侯远韶
摘 要：单一传感器采集的信息受限于范围、精度的影响往往无法准确地描述目标的具体特征，进而导致系统的可靠性不足，同时由于不能对采集到的信息进行高效表示，在传输及存储过程中对系统硬件以及通信系统带来了巨大压力。基于多传感器的信息融合技术，通过一定的融合算法对不同传感器采集到的同构或异构数据信息进行有效融合，使得不同类型数据之间在互补的同时摈除了冗余数据，扩展了单个传感器性能，满足了系统对信息实时性和有效性的需求，在提高系统稳定性和容错性的同时，节省了系统的计算资源和存储空间，克服了不确定因素及环境因素对系统的干扰，具有重要的研究意义。
关键词：多传感器 信息融合 融合算法 有效性
中图分类号：TP391.4 文献标识码：A文章编号：1672-3791（2021）04（a）-0017-03
An Analysis of Information Fusion Technology based on Multi-sensor
HOU Yuanshao
（Department of Mechanical and Electrical Engineering Henan Industry and Trade Vocational College， Zhengzhou， Henan province， 451191 China）
Abstract：The information collected by a single sensor is limited by the scope and accuracy. It often fails to accurately describe the specific characteristics of the target， which leads to insufficient reliability of the system. At the same time， because the collected information cannot be expressed efficiently， the transmission and storage process system hardware and communication systems have brought tremendous pressure. based on multi-sensor information fusion technology， through a certain fusion algorithm， the homogeneous or heterogeneous data information collected by different sensors is effectively fused， so that different types of data are complementary while eliminating redundant data， expanding a single sensor. The performance meets the system's requirements for real-time information and effectiveness， while improving system stability and fault tolerance， it also saves the system's computing resources and storage space， and overcomes the interference of uncertain factors and environmental factors on the system. important research significance.
Key Words： Multi-sensor; Information fusion; Fusion Algorithm; Effectiveness
1 多傳感器信息融合
1.1 多传感器信息融合基本概念及特点
多传感器信息融合主要由3个部分组成：首先，如果要获得全面、可靠的数据就需要传感器这一工具进行数据采集;而数据作为信息的载体也是融合的对象，有异构数据和同构数据之分;当传感器采集到数据之后就需要根据不同的数据类型及特点，选取适当的数据融合算法进行数据挖掘和处理，去除冗余信息的同时保留互补信息并对协同信息做出合理选择，最终形成统一的数据信息，为后续的判断决策做出依据，提高系统的鲁棒性和有效性[1]。相对于单一传感器采集信息的局限性，多传感器信息融合技术具有多方面、多层次的特点，采集到的信息具有互补性、冗余性，可以提高系统的精确度以及稳定性，在空间和时间上都具有较大的优势[2]。多传感器信息融合如图1所示。
1.2 信息融合级别
传感器采集到数据信息以后，根据融合对象的类型不同，数据融合技术可以分为3个等级，分别为数据级、特征级以及决策级[3]。
（1）对传感器采集到的原始数据不经过加工处理就进行融合，称为数据级融合。其特点是基于最原始的数据进行融合，因此其性能最好，但对异类数据融合性不够，同时对外界干扰因素抵抗力较弱，一旦受到影响对后续的决策判断会产生较大的影响，计算量大且对系统的硬件和通信水平都有较高的要求，数据处理成本高[4]。
（2）特征作为信息的主要表现形式，特征级融合不直接对原始数据进行处理，而是通过每个传感器采集到原始数据进行特征提取，进而对得到的特征向量进行融合[5]。特征级融合可以大大减轻对系统硬件的压力，系统的有效性和实时性也得到了提高，但另一方面，由于需要从原始数据中提取特征，而在提取特征中会丢失一部分数据的原始信息，因此融合结果会造成一部分细微数据的丢失，给系统的精确度带来了一定的影响。
（3）在每个传感器的分析判断基础上做出综合研判，称为决策级信息融合。由于每个传感器之间都对数据进行了同样处理，然后对结果进行关联性分析，因此系统具有较高的鲁棒性，同时对系统的通信及计算能力要求也不高，但是由于最终融合结果取决于每个传感器的决策结果，丢失了原始数据的部分信息，进而导致系统的准确度不高，其性能较差[6]。
1.3 信息融合关键问题
由于传感器信息采集面对的目标对象具有多样性，且同一目标受不同外界或内部因素的影响也可能呈现出不同的表现形式，因此多传感器信息融合算法没有一种通用的标准，这也是目前信息融合算法存在的主要問题[7]。信息融合算法需要对具体的应用背景做出综合分析，具体流程涉及到不同类型数据之间的转换、特征提取、数据库的建立以及融合推理等一系列，因此信息融合关键技术归纳起来主要有以下几个方面。
（1）数据之间的相关性分析及转换，由于不同传感器之间采集的信息具有异构性或同构性，如何在异构数据之间找到其融合、协同的折合点是关键所在，即对异构数据进行转换的同时不丢失其特征信息;数据转换则是指传感器采集到的信息在数据类型、数据层次以及数据标准上具有一定的差异性，因此，在进行数据融合之前，需要依据一定的准则将不同数据转换为相同的形式，继而实现信息融合，即需要将不同类型和来源的数据转换为同一形式，方便进行融合。
（2）多传感器信息融合带来的维数灾难，会对系统造成影响，因此需要对冗余信息进行特征约简，同时要建立有效的数据模型，以便及时有效地进行数据间的搜索。
（3）针对不同类型和来源数据之间的互补性和冗余性，进行关联分析和融合，选取合适的传感器数据，在确保融合精度的前提下降低计算的复杂度，同时对融合损失做出合理补偿。
2 信息融合过程及评价体系
2.1 多传感器配准定位
由于不同传感器间受制于各种因素的影响，如传感器的位置、数据类型以及自身的性能，进而导致数据产生不同步的情况发生。因此，在进行信息融合之前需要对传感器采集的数据进行配准定位，进可能得到无误差的数据信息，避免对数据进行关联、决策时造成较大误差。典型的多传感器配准定位方法主要有：（1）基于时间的配准，即将不同传感器采集的数据进行时间匹配，最终实现融合时传感器数据间的同步性，降低时间误差提高系统精度;（2）基于空间的配准，由于不同传感器系统间的相互独立性，导致其坐标系和采样周期也有可能不一样，因此需要对多传感器进行空间的配准，即相同坐标系。
多传感器在进行信息采集时不可避免地受到噪声等各种外界因素以及自身因素的影响，导致出现严重背离绝大部分数据变化规律的小范围野值点出现，这种野值点会严重干扰数据融合的精确性，因此，需要在信息融合过程中及时给予删除，进而使得信息预处理合理有效，为后续的分析决策判断做出依据。
2.2 信息融合过程
多传感器信息融合过程可以分为3个部分：（1）信息的预处理，主要包括对数据进行基于时间的配准或基于空间的配准，同时对野值信息进行剥离，并对数据做归一化处理，减小系统计算复杂度的同时，提升数据质量;（2）信息的配准定位，通过仿射变换或坐标变换，在时间上和空间上对信息进行相对配准或绝对配准，提高信息融合时传感器数据间的同步性，降低时间、空间误差提高系统精度;（3）信息融合，为了摒除冗余信息，留下互补信息，得到更好的融合结果，需要选择合适的信息融合算法，最大程度地提取信息特征，继而实现不同类型信息在不同层面的合理融合，提升系统性能。
2.3 信息融合评价体系
信息融合质量是评判一个系统性能优劣的主要标准，合理有效的信息融合评价体系，能够及时有效地对信息融合技术做出判断，体现系统的性能进而做出有针对性改进，进而在不断提升的基础上提升算法性能。因此，对信息融合优劣的评价可以在主观和客观两个方面进行，通过实验分析及数据调查为主观评价，这种方法直观易行、结果准确，但受外界因素影响较大;通过数据进行分析评判为客观评价，主要指标有信息熵、均方根误差、标准差等这些表现信息统计特征的评价数据，这种方法准确度较高，但计算量较大。
3 信息融合方法的改进
典型的信息融合方法有：（1）基于加权平均思想的，这种方法计算量小，算法简便，但对噪声敏感，且后期效果差需要进一步处理;（2）证据比对法，通过对每个传感器采集的信息进行计算，得到其可信度函数，然后利用一定的规则，挑出可信度函数最大传感器，这种方法不依赖于传感器间信息数据的累加原则，计算简单，但对部分对立数据无法做出依据;（3）基于灰关联分析，则是通过对数据进行全貌比对，对传感器的置信度做出量化克服人为因素对信息融合效果的影响。这些信息融合方法针对不同的情况，有各自的特征，因此可以将多个融合算法结合起来，进而达到取长补短的效果，提高系统性能。
4 结语
多传感器信息融合技术是目标跟踪、路径规划的前提条件，但由于不同传感器采集的数据之间具有异构性、非完备性以及多源性等特征，导致信息融合没有统一的数学模型，因此给信息融合技术带来了一定的难度。经过研究分析，通过对信息融合方法进行改进，将不同的融合算法依据应用环境结合起来，可以实现系统性能的整体提升。
参考文献
[1] 付瑞玲，王宁，杜志强.基于多传感器信息融合的火灾报警器设计[J].计算机测量与控制，2018，232（1）：206-208.
[2] 潘峥嵘，周宗儒，朱翔.基于多传感器信息融合的无人机防碰撞系统[J].自动化技术与应用，2018，37（3）：130-133.
[3] 王正家，夏正乔，孙楚杰.基于多传感器信息融合的自主跟随定位及避障方法[J].传感技术学报，2019，32（5）：85-89，110.
[4] 邵卫林，陈金忠，马义来.基于多传感器数据融合技术的漏磁内检测数据分析[J].传感技术学报，2019，32（10）：1541-1548.
[5] 吴晓光，刘绍维，杨磊.基于深度强化学习的双足机器人斜坡步态控制方法[J].自动化学报，2020（46）：73-78.
[6] 焦璐，张浩峰.信息融合算法的工程应用[J].电光与控制，2018，25（5）：106-108.
[7] 刘澈，姜勇，姚森敬.基于多传感器信息融合的绝缘子串自动识别方法[J].机械设计与制造，2019，338（4）：220-224.
