信息融合技术现状概念与结构模型--赵宗贵--综述--2006 (1)

基础理论 信息融合技术现状、概念与结构模型 赵宗贵 (中国电子科技集团公司第 28 研究所 ,南京 　210007) 摘　要 : 本文叙述了信息融合技术的发展与应用沿革 ,特别是重点给出了信息融合技术及应用中 的一些基本概念 ,对澄清某些模糊概念或不准确认识会有积极作用。 本文所整理并呈现给读者的美国国防部关于信息融合的 JDL 滚动发展体系结构模型和关于 一级 (含零级)融合的功能模型 ,对国内从事该领域研究和应用的技术人员也会有一定的裨益。 关键词 : 信息融合 ;数据融合 ;态势估计 ;威胁估计 ;时空配准 中图分类号 : TP182 　　文献标识码 :A 　　文章编号 :1673 - 5692 (2006) 04 - 305 - 08 Current Status. Concept and Structure Model of Information Fusion Technology ZHAO Zong2gui ( The 28th Research Institute of CETC ,Nanjing 210007 ,China) Abstract : In the paper , the development and application of information fusion technology is de2 scribed. Emphasis will be put upon some basic concepts in this process , which may lead to the clarifi2 cation of some conceptions. The JDL roll developing structure model of information fusion and the function model at 0 and 1 level of the American DOD presented in the paper , the author hopes , will be helpful for related techni2 cians. Keywords : Information Fusion ;Data Fusion ;Situation Assessment ; Threat Assessment ; time and spatial regist ration 收稿日期 :2006207220 　修订日期 :20062082161 　信息融合技术的产生与作用信息融合 ( Information Fusion) 技术作为信息科学的一个新兴领域 ,起源于军事应用。20 世纪 70年代 ,美国海军采用多个独立声纳探测跟踪某海域敌方潜艇时 ,首次提出数据融合 (Data Fusion) 概念。早期的数据融合 ,其信源为同类多传感器 ,如多声纳、多雷达、多无源探测目标定位等等 ,其信息形式主要是传感器数据。随着军事应用需求的扩展 ,信息融合扩大到多类信息源 ,首先是不同类传感器信息的融合 , 如有源雷达与无源电子支援传感器 ( ESM)数据融合 ,有源雷达与声纳 ,以至与红外/ 光学传感器等多频谱传感器的数据融合等 ;其次是随着数据融合应用层次的提高 ,其他侦察手段获取的信息 也 参 与 融 合 , 如 侦 察 情 报 [ 通 信 情 报(COM IN T) 、人工情报 ( HUM IN T) 、信号情报 ( SIG2IN T) ] ,以及经处理过的非侦测情报、中长期情报(预存于数据库中) 等参与融合 ,从而使数据融合迈向信息融合领域。信息融合层次也从目标定位、识别与跟踪提升到战场态势估计与威胁估计 ,其应用层次则从战场感知提升到指挥决策和火力控制。美国国防部实验室联合领导机构 JDL (Joint Di2rectors of Laboratories) 从军事应用角度出发 ,将数 　 第 4 期2006 年 8 月 中国电子科学研究院学报 Journal of CAEIT Vol. 1 No. 4 Aug. 2006 　 据融合定义为这样一个过程[1 ] :把来自多传感器和 信息源的数据加以关联、相关、组合 ,以获得精确的 目标位置估计和完整的目标身份估计 ,以及对战场 情况、威胁及其重要程度进行适度的估计。这个定 义基本上描述了数据融合技术所期望达到的功能 , 包括低层次的战场目标位置和属性估计 ,以及高层 次的战场态势估计与威胁估计。 与以往情报综合的概念不同 ,数据融合是在几 个数据提取级别上对多源信息的处理过程 ,它能将 多平台多类传感器对目标的测量数据与其他信息源 所提供的情报信息智能地、自动地进行综合 ,以获得 任何单一信息源无法获得的一些好处。 (1)支持战场空间感知范围的扩展。信息融合 技术支持传感器和信息源组网 ,实施协同探测与侦 察 ,在通信手段保障的前提下 ,能使战场空间感知的 范围扩展到陆、海、空、天、电磁各领域。 (2)支持战场空间感知的时间覆盖范围的扩展。 通过对依赖于不同空间环境的侦测手段感知信息的 融合 ,实现全维、全天候战场感知。 (3)可改进传感器的探测能力和对目标的识别 水平。信息融合技术使得多传感器对目标的联合检 测与协同跟踪成为可能 ,这对于尽早发现隐形目标 和弱信号目标至关重要。多介质探测信息的融合能 提供准确、完整的目标属性 ,更不言自明。 (4)能提高合成信息的精度和可信度。融合算 法使得融合信息在精度上高于任意单一信息源 ,通 过对不确定性信息的融合 ,可使目标信息的可信度 大大提高。 (5)能产生和维持共用/ 一致的战场态势。信息 融合产生的估计态势和预测态势对指挥员进行态势 判断和指挥决策至关重要。 (6)能提高战场信息的使用效率。包括能摈弃 大量冗余和无用的信息 ,把指挥员从战场信息的汪 洋大海中解脱出来 ,战场融合情报和态势的分发能 实现有用的战场信息的充分共享。 (7)能充分利用战场空间感知资源。信息融合 的一项重要功能是从作战要求 (作战决策和火力打 击)出发 ,对信息感知与收集设备及融合处理过程的 反馈控制。包括对信息源协同工作的控制、传感器 探测工作方式的控制、目标检测参数控制、融合判定 (如关联判定、目标机动判定等) 参数控制、态势与威 胁估计中多元参数控制等等。这就可以使战场感知 资源和融合处理过程以最低的代价 ,最大限度地满足 作战任务需求。该过程称为战场感知的“变焦能力”。 2 　信息融合技术、应用现状及发展趋势 211 　信息融合技术应用现状 从 20 世纪 80 年代开始 ,西方军事强国的众多 人员从事信息融合系统结构化研究 ,已取得了较多 成果。迄今为止 ,美 J PL 实验室、M IT 林肯实验室、 George Mason 大学为首的美、英、加多所大学在多 传感器多目标跟踪领域已有许多应用成果。为尽快 使实验室研究成果投入装备 ,国外竞相进行数据融 合仿真、评估与测试平台研究 ,美国 George2Mason 大学 C3 I 中心在 20 世纪 80 年代建立了仿真测试平 台 ,先后建立了数据融合单项功能测试、一级融合算 法测试 ,以及集目标跟踪与识别/ 战场态势与威胁估 计于一体的仿真试验环境。其他方面也有不少应 用 , 如以色列用于多传感器目标算法的测评 (DFTB) ;加拿大的场景生成环境仿真、性能评估、 资源监控闭环试验床 ( SRTE) ;荷兰与加拿大联合 开发的比较多种融合算法性能的概念探索试验床 (Joint2TACET) ,已应用于巡逻护卫舰指控软件升 级中 ;美国的定型算法概念工具 ,支持精确制导武器 算法的开发与评估 ,具有雷达、红外、无源/ 有源毫米 波输入 ( MACET) ;弗吉尼亚大学并行计算学院的 全源系统环境试验床 ,能测试评估数据关联算法 (ASSET)等。2000 年 7 月在巴黎召开的“FUSION 2000”国际会议上 ,数据融合系统评估与试验床是特 邀专题。 20 世纪 80 年代研制成功并部分投入使用的第 一代数据融合系统有 :美军的潜在危机状态信号参 数分析 ( SPAN) 、全源分析系统 ( PAAS) 、军事情报 分析动态显示专家系统 (ANAL YST) 、海战场状态 分析显示 ( TOP) 、海上目标航迹与特定平台匹配系 统 ( PTAPS) 、海面监视信息融合 (OSIF) 、战场管理 与目标确定 (BETA) 、雷达 - ESM 情报关联系统、基 于情报知识的系统 ( I KBS) 、飞机的敌/ 我/ 中识别 (ZIFFF) ,以及英军的莱茵河 C2 系统 ( WAV ELL ) 等。随着 20 世纪 80 年代“空地一体战”和 1996 年 “联合作战”战略战术思想的出现 ,数据融合技术呈 现出跨军兵种和多维战场空间多源信息的融合研 究 ,并有大量第二代产品装备部队 ,如美军的 LOCE 与 L ENSCE(战术陆军与空军自动情报保障) 、海军 C2 系统 (NCCS) 、海军战术数据系统 (N TDS) 、中距 离空 - 空导弹系统 (AMRAAM) 、陆军全源信息分 306　　 中国电子科学研究院学报 2006 年第 4 期 　 析系统 (ASAS) 、空军敌态势关联 ( ENSCE) 等 ;这些 信息融合产品装备在全球指挥控制系统 ( GCCS) 、北 约指控信息系统 (NA TOCCIS) 、陆军战术指控系统 (A TCCS) ,以及多类作战平台和战术系统中 ,如 N TDS 装备在美国 151 艘和澳、日、意等国的 100 多 艘舰上 ;宙斯盾系统 (AEGIS) 具有强大的情报融合 功能 ;联合监视与目标攻击雷达系统 (J STARS) 安 装在多架作战飞机和预警机上。举例说明 : ASAS 是 A TCCS 五个分系统之一 ,是一个自动化战术情 报系统 ,装备陆军军、师以上梯队 ,能与 A TCCS 的 其它四个功能领域 (机动控制、野战防空、前方炮兵、 后勤保障)和其他军种、盟军、战区、国家情报源实现 信息交换。ASAS 对所有情报来源进行融合 ,能及 时、准确、全面提供敌方部署、作战能力、薄弱环境、 可能行动方针。1997 年 5 月 ,在美陆四师第一旅 (数字化旅) 先期作战试验 ( AWE) 实兵演习中 , ASAS 安装在旅战术作战中心和装甲、机步、轻步特 遣分队战术作战中心 ,实现与其他分系统和指控系 统互通 ,为指挥员提供我、敌方准确位置数据 ,每隔 7 min更新一幅态势图。ASAS 实现了与指控/ 火力 系统交链 ,30 s内回送打击效果 ,其与空中平台 (阿 帕奇攻击直升机) 之间从目标指示到火力打击周期 只有30 s。当出现重大态势变化时 ,指挥员根据 ASAS 提供的实时、准确信息 ,能重新生成作战 并获得预期的对抗效果。 212 　信息融合技术当前水平 当前 ,从解决战场空间感知信息处理的具体应 用问题出发 ,数据/ 信息融合技术总体发展水平可从 下述几方面描述。 (1)多雷达点迹融合技术 ,包括多雷达联合目标 检测、联合航迹起始等技术。外军 (美、俄、英、法等) 已有成熟产品并已应用到信息系统装备中 ,如美军 的 N TDS(海军战术数据系统) 即应用点迹融合技 术 ,已安装在美、澳、意、日军几百艘战舰 (包括航 母)上。 (2)软判定传感器系统技术 ,用于低可观测目标 和隐身目标的检测与跟踪。模型研究已经成熟 ,正 处于应用试验阶段。 (3) 多类/ 多介质传感器目标属性融合识别技 术。总体上对包括红外探测、光学探测传感器 ,以及 米波雷达、微波雷达、电子支援 ( ESM) 等多介质信 息 ,已能进行融合识别目标属性 ,包括像素/ 原始信 号级融合、提取特征级融合和多判定结果融合等技 术 ,已有成功应用 ;但最终的目标属性识别还是以人 工判识为主。 (4)探测系统空间配准技术。空间配准是多传 感器信息关联、融合的前提之一。对于具有定位功 能的机动平台和固定平台 ,采用有参考曲线进行探 测系统空间配准 (即修正探测误差)在技术上已相当 成熟 ,并已成功地应用于探测系统空间配准。无参 考曲线探测系统空间配准技术处于模型研究阶段 , 其只能消除不同探测源的相对误差。 (5)机动平台多类传感器信息融合技术已达到 实用水平。指舰载、机载或车载平台多类传感器对 目标的融合定位、识别与跟踪技术已达到实用水平。 如美海军宙斯盾系统加装协同作战能力 (CEC) 部件 后 ,使原作战系统信息融合能力扩展到复合跟踪网络 连接的多平台火力传感器 ,支持海上编队协同作战。 (6)智能技术在信息融合中的应用研究。智能 技术在信息融合领域应用的主要形式是专家系统、 神经网络、模糊模板等。已有应用实例 ,但还不普 遍 ,如美海军的 OSIF (海面监视信息融合) 专家系 统、美陆军的 IPB (战场情报提供)模板等。 (7)关于战场态势估计。态势估计属于信息融 合的第二级处理 ,已有明确的定义、概念和方法 ,如 观测态势、估计态势、预测态势以及作为一种特殊态 势———威胁的概念和处理技术 ,并在陆、海、空三军 ISR 和 C4 ISR 系统中有大量应用。 (8)关于信息融合仿真。已建立了关于信息融 合系统效果评估的各类准则和统计估计方法 ,以及 基于效果估计对信息源和融合过程反馈控制的仿真 平台。 213 　信息融合技术发展趋势 多平台多类传感器信息融合技术的发展趋势有 下述诸方面。 (1)融合级别向下延伸。国外近期提出“零级” 融合概念 ,即对多传感器原始测量信号实施融合 ,或 称多传感器联合检测。充分利用测量信息检测密集 杂波中的目标 ,弱信号和隐身目标 ,以提高目标检测 概率 ,增加预警时间。 (2)多介质信息融合技术。采用多类介质的探 测信息 ,在多个融合级别上进行目标属性融合识别 判定。 (3)天基平台探测信息的应用技术。采用天基 平台光学、红外探测信息对陆、海、空目标 ,尤其对时 间敏感目标进行融合定位、跟踪与识别 ,对战略、战 　 2006 年第 4 期 赵宗贵 :信息融合技术现状、概念与结构模型 307　　 　 术预警和截击指挥控制具有重要意义。 (4)人工智能技术在信息融合中的应用研究。 专家系统、神经网络、模糊模板等智能技术用于目标 属性融合识别、态势估计、威胁估计等 ,外军已有应 用实例 ,并作为提高智能化的重要研究方向。 (5)信息融合系统效能评估与反馈控制技术。 包括建立融合系统效能指标 ,融合系统效能评估技 术等 ,对信息融合过程及信息源的反馈控制功能与 实现技术研究也是发展方向之一。 3 　信息融合基本术语概念 鉴于国内信息融合领域目前对某些基本术语在 概念和内涵上尚存在不一致的认识 ,这里给出某些 基本术语的规范描述[2～4 ] 。 311 　关联与相关处理 关联 (Association) :确定某些测量来源于同一 对象 (实体或杂波)的判定过程 ; 相关 (Correlation) :确定某些判定结果 (轨迹或 属性)示同一实体或事件的处理过程 ; 单目标融合航迹数 ( The number of fused tracks per object) [4 ] :是关联/ 相关能力的一种度量指标 ,指 在多传感器复盖探测目标时 ,经关联/ 相关处理后 , 一批目标产生的航迹数目。美军在网络中心战联合 计划网络、联合数据网络、复合跟踪网络环境下 ,该 指标分别达到 115、1135 和 1106 ,雷声 (Raytheon)公 司在装有 CEC 的混合网络环境下 ,该指标达到 112。该指标依赖于关联周期数 ,美军上述指标系指 一周期关联 ; 惟一分配 (Unique Allocation) :指关联处理中将 一个测量惟一的分配给一个目标或杂波。每个传感 器的多个测量对多批目标的惟一分配通常采用的准 则有 :最近邻准则、极大似然准则、极大后验 (Bayes) 准则等。结果会出现三种情况 :测量属于一个已知 目标、杂波或是新目标。惟一分配符合真实情况 ,但 当目标密集时 ,测量误差会引起分配错误 ; 非惟一分配 (Non2unique Allocation) :对于多测 量位于一批目标预测范围内或一个测量同时位于多 批目标预测范围内等两种模糊情况 ,惟一分配极易 引起分配错误。此时将所有位于波门内的测量皆以 一定权值分配给该目标 ,称为非惟一分配。非惟一 分配不符合真实情况 ,只是人们处理模糊关联的一 种方法。在联合概率数据关联 (J PDA) 、随机集转 移、多模型跟踪等方法中皆采用了非惟一分配方法。 312 　态势估计与威胁估计 ①态势 (Situation) :战场空间中敌、我及战场环 境当前状态及其发展/ 变化趋势。 观测态势 (OS2Observational Situation) :依探测 和侦察手段获得的敌、我及战场环境当前状态 ; 估计态势 (AS2Assessment Situation) :依观测态 势和其他信息对敌/ 我作战企图、实际作战部署、作 战行为、作战计划的识别与估计结果 ; 预测态势 ( PS2Predictive Situation) :依观测态势 和估计态势对某一后续时刻战场态势的预测结果。 这三类态势的处理过程又分别称为态势生成、 态势估计和态势预测 ,有时将其统称为态势或态势 估计 (SA2Situation Assessment) 。 ②态势图 ( Situation Picture) :指态势或态势数 据的可视化图形表示 ,是通过在地图 (底图) 上标绘 军队标号生成的。 共用作战态势图 ( COP2Common Operational Picture) :指两个 (及以上)作战单元进行作战筹划或 指挥信息交互时使用的作战画面 ,在该画面上 ,各方 共同关心的态势须保持一致 ; 一致战术画面 ( CTP2Consistent Tactical Pic2 ture) :指两个作战单元战术协同使用的画面 ,协同 双方使用的战术画面须保持一致 ,一个作战单元可 以使用不同的 CTP 分别与不同的作战单元进行战 术协同。 ③威胁 ( Threat) :是一种特殊的态势 ,即对我方 构成威胁的态势 , 又称为威胁态势 ; 威胁估计 ( Threat Assessment)又称威胁判断 ,确定威胁区域/ 目标、威胁时间和威胁程度/ 等级的处理过程。依威 胁范围和目标的不同 ,可分为战略威胁、战役威胁和 战术威胁 ,但并无严格区分界限。 313 　融合与估计 ①软判定传感器/ 系统 ( Soft Decision Sensor / System) :相对于单一门限判定的硬判定传感器而 言 ,对原始测量信号采用多门限或变门限进行噪声 和杂波判定 ,检测结果依赖于判定条件 (如虚警概 率、检测概率或转换为可信度) ,以实现对弱信号目 标 (隐身目标或机动目标) 的检测与跟踪 ,当用于多 传感器 (如雷达组网) 原始测量信号集中联合检测 时 ,又称为软判定传感器系统 ; ②融合层次 ( Fusion Level) 308　　 中国电子科学研究院学报 2006 年第 4 期 　 信号级融合 (Signal Fusion) :指对多传感器原始 测量信号融合以实现对目标的联合检测 ,当测量信 号为数据形式时 ,又称数据级融合 ;对于图像传感 器 ,则称为像素级融合。信号级融合指对同类测量 信号而言 ; 特征级融合 (Character Fusion) :指对各传感器 从观测信号自主式提取出的目标特征 (动态特征与 属性特征)进行融合 ,以实现对目标的定位与识别 ; 判定级融合 (Decision Fusion) :指对多个已确定 的判定结果的融合 ,如多目标航迹融合、多源目标属 性融合识别等皆为判定级融合。值得指出的是将判 定级融合称为“决策”级融合是不准确的 ,在信息融 合技术中 ,Decision 特指判定。 ③批估计 (Batch Estimation) :依据累积的一定 批量的某目标测量数据对该目标状态参数或属性进 行估计与更新的过程 ,批估计一般采取有限记忆 (固 定周期数或固定数据量)方式 ,如有限记忆最小二乘 估计。 ④递推估计 ( Recursive Estimation) :依据前一 周期的估计结果和本周期到来的测量 ,逐周期地对 目标状态参数或属性进行估计与更新的过程 ,递推 估计属于无限记忆方式 ,适合于多传感器同步测量 情况。 ⑤序贯估计 ( Sequential Estimation) :依据已有 估计结果并随每个测量的到来 ,逐一对目标状态参 数或属性进行估计和更新的过程 ,序贯估计属于无 限记忆方式 ,适合于多传感器非同步测量甚至随机 测量的情况。 ⑥滤波、平滑与预测 ( Filter , Smooth and Pre2 diction) :依据一批目标已有测量集合 ,求取该目标 某时刻状态的估计过程 ,若该时刻为某一测量时刻 则称为滤波 ,若该时刻为非测量时刻且位于时间测 量区间内 ,称为平滑 ;若该时刻位于时间测量区间 外 ,称为预测。滤波、平滑与预测统称为状态估计。 314 　系统配准 ①测量系统误差 (Measurement system error) 指 目标测量与其真实位置的确定偏移 ,其均值为相对 固定值 (非零) 。产生测量系统误差的原因较多 ,如 测量系统定位误差、正北误差、测量信号零点漂移 ,以 及时间配准误差等。有源测量系统误差主要参数有 方位误差、仰角误差、距离误差、距离增益误差等。 ②测量随机误差 (Measurement random error) 指信源测量与目标真实位置的随机偏移 ,是由 信源测量噪声和目标状态噪声引起的 ,其均值为零。 估计和滤除随机误差是各类融合/ 滤波技术的主要 研究内容 ,通常假设测量噪声和状态噪声均系零均 值 (白)噪声序列 ,且与目标状态独立。有色噪声的 滤波算法相对比较复杂。 ③时空配准 ( Time and Spatial Regist ration) 时间配准指采用标准天文时间 ,将不同信息源的 时间统一到一个时间基准上来 ,再根据需要采取相应 的授时设备使多源时间误差保持在允许范围内。 空间配准主要指消除信源测量的系统误差 ,包 括动态或静态估算出信源的测量系统误差 ,然后对 目标测量信息进行补偿。 时空配准是实现多源信息关联/ 相关与融合的 前提。 4 　信息融合系统结构模型 411 　JDL 信息融合功能结构模型 20 世纪 80 年代 ,美国国防部实验室联合领导 机构的数据融合专业组 (DFS2Data Fusion Sympo2 sium)建立了两类数据融合处理模型 ,第一类模型将 数据融合分为三级。 一级 ———融合的目标位置和属性估计 ; 二级 ———敌、我战场态势估计 ; 三级 ———敌兵力威胁估计。 这些“级”确定了整个数据处理流中产品的人为 逻辑划分 ,每一级描述数据融合处理特定活动的共 同术语。第一类模型如图 1 所示[5 ] 。 第二类模型是从考查系统结构建立的。其中 , 一级融合对同类多传感器 (或称可配比传感器)信息 的融合方法与不同类 (不可配比传感器)多传感器信 息的融合方法是有区别的 ;在每级融合处理中 ,数据 库起重要作用 ,但级依赖 (Level2dependent ) 专用数 据库不同 ;多级处理是相互协同的 ,并且在系统中经 常使用跨越多级的复接反馈结合运行 ;最后 ,该协同 运行的数据融合处理能够扩展到地址上分布式的不 同处理节点上。第二类模型如图 2 所示[6 ] 。 随着数据融合技术的提高和应用领域的扩展 , 尤其是信息化武器装备性能的提高对信息融合技术 的发展提出新的需求 ,上世纪来 ,JDL 将数据融合滚 动发展为信息融合 ,并且功能对下向传感器延伸 ,对 上向作战需求延伸 ,从而又增加了零级和四级。其 中零级系指对多类 (多介质、多频谱)传感器原始测 　 2006 年第 4 期 赵宗贵 :信息融合技术现状、概念与结构模型 309　　 　 图 1 　面向产品的 DF 图 2 　面向实现结构的 DF模型 图 3 　JDL 五级融合模型 310　　 中国电子科学研究院学报 2006 年第 4 期 　 量信号 (数据或图像) 进行融合 ,以联合检测弱信号 目标 (隐身目标或机动目标) ;四级系指根据作战 (指 挥决策或武器/ 火力控制) 对信息的需求 ,评估和反 馈控制信息融合系统的多级处理过程 ,直至对信息 源的控制。如图 3 所示。 该五级模型系作者根据所述原理形成的。 412 　零级和一级融合功能结构 如前所述 ,一级融合指依据多源感知信息对战 场目标进行定位、识别与跟踪。一级融合通常采用 集中式融合结构。分布式融合结构和混合式融合结 构 ,分别如图 4、图 5、图 6 所示。 图 4 　集中式融合结构 图 5 　分布式融合结构 图 6 　混合式融合结构 　 2006 年第 4 期 赵宗贵 :信息融合技术现状、概念与结构模型 311　　 　 　　在图 4 所示集中式融合结构中 ,零级和一级融 合集中在融合中心处理。对于状态处理来说 ,各信 源信号预处理生成数据点迹 (带有不同的虚警概率 或检测概率) ,传送到融合中心。融合中心进行时空 配准后 ,方能进行融合 (联合)检测 ,以生成目标点迹 数据 ,然后再进行点迹数据聚集/ 关联 ,生成源于同 一目标的测量集合。每个测量集合中的测量分别与 已有目标外推点进行点迹 - 航迹关联处理 ,若关联 成功 (惟一分配) 则对该目标进行状态估计 ,以进行 航迹延续 ;若关联成功但无法惟一分配 ,则生成融合 测量值对该目标进行航迹延续 ;若判定某测量集合 源于新目标 ,则延续几个周期进行航迹起始 ;若判定 某测量集合源于杂波或噪声 ,则滤除之。对于属性 估计处理来说 ,若观测信息是图像类 ,则在时空配准 后直接进行图像融合 ,然后对融合增强的图像进行 特征提取 ,最后依据提取出的目标属性特征进行属 性/ 身份判定 ;若观测信息非图像类 ,则对属性原始 测量数据联合检测到属性参数之后 ,进行数据/ 参数 关联 ,然后再对源于同一目标的数据特征进行融合 , 最后进行属性判定。 分布式融合结构 (图 5) 中 ,零级融合由各信源 自主进行 ,各信源依据其自身观测信息和融合中心 反馈的指示 (综合状态与属性)信息自主进行目标定 位、识别与跟踪。而融合中心则依据信源各自生成 的判定结论 (目标状态、属性)进行判定级融合 ,包括 判定级目标状态融合和属性估计。此时融合中心的 主要功能是时空配准和相关处理及对各信源处理器 的反馈控制。 混合式结构 (图 6)除具有分布式的功能结构之 外 ,还将各信源的原始测量信息复接到融合中心。 融合中心根据系统的实际需要 ,依据某些确定的准 则或指挥员的意图 ,通过对各信源重复测量目标信 息的选择与合并 ,实现航迹相关与属性相关处理。这 对于某些特定的系统 ,如多源图像信息融合目标属性 识别 ,无源多站多目标定位等系统是非常必要的。 从物理实现角度分析 ,集中式融合结构需要大 量的通信资源 (带宽与速率) ,才能将各信源的原始 测量信息传送到融合中心 ,同时要求融合中心具有 较强的处理能力 ;但这种结构不损失测量信息 ,对目 标状态和属性识别具有较高精度。分布式融合结构 需要较少的通信资源和多节点的处理能力 ,但损失 一些测量信息。混合结构也需要较强的通信能力 , 但融合中心的处理负担较轻。目前工程中 ,分布式 结构应用较多 ,随着技术的发展和军事需求的提高 , 正在向集中式结构过渡。 5 　结　语 撰写本文的主要目的首先是使读者对信息融合 技术有一个比较全面的了解 ;其次是给出多源信息 融合中的一些基本术语 ,因国内在该领域的技术和 工程应用中 ,许多专家和技术人员对信息融合系统 中的某些概念认识和理解不一致 ,并已产生了某些 负面影响。本文第二个目标是描述信息融合系统的 功能模型 ,包括 JDL 信息融合滚动发展功能模型的描 述和一级 (含零级)融合系统的三种功能结构 ,旨在该 领域技术的研究和发展上实现功能结构的统一认识。 最后需指出的一点是 ,本文所述内容与标题对 照 ,并不完整 ,如缺少关于信息融合的态势估计 (二 级) 、威胁估计 (三级) 、评估与优化 (四级) 等功能结 构的描述 ,以及关于信息融合具体实现技术方面的 内容等。这一方面是由于二、三、四级信息融合技术 正在发展 ,其功能结构尚处于发展变化之中 ,另一方 面的原因是随探测技术和武器平台性能的日新月 异 ,不断出现许多信息融合关键技术有待突破。作 者将在后续文章中继续描述相应的有关内容 ,以飨 读者。 参考文献 1 　Edward , Waltg , James. Llinas Multisensor Data Fasion Artech House Boston. London , 0289006227723 , 1990. 2 　 Y Bar shalom. Multitarget2Multisensor Tracking : Ad2 vanced Applications. Artech House , 028900623772X , 1990. 3 　D L Hall. Mathematical Technignes in Multisensor Data Fusion Boston. Artech House , 0289006255826 ,1992. 4 　Brendan P. Rivers2Michael Puttre. The US Navy Presents its Battle Plan for Network2Centric Warfare. Victory At CEC J ED the Journal of Electronic Defence , 2001. 5 　White F , etal. A Model for Data Fusion. SPIE Conference on Sensor Fusion , Orlando FL . 1988. 作者简介 　　　赵宗贵 (1943 - ) ,男 ,研究员 ,中国 电子学会会士 ,江苏省系统工程学会副 理事长 ,国家级有突出贡献专家 ,主要研 究方向为信息融合与辅助决策。 312　　 中国电子科学研究院学报 2006 年第 4 期