基于模糊证据理论的数据融合算法研究文献综述精要.doc

基于模糊证据理论的数据融合算法研究文献综述 摘要：首先描述了数据融合技术发展历史与研究现状，然后对数据融合框架的三种形式以及几种常用的融合方法作了简单的介绍，并详细介绍了模糊证据理论框架下的数据融合算法，最后对数据融合技术研究中存在的问题以及在CPS信息物理融合系统中的应用前景进行了论述。 0 引言 信息物理融合系统CPS，是通过计算、通信与控制技术的有机与深度融合实现计算资源与物理资源的紧密结合与协调的下一代智能系统[1]。CPS的典型应用包括智能交通领域的自主导航汽车、无人飞行机以及智能电网、家庭机器人、智能建筑等, 是构建人类未来智慧城市的基础[2]。CPS的基本组件包括传感器、执行器和决策控制单元，各个层级的组件与子系统都围绕数据融合向上提供服务数据沿从物理世界接口到用户的路径上不断提升抽象级用户最终得到全面的精确的事件信息。 汽车CPS，简单来说是指把CPS技术应用在汽车上，以使汽车更易于驾驶，更安全。具体指用带微处理器的实时输入传感器和分布在汽车的不同部件上的提供输出的制动器等控制单元，收集本车的实时信息或其他车辆的信息，通过一个统一的网络如控制局域网(Controller Area Network, CAN )来完成信息的交互、计算，并根据信息的反馈来完成对汽车的控制，使得汽车更易于驾驶，响应更快，更安全，更智能。人类对汽车性能要求的提高以及智能交通系统的建设，物理设备(比如ECU)和信息系统(比如ITS中的信息电子系统)的深度融合，海量数据的处理，多维度复杂开放系统的建立等，使得汽车CPS的研究与发展成为汽车电子中物理设备系统发展的必然趋势。 文献[3]指出未来CPS的全球化、自主的网络架构需要能够容纳大量的物理数据源执行器和分布的计算元素，所以需要以数据融合与提升信息抽象能力为中心以满足应用需求。CPS系统中收集到的数据具有异构性、海量性、不确定性、动态性等特点，如何对这些数据进行有效的融合，从而得到具有自适应性、自主性、高效性、可靠性、安全性等特点的一个智能的有自主行为的系统至关重要。 1 数据融合技术发展历史与现状 1.1 数据融合定义 数据融合又称为多传感器数据融合，是针对一个系统使用多种传感器这一特定问题而展开的一种关于数据处理的研究。目前，对数据融合还很难给出一个统一、全面的定义[4,5]。随着数据融合和计算机应用技术的发展，根据国内外研究成果，多传感器数据融合比较确切的定义可概括为：充分利用不同时间与空间的多传感器数据资源，采用计算机技术对按时间序列获得的多传感器观测数据，在一定准则下进行分析、综合、支配和使用，获得对被测对象的一致性解释与描述，进而实现相应的决策和估计，使系统获得比它的各组成部分更充分的信息[6,7]。它要强调数据融合的3个核心方面：(数据融合是在几个层次上完成对多源信息的处理过程，其中每一层次都表示不同级别的信息抽象；(数据融合包括检测、关联、相关、估计及信息组合；( 数据融合的结果是指较低层次上的状态和身份估计，以及较高层次上的整个态势估计。 这一技术广泛应用于C3I系统、复杂工业过程控制、机器人、自动目标识别、交通管制、惯性导航、海洋监视和管理、农业、遥感、医疗诊断、图像处理、模式识别等领域[8]。文献[9]指出，与单传感器系统相比，运用多传感器数据融合技术在解决探测、跟踪和目标识别等问题方面，能够增强系统生存能力，提高整个系统的可靠性和鲁棒性，增强数据的可信度，并提高精度，扩展整个系统的时间、空间覆盖率，增加系统的实时性和信息利用率等。 1.2 数据融合的发展历史与现状 数据融合出现于20世纪70年代[10]。美国是数据融合技术起步最早的国家，1983年，美国国防高级研究计划局( DARPA )推出的战略计算机计划中，将多传感器数据融合列为重大研究课题；1984 年，美国国防部(DOD)成立了数据融合专家组，负责指导、组织并协调有关这一国防关键技术的系统研究，1988 年又将其列入国防部22项关键技术之一，同时其它西方发达国家和国际组织(如英、日、德、法及欧共体等) 也积极开展了数据融合技术研究工作。1986年开始, 每年IEEE主办的机器人与自动化学术会议上都有专门关于数据融合的专题[11]。各种学术刊物也纷纷开辟专栏和出版专集，交流和探讨数据融合的有关问题。1987 年欧洲共同体开始为期5 年的SK IDS ( Signal and Knowledge Integration with Decisional Control for Multisensory System )计划，主要目标是研究多传感器数据融合的通用结构及实时信息融合技术等。1998年成立了国际信息融合学会( IS IF) ，每年举行一次信息融合国际学术会议，促进了信息融合技术的交流与