多传感器信息融合与软件架构学生用

多传感器信息融合与软件架构

多传感器信息融合与软件架构

(软件架构在多传感器信息融合技术中的应用)

一、 概述

信息融合作为高层次的共性关键技术，在军事和国民经济领域得到了广泛应用。特别是在网络中心战、协同作战能力（CEC）、弹道导弹防御、天基遥感、C4ISR或C4KISR等领域或复杂大系统中，信息融合已经成为其中关键技术，得到更广泛的重视。而软件架构技术在上述系统中不知不觉也得到了广泛应用。例如：在飞行器控制系统中，就有很多的应用。现代飞机在执行某一个动作时

1.1定义

a.信息融合的一般定义：

(1)利用计算机技术对按时序获得的若干传感器的观测信息在一定的准则下加以自动分析、优化综合以完成所需的决策和估计任务而进行的信息处理过程。

按照这一定义，各种传感器是信息融合的基础，多元信息是信息融合的加工对象，协调优化和综合处理是信息融合的核心。

(2)在军事领域，信息融合主要包括检测、互联、关联（相关）、状态估计、目标识别、态势描述、传感器管理和数据库等。它是一个在多个级别上对传感器数据进行综合处理的过程，每个处理级别都反映了对原始数据不同程度的抽象，它包括从检测到威胁判断、武器分配、和通道组织的完整过程，其结果表现为在较低级别对状态和属性的评估和在较高层次上对整个态势、威胁估计。

这一定义强调信息融合的核心是指对来自多传感器的数据进行多级别、多方面、多层次的处理，从而产生新的有意义的信息，而这种信息是任何单一传感器所无法获得的。

因此综合上述两个定义，所谓信息融合就是将来自多传感器或多源的信息进行综合处理，从而得出更为准确、可靠的结论。

b.软件架构：

b1:组成派

Marry Shaw在《软件体系结构：一门初露端倪学科的展望》中，为“软件结构”给出了非常简明的定义：

软件系统的结构将系统描述为计算组件及组件之间的交互必须说明，上述定义中的“组件”是广泛意义上的元素之意，并不是指和CORBA、DCOM、EJB等相关的专有的组件概念。“计算组件”也是泛指，其实计算组件可以进一步细分为

多传感器信息融合与软件架构

处理组件、数据组件、连接组件等。总之，“组件”可以指子系统、框架（Framework）、模块、类等不同粒度的软件单元，它们可以担负不同的计算职责。

上述定义是“组成派”软件架构的典型代表，有如下两个显著的特点：

（1） 关注架构实践中的客体——软件，以软件本身为描述对象；

（2） 分析了软件的组成，即软件由承担不同计算任务的组件组成，这些组件通

过相互交互完成更高层次的计算。

b2:决策派

软件架构包含了关于以下问题的决策；

· 软件系统的组织;

· 选择组成系统的几个元素和它们之间的接口，以及当这些元素相互协作时所体现的行为；

· 如何组合这些元素，使它们逐渐合成更大的子系统；

· 用于指导这个系统组件的架构风格：这些元素以及它们的接口、协作和组合。

软件架构并不仅仅注重软件本身的结构和行为，还注重其他特性：使

用、功能性、性能、弹性、重用、可理解性、经济和技术的限制以及

权衡，以及美学等。

以上定义看似冗长，其实核心思想非常明确：软件架构是在一些重要方面所作出的决策的集合。

该定义是“决策派”软件架构概念的典型代表，有如下两个显著特点：

（1） 关注架构实践中的主体——人，以人的决策为描述对象；

（2） 归纳了架构决策的类型，指出架构决策不仅包括关于软件系统

的组织、元素、子系统和架构风格等几类决策，还包括关于众

多非功能需求的决策。

软件架构概念在多传感器信息融合技术中的具体体现

在空中交通管制中的应用

作为统计航迹关联算法在实际系统中的应用举例，介绍墨西哥马萨拉特飞行信息区的分布式多雷达空中交通管制系统。该系统包括了墨西哥西部的所有雷达，每一个站都使用一个计算机完成雷达跟踪，然后把各单雷达的局部航迹经过

多传感器信息融合与软件架构

适当的转换后，送传到共同的数据处理中心(即融合中心或中心站)，于是该中心完成航迹关联和合成，并为每个目标产生一个单独的多雷达航迹。

系统描述

在马萨特兰运行中心，各雷达站与中心的信息传输是通过电话线连接的。雷达的输出是以检测报告的形式，其中包括位置和测量精度，这些数据送到雷达头的完成航迹估计，并把数据通过电话线发送到中心站。

中心站设有一部雷达数据处理计算机，它接受来自于各雷达站的局部航迹和未关联上的检测报告。于是，为了在一个广阔区域上提供完整的覆盖，它基于来自于各雷达站信息的恰当组合，建立中心级系统航迹。雷达数据处理计算机业完成大量其他工作，如系统流程控制、数据显示位置分配和程序存储等。与雷达数据处理器相连的另一台计算机用于飞行数据处理。飞行处理子系统可以看作几乎完全独立的子系统，它接受来自飞行数据操作手的数据，处理存储的飞行计划等。雷达数据处理器到显示器和飞行数据处理器的连接是依靠一个快速局部区域网络总线，它允许数据传输速度达到每秒300kb。

子系统及其功能

该系统主要由雷达头、数据链、雷达数据处理、飞行数据处理和显示等子系统组成，通过把它们有机地组合，可以获得要求的系统结构。

雷达头子系统完成的功能是：检测提取、一次雷达与二次雷达监测组合；极-直坐标转换；点迹滤波；自动跟踪起始和保持；形成点迹或航迹数据和雨图；传送和接收遥控信息。

数据链子系统完成的功能是：传送点迹或航迹到运行中心；传送雷达一、二次雷达遥控信号到运行中心；记录和播放由雷达头送到运行中心的点迹和航迹。 雷达数据处理子系统为全系统核心，它形成了任意两个子系统间的接口。其主要功能是：实时控制系统的流程；同步雷达数据，航迹更新，互联航迹与分配飞行数据；存储所有的系统数据(扇区，数字图像，扇区流程等)；利用各局部航迹建立系统航迹，最大可估计350条系统航迹；交换显示中的数据。

飞行数据处理子系统完成的功能是：飞行计划数据库管理；航空固定通信网络接口和飞行计划管理以及数字显示的输入、输出接口等。

显示功能可以分成基本功能和应用功能。基本功能是那些关于显示自身的功能，它通常包括：键盘管理、规模变换控制、交接计算等。应用功能通常使用下列软件模块：雷达数据管理，如扇区和高层选择，标记选择，标记控制，雷达数据更新，历史点迹存储和航迹管理和显示等；PPI表格管理，如预检区域，系统表格，等待清单等；用于人机接口的命令管理。

局部跟踪逻辑

从局部节点的雷达探测直到融合中心显示的处理序列可用图2表示，它说明了每个站完成的任务和系统中心完成的工作。每站除有一部一次雷达外，还有一部二次雷达，用以完成点迹探测和状态的估计。点迹通常用距离、方位和高低表示。

为了加速点迹与航迹的互联，点迹以方位扇区分组。然后把点迹坐标转换到局部球极平面；并与候选的航迹互联。在局部节点，基于α-β算法对x、y、z分量利用已互联的点击完成平滑和航迹更新。α-β参数值决定了滤波器的平滑特性。α-β的取值低，可保证对匀速运动目标的有效平滑，但在跟踪机动目标却产生了较高的误差。另一方面，大的α-β值可保证跟踪快速机动目标的迅速性，但对匀速直线运动的目标跟踪精度较差。

多传感器信息融合与软件架构

为了使跟踪性能适应目标机动，该系统使用了以各机动检测器。机动检测器所要进行的运算是：

式中rtrack和 track分别是航迹的预测距离和方位角，rplot和 plot分别是测量距离和方位角 2~3。如果式（7.108）、式（7.109）两式同时满足，则把目标看做匀速直线运动；否则，宣布目标机动，并相应提高α-β值。各局部节点使用的α-β值也是目标运动状态的重要指标，在融合中心将使用这个指标作为融合局部航迹的权值，以便为每个目标产生一个单一的航迹。

图1.1分布式雷达网数据处理

分布式对雷达综合跟踪

在各局部雷达的航迹状态转换到中心站坐标之后将局部航迹传送到融合中心。每个局部航迹包含的信息有：控制参数、航迹加权参数、关于系统中心的球

多传感器信息融合与软件架构

极坐标、地速、二次监事雷达提供的信息、雷达天线从地北移动到航迹位置所需的时间、雷达站转换到中心战的坐标。

在融合中心首先要完成航迹与航迹的关联，对一次雷达系统使用的是加权行家关联法：对二次监事雷达（SSR），采用一种特殊的NN航迹关联算法。显然，在进行航迹关联前，所有的候选航迹都要完成时间校准，以便能正确处理雷达在不同时间完成的点迹探测。时间校准后，根据航迹融合方程

可获得系统航迹。这里，N是局部节点数；Pi 1是第i号站航迹的权值，该值可

由估计误差方差阵确定。

以上作为统计航迹关联算法的应用举例，介绍了墨西哥马萨特兰飞行信息区的分布式多雷达空中交通管制系统。关于航迹关联还有其他实际应用，给予航迹关联技术改进了足球机器人的视觉系统，航迹关联方法用在了弹体碎片跟踪和卫星数据处理中。

软件架构概念的体现：

我们先说组成派概念，组成派强调软件架构包含了“计算组件及组件之间的交互”。那么组件体现在哪里呢？在图1所展示的设计中局部节点1~N即为MVC架构图中的业务层，展现层就是中心站。在上述系统中中心站完成航迹关联和合成，并为每个飞行目标产生一个单独的多雷达航迹。由工作人员各种通信手段发送给各个飞行机组。以控制每个飞行目标的航迹。

那么软件架构中所说的交互体现在哪里呢？图1中中心站从各局部节点读取

多传感器信息融合与软件架构

数据，即为交互。在局部节点中，一次雷达和二次雷达数据送入组合器也是组合。而上述分布式雷达网数据处理系统也只不过是空中交通管制系统中的一个子系统。

再看看决策派的架构概念，它归纳了架构决策的类型指出架构决策不仅包括关于软件系统的组件、元素、子系统、架构风格等几类决策，还包括关于众多非功能需求的决策。图1所展示的设计那么简单，也包括了设计决策吗？是的，业务层和展现层分离，体现了架构概念中的“软件系统的组织”决策，这一设计决策早已得到了业界的普遍认同。

举个简单的例子：传感器就是人的感官，计算机就是大脑，软件架构就是人的思想意识。

软件架构师等同于系统总设计师

1.2目的和意义

多传感器信息融合在解决探测、跟踪和目标识别等问题上，可带来许多性能裨益，而软件架构可优化多传感器信息融合系统的技术、性能指标：

（1）增加了系统的生存能力。在有若干传感器不能利用或受到干扰，或某个目标不在覆盖范围时，总还会有一部分传感器可以提供信息，使系统能够不受干扰地连续运行、弱化故障，并增加检测概率。

（2）扩展了空间覆盖范围。通过多个交叠覆盖的传感器作用区域，扩大了空间的覆盖范围，一些传感器可以探测其他传感器无法探测的地方，进而增加了系统的空间监视范围和检测概率。

（3）扩展了时间覆盖范围。当某些传感器不能探测时，另一些传感器可以检测、测量目标或时间，即多个传感器的协同作用可调高系统的时间监视范围和检测概率。

（4）增加了可信度。一部或多部传感器能确认同一目标或事件。

（5）减少了信息的模糊性。多传感器联合信息降低了目标或事件的不确定性。

（6）改善了探测性能。对目标的多种测量的有效融合，提高了探测的有效性。

（7）提高了空间的分辨率。多传感器孔径可以获得比任何单一传感器更高的分辨率，并用改善的目标位置数据支持防御反应能力和攻击方向的选择。

（8）改善了系统的可靠性。多传感器相互配合使用具有内在的冗余度。

多传感器信息融合与软件架构

（9）增加了测量空间的位数。使用不同的传感器来测量电磁频谱的各个频段的系统，不易受到敌方行动或自然想象的破坏。

与单传感器系统相比，多传感器的复杂性大大增加，由此会产生一些不利因素，如成本的提高，设备尺寸、重量、功耗等物理因素的增大，以及因辐射增多而使系统被敌方探测的概率增加。因此，在执行每项具体任务时，必须将多传感器的性能裨益与由此带来的不利因素进行权衡。

1.3历史、现状及发展趋势 1973年，美国研究机构在国防部的资助下，开展了声纳信号理解系统的研究，这可以被看作是最早的关于信息融合方面的研究。从那以后，信息融合技术便迅速发展起来。20世纪70年代末，在公开出版的技术文献中开始出现基于多传感器信息综合意义的融合一词。1988年，美国国防部把信息融合技术列为90年代重点研究开发的二十项关键技术之一，且列为最优先发展的A类。美国三军政府组织——实验室理事联席会（JDL）下设的C3技术委员会（TP C3）专门成立了信息融合专家组来组织和指导有关的工作。有人统计, 1991 年美国已有54 个数据融合系统引入到军用电子系统中去, 其中87% 已有试验样机、试验床或已被应用。

目前世界上主要军事大国都竞相开始投入大量人力、物力和财力进行信息融合技术的研究，安排了大批研究项目，并已取得大量研究结果。到目前为止，美、英、德、法、意、日、俄等国已研制出上百个军用信息融合系统，比较典型的有：TCAC——战术指挥控制，BETA——战场利用和目标截获系统，ASAS——全源分析系统，DAGR——辅助空中作战命令分析专家系统，PART——军用双工无线电/雷达瞄准系统，AMSVI——自动多传感器部队识别系统，TRWDS——目标获取核武器输送系统，AIDD——炮兵情报数据融合和ANALYST——地面部队战斗态势评定系统等。

国内关于信息融合技术的研究则起步相对较晚。20世纪80年代初，人们开始从事多目标跟踪技术研究，到了80年代末才开始出现有关多传感器信息融合技术研究的报道。当时，人们对它的含义有着不同的理解，主要的提法有：数据合成，数据汇编，数据汇集，数据总和，数据融合等。20世纪90年代初，这一

多传感器信息融合与软件架构

领域在国内才逐渐形成高潮。在政府、军方和各种基金部门的资助下，国内一批高校和研究所开始广泛从事这一技术的研究工作，出现了大批理论研究成果。与此同时，也有几部信息融合领域的学术专著和译著出版。到了20世纪90年代中期，信息融合技术在国内已发展成为多方关注的共性关键技术，出现了许多热门研究方向，许多学者致力于机动目标跟踪、分布监测融合、多传感器跟踪与定位、分布信息融合、目标识别与决策信息融合、态势评估与威胁估计等领域的理论及应用研究，相继出现了一批多目标跟踪系统和有初步综合能力的多传感器信息融合系统。

目前新一代舰载，机载，弹载和各种C4I系统正在向多传感器信息融合方向发展，预计21世纪将有更多的多传感器信息融合系统投入使用。而软件架构也将更多的应用于多传感器信息融合系统，用以优化系统。

二、多传感器信息融合原理

多传感器信息融合实际上是对人脑综合处理复杂问题的一种功能模拟。在多传感器系统中，各种传感器提供的信息可能具有不同的特征：时变的或者是非时变的，实时的或者是非实时的，快变的或者是缓变的，模糊的或者是确定的，精确的或者是不完整的，可靠的或者是非可靠的，相互支持的或者是互补的，也可能是相互矛盾或冲突的。

多传感器信息融合的基本原理就想人脑综合处理信息的过程一样，他充分地利用多个传感器资源，通过对各种传感器及其观测信息的合理支配和使用，将各种传感器在空间和时间上的互补与冗余信息依据某种优化准则组合起来，产生对观测环境的一致性解释和描述。

信息融合的目标是基于各传感器分离观测信息，通过对信息的优化组合导出更多的有效信息。这是最佳协同作用的结果，它的最终目的是利用多个传感器共同或联合操作的优势，来提高整个传感器系统的有效性。

多传感器信息融合与经典信号处理方法之间也存在着本质差别，其关键在于信息融合所处理的多传感器信息具有更复杂的形式，而且通常会在不同的信息层次上出现。这些信息抽象层次包括检测层、位置层、属性层、态势层和威胁层。

三、信息融合的级别

按照信息抽象的5个层次，融合可成5级，即检测级融合、位置级融合、属性（目标识别）级融合，态势评估与威胁估计。

1.检测级融合

检测级融合是直接在多传感器分布检测系统中检测判决或信号层上进行的融合。它最初仅应用在军事指挥、控制和通信中，现在它的应用已拓展到气象预报、医疗诊断和组织管理决策等众多领域。它在多雷达系统中的应用可以调高反

多传感器信息融合与软件架构

应速度和生存能力，增加覆盖区域和监视目标数，并且提高系统的可靠性。

在经典的多传感器检测中，所有的局部传感器将检测到的原始观测信号全部直接送给中心处理器，然后利用由经典统计推断理论设计的算法完成最优目标检测任务。在多传感器分布式监测系统中，每个传感器对所获得的观测先进行一定的预处理，然后将压缩的信息传送给其他的传感器，最后在某一中心汇总和融合这些信息产生全局检测判决。通常有两种信号处理形式，一种是影判决融合，即融合中心处理0、1形式的局部判决；另一种是软判决融合，即中心处理来自局部节点的统计量或置信度。在分布式检测系统中，对信息的压缩性预处理降低了对通信宽度的要求。分布式多传感器结构可以降低对单个传感器的性能要求，降低造价。分散的信号处理方式可以增加计算容量。在利用高速通信网的条件下可以完成非常复杂的算法。

统计推理理论可以粗略地分为假设检测和估计，相应的，分布式信号处理也可分为分布式检测和分布式估计。在分布式系统检测中们由于融合中心只能得到经过压缩后的观测信息，因此相对于集中式尖刺会有性能损失、通过对传感器信息的最优局部处理和融合可以减小性能损失。大多数的研究就是开发高效的局部处理算法和融合算法。此外，还有网络结构的研究，例如网络在通信中断或传感器故障时的结构重构问题，以及传感器间的通信及传感器与融合中心间的通信问题。

2.位置级融合

位置级融合是直接在传感器的观测报告或测量点迹和传感器的状态估计上进行的融合，包括时间和空间上的融合，是跟踪级的融合，属于中间层次，也是最重要的融合。对单传感器跟踪系统来说，主要是按时间先后对目标在不同时间的观测值，即检测报告的融合，如边扫描边跟踪（TWS）雷达体统、红外和声纳等多传感器的多目标跟踪与估计技术都属于这类型性质的融合。在多传感器跟踪系统中，主要有集中式、分布式、混合式和多级式结构。

在集中式多传感器跟踪系统中，首先按对目标观测的时间先后对测量点迹进行时间融合，然后对各个传感器在同一目标进行空间融合，它包括了多传感器综合跟踪与状态估计的全过程。这类系统常见的有多雷达综合跟踪和多传感器海上监视与跟踪系统等。

在分布式多传感器跟踪系统中，多传感器首先完成单传感器的多目标跟踪与状态估计，也就是完成时间上的信息融合，接下来各传感器把获得的目标航迹信息送入融合节点，并在融合节点完成坐标变换、时间校准或对准，然后基于这些传感器的目标状态估计航迹关联处理，最后对来自于同一目标的航迹估计进行航迹融合，即实现目标航迹估计间的空间融合。这类系统常见的有空中交通管制系统、舰载多传感器分布跟踪系统和机载多传感器信息综合系统等。

混合式位置信息融合是集中式和分布式多传感器系统相组合的混合结构。传感器的检测报告和目标状态估计的航迹信息都被送入融合中心，在那里既进行时间融合，也进行空间融合。由于这种结构要同时处理检测报告和航迹估计，并进行优化组合，它需要复杂的处理逻辑。混合式方法也可以根据所运行的问题的需要，在集中式和分布式结构中进行选择变换。这中结构的通信和计算量都比其他的结构大，因为控制传感器同时发送探测报告和航迹估计信息，通信链路必须是双向的；另外，在融合中心除加工来自局部节点的航迹信息外，还要处理传感器送来的探测报告，使计算来那个成倍增加。巡航导弹控制和主、被动雷达复合制

多传感器信息融合与软件架构

导系统都是典型的混合式结构。

多级式位置信息融合是上述三种结构的直接发展，它主要是根据来自下一层融合中心的航迹估计信息，通过坐标变换、时间对正和航迹关联后，完成高层次的空间融合，即航迹间的状态融合。这类系统主要常见于海上多平台、各种战略和战役C4ISR系统。

3. 目标识别级的融合

目标识别也称属性分类或身份估计。在军事上，信息融合的目的是对观测实体进行定位、表征和识别。一个具体的例子是在一架作战飞机上装载威胁告警传感器，以便确定武器制导装置合适照射到该飞机；另一个例子是使用雷达截面积（RCS）数据来确定一个实体是不是一个火箭体、碎片或再进入大气层的飞船。敌-我-中识别（IFFN）设备使用特征波形和有关数据来识别敌我飞机，有时需要进行更详细和耗时的分析以辨别或识别发射机或武器平台。身份估计的非军事运用包括复杂系统设备故障的识别和隔离，使用传感器数据监视生产过程，以及借助医学监视器对人的健康状况进行半自动监控等。用于目标识别的技术主要有模板法、聚类分法、自适应神经网络，或给予知识的技术。

目标识别（属性）层的信息融合有三种方法：即决策级融合、特征级融合和数据级融合。

1.决策级融合

在决策级融合方法中，每个传感器都完成变换以便获得独立的身份估计，然后再对来自每个传感器的属性分类进行融合。用于融合身份估计的技术包括表决法，Bayes推理、Dempster-Shafer方法、推广的证据理论、模糊集法，以及其他各种特定方法。

2.特征级融合

在特征级融合方法中，每个传感器观测一个目标并完成特征提取以获得来自每个传感器的特征向量。然后融合这些特征向量并对基于获得的联合特征向量来产生身份估计。在这种方法中，必须使用关联处理把特征向量分成有意义的群组。由于特征向量很可能是具有巨大差别的量，因而位置级的融合信息在这一关联过程中通常是有用的。

3.数据级融合

在数据级融合方法中，对来自同等量级的传感器原始数据直接进行融合，然后对基于融合的传感器数据进行特征提取和身份估计。为了实现这种数据级的信息融合，所有传感器必须是同类型的或是相同量级的的。通过对原始数据进行关联，来确定已融合的数据是否与同一目标或实体有关。有了融合的传感器数据之后就可以完成像单传感器一样的识别处理过程。对于图像传感器，数据级融合一般涉及到图像画面元素级的融合，因而数据级融合也常称为像素级融合。像素级融合主要用于多源图像复合、图像分析和理解、同类雷达波形的直接合成等。

4 态势评估

态势评估（Situation Assessment,SA)是对战场上战斗力量分配情况的评估过程。它通过综合敌我双方及地理、气象环境等因素，将所观测到的战斗力量分

多传感器信息融合与软件架构

布与活动和战场周围环境、敌作战意图及敌机动性能有机的联系起来，分析并确定时间发生的深层原因，得到关于敌方兵力结构、使用特点的估计，最终形成战场综合态势图。在综合电子战系统中，态势评估的功能是对战场监视区域内所有目标的状态与其先验的可能情况加以比较，以便获得战场兵力、电子战武器不熟情况、军事活动企图及敌我双方平台的分布、航向、速度等变化趋势的综合文件。

现代战争是信息化的战争，敌我双方都将采用一系列手段破坏对方C4ISR系统的正常工作。以达到控制战场上兵力布局的目的。态势评估不仅可以识别观测到的敌方时间和行为的可能态势，给出一个具有实战意义的评估形势，而且还能对抗敌方的包括伪装、隐蔽和欺骗在内的破坏手段，帮助指挥员做出正确的判断。因而，态势评估在现在战争中起着非常重要的作用。

态势估计首先要确定态势要素，态势要素的估计结果实际上是提供给指挥员战场态势综合视图，它包括红色视图-我方态势，蓝方视图-敌方视图，白色视图-天气、地理等战场态势，它们合成一幅战场综合态势图，并为威胁估计提供依据。态势要素的确定过程中还必须进行某些对抗要素的估计，然后努力确定上下关系环境、社会政治背景及双方的兵力部署/使用/定位。

SA的理想结果为：反映直接的战场态势，提供事件、活动的预测，并由此提供最优传感器管理的依据。因而，SA处理的是正在发生的及前面已经发生且现在正在进行的事件或活动，它重点描述所关心区域内的行为样式。目前研究结果一般只包含了这些功能的一部分，并且各功能的复杂性和适用性会随着应用领域的不同而变化。

关于态势评估目前尚无完整的定义，但可以明确，它有以下几个优点：

1.态势评估是分层假设描述和评估处理的结果，每个备选假设（态势）都有一个不确定

行关联值；

2.不确定性最小的假设被认为是最好的；

3.态势评估是用认为最好的态势要素的当前值来描述；

4.态势评估是一个动态的、按时序处理的过程，其结果水平将随时间的增长而提高。

5． 威胁估计

同态势估计的概念一样，“威胁”的定义同样存在差异。通常，威胁判断是通过将地方的威胁能力，以及敌人的企图进行量化来实现的。可见，态势评估建立了关于作战活动、事件、机动和位置，以及兵力要素组织形式的视图，并由此估计出已经发生的很正在发生的事情。威胁估计的任务是在此基础上，综合敌方破坏能力、机动能力、运行能力、运动模式及行为企图的先验知识，得到地方兵力的战术含义，估计出作战事件出现的程度或严重性，并对作战意图做出指示与警告。其重点是定量表示敌方作战能力，并估计敌方企图。

威胁估计也是一个多层视图的处理过程，该处理用我方兵力有效的对抗敌方的能力说明致命性与风险估计。威胁估计也包括对我方薄弱环节的估计，以及通过对技术、军事条令数据库的搜索来确定敌方意图。

态势与威胁评估（Situation and Threat Assessment,STA）作为战场中的高层次信息处理过程，具有以下特点：

多传感器信息融合与软件架构

1.STA是多级的活动，其信息流几乎总是跨越不同的层次来进行融合处理，并且在不同的层次上进行控制，这就要球儿STA的分析处理必须对级内或跨级的控制有较敏感的操作。

2.STA是多功能的处理技术，它包括概念和信息管理、决策生成和实现，其核心是推理技术。因此，需要大范围的辅助系统和方法库，以得到精确、合理的推论，以及易理解、易管理、易通信的选择集合，包括和平时刻、危急关头和战争期间的多级工作态势。此外，STA还受到心理学等因素的影响。

3.STA的这些特征使其变得非常复杂，是信息融合技术研究的薄弱环节。目前，对这类很复杂的问题只能部分解决，所实现的部分算法有：多样本假设检验、经典推理、模糊集理论、模板技术、品质因数法、专家系统技术、黑板模型和基于对策论与决策论的评估方法等。

四、多传感器信息融合系统的功能和结构模型

信息融合可以从功能、结构和数学模型等【2.36】 几方面来研究和表示。功能模型从融合过程出发，描述信息融合包括哪些主要功能、数据库，以及进行信息融合时系统各组成部分之间的相互过程；结构模型从信息融合的角度出发，说明信息系统的软硬件组成。相关数据流、系统与外部环境的人机界面；数学模型则是信息融合算法和综合逻辑。为了更有针对性地研究信息融合算法。本章先讨论信息融合系统的功能和结构模型，并介绍信息融合技术在军事上的应用例子，传感器信息的使用和融合信息的特征。

4.1 信息融合系统的功能模型

Hall和Walls等人把多传感器信息融合分为三级，文献则根据融合的功能层次，把信息融合为五级，即五个层次。第一章中已概述五级模型的作用，本章则讨论各种功能模型的结构。在信息融合的五级模型中，第一个层次为检测/判决融合；第二个层次为位置融合；第三个层次为目标识别（属性）信息融合；第四个层次为态势评估；第五个层次为威胁评估。在这种功能模型描述中，前三个层次的信息融合适合于任意的多传感器信息融合系统。这是一种广义的信息融合功能分级法，这种从信息融合功能的角度出发把它分为五个层次，更有利于信息技术的研究。图4.1给出了这种分级方法的功能框。

在4.1中左边是传感器的监视/跟踪环境及数据的采集源。辅助信息包括人工情报、先验信息和环境参数。融合功能主要包括第一级处理，预滤波，采集管理，第二级，第三级，第四级，第五级处理，数据库管理，人机接口和性能评估。

第一级处理是信号处理级的信息融合，也是一个分布检测问题。他通常是根据所选择的检测准则形式最优化门限，以及产生最终的检测输出。近几年的研究方向是，传感器向融合中心传送经过某种处理的检测和背景杂波统计量，然后在融合中心直接进行分布式横虚警（CFAR）检测。

预滤波根据观测时间、报告位置、传感器类型、信息的属性和特征来分选和归并数据，这样可控制进入第二级处理的信息量，以避免融合系统过载。

传感器管理用于控制融合的数据收集，包括传感器的选择、分配及传感器工作状态的优选和监视等。传感器任务分配要求预测动态目标的未来位置，计算传感器的指向角，规划观测和最佳资源利用。

多传感器信息融合与软件架构

数据采集管理用于挖制融合的数据收集，包括传感器的选择、分配及其传感器工作状态的优选和监视等。传感器任务分配要求预测动态目标的未来位置、计算传感器的指向角，规划观测和最佳资源利用。

第二级处理是为了获得目标的位置和速度，它通过综合来自多传感器的位置信息建立目标的航迹和数据库，主要是包括数据校准、互联、跟踪、滤波、预测、航迹关联及航迹融合等。

第三级处理是属性信息融合，它是值对来自多个传感器目标识别（属性）数据进行组合，以得到对目标身份的联合估计，用于目标识别（属性）融合的数据包括雷达横截面积（RCS）、脉冲宽度、重复频率、红外谱或光谱等。

图4.1信息融合系统功能图

第四级处理包括态势的提取与评估。前者是由不完整的数据集合建立一般化的态势表示，从而对前几级处理产生的兵力分布情况有一个合理解释；后者是通过对复杂战场环境的正确分析和表达，导出敌我双方兵力的分布推断，绘出意图、警告、行动计划与结果。

第五级是威胁程度处理。即从我军有效地打击敌人的能力出发，估计敌方的杀伤力和危险性，同时还要估计我方的薄弱环节，并对敌方的意图给出提示和警告。

辅助功能包括数据库管理，人机接口与评估计算，它们也是融合系统的重要部分。

从处理对象上的层次上看，第一级融合是经典信号检测理论的直接发展。第二和第三级属于中间曾侧，是最重要的两级，它们是进行态势估计和威胁估计的前提和基础。实际上，融合本身主要发生在前三个级别上，而态势估计和威胁估计只是某种意义上与信息融合具有相似的含义。第四和第五级是决策层次上的融合，它们包括全局态势发展和某些局部形式的估计，是C4ISR系统指挥和辅助决策过程中的核心内容。

另外，JDL的四级多传感器信息融合模型为军事领域中信息融合技术的研究

多传感器信息融合与软件架构

提供了一种较为通用的框架。其他的功能模型还包括Dasarathy提出的I/O功能模型、Waltz提出的支持指挥和控制的融合模型，以及Bedworth提出的“Omnibus”处理模型等。

4.2信息融合系统的结构模型

由于融合本身主要发生在检测、位置和属性级，因而在讨论结构模型时，只考虑前三级的融合结构。

4.2.1检测级融合结构

从分布检测的角度看，检测级融合的结构模型主要有五种，即分散式结构、并行结构、串行结构、树状结构和带反馈并行结构。

分散式空间结构的分布检测系统如图4.2所示，这中空间结构实际上是将并行结构中的融合节点S0取消后得到的。每个局部决策ui(i 1,......N)又都是最终决策。在具体应用中，可按照某种规则将这些分离的子系统联系起来，看成一个大系统，并遵循大系统中的某种最优化准则来确定每个子系统的工作点。

并行结构的分布检测系统如图4.3所示，N个局部节点s1,s2.........,sn的传感器

在收到未经过处理原始数据Y1,Y2,......YN之后，在局部节点分别作出局部检测判决，然后，它们在检测中心通过融合得到的全局决策u0。这种结构在分布检测系统中的应用较为普遍。

图4.4为串行结构，N个局部节点s1,s2.........,sn分别接受各自的检测后，首先由节点S1作出局部判决u1,然后将它通信到节点s2，而s2则将它本身的检测与u1融合形成自己的判决u2，以后，重复前面的过程，信息继续向右传递，知道节点SN。最后，由SN将它的检测YN与u融合作出判决u，即u0。

图4.5是包含5个节点的树状结构，N个节点的情况类似。在这种结构中，信息传递处理流程是所有树枝到树根，最后，在树根即融合节点，融合从树枝传来的局部判决和自己的检测，作出全局判决u0。

N 1N

多传感器信息融合与软件架构

图4.6表示的是带反馈的并行结构，在这种结构中,N个局部检测器在接受到观测之后，把它们的判决送到融合中心，中心通过某种准则组合N个判决，然后把获得的全局判决分别反馈到各局部传感器作为下一时刻局部决策的输入，这种系统可明显地改善各局部节点的判断质量。

4.2.2 位置融合结构

从多传感器系统的信息流通形式和综合处理层次上看，位置融合级系统结构模型主要有四种，即集中式、分布式、混合式和多级式。结构框图分别如图4.7、图4.8.图4.9和图4.10所示。

多传感器信息融合与软件架构

图4.8 分布式融合

多传感器信息融合与软件架构

集中式结构将传感器录取的检测报告传递到融合中心，在哪里进行数据对准、点迹相关、数据互联、航迹滤波、预测与综合跟踪。这种结构的最大优点是信息损失最小，单数据互联较困难，并且要求系统必须具备大容量的处理能力，计算负担重，系统的生存能力也相对较差。

分布式结构的特点是：每个传感器的检测报告在进入融合以前先由它自己的数据处理器产生局部多目标跟踪航迹，然后把处理过的信息送至融合中心，中心根据各节点的航迹数据完胜航迹关联和航迹融合，形成全局估计，这类系统应用很普遍。特别是在军事C4ISR系统中，它不仅具有局部独立跟踪能力，而且还有全局监视和评估特征的能力。系统的造价也可限制在一定的范围内，并且有较强的自下而上能力。这种结构还称作分级式和自主式融合，分布式结构有人称做是委员会结构，也就是说分布结构可以进一步细分成分级式和委员会结构。在委员会结构中，各节点连接成类似环形的结构，还有相互交叉的信息传输。

混合式同时传输探测报告和经过局部节点处理过的航迹信息，它保留了上述两类系统的优点，但在通信和计算上要付出昂贵的代价。对于安装在同一平台的不同类型传感器，如雷达、敌我识别（IFF）、红外搜索与跟踪、电子支援措施（ESM）组成的传感器群也许用混合式结构更适合，例如机载多传感器数据融合系统。

在多级式结构中，各局部节点可以同时或分别是集中式，分布式或混合式的融合中心，它们接受和处理来自多个传感器的数据或来自多个跟踪器的航迹，而系统的融合节点要再次对各局部融合节点传送来的航迹数据进行关联和融合，也就是说目标的检测报告要经过两级以上的位置融合处理，因而把它称作多级式系统。典型的多级式系统如第1章介绍的海军指挥控制中心。舰队指挥中心、海上多平台系统、岸基或陆基战役或战略C4ISR系统等。

为了提高局部节点的跟踪能力，对分布式、混合式和多级式系统，其局部节

多传感器信息融合与软件架构

点也经常接收来自融合节点的反馈信息。

如果从数据融合系统的五个层次上看，任何一个军用多传感器系统都可以看成是多级式融合结构。关于位置融合剂还有有序融合模式，对多传感器被动定位还有单、多基地系统之分。

Blackman从工程应用的角度，针对航迹文件的使用和管理在集中式。分布式和混合式三种融合结构下进行了详细阐述，并进一步提出了多平台、多传感器融合处理结构。BarShalom提出了平台中心跟踪和网络中心跟踪的概念，重点研究了多平台的网络中心跟踪问题，提出了具有报告责任的分布式跟踪。集中式复合跟踪、分布式复合跟踪等一系列网络中心跟踪融合结构，并从通信数据率的要求方面进行了比较。

4.2.3 目标识别融合结构

如第1章所述，目标识别（属性）数据融合结构主要有三类：决策层属性融合、特征曾属性融合和数据层属性融合。

图4.11给出了决策层属性融合结构。在这种方法中，每个传感器为了获得一个独立的属性判决要完成一个变换，然后顺序融合来自每个传感器的属性判决。其中I/Di是来自第i个传感器的属性判决结果。

多传感器信息融合与软件架构

图4.12表示了特征层属性融合的结构。在这种方法中，每个传感器观测一个目标，并且为了产生来自每个传感器的特征向量要完成特征提取，然后融合这些特征向量，并给予联合特征向量作出属性判决。另外，为了把特征向量划分成有意义的群组必须运用关联过程，对此，位置信息是有用的。

数据层属性融合结构表示在图4.13中。在这种数据层融合方法中，直接融合来自同类传感器的数据，然后是特征提取和来自融合数据额属性判决。为了完成这种数据层融合，传感器必须是相同的（如几个红外（IR）传感器）或者是同类的（例如以各红外传感器和易个视觉图像传感器）。为了保证被融合的数据对应于相同的目标或客体，关联要给予原始数据完成。

与位置融合结构类似，通过融合靠近的信源的信息可获得较高的精度，即数据层融合可能比特征层精度高，而决策层融合可能最差，但数据层融合仅对产生同类观测的传感器是适用的。当然通过这三种方法也可以组成其他混合结构。另外，就融合的结构而论，位置与属性融合是紧密相关的，并且常常是并行同步处理的，这就是人把它们看成以及融合的原因。

Dasarathy将传统的数据层、特征层和决策层融合进一步细分为“数据入-数据出（DAI-DAO）”、“数据入-特征出（DAI-FEO）”、“特征入-特征出（FEI-FEO）”、“特征入-决策出（FEI-DEO）”和“决策入-决策出（DEI-DEO）”五级。该方法可

多传感器信息融合与软件架构

五．多传感器信息融合技术的应用

5.1多传感器信息融合问题分类

军用信息融合与民用信息融合之间通常存在着明显的差别，这种差别的出现时由于大部分民用系统在“认为设计世界”或“温和的现实世界”中运行的，而大部分均是系统则必须在“敌方的现实世界”中运行。为了说明这种差别，根据问题的性质，可将信息融合问题分成三类：设计世界、温和的现实世界和敌对世界。

（1）设计世界，如工业过程监视、机器人视觉和交通管制等，其特点是：已知正常或OK状态；可靠、精确的信息源；固定的数据库；互相协作的系统要素。

（2）温和的现实世界，如气象预报、金融系统和病人监护等，其特点是：部分已知状态；可靠的信息源覆盖范围差；部分可变的数据库；系统不受感觉影响。

（3）敌对现实世界，如各种军用C4ISR、陆海空警戒、目标指示、目标跟踪和导航系统等，其特点是：不易确定正常状态；信息源可能不精确、不完整、不可靠，易受干扰；高可变的数据率；感觉可有效的影响系统；不相互协作的系统要素。

我们主要讲述军事领域的信息融合算法及应用，但这些内容对其他两类融合问题也有重要的参考价值。关于军事领域，许多学者又进一步把它分为小世界和大世界。

1）小世界如用于目标指示或机器人导航的近距离传感器系统，其特点是：主要是实时的传感器数据；完全的传感器覆盖；快而准确的结果；较少人工投入。

2）大世界如空-空、地-空、海-空、水面和水下防御，战场监控，远距离目标指示等。其特点是：不完全的传感器覆盖；不精确、不及时的传感器数据；可获得很多数据或情报；可变的响应要求；需要许多世界知识以获得最好结果；较多人工投入。

小世界中的信息融合往往使用“数据互联”或“数据综合”这一术语，自备式运载器和快速响应进程武器系统属于这一类的信息融合。大世界中信息融合的应用，不仅需要投入较多的人力，而且要提供可能有助于融合和解释的某些输入信息，以及必须了解和使用融合结果有关的因素。海军信息融合，特别是舰艇和编队级信息融合问题是最典型的大世界融合应用。

5.2多传感器信息融合在民事上的应用

信息融合技术在民事和军事上都有着广泛的应用，民事中可能的应该包括下述一些领域。

（1）工业过程监视

工业过程监视是一个明显的信息融合应用领域，融合的目的是识别引起系统状态超出正常运行范围的故障条件，并据此出发若干报警器。核反应堆监视和石油平台监视是这类监视的典型例子。

多传感器信息融合与软件架构

（2）工业机器人

工业机器人使用模式识别和推理技术来识别三维对象，确定他们的方位，并引导机器人的附件去处理这些对象。机器人采用的是较近物理接触的传感器组和与观测目标有较短距离的遥感传感器，如TV摄影机等。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。随着传感器技术的发展，机器人上的传感器储量将不断增加，以使它更自由地运动和更灵活的动作。为此，近年来机器人信息融合技术的研究受到特别的重视。

（3）遥感

遥感应用主要对地面的监视，以便识别和监视地貌、气象模式、矿产资源、植物生长、环境条件和威胁情况（如原油泄漏、辐射泄漏等）。使用的传感器如合成孔径雷达等。遥感系统信息融合的目的是通过协调所使用的传感器，对物理现象和时间进行定位、识别和解释。

（4）毒品检查

（5）病人照顾系统

病人的状况随时随地在变化，要根据各种数据源，如传感器、病例、本人病史、气候、季节等的信息界定其狐狸、诊断和治疗方案，用信息融合技术综合处理这些数据时一种好的方法。

（6）金融系统

大公司或企业金融（财会）系统或国家经济管理系统是要利用许多信息源的，故而有一个信息融合问题。

（7）船舶碰壁与交通管制系统

在船舶碰壁和船舶交通管制系统中，通常依靠雷达、声纳、信标、灯塔、气象水文、全球定位系统等传感器提供的信息，以及航道资料数据，来实现船舶的安全航行和水域环境保护。在这一过程中信息融合技术发挥着非常重要的作用。

（8）空中交通管制

空中交通管制是一个复杂的整体，它包括工作人员、管理机构、技术资源和操作程序管理，其目的是为了建立安全、高效而又秩序井然的空中交通。换句话说，是为了合理的利用空中交通资源，减小延迟和调度等待时间并选用合适航线以节省燃料，从而降低业务费用，改善服务质量。空中交通管制系统主要由导航设备、监视和控制设备、通信设备和人员四个部分组成。导航设备可使飞机沿着指定航线飞行，运用无线电信息识别出预先精心设置的某些地理位置，飞行员再把每个固定地点的时间和高度信息转送到地面，然后通过融合技术假烟与飞行计划是否一致。监视和控制设备的目的是修正飞机指定航线的偏离，防止相撞并调度飞机流量。其中主要由一二次雷达的融合提供有关飞机位置、航向、速度和属性等信息。现在的航管设备是在不同传感器（多雷达结构）、计算机和操纵台之间进行的完整的信息综合。调度人员则监视空中飞机的飞行情况，并技术提出处理危险状况的方法，空中交通管制系统是一个典型的多因素、多层次的信息融合系统。

5.3信息融合技术在军事上的应用

信息融合最早是在军事上提出来的，应用范围很广，涉及各种战术、战役和战略C3I系统任务的各个方面。

本文来源：https://www.bwwdw.com/article/het1.html