多源信息融合模型有哪些

① 多源感測器信息融合技術在什麼中的應用

經緯儀制導數據的數據融合可以採用參數估計融合演算法，即八組制導數據，根據某種估計准則函數，可以利用制導數據序列估計目標在空間的位置值，獲得目標的精確位置值，消除制導過程中的不確定性。為了准確估計目標的位置值(以 y 為例) ，對8組制導數據進行了線性觀測，得到的制導值為 cj，y，j = 1,2,3，... ，n，其中 cj 為常數。由於觀測誤差的存在，實際導引值為 ej = cjy 10cj，其中 ej 為觀測誤差，服從均值0的正態分布。根據貝葉斯後驗估計理論，n 個主要數據的最優狀態估計為: ^ yop，(e1e2e3... en) = maxp (y | e1e2e3。.在經緯儀實時測量中，對於多通道制導源的異構制導數據，採用分布圖法檢驗數據的合理性，並採用參數估計的邏輯規則進行數據融合，以消除各制導數據的不確定性，從而獲得更准確可靠的制導數據，提高整個測量系統的性能。即使一個甚至多個制導源同時不能正常工作，其他制導源可以獨立提供信息而不受影響，指揮中心仍然可以根據非無效的制導數據知道目標的確切位置，故障經緯儀被快速引導到目標觀測點，降低了整個測量系統的脆弱性。

② 多源異構數據融合技術要用到什麼演算法

經緯儀引導數據的數據融合可以採用參數估計融合演算法，即對8組引導數據，按照某種估計准則函數，利用引導數據序列對目標在空間的位置值作出估計，得到目標准確的位置值，消除引導過程中的不確定性。 為准確估計目標的位置值(以Y為例)，對8組引導數據進行線性觀測，得到的引導值為Cj，Y,j=1，2，3，…，n，其中：Cj為常值。 由於觀測有誤差，實際所得的引導值為：Ej＝CjY十cj，其中ej為觀測誤差，服從均值為0的正態分布。 依據Bayes後驗估計理論，可得到n個引導數據的狀態最優估計為： ＾Yop，(E1E2E3...En)＝maxP(Y│E1E2E3...En) (1) Y＾ 即位置的數據融合問題，可以轉化為求出滿足Y的最大後驗概率maxP(Y│E)的估計值Y（E）的問題。在經緯儀實時測量中，對多路引導源的異構引導數據，採用分布圖法進行數據合理性檢測，採用參數估計的邏輯規則進行數據融合，消除各引導數據的不確定性，可以獲得更准確、更可靠的引導數據，從而提高整個測量系統的工作性能。即使某一個甚至幾個引導源工作同時不正常時，其他引導源不受影響獨立地提供信息，指揮中心仍可依據非失效的引導數據獲知目標的准確位置，將失效的經緯儀很快的引導到目標觀測點，降低了整個測量系統的脆弱程度。

③ 信息融合的模型

近20 年來，人們提出了多種信息融合模型.其共同點或中心思想是在信息融合過程中進行多級處理.現有系統模型大致可以分為兩大類：a）功能型模型，主要根據節點順序構建； b）數據型模型，主要根據數據提取加以構建.在20 世紀80 年代，比較典型的功能型模型主要有U K情報環、Boyd控制迴路（OODA 環） ；典型的數據型模型則有JDL 模型. 20 世紀90年代又發展了瀑布模型和Dasarathy模型. 1999 年Mark Bedworth 綜合幾種模型，提出了一種新的混合模型。下面簡單對上述典型模型介紹。
情報環
情報處理包括信息處理和信息融合。已有許多情報原則，包括： 中心控制避免情報被復制；實時性確保情報實時應用 ；系統地開發保證系統輸出被適當應用 ；保證情報源和處理方式的客觀性；信息可達性；情報需求改變時，能夠做出響應； 保護信息源不受破壞；對處理過程和情報收集策略不斷回顧，隨時加以修正. 這些也是該模型的優點，而缺點是應用范圍有限。U K 情報環把信息處理作為一個環狀結構來描述. 它包括4 個階段：a) 採集，包括感測器和人工信息源等的初始情報數據；b) 整理，關聯並集合相關的情報報告，在此階段會進行一些數據合並和壓縮處理，並將得到的結果進行簡單的打包，以便在融合的下一階段使用；c) 評估，在該階段融合並分析情報數據，同時分析者還直接給情報採集分派任務；d）分發，在此階段把融合情報發送給用戶通常是軍事指揮官，以便決策行動，包括下一步的採集工作。
JDL 模型
1984 年，美國國防部成立了數據融合聯合指揮實驗室，該實驗室提出了他們的JDL 模型，經過逐步改進和推廣使用，該模型已成為美國國防信息融合系統的一種實際標准。JDL模型把數據融合分為3 級：第1 級為目標優化、定位和識別目標；第2 級處理為態勢評估，根據第 1 級處理提供的信息構建態勢圖；第3 級處理為威脅評估，根據可能採取的行動來解釋第2 級處理結果,並分析採取各種行動的優缺點. 過程優化實際是一個反復過程，可以稱為第4 級，它在整個融合過程中監控系統性能，識別增加潛在的信息源，以及感測器的最優部署。其他的輔助支持系統包括數據管理系統存儲和檢索預處理數據和人機界面等。
Boyd控制環
Boyd 控制環OODA 環，即觀測、定向、決策、執行環，它首先應用於軍事指揮處理，已經大量應用於信息融合。可以看出，Boyd 控制迴路使得問題的反饋迭代特性顯得十分明顯。它包括4 個處理階段：a) 觀測，獲取目標信息，相當於JDL 的第1 級和情報環的採集階段； b) 定向，確定大方向，認清態勢，相當於JDL 的第2 級和第3 級，以及情報環的採集和整理階段；c) 決策，制定反應計劃，相當於JDL 的第4 級過程優化和情報環的分發行為，還有諸如後勤管理和計劃編制等；d) 行動，執行計劃，和上述模型都不相同的是，只有該環節在實用中考慮了決策效能問題。OODA 環的優點是它使各個階段構成了一個閉環，表明了數據融合的循環性。可以看出，隨著融合階段不斷遞進，傳遞到下一級融合階段的數據量不斷減少. 但是OO DA 模型的不足之處在於，決策和執行階段對OODA 環的其它階段的影響能力欠缺，並且各個階段也是順序執行的。
擴展OODA模型
擴展OODA 模型是加拿大的洛克西德馬丁公司開發的一種信息融合系統結構。該種結構已經在加拿大哈利法克斯導彈護衛艦上使用. 該模型綜合了上述各種模型的優點，同時又給並發和可能相互影響的信息融合過程提供了一種機理. 用於決策的數據融合系統被分解為一組有意義的高層功能集合例如圖4 給出的由N 個功能單元構成的集合，這些功能按照構成OODA 模型的觀測、形勢分析、決策和執行4 個階段進行檢測評估。每個功能還可以依照OODA 的各個階段進一步分解和評估. 圖4 中標出的節點表示各個功能都與那幾個OODA 階段相關. 例如：功能A 和N 在每個階段都有分解和評估，而功能B 和C 只與OODA 的部分或單個階段有關. 該模型具有較好的特性，即環境只在觀測階段給各個功能提供信息輸入，而各個功能都依照執行階段的功能行事。此外，觀測、定向和決策階段的功能僅直接按順序影響其下各自一階段的功能，而執行階段不僅影響環境，而且直接影響OODA 模型中其它各個階段的瀑布模型。
Dasarathy模型
Dasarathy 模型包括有5 個融合級別，如下表所示。綜上可以看到，瀑布模型對底層功能作了明確區分，JDL 模型對中層功能劃分清楚，而Boyd 迴路則詳細解釋了高層處理。情報環涵蓋了所有處理級別，但是並沒有詳細描述。而Dasarathy 模型是根據融合任務或功能加以構建，因此可以有效地描述各級融合行為。 輸入 輸出 描述 數據 數據 數據級融合 數據 特徵 特徵選擇和特徵提取 特徵 特徵 特徵級融合 特徵 決策 模式識別和模式處理 決策 決策 決策級融合 混合模型
混合模型綜合了情報環的循環特性和Boyd 控制迴路的反饋迭代特性，同時應用了瀑布模型中的定義，每個定義又都與JDL 和Dasarathy 模型的每個級別相聯系. 在混合模型中可以很清楚地看到反饋. 該模型保留了Boyd 控制迴路結構，從而明確了信息融合處理中的循環特性，模型中4 個主要處理任務的描述取得了較好的重現精度. 另外，在模型中也較為容易地查找融合行為的發生位置。主要演算法
多感測器數據融合的常用方法基本上可概括為隨機和人工智慧兩大類,隨機類演算法有加權平均法、卡爾曼濾波法、多貝葉斯估計法、證據推理、產生式規則等；而人工智慧類則有模糊邏輯理論、神經網路、粗集理論、專家系統等。可以預見，神經網路和人工智慧等新概念、新技術在多感測器數據融合中將起到越來越重要的作用。
主要方法
加權平均法信號級融合方法最簡單、最直觀方法是加權平均法，該方法將一組感測器提供的冗餘信息進行加權平均，結果作為融合值，該方法是一種直接對數據源進行操作的方法。
卡爾曼濾波法卡爾曼濾波主要用於融合低層次實時動態多感測器冗餘數據。該方法用測量模型的統計特性遞推，決定統計意義下的最優融合和數據估計。如果系統具有線性動力學模型，且系統與感測器的誤差符合高斯白雜訊模型，則卡爾曼濾波將為融合數據提供唯一統計意義下的最優估計。卡爾曼濾波的遞推特性使系統處理不需要大量的數據存儲和計算。但是，採用單一的卡爾曼濾波器對多感測器組合系統進行數據統計時，存在很多嚴重的問題，比如： (1）在組合信息大量冗餘的情況下，計算量將以濾波器維數的三次方劇增，實時性不能滿足； (2）感測器子系統的增加使故障隨之增加，在某一系統出現故障而沒有來得及被檢測出時，故障會污染整個系統，使可靠性降低。
多貝葉斯估計法貝葉斯估計為數據融合提供了一種手段，是融合靜態環境中多感測器高層信息的常用方法。它使感測器信息依據概率原則進行組合，測量不確定性以條件概率表示，當感測器組的觀測坐標一致時，可以直接對感測器的數據進行融合，但大多數情況下，感測器測量數據要以間接方式採用貝葉斯估計進行數據融合。多貝葉斯估計將每一個感測器作為一個貝葉斯估計，將各個單獨物體的關聯概率分布合成一個聯合的後驗的概率分布函數，通過使用聯合分布函數的似然函數為最小，提供多感測器信息的最終融合值，融合信息與環境的一個先驗模型提供整個環境的一個特徵描述。
證據推理方法證據推理是貝葉斯推理的擴充，其3個基本要點是：基本概率賦值函數、信任函數和似然函數。D-S方法的推理結構是自上而下的，分三級。第1級為目標合成，其作用是把來自獨立感測器的觀測結果合成為一個總的輸出結果（D); 第2級為推斷，其作用是獲得感測器的觀測結果並進行推斷，將感測器觀測結果擴展成目標報告。這種推理的基礎是：一定的感測器報告以某種可信度在邏輯上會產生可信的某些目標報告；第3級為更新，各種感測器一般都存在隨機誤差,所以，在時間上充分獨立地來自同一感測器的一組連續報告比任何單一報告可靠。因此，在推理和多感測器合成之前，要先組合（更新）感測器的觀測數據。
產生式規則採用符號表示目標特徵和相應感測器信息之間的聯系，與每一個規則相聯系的置信因子表示它的不確定性程度。當在同一個邏輯推理過程中，2個或多個規則形成一個聯合規則時，可以產生融合。應用產生式規則進行融合的主要問題是每個規則的置信因子的定義與系統中其他規則的置信因子相關，如果系統中引入新的感測器，需要加入相應的附加規則。
模糊邏輯是多值邏輯，通過指定一個0到1之間的實數表示真實度，相當於隱含運算元的前提，允許將多個感測器信息融合過程中的不確定性直接表示在推理過程中。如果採用某種系統化的方法對融合過程中的不確定性進行推理建模，則可以產生一致性模糊推理。與概率統計方法相比，邏輯推理存在許多優點，它在一定程度上克服了概率論所面臨的問題，它對信息的表示和處理更加接近人類的思維方式，它一般比較適合於在高層次上的應用（如決策），但是，邏輯推理本身還不夠成熟和系統化。此外，由於邏輯推理對信息的描述存在很大的主觀因素，所以，信息的表示和處理缺乏客觀性。模糊集合理論對於數據融合的實際價值在於它外延到模糊邏輯，模糊邏輯是一種多值邏輯，隸屬度可視為一個數據真值的不精確表示。在MSF過程中，存在的不確定性可以直接用模糊邏輯表示，然後，使用多值邏輯推理，根據模糊集合理論的各種演算對各種命題進行合並，進而實現數據融合。
神經網路具有很強的容錯性以及自學習、自組織及自適應能力，能夠模擬復雜的非線性映射。神經網路的這些特性和強大的非線性處理能力，恰好滿足了多感測器數據融合技術處理的要求。在多感測器系統中，各信息源所提供的環境信息都具有一定程度的不確定性,對這些不確定信息的融合過程實際上是一個不確定性推理過程。神經網路根據當前系統所接受的樣本相似性確定分類標准，這種確定方法主要表現在網路的權值分布上，同時，可以採用神經網路特定的學習演算法來獲取知識，得到不確定性推理機制。利用神經網路的信號處理能力和自動推理功能，即實現了多感測器數據融合。
常用的數據融合方法及特性如表1所示。通常使用的方法依具體的應用而定，並且，由於各種方法之間的互補性，實際上，常將2種或2種以上的方法組合進行多感測器數據融合。
表1常用的數據融合方法比較[15]
融合方法
運行環境
信息類型
信息表示
不確定性
融合技術
適用范圍
加權平均
動態
冗餘
原始讀數值
加權平均
低層數據融合
卡爾曼濾波
動態
冗餘
概率分布
高斯雜訊
系統模型濾波
低層數據融合
貝葉斯估計
靜態
冗餘
概率分布
高斯雜訊
貝葉斯估計
高層數據融合
統計決策理論
靜態
冗餘
概率分布
高斯雜訊
極值決策
高層數據融合
證據推理
靜態
冗餘互補
命題
邏輯推理
高層數據融合
模糊推理
靜態
冗餘互補
命題
隸屬度
邏輯推理
高層數據融合
神經元網路
動/靜態
冗餘互補
神經元輸入
學習誤差
神經元網路
低/高層
產生式規則
動/靜態
冗餘互補
命題
置信因子
邏輯推理
高層數據融合

④ 多源信息融合名詞解釋

題庫內容：

融融的解釋

(1) [happy and harmonious]∶ 形容 和樂 愉快 的樣子 四世同堂,一派融融 (2) [warm]∶暖的或表明是暖的,尤指暖到一種 溫和 舒適的 程度 歌台暖響,春光融融。——唐· 杜牧 《阿房宮賦》 (3) [bright]∶ 明亮 的樣子 詳細解釋 亦作「螎螎」。1.和樂；恬適。 《 左傳 ·隱公 元年 》 ：「大隧之中，其樂也融融！」 杜預 註：「融融，和樂也。」 明 方孝孺 《游 清泉 山記》 ：「琴音與風聲相和，抑揚徐疾，琮琤澎湃，心融融如有得。」 丁玲 《 團聚 》 ：「在冬天，尤其是有著一點熱茶，更加上有幾個大芋頭在熱炭中煨著的時候，是頗有著一種 家庭 的融融之樂的。」 (2). 和暖 ；明媚。 南朝 宋 鮑照 《採桑》 詩：「藹藹霧滿閨，融融景盈幕。」 唐 張籍 《春日行》 ：「春日融融池上暖，竹牙出土蘭心短。」 《醒世恆言·鄭節使立功神臂弓》 ：「輕煙 淡淡 ，數聲啼鳥落花天；麗日螎螎，是處綠楊 芳草 地。」 冰心 《再寄小讀者》 六：「在雪光之中， 看到 融融的春景，在我還是第一次！」 (3).明亮貌；熾盛貌。 漢 揚雄 《太玄·進》 ：「次四，日飛懸陰，萬物融融。」 司馬 光 集註：「日飛登天，離陰絕遠，萬物融融然，莫不昭明也。」 唐 元稹 《夜合》 詩：「綺樹滿 朝陽 ，融融有露光。」 曹禺 《北京人》 第二幕：「爐上座著一把小洋鐵水壺，爐火融融，在小爐口裡 閃爍 著。」 (4).形容熟睡的樣子。川劇 《喬 老爺 奇遇》 ：「我還須離卻這是非之境，趁眾人睡融融 正好 抽身。」

詞語分解

融的解釋 融 ó 固體受熱變軟或化為流體： 融化 。融解。消融。 調合， 和諧 ： 融合 。融洽。融匯 貫通 。其樂融融。 流通：融泄（飄動，浮動）。金融（貨幣的流通，即儲蓄，信貸、匯兌、股票和證券交易等經濟活動的總稱）。 長 融的解釋 融 ó 固體受熱變軟或化為流體：融化。融解。消融。 調合，和諧：融合。融洽。融匯貫通。其樂融融。 流通：融泄（飄動，浮動）。金融（貨幣的流通，即儲蓄，信貸、匯兌、股票和證券交易等經濟活動的總稱）。 長

⑤ 多源數據融合哪些單位

1、多源數據融合可以融合多個單位，如：

（1）不同地域的數據：比如國家、省份、城市、區縣等；

（2）不同時間段的數據：比如年、月、日、小時等；

（3）不同類型的數據：比如文本、圖像、視頻、音頻等；

（4）不同維度的數據：比如社會、經濟、政治、科技等；

（5）不同系統的數據：比如公安系統、氣象系統、教育系統等；

（6）不同渠道的數據：比如社交媒體、網路、政府部門、企業等。

⑥ 礦產勘查中多源地學數據融合技術

地質特徵、地球物理、地球化學和遙感等信息都是區域地質及成礦作用不同側面的反映，因此在它們之間進行成礦信息的融合是必然的。礦產勘查中的多源數據融合包括: ①定性和定量數據的融合; ②相同解析度的不同平台測量數據的融合; ③不同解析度不同平台測量數據的融合。

目前，大多數融合主要是在多源遙感信息之間進行，如進行多感測器、多時相和多頻譜的圖像融合，還無法在圖像處理中自動將非圖像數據加入進去，在具體操作中只能通過GIS 資料庫的數據綜合疊加來實現對多源數據進行圖像對圖像的融合。以下將就礦產勘查中多源地學圖像的融合過程進行介紹。

1. 物化探數據生成圖像

物化探數據在空間結構上有網格化數據和不規則數據兩種，對於網格化數據，根據所需像素密度應用插值技術生成圖像，插值的方法有雙三次樣條、雙線性插值，後者是最簡單實用的一種。經過插值後的圖像可以是二值、灰度或彩色的，為了進一步處理，通常將其處理成灰度圖像，根據具體應用，灰階可以為 16 或 256。離散數據可以先進行網格化再插值，當然也可以直接用三角網插值。對於矢量 GIS 地質數據，例如地層、岩性、斷裂等，由於其屬性的復雜性，可進行二次開發，按照屬性意義生成圖像。

2. 圖像的配准和鑲嵌

目前，大多數 GIS 和圖像軟體都實現了這兩項功能，基本原理是在兩幅圖像上找出若干個同名地物，利用坐標變換將需要配準的圖像坐標變換為標准坐標，把分幅圖像拼接為一幅圖像，以便於下一步處理。

3. 圖像的地學專業化處理及信息提取

基於地學目標對不同類型的空間數據進行各種預處理，如遙感數據的光譜信息和空間信息提取、空間濾波、頻率濾波、主成分分析、分形分析和紋理分析等處理; 對於物探數據進行專業化的化極、延拓、匹配濾波等數值處理，提取目標體不同特徵的結構信息; 地球化學數據處理的目的是要找出化探異常區，關鍵問題是確定異常下限，通過多種計算方法，得到異常區的分布圖像。

4. 多源地學數據的融合

礦產勘查中所用的信息源有遙感信息和地、物、化探信息，遙感信息具有高的光譜信息，色彩鮮艷，視域廣，直觀性強和綜合信息豐富的特點，對地面地質特徵 ( 地層、岩性、構造等) 、地形地貌和岩石裸露、水系分布均可直接提取; 地質與物化探信息則對具體目標有指示能力，可以看作一種影像的強度，參與圖像的融合。基於原始數據的融合方法可採用 HIS 變換、K-L 變換、像元加權融合等方法來實現。

復習思考題

1. 遙感礦產解譯應遵循的原則是什麼?

2. 遙感常見的找礦解譯標志有哪些?

3. 在遙感圖像上如何識別礦體露頭?

4. 在遙感圖像上如何利用鐵帽及氧化露頭追索礦體?

5. 地質構造對找礦的控製作用有哪些?

6. 在遙感圖像上如何利用圍岩蝕變進行找礦?

7. 地貌標志在遙感找礦中有哪些?

8. 如何利用植物特徵進行示礦信息的提取?

9. 如何應用 TM / ETM + 遙感影像識別蝕變礦物?

10. 簡述 TM / ETM + 遙感影像的礦化蝕變信息提取的處理方法。

11. 如何建立區域遙感找礦模式?

12. 地質找礦中多源地學數據有何特點?

13. 簡述礦產勘查中多源地學數據融合過程。