[10]用D-S證據(jù)理論來融合發(fā)動機信息的決策數(shù)據(jù)，建立了一個有證據(jù)沖突的有效故障決策層信息融合框架。實驗結果表明，明顯提高了航空發(fā)動機故障診斷的可靠性和安全性。

楊亞軍[11]針對火箭發(fā)動機故障診斷，運用了 RBF技術、小波分析理論和D-S證據(jù)理論等相關技術，實現(xiàn)小波神經(jīng)網(wǎng)絡的決策層信息融合。該方法比較適用于該類型發(fā)動機故障診斷的分析。因為小波神經(jīng)網(wǎng)絡具有良好的局部分析能力與融合特性，研究中選用的是D-S小波神經(jīng)網(wǎng)絡，實驗驗證該成果使發(fā)動機故障診斷的精確度大大提高。

孫見忠等人[12]提出基于Bayes網(wǎng)絡模型的多源診斷信息融合機制，對氣源路徑進行分析。該機制基于貝葉斯網(wǎng)絡氣體路徑分析，即常規(guī)氣體路徑可測量參數(shù)是主要參數(shù)。通過將Bayes用于多源傳感器信息的融合，得出實驗結論，如果僅僅使用氣路參數(shù)進行診斷，精確度不高，但若將更多其它的狀態(tài)信息參數(shù)和氣路參數(shù)進行融合，診斷的故障精確度則會有明顯提升。

任淑紅等人[13]針對發(fā)動機的剩余壽命問題，利用性能退化可靠性理論和Bayes更新方法實現(xiàn)在決策層的信息融合。首先，分析導致航空發(fā)動機性能下降的過程，并通過Bayes更新方法得到了基于性能退化信息的航空發(fā)動機剩余壽命的分布情況。然后，通過免疫粒子群優(yōu)化（IPSO）來構建該預測模型。實驗結論得出，該方法的預測精度明顯提高，并且容易操作，有著較好實用性。

3 結束語

對基于信息融合技術的進展及應用現(xiàn)狀進行研究，總結可以通過2種信息融合思路來處理現(xiàn)實中的問題。研究表述具體如下。

（1）可以對目標問題分別采用數(shù)據(jù)層融合、特征層融合和決策層融合方法，得到各種融合方案下的信息融合結果，并進行方法優(yōu)劣的比較，最終選擇較優(yōu)的信息融合方案。

（2）可以先用數(shù)據(jù)層融合得到信息融合結果，作為特征層或決策層融合的輸入，同理也可以將特征層融合結果作為決策層融合的輸入。對于具體工程問題，不僅要選擇合適的融合算法，還要關注集成系統(tǒng)的結構，如信息收集與合成，傳感器管理和控制等。

研究還得知，將D-S證據(jù)理論、模糊理論、神經(jīng)網(wǎng)絡和貝葉斯方法等智能技術有機地結合起來，應用到實際信息融合問題，將是未來的重要研究方向和發(fā)展趨勢。

參考文獻

[1]徐森淼. 基于高光譜不同層次信息融合的馬鈴薯輕微損傷檢測方法[D]. 武漢：華中農(nóng)業(yè)大學， 2016.

[2]杜剛. 基于多系統(tǒng)數(shù)據(jù)級融合的煤礦監(jiān)測監(jiān)控邏輯報警分析[J]. 山西煤炭， 2017，37（5）：13-21.

[3]冀少軍. 多傳感器數(shù)據(jù)融合技術在煤礦瓦斯預警中的應用研究[D]. 邯鄲：河北工程大學，2016.

[4]楊建平， 黃洪鐘， 苗強， 等. 基于證據(jù)理論的航空發(fā)動機早期故障診斷方法[J]. 航空動力學報， 2008， 23（12）：2327-2331.

[5]王赟松， 褚福磊， 何永勇， 等. 基于信息融合技術的發(fā)動機故障診斷的研究[J]. 內(nèi)燃機學報， 2003， 21（5）：374-378.

[6]宋漢. 基于信息融合技術的航空發(fā)動機故障診斷研究[D]. 長沙：中南大學， 2013.

[7]趙世榮， 黃向華. 應用神經(jīng)網(wǎng)絡信息融合診斷航空發(fā)動機故障[J]. 航空動力學報， 2008， 23（1）：163-168.

[8]TURSOJ A，LITT J S. A foreign object damage event detector data fusion system for turbofan engines [J].Journal of Aerospace Computing， Information，and Communication， 2005，2（7）：291.

[9]RUBENS N O. The application of fuzzy logic to the construction of the ranking function of information retrieval system[J]. Computer Modelling and New Technology， 2006，10（1）：20-27.

[10]溫迪. 基于D-S證據(jù)理論的航空發(fā)動機氣路故障信息融合與FMECA分析[D]. 成都：電子科技大學，2014.

[11]楊亞軍，王福明. 基于D-S的小波神經(jīng)網(wǎng)絡信息融合方法[J]. 彈箭與制導學報， 2006， 26（4）：266-268.

[12]孫見忠， 左洪福. 基于多源診斷信息融合的發(fā)動機氣路分析[J]. 航空動力學報， 2013， 28（8）：1885-1896.

[13]任淑紅， 左洪福. 基于性能衰退的航空發(fā)動機剩余壽命組合預測方法[J]. 機械科學與技術， 2011， 30（1）：23-29.