数据融合中存在的问题与可解决的思路.doc

《数据融合中存在的问题与可解决的思路.doc》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、数据融合中存在的问题与可解决的思路张志成一、数据融合技术概念由来数据融合技术，包括对各种信息源给出的有用信息的采集、传输、综合、过滤、相关及合成，以便辅助人们进行态势/环境判定、规划、探测、验证、诊断。这对战场上及时准确地获取各种有用的信息，对战场情况和威胁及其重要程度进行适时的完整评价，实施战术、战略辅助决策与对作战部队的指挥控制，是极其重要的。数据融合的概念虽始于70年代初期，但真正的技术进步和发展乃是80年代的事，尤其是近几年来引起了世界范围内的普遍关注，美、英、日、德、意等发达国家不但在所部署的一

2、些重大研究项目上取得了突破性进展，而且已陆续开发出一些实用性系统投入实际应用和运行。不少数据融合技术的研究成果和实用系统已在1991年的海湾战争中得到实战验证，取得了理想的效果。随着计算机技术、通信技术的快速发展，且日趋紧密地互相结合，加之军事应用的特殊迫切需求，作为数据处理的新兴技术——数据融合技术，在近10年中得到惊人发展并已进入诸多军事应用领域。二、数据融合存在的问题及研究方向1.当前数据融合研究存在的问题数据融合是一门新兴的学科，目前尚存在以下的问题：（1）未形成基本的理论框架和广义融合算法：目前

3、，绝大多数的融合研究皆是针对特定的应用领域的特定问题开展的（混合结构，分布式）。即根据问题的种类，各自建立直观的融合准则，形成“最佳”融合方案，未形成完整的理论框架和融合模型，使得融合系统的设计具有一定的盲目性。（2）关联的二义性：关联的二义性是数据融合的主要障碍，传感器测量的不精确性和干扰等都是引起关联二义性的因素。如何降低关联二义性是数据融合研究以待解决的问题。（3）数据融合方法与融合系统实施存在的问题：目前，大多数数据融合是经一种简单的方法合成信息，并未充分有效地利用多传感器所提供的冗余信息，融合方

4、法研究也还处于初步阶段。而且目前很多研究工作亦是基础研究，仿真性工作。因此，数据融合系统的设计实施还存在许多实际的问题：传感器动态测量误差模型的建立、传感器系统优化、复杂动态环境下系统实时性、大型知识库的建立与管理、与其它领域的很多新技术的“嫁接与融合”，如人工智能技术、计算神经网络计算、遗传算法、进化计算、虚拟现实技术性等。2.数据融合的研究方向（1）建立数据融合的基础理论，这包括进一步研究融合技术的数学基础，对于同类信息相融合的数值处理：主要研究其各种最优、次优分散式算法；对于不同类型信息相融合的符号

5、处理方法，引进其它领域的一些新技术：如具备学习功能的新型AI技术、进化算法、小波分析技术、进化神经网络等。其中进化算法与神经网络相结合已成功地用于基于时间序列分析的财政预算。Muhlexbein分析了多层传感器网络的局限性，并猜想下一代神经网络将是遗传神经网络。（2）兼有稳健性和准确性的融合算法和模型的研究。着重研究相关处理、融合处理、系统模拟算法和模型，开展对数据融合系统的评估技术和度量标准研究。目前，国内外已有不少学者致力于此，针对具体的应用对象提出了相应的各种模型及算法。（3）研究数据融合用的数据库

6、和知识库，高速并行检索和推理机制。利用大型空间数据库中数据和知识进行推理是融合系统过程中的关键任务，但其数据量往往非常庞大（1012bytes），这就有必要深入研究和探讨用于空间数据库的知识发现机制和方法。目前已有许多学者致力于此领域的研究，提供了多种数据挖掘方法：如基于泛化的空间数据挖掘方法、空间数据聚类、近似计算与聚类、挖掘光栅数据库。POSS-II提出了决策树方法的分类稳定性优于神经网络。1996年，Sheak研发了CONQUEST基于内容的空间和时间查询）。（4）开发推理系统，以进行融合过程中的状

7、态估计和决策分析。（5）研究数据融合的体系结构：在Reiner和Yannor提出的集中式、自主式和混合式结构的基础上，又有学者提出了多级混合结构的设计思想。