崔 碩，姜洪亮，戎 輝，王文揚

（1.上汽通用五菱汽車股份有限公司，廣西 柳州 545000；2.中國汽車技術(shù)研究中心，天津 300300）

2016年7月1日，一輛行駛在自動巡航狀態(tài)下特斯拉ModelS從側(cè)面撞上了一輛18輪的大型貨車，導致駕駛員當場死亡；2018年3月20日，一輛Uber自動駕駛車在亞利桑那州坦貝市撞上一名推著自行車穿越斑馬線的女子，導致其傷重后不治身亡。分析兩起事故的原因，均是由于自動駕駛系統(tǒng)在判讀過程中，未能識別到前方障礙并及時采取制動措施。可見簡單的傳感器方案性能有限，容錯性差，要提高傳感器下運動目標跟蹤的準確性和實時性［1］，實現(xiàn)智能網(wǎng)聯(lián)、自動駕駛，需要多種傳感器相互配合、共同構(gòu)成汽車的感知系統(tǒng)。因此，作為無人駕駛核心算法的多傳感器信息融合技術(shù)的發(fā)展與應用顯得尤為重要［2-3］。

傳感器作為具有信息探測和周圍感知能力，能夠與先驗知識相結(jié)合對事件做出綜合評估的設備，是實現(xiàn)自動檢測和控制的基礎(chǔ)。根據(jù)前瞻產(chǎn)業(yè)研究院發(fā)布的《中國傳感器制造行業(yè)發(fā)展前景與投資預測分析報告前瞻》，目前傳感器在國內(nèi)已經(jīng)被廣泛應用于儀器儀表、家用電器、通信設備、機械制造、衛(wèi)生醫(yī)療及汽車電子等各個領(lǐng)域。由于單個傳感器自身性能的限制，所提供的信息量較少，數(shù)據(jù)類型單一，在復雜的環(huán)境中易受噪聲及不相干雜波信號的干擾，難以滿足智能系統(tǒng)對多目標和快速移動目標的檢測要求［4］。近年來，隨著計算機硬件和軟件技術(shù)的飛速發(fā)展，工業(yè)控制技術(shù)日趨成熟，多傳感器信息融合技術(shù)逐漸成為信息處理領(lǐng)域的研究重點［5］。不同于簡單使用多個傳感器，多傳感器信息融合是基于現(xiàn)代計算機技術(shù)，通過將分布在各方位的傳感器和信息源數(shù)據(jù)加以組合分析，發(fā)揮聯(lián)合優(yōu)勢對觀測對象做出準確估計的復雜處理過程。可以說多傳感器信息融合體系的構(gòu)建與發(fā)展，為環(huán)境監(jiān)測［6］、生物信息科學、醫(yī)學圖像診斷與處理、故障診斷系統(tǒng)、智能機器人［7-8］、氣象預報、軍事安防［9］等方面的發(fā)展都帶來了新的思路與突破。

1 研究背景與意義

“數(shù)據(jù)融合”的概念于20世紀70年代被提出，最初是為了滿足C3I（command，control，communication and intelligence，指揮，控制，通信和情報）軍事系統(tǒng)的多源相關(guān)性需求，之后迅速發(fā)展成為一門獨立學科。其中，美國是數(shù)據(jù)融合技術(shù)起步最早的國家，1973年美國首次將信息融合技術(shù)適用于聲吶研究；1983年，國防高級研究計劃局將傳感器數(shù)據(jù)融合列為計算機戰(zhàn)略研究領(lǐng)域的重要課題；1984年，美國宣布成立數(shù)據(jù)融合專家組，研究進入系統(tǒng)化階段；1988年，多傳感器融合技術(shù)被美國國防部列為最關(guān)鍵的22項技術(shù)之一，得到空前重視；1988年，國際信息融合學會在美國成立，并宣布每年舉辦一次學術(shù)會議。與國外研究相比，中國在多傳感器數(shù)據(jù)融合領(lǐng)域發(fā)展相對滯后。1991年，海灣戰(zhàn)爭敲響了中國發(fā)展現(xiàn)代化技術(shù)的警鐘，一些科研組織和高校紛紛加入數(shù)據(jù)融合的研究中，但因起步較晚，尚缺乏一套完整、成熟的理論結(jié)構(gòu)，在實用化方面與發(fā)達國家仍存在一定差距，為加快技術(shù)落地，中國將其列入國家863項目和國家自然基金項目進行重點支持。

多傳感器融合基于多個傳感器的獨立觀測數(shù)據(jù)，通過復合應用和算法設計獲得更有效的信息，從而消除單一傳感器只能獲得檢測目標部分信息的局限。具體來說，在測量系統(tǒng)中使用多傳感器融合技術(shù)主要有如下優(yōu)勢。

1）提高了系統(tǒng)的測量精度。多種傳感器配合使用，能夠同時獲取同一目標的多種不同特征信息，減少了環(huán)境、噪聲等因素的干擾及判別的不確定性。

2）多傳感器融合技術(shù)增加了系統(tǒng)的感知維度。當出現(xiàn)一個或多個傳感器故障時，仍可在一定范圍內(nèi)繼續(xù)測量，具有容錯能力，增加了評估結(jié)果的可靠性和置信度。

3）加快了信息處理速度。相比于多個傳感器同時單獨使用，多傳感器融合采用了并行處理技術(shù)和分布式算法，有效增加了系統(tǒng)的響應程度，改進了實時性。

4）增強了環(huán)境適應能力。應用多傳感器融合技術(shù)采集的信息具有明顯的特征互補性，對空間和時間的覆蓋范圍更廣，彌補了單一傳感器對空間的分辨率和環(huán)境的語義不確定性。

5）削減成本。可以實現(xiàn)利用多個價格低廉的傳感器代替昂貴的傳感器設備，在保證性能的基礎(chǔ)上又可以降低成本預算。

2 多傳感器融合結(jié)構(gòu)

2.1 目標身份估計

在以目標身份估計為目的的體系結(jié)構(gòu)下，根據(jù)多傳感器信息融合技術(shù)抽象程度的不同，可以將其劃分為3個層次：像素級融合、特征級融合、決策級融合［10］，一般情況下，具體應用方案根據(jù)系統(tǒng)特點進行合理選擇。

1）像素級融合（圖1）。又稱為數(shù)據(jù)級融合，它將同類別的傳感器采集的同類型原始數(shù)據(jù)進行融合，最大可能地保持了各預處理階段的細微信息。但是，由于融合進行在數(shù)據(jù)的最底層，計算量大且容易受不穩(wěn)定性、不確定性因素的影響。同時，數(shù)據(jù)融合精確到像素級的準確度，因而無法處理異構(gòu)數(shù)據(jù)。

2）特征級融合（圖2）。通過各傳感器的原始數(shù)據(jù)結(jié)合決策推理算法，對信息進行分類、匯集和綜合，提取出具有充分表示量和統(tǒng)計量的屬性特征。根據(jù)融合內(nèi)容，特征級融合又可以分為目標狀態(tài)信息融合和目標特性融合兩大類。其中，前者的特點是先進行數(shù)據(jù)配準以實現(xiàn)對狀態(tài)和參數(shù)相關(guān)估計，更加適用于目標跟蹤。后者是借用傳統(tǒng)模式識別技術(shù)，在特征預處理的前提下進行分類組合。

圖1 像素級融合

圖2 特征級融合

3）決策級融合（圖3）。決策級融合的特點是高層次，需要處理不同類型的傳感器對同一觀測目標的原始數(shù)據(jù)，并完成特征提取、分類判別，生成初步結(jié)論，然后根據(jù)決策對象的具體需求，進行相關(guān)處理和高級決策判決，獲得簡明的綜合推斷結(jié)果。決策級融合具有實時性好、容錯性高的優(yōu)點，面對一個或者部分傳感器失效時，仍能給出合理決策。

2.2 目標狀態(tài)估計

在目標狀態(tài)估計方面，根據(jù)數(shù)據(jù)處理方法的不同，多傳感器信息融合系統(tǒng)的體系結(jié)構(gòu)可以分為：分布式、集中式和混合式。具體設計結(jié)構(gòu)需要根據(jù)系統(tǒng)應用性能的要求綜合評估決定。目標狀態(tài)識別框圖如圖4所示。表1為3種融合結(jié)構(gòu)的性能對比。

圖3 決策級融合

圖4 多傳感器數(shù)據(jù)融合目標識別框圖

表1 多傳感器信息融合系統(tǒng)不同結(jié)構(gòu)性能對比

1）分布式。分布式結(jié)構(gòu)在各獨立節(jié)點都設置了相應的處理單元，用于初步處理傳感器獲取的原始信息，然后再送入統(tǒng)一的信息融合中心，配合數(shù)據(jù)融合算法進行多維優(yōu)化、組合、推理，以獲取最終結(jié)果。該結(jié)構(gòu)計算速度快，在某一傳感器失靈的情況下仍能繼續(xù)工作，可靠性更高。適用于遠距離傳感器信息反饋，但在低通信帶寬中傳輸會造成一定損失，精度較低。

2）集中式。在集中式結(jié)構(gòu)中，多個傳感器獲取的原始數(shù)據(jù)不需要進行任何處理，直接送入信息融合中心。該結(jié)構(gòu)的優(yōu)點是具有較高的融合精度，算法多樣，實時性好。缺點是數(shù)據(jù)流向單一，缺少底層傳感器之間的信息交流，并且由于處理中心運算量大，需要維護較大的集中數(shù)據(jù)庫，降低了工作速度，增加了硬件成本。

3）混合式?；旌鲜酵瑫r具有分布式和集中式兩種結(jié)構(gòu)，兼顧二者的優(yōu)點，能夠根據(jù)不同需要靈活且合理地完成信息處理工作，但是對結(jié)構(gòu)設計要求高，降低了系統(tǒng)的穩(wěn)定性。

3 多傳感器融合算法

3.1 基于物理模型

基于物理模型的多傳感器數(shù)據(jù)融合算法是根據(jù)物理模型模擬觀測結(jié)果，并獲取其與真實觀測對象特征之間的相關(guān)性，通過預先設置的系數(shù)閾值判斷二者匹配程度。其中，最主要的代表就是卡曼（Kalman）濾波技術(shù)。卡曼濾波算法可以分為標準卡曼濾波、區(qū)間卡曼濾波和兩階段卡曼濾波，能夠動態(tài)、實時地融合低層次傳感器數(shù)據(jù)，依據(jù)系統(tǒng)的遞推特性做出合理估計，適用于不同層次原始數(shù)據(jù)間的融合，不需要系統(tǒng)強大的存儲能力，具有信息損失小的優(yōu)點，缺點是需要建立精確的觀測對象模型，數(shù)據(jù)需求量大，適用范圍比較窄。

3.2 基于參數(shù)分類技術(shù)

依照是否需要先驗知識，可以劃分為有參技術(shù)與無參技術(shù)，主要是從測量的數(shù)據(jù)中獲取屬性說明，并與測量數(shù)據(jù)形成一種直接映射關(guān)系，常用的該類算法有貝葉斯估計、人工神經(jīng)網(wǎng)絡等。與卡曼濾波不同，貝葉斯估計適用于靜態(tài)環(huán)境。它利用條件概率組合多種傳感器信息，并且能夠通過似然函數(shù)最小化方法，將各單獨傳感器的關(guān)聯(lián)概率聯(lián)合成后驗分布函數(shù)。

3.3 基于認知方法

基于認知的方法以先驗知識為基礎(chǔ)，需要深入了解觀測目標的組成及內(nèi)部關(guān)聯(lián)結(jié)構(gòu)，根據(jù)原始數(shù)據(jù)或?qū)傩蕴卣髂７氯祟惖膯l(fā)式推理過程，做出判決，以專家系統(tǒng)最為常用。

4 多傳感器融合應用

近年來，隨著集成電路設計、電子技術(shù)、近代信號處理、計算機技術(shù)等的發(fā)展，多傳感器信息融合技術(shù)己經(jīng)發(fā)展成為一個新興的熱點學科，在軍事和民事等各個領(lǐng)域得到了廣泛重視與應用。

4.1 地球環(huán)境監(jiān)測

將多傳感器融合技術(shù)應用于地球環(huán)境監(jiān)測方面，不僅能夠監(jiān)督地形地貌，而且能夠?qū)崿F(xiàn)對氣象模式、植被生長、礦產(chǎn)資源等信息的監(jiān)測與識別，并且為大氣污染、汽車尾氣排放、輻射、原油泄漏等環(huán)境威脅情況提供及時反饋。

4.2 軍事防御系統(tǒng)

多傳感器信息融合在軍事上的應用由來已久，國內(nèi)外都投入了大量的人力物力，美、法、日等發(fā)達國家已經(jīng)建立了上百個以數(shù)據(jù)融合為核心技術(shù)的軍事防御系統(tǒng)，其中以美國的全源信息分析（ASAS）系統(tǒng)、戰(zhàn)術(shù)陸軍和空軍指揮員自動情報保障（LENSCE）系統(tǒng)發(fā)展最迅速。近年來，中國也加快開展海上監(jiān)視、地-空防御、空-空防御為一體的戰(zhàn)略防御系統(tǒng)的研究，把信息融合列為國防科技的重點項目。

4.3 醫(yī)療

在醫(yī)學領(lǐng)域，多傳感器信息融合技術(shù)的應用為人體結(jié)構(gòu)研究和多種疾病的診斷提供了更可靠的信息。以癌癥為例，通過醫(yī)學造影技術(shù)、x射線圖譜、圖像提取設備、超聲波圖像等多種數(shù)據(jù)融合更容易識別癌變組織，提出嚴謹論斷。

5 結(jié)束語

多傳感器數(shù)據(jù)融合技術(shù)的應用擴大了觀測數(shù)據(jù)的覆蓋范圍，提高了置信度和分辨率，增強了應用系統(tǒng)的魯棒性和容錯能力，而且并未增加系統(tǒng)的響應時間，做到了真正意義上的性能兼顧。但同時也對軟硬件都提出了更高的要求，在硬件層面，要求配備數(shù)量足夠、種類不同的傳感器設備，才能夠保證充分且有冗余的信息獲取量；軟件層面，要具有足夠優(yōu)化的融合算法，提供大量的先驗模型，才能實現(xiàn)最終決策的快速性和正確性。數(shù)據(jù)融合是信息科學發(fā)展的必然階段，隨著現(xiàn)代科學技術(shù)的不斷發(fā)展，融合算法不斷完善，其必將在包括無人駕駛在內(nèi)的各領(lǐng)域得到更廣泛的應用，成為一項可靠、有效、實用的信息處理工具，推動人類社會的進步。