多技术融合

多技术融合（共12篇）

多技术融合 篇1

摘要：信息融合技术作为一门新兴学科,近年来已取得突飞猛进的发展,已在军事和民事方面获得了广泛的应用,对人类的生产生活方式产生了重大的影响。主要介绍了多传感器图像融合的3个融合层次及在每个融合层次典型的融合方法。单一的融合方法有各自的优势和不足,为了克服单一融合方法存在的问题,可以将单一的融合方法进行结合,通过从灰度标准差、平均灰度梯度和熵等方面对融合后图像效果比较可以发现,将两种单一的融合方法结合,可以很好地实现优势互补,获得更理想的融合效果并对多种不同的融合方法进行分析总结,可以为融合算法的应用提供一定的参考。

关键词：多传感器,信息融合,融合层次,融合算法,效果评价

0 引言

多源信息融合又称为多传感器数据融合(MultiSensor Data Fusion,MSDF),其基本原理是模拟人大脑综合处理各种信息的过程,利用计算机对获得的多源数据按照一定的规则算法进行综合、过滤、相关、识别和融合等处理,从而得到对被测对象的一致性评价及看法[1]。

近年来,图像融合的理论研究迅速发展,图像融合技术也被广泛地应用于各个领域,例如模式识别、医学影像、遥感探测、工业过程控制、安全导航、反恐检查、环境保护、交通监测等[2]。国外对图像融合技术的研究较早,目前已将图像融合技术用于卫星获得的遥感图像[3],从而获得对被测目标的进一步了解;在军事和医学领域,图像融合技术也慢慢崭露头角,如英国的CON-DOR2系统、美国的MANTIS系统以及GE公司于2001年6月推出的Discovery LS[4],都将图像融合技术成功应用其中,并因此产生了巨大的经济和社会效益。我国对图像融合技术的研究相较于国外虽然起步略晚,但随着国家和社会各界对图像融合技术越来越重视,近年来不论是在理论研究还是应用上都取得了的一定的进展。如由四川大学研究的多航管雷达数据融合系统[5],性能已达世界领先水平,而且已成功运行于多家航空港。单个传感器获得的信息通常不完整也不够精确,有时还会出现对立、模糊的情况,带有很大的不确定性,而多传感器信息融合可以有效提高所获得信息的准确性和可信性[1]。同时,图像信息相比于其他一般信号具有更高的特殊性和复杂性,研究的深度和完善程度也远不如对一般数据融合的研究,因此本文主要介绍了多传感器图像融合算法,对目前常用的融合算法及其优缺点作了分析归纳。随着小波变换被成功应用于图像处理领域,融合的效果在一定程度上也获得了很大的提升[6],但是,小波融合算法仍然存在一些问题和不足。为了使融合效果达到更优,可以将小波变换(Wavelet Transform,WT)分别与HueSaturation-Intensity(HSI)变换和主成分分析(Principal Component Analysis,PCA)变换相结合并从灰度标准差、平均灰度梯度和熵等三个方面对多种融合方法获得的图像处理结果进行了对比评估,进而又对多传感器图像融合技术做了深入阐述,并给出了总结和展望。

1 多传感器图像融合的一般处理过程

多传感器图像融合可分为图像预处理、图像配准、图像融合三个主要过程[7]。

1.1 图像预处理

图像预处理包括图像归一化(如灰度插值、灰度均衡)、图像滤波、图像色彩增强、图像边缘增强等。图像归一化的目的是为了实现图像、分辨率、灰度等的归一化;图像滤波技术主要针对于高分辨率图像,其目的是获取高分辨率图像的纹理信息;图像色彩增强主要针对低分辨率图像,其目的是增加图像的色彩反差,在保持图像原有光谱信息的基础上使得图像色彩比较明亮,把低分辨率图像的光谱信息反映到图像上;图像边缘增强主要是针对高分辨率图像,其目的是在尽可能地降低图像噪声的同时使图像层次分明、边缘清晰[8]。

1.2 图像配准

图像配准是指将参与融合的图像(可能来自不同的时间和空间)进行对应,特别是进行几何校正,最终获得的效果一般体现在像素层上。图像配准可通过坐标变换和仿射变换来实现,图像配准可分为相对配准和绝对配准,还可以分为基于区域的配准和基于特征的配准。图像配准的精度对图像融合的效果影响较大,如果出现一个像素的空间误差,融合结果就会出现重影,对融合图像的质量产生严重影响[9]。

1.3 图像融合

对传感器获得的多幅图像完成预处理和图像配准后,便可进行图像融合。图像融合是指将关于同一目标获得的多幅原始图像经过图像处理和计算机技术等,最大限度地提取原始图像中的有用信息,并将其融合成一幅新的图像,从而获得对被测目标的更可靠认识[10]。

1.3.1 多传感器图像融合的三个层次

多传感器图像融合方式按照层次由低到高可分为三个层次,像素级、特征级和决策级[11]。

(1)像素级融合。像素级融合也常称为数据级融合,属于融合的最底层,其融合主要是在传感器采集的原始数据上进行[12]。像素级图像融合是目前常用的算法,应用也最为广泛。其优点是数据损失量最少、精度相对最高,但是处理的数据量最大,抗干扰能力比较差,而且要求传感器必须是同类的。

(2)特征级融合。特征级融合属于融合的中间层,它与像素级融合最明显的差异是特征图像融合在信息融合之前需要先对传感器获得的图像信息进行特征提取,如提取图像的轮廓边缘、亮度较高区域等,然后再进行融合[13]。特征级融合优点是有效地实现了信息压缩,降低了通信带宽要求,缺点是在提取过程中因丢失部分数据使得出的结果正确率降低。

(3)决策级融合。决策级融合属于融合的最顶层,它在完成特征提取后,先基于每个传感器获得的图像得出一个初步的判定结果,再对各传感器得出的初步结果进行关联和进一步的融合,得出最终结果。决策级融合可以按照一定的准则或者是各个传感器的可信度进行协调获得全局最优决策。决策级融合的优点是具有很高的灵活性和容错性而且传输带宽要求比较低,有很高的实用性,缺点是精度在空间上和时间上都比较低。

1.3.2 三种融合方式的比较

三种融合方式各有自己的特点,实际应用中可根据对精确度、计算量等的具体要求而选取融合方式[14]。表1给出了在数据级、特征级、决策级对三种融合方式的比较。

2 图像融合算法

2.1 典型融合算法

上述三种融合方式各有不同的融合算法[15,16],下面介绍其中比较常用的几种典型算法:

(1)加权平均法:对参与融合图像的像素值选取一定的权值进行加权平均得到融合后图像的像素值。以两幅原始图像f1(x,y)和f2(x,y)融合为例,融合后获得的图像用g(x,y)表示,其基本原理为:

式中,w1和w2分别为对f1(x,y)和f2(x,y)的加权值。

加权平均法的优点是方法简单、计算量小。缺点是融合后的图像视觉效果比较差而且常包含噪声[6]。

(2)贝叶斯法。基于贝叶斯条件概率公式,把多个传感器的决策看作是样本的子空间,设将样本空间划分为A1,A2,…,An,则对任一事件B,P(B)>0,依据贝叶斯公式:

式中:P(B)表示事件B发生的概率;P(A,B)表示事件A,B同时发生的概率;P(Ai|B)表示在事件B已发生的条件下,事件Ai发生的概率。通过计算,选择可使系统具有最大后验概率的决策作为最终决策,但它要求必须要遵循概率的可加性,当出现两个相反的命题而且可信度都很小时,此法就不再适用。

(3)证据推理法或D-S(Dempster-Shafer)理论。将传感器获取的信息作为证据,计算出各个传感器的基本可信数、可信度函数和似真函数,再按照一定的合并规则,求所有传感器的基本可信数、可信度函数和似真函数,最后遵循一定的决策规则,选择具有最大支持度的目标[17]。证据推理法的优点是不需要遵循可加性原则,满足半可加性原则即可。存在的问题是不适用于处理冲突证据,因为组合规则中的归一化过程会出现违背常理的理论。

(4)金字塔融合法。主要利用多尺度表达,当图像在两个正交方向上的尺度均2倍变化时,图像的尺寸将会以4倍变换,这时的多尺度表达将会变成金字塔结构。其主要过程是将参与融合的图像都作金字塔分解,在各层上将分解结果按照一定的规则进行融合,最后利用金字塔生成的逆过程重构出原始图像。这种方法的缺点是在图像融合过程中容易引入噪声。

(5)HSI(Hue-Saturation-Intensity)变换融合法。借助HSI变换进行图像融合操作。基本思想是用有较高空间分辨率的灰度图像的亮度成分来代替HSI变换后得到的亮度分量,最后借助HSI反变换获得融合图像,融合后图像的空间分辨率大大提高,但它只能同时对3个波段的影像进行融合,而且存在严重的光谱畸变现象[18]。

(6)PCA(Principal Component Analysis)变换融合法。以PCA(主分量分析)为基础,选择待融合图像的多个波段进行PCA变换,将单波段的高分辨率图像经过灰度拉伸使其与主成分变换后得到的第一主分量图像灰度均值和方差一致。最后通过PCA反变换得到融合图像。其优点是可以较好地保留原始图像的高空间分辨率和高光谱分辨率特征,融合后的图像在细节特征方面清晰度也较高,缺点是分析的输入图像必须有两个或两个以上,而且图像第一主分量中的有用信息部分损失,最终影响融合图像的光谱分辨率[19]。

(7)小波变换融合法:利用小波分解的各子图像进行融合。小波变换的基础是序列展开、缩放函数、小波函数,最后通过小波反变换得到融合图像[15]。小波变换融合法可以比较容易地提取图像的细节信息部分和结构信息部分,其重构能力比较完善,在分解的过程中可以尽可能地减少信息损失,同时降低冗余信息。而且,对表示光谱信息的多光谱图像,小波变换融合方法可以很好地保留多光谱图像的低频信息,并把包含图像细节信息的高频部分加入全色图像当中去[20],视觉效果较好,缺点是容易出现分块模糊现象[21]。表2给出了上述融合算法在三种融合方式中的归属。

2.2 融合方法的改进:多融合方法的结合

在单一型融合方法中,每一种融合方法有各自的优点和缺点,为了达到更好的融合效果,可以考虑将单一融合方法结合起来使用。

(1)HSI变换与小波变换相结合(HSI+WT)。利用小波变换融合的图像可以很好地保留多光谱图像的光谱信息,但因为高空间分辨率图像的低频部分被舍弃,就会出现方块效应,对视觉效果会产生一定的影响[21]。HSI变换融合图像的高频信息非常丰富,但是光谱信息损失却非常大[22]。因此,将小波变换融合方法与HSI变换融合方法结合起来可以实现优势互补,融合后的图像不仅可以很好地保留多光谱图像的光谱信息,而且视觉效果也较好。

(2)PCA变换与小波变换相结合(PCA+WT)。利用PCA变换融合法获得的融合结果中原始图像的第一主分量,一些反映光谱特性的信息量有损失,将小波变换与PCA变换相结合得到的融合图像不仅清晰度较高而且可以较好地保留图像第一主分量中的光谱信息。

2.3 融合方法性能比较

为了对图像的融合结果进行客观评价,一般要从灰度标准差、平均灰度梯度和熵等方面进行衡量[19]。灰度标准差反映了各灰度相对于灰度均值的离散情况,主要是用来比较图像反差的大小,灰度标准差越小,说明图像的反差越小,图像的整体色调也就比较单一,可以观察到的信息也较少,反之亦然;平均灰度梯度与灰度标准差类似,也反映了图像的反差,但其更多的是反映图像局部的微小细节变化和纹理特征;熵是衡量一幅图像中信息量丰富程度的指标,若融合图像的熵比原始图像的熵大,说明融合图像比原始图像的信息量有所增加,反之亦然[23]。

为了更好地对比分析,本文通过图1~图3比较了三种单一的信息融合方法与两种结合型方法的灰度标准差、平均灰度梯度和熵[8]。

从图中可以看出,小波变换的灰度标准差和平均灰度梯度最小,但是熵比较大;PCA变换的灰度标准差和平均灰度梯度较大但是熵最小;HSI变换的灰度标准差和平均灰度梯度比较大但是熵较小。HSI变换与小波变换相结合的融合方法与单一的HSI变换法相比,标准差基本上一样,但是熵明显的增加,与单一的小波变换相比,灰度标准差、平均灰度梯度和熵都有所增加,这说明采用HSI和小波变换相结合得到的融合图像信息更加丰富,融合效果也要更好一些;PCA变换与小波变换相结合的融合方法与单一的PCA变换法相比,标准差相对变小,熵有明显的增加,与单一的小波变换法相比较,平均灰度梯度和熵都有明显的增加,这说明采用PCA变换与小波变换相结合得到的融合图像中包含更加丰富的信息而且清晰度有所提高。一般而言,若对融合图像的效果要求不是特别严格,根据要求选取适合的单一融合方法即可满足需要,若要求融合后的图像反应图像细节较多,就可以考虑采用PCA变换融合法;若要求融合后的图像视觉效果较好且包含较多的信息量,就可以考虑采用小波变换融合法;若要求融合后图像不仅视觉效果要好、含有较多的信息量而且对融合后图像细节要求比较高,那么就可以考虑将小波变换与PCA变换相结合的图像融合方法。

3 结语

多传感器图像融合技术近年来得到了迅猛的发展,本文介绍了多传感器图像融合技术中的典型算法,并进行了分析比较,由于每种算法各有自己的优缺点,对融合后图像的效果要求也不尽相同,所以要根据实际情况选取最适合的算法[24]。对于像序列图像的融合,就可以优先考虑加权平均法,其不仅融合速度较快而且可以获得较好的融合效果;可见光图像和红外图像融合时,为获得良好的融合效果,通常选用金字塔融合法[25]。近年来小波变换以其在时域、频域的良好局部化特性在图像融合中扮演者越来越重要的角色,通过选择合适的融合规则及融合算法就可以得到较理想的融合效果。尽管多传感器图像融合技术在很多领域已取得重大成果,但仍然存在很多问题,如多传感器系统的容错性和稳健性需要进一步的提高,多传感器系统的设计也存在很多实际问题,还没有形成完整的理论体系和有效的广义算法和模型等,这些将成为多传感器图像融合今后研究的热点。

多技术融合 篇2

多波束与单波束测深数据的融合处理技术

本文在全面分析和总结多波束海洋测深主要误差源的基础上,提出通过相邻条带测深数据融合处理进行多波束测深系统偏差补偿方法;并提出以单波束测深数据作为控制,进一步提高多波束测深整体测量精度的数据处理方案;详细讨论了数据融合处理中的数值解算可行性和稳定性问题,相应提出了两步平差方法.本文最后使用我国自行研制的.条带测深系统实测数据验证了上述方法的有效性和可靠性.

作 者：黄谟涛 翟国君 欧阳永忠 刘雁春 陆秀平王克平作者单位：天津海洋测绘研究所,刊 名：测绘学报 ISTIC EI PKU英文刊名：ACTA GEODAETICA ET CARTOGRAPHICA SINICA年，卷(期)：30(4)分类号：P207关键词：单波束测深 多波束测深 误差补偿 数据融合

多技术融合 篇3

【关键词】智能小区；网络；多业务；融合

一、前言

伴随着网络技术的发展，网络已经广泛运用到智能小区内，而只能小区多个配套设施都是通过网络进行管理，本文针对智能小区内传送网覆盖的特点和多业务融合技术的关键问题进行了探索。

二、网络多业务融合概述

电信网是以电话为基本的业务，如果要完成三网融合，就需要融入可以承载数据以及广播电视两项业务，对电信固定电话来说，需要借助于光纤到户或者非对称数字再或者是高速数字的接入对数据业务进行承载；广电网主要是以广播电视为基本的业务，如果要完成三网融合，就必须可以承载数据以及电话业务，就目前我国的实际情况来看，广电网都是单向网络，如果要进行三网融合，首先要进行双向改造；互联网的主要业务是数据的业务，基本上是路由器组成，其传送的信息基本上都是在电信网的基础上实现的，如果要完成三网融合，其必须能够承载电话及广播电视的业务。接入网技术是三网融合的最为关键技术中的一项。目前我国接入网的窄带环境对网络经济的发展造成的阻碍非同小可。因此，三网融合的重点在于接入网技术研究与建设。

三、智能化小区的定义以及存在的问题

1、定义

智能化小区是在智能建筑的基础上提出的，即在住宅园区内采用4C技术（即：Computer计算机、Automatic Control自动控制、Communication通讯、IC Card智能卡），建立一个由物业管理中心、小区网络系统和家庭智能化系统组成的综合信息集成系统，对各种信息实现全面、实时、有效地接收、传递和监控。2、智能小区目前存在的问

从建设方面来说，主要有以下几个方面：没有统一协议；设计没有特点；产品没有品味；产品无法互换。

从使用角度来说，也存在诸多问题；物业公司无法承担维护任务；没有关于智能化系统的运营体系；智能化建设不能提供适应业主需要的持续的功能提升和增值服务。

这些问题的出现，使得我们的智能化建设浪费了不少的资源，大量的有色金属埋在地下成为垃圾，大量的已建成的系统处于瘫痪或半瘫痪状态，每年几百亿的投资有可能在未来化为乌有，这一切都背离了绿色建筑体系的基本要求。

出现以上问题的原因是多方面的，但是其中重要的一点就是没有把先进的网络技术全面地应用到智能化小区建设中。

四、适合三网融合的小区光纤接入解决方案

1、能够实现的功能

能够达到语音、图像以及数据传输的使用需求。可以平滑有序的接入主干网络。 能够提供的各项功能：电话业务、数字数据网业务；高速上网、远程协助、视频、购物以及银行业务办理等；远程摇控家用电器；对住宅的灾害进行自动报警、防盗、紧急呼叫等；社区管理用户信息、公共设施等。 高速宽带，能够大量的满足客户端的带宽需求，使用户得到满足，并可以根据实际的应用实况，对带宽进行动态的分配。

2、FTTx+ADSL+HFC/LAN综合接入方案设计

方案采用FTTx+ADSL+HFC/LAN的综合接入，使用HONET的综合业务接入网。由光线路终端optical line terminal—OLT、光网络单元optical network unit—ONU与接入网网管系统。OLT是综合局域终端的语音、数据以及图像等多项业务的集合点，供应出各项业务的侧接口；ONU是客户的侧设备，以便为客户供应出电话、数据以及图像的多项业务。在OLT和ONU使用光缆进行彼此之间的连接，ONU与客户使用五类非屏蔽双绞线、HFC进行双方之间的连接。把OLT安装在小区附近的市话局，把ONU安装在大厦设备中间。通过SDH环对楼宇实现光纤接入。

ONU与OLT之间组成了一个环状网，其将多项业务进行集合，然后分别向用户终端、社区服务、社区管理局域系统提供各项业务的接口。光纤接入网选用HONET综合业务接入网，其中的OLT可以提供多项业务的接口，达到了综合业务的接入。NOU是面对客户终端的设备，可以根据每项业务而提供独特的接口来供不同用户的类型，从而達到语音、数据、图像三网合一。

（1）客户连接部分：使用光导纤维到小区的手段，借助混合接入的优势，将小区的信息接入达到最佳的速度。要实现用户对电视、电话、高速上网等多方面的需求，需要从社区的服务点使用ADSL进行接入到用户终端。借助于智能数据终端来达成用户的智能化管理。

（2）社区业务的服务系统：使用光纤导纤维到大厦的手段，然后借助局域网交换机来接入社区各项业务的服务系统。

五、智能化小区多网融合技术系统设计

智能化小区一网通系统以VPC-G（多媒体联网平台）为核心，系统主要完成图像、语音的数字化传输和各种协议到TCP/IP协议的转换。主要用于将园区视频监控、周界防范、出入口管理、停车场管理、安保型楼宇可视对讲、自动抄表、电灯和水泵等机电设备控制等系统接入园区宽带网，实现多厂家、多接口的安防和控制产品在同一个平台上综合管理和联动。

多媒体联网平台可以对输入的模拟视音频信号，RS485控制信号、报警信号和其它协议信号进行转换，通过以太网或相应的扩展接口传输进网络。在图像数字化方面，可以与视频转发服务器、客户端软件、数字化矩阵配合，能够提供全方位的网络监控系统及大型行业解决方案。

1、周界防越报警系统

建立周界防越报警系统是指在小区围墙和栅栏上或内侧安装探测器，当发生非法翻越时，探测器将警情传送到安防中心，中心将在模拟电子地图上显示出翻越区域，以便于保安人员及时准确地处理警情。VPC-G将用于小区各种智能化设备的接入。

2、家庭安防与紧急求助系统

该系统主要包括紧急报警按钮、烟感探测器、红外/微波双监探测器、燃气泄漏探测器和多媒体联网平台，其中VPC-G专门用于家居运行电器控制产品。这些报警探测器以星型分布方式接入报警控制终端，然后通过报警控制终端将报警信号数字化，并利用RS485总线协议传入多媒体处理平台，由多媒体处理平台对报警信号进行协议转换，最后经园区安防宽带网传至安防控制中心。

3、闭路电视监控系统

由于园区中各个安防子系统都融入了物业光纤宽带网，当有警情发生时，中心监视器将自动弹出警情发生区域的画面，并进行记录。这样既提高了保安人员处警的准确性，也可为公安人员迅速破案提供有力证据。安防报警系统与视频监控系统的配合使用，构成一个更完善、更实用的视频监控系统。

4、安保型楼宇可视对讲系统

多网融合技术下的可视对讲系统是指楼宇各单元门口的可视对讲主机全部与多媒体联网平台VPC-G相连，平台接入物业宽带网，并在物业管理中心设置管理主机，园区门口设置可视对讲围墙机，其中VPC-G专门用于连接可视对讲主机。

六、结束语

综上所述，本文对智能小区网络中多业务融合技术进行了详细的分析，随着我国网络技术的开展，以及物业管理的科学化，未来智能小区网络多业务融合会逐渐的开展起来。

参考文献

[1] 何如， 邓向林. 基于三网融合技术的小区网的设计与实现[J]. 电脑知识与技术， 2011， （5）：3011-3013.

多传感器信息融合技术 篇4

多传感器信息融合是现代信息处理领域新近崛起的一个前沿性的研究方向,是针对一个系统中使用多个传感器这一问题而展开的一种信息处理方法。它通过对多类同构或异构传感器的冗余信息和互补信息进行综合(集成或融合),得到被观测对象更加精确的评估,以便对事物进行正确的判断和决策[1]。相比于单传感器,多传感器信息融合能够增加测量的维数和置信度,改进系统的探测性能,扩展空间和时间的覆盖范围,改进系统可靠性和可维护性,提高系统容错性和鲁棒性,达到系统内优势互补,资源共享,提高了资源的利用率[2]。

信息融合技术开始与20世纪70年代,早期主要是应用在军事上,用于目标的检测、定位、跟踪和识别[3,4,5]。而随着工业系统的复杂化和智能化,该技术已经推广到了民用领域,主要应用有移动机器人[6,7]、医疗诊断[8]、智能交通[9]、智能制造[10]、智能检测、目标识别、现代化管理以及刑侦等很多领域。

本文对信息融合的模型结构和主要的融合算法进行详细的归纳总结,对目前的信息融合存在的问题进行阐述,并对未来研究方向进行展望。

2 信息融合的模型结构

多传感器信息融合的关键问题是模型设计。融合模型主要有功能模型和结构模型。功能模型从融合过程出发,描述数据融合包括哪些主要功能和数据库,以及进行数据融合时系统各组成部分之间的相互作用过程;结构模型从数据融合的组成出发,说明数据融合系统的软、硬件组成,相关数据流、系统与外部环境的人机界面[11]。

比较有代表性的功能模型:早期用于美国军事的JDL模型,它将信息融合分为三级:第一级为位置估计与目标身份识别;第二级为态势评估;第三级为威胁估计,这种分级方法广为认可和采用。为进一步使信息融合具有实际的指导性,何友等在JDL模型的基础上提出五级模型[12]。第一级检测级融合;第二级位置级融合;第三级目标识别级融合;第四级态势估计;第五级威胁估计。前三级的信息融合适用于任意的多传感器信息融合系统,后两级主要适用于军事的C3I系统。功能模型的最新进展是JDL提出的四级融合模型[13]。在原来三级模型的基础上又增加了“精细处理”级,此模型更强调了人在信息融合发展中认识上的升华。

对于结构模型,在信息融合的不同层次上有不同的结构模型。检测级的结构模型有:并行结构、分散结构、串行结构、和树状结构。位置级的结构模型有:集中式、分布式、混合式和多级式。属性级的结构模型有三类:对应决策层、特征层和数据层属性融合。

3 信息融合的主要算法

信息融合的研究内容极其丰富,涉及的基础理论也非常广泛,而信息融合方法是信息融合研究的核心技术。目前融合方法大致可以分两类:概率统计方法和人工智能方法[14]。其中概率统计方法主要有卡尔曼滤波、假设检验、贝叶斯方法、统计决策理论以及其他变形的方法。人工智能方法包括D-S证据推理、模糊逻辑以及神经网络、专家系统等。其中贝叶斯估计、D-S证据推理、模糊理论、神经网络占整个信息融合算法的85%[15]。而支持向量机作为一种比较新的机器学习方法也已经在信息融合中应用。

3.1 贝叶斯估计

贝叶斯融合方法产生于多传感器融合技术的初期,它首先对各传感器信息进行相容性分析,删除可信度低的错误信息,在假定已知相应的先验概率的前提下,根据贝叶斯规则获得每个输出假设的概率。对可信度低的错误信息可以采用数据探测技术中的分布图法[16]剔除。

贝叶斯是融合静态环境中多传感器低层信息的一种常用方法,适用于测量结果具有正态分布或具有可加高斯噪声的系统。此法的局限性在于先验概率的获得比较困难,特别是当数据是来自于低档传感器或,而未知命题的数量大于已知命题的数量时,先验概率是非常不稳定的。

3.2 Kalman滤波及其扩展

此方法用测量模型的统计特性递推决定在统计意义下是最优的融合数据估计。如果系统具有线性动力学模型,且系统噪声和传感器噪声是符合高斯分布的白噪声,那么,Kalman滤波为融合数据提供唯一的统计意义下的最优估计。工程实际应用中,系统模型线性程度的假设或者数据处理不稳定性时,将对信息融合过程产生较大影响。在这种情况下,常常采用扩展Kalman滤波(EKF)取代常规的Kalman滤波[17]。有时在使用不精确或错误的模型和噪声统计设计Kalman滤波器时会导致滤波器性能变坏,甚至使滤波发散。为了解决此问题,产生了自适应Kalman滤波[18]、去偏转换测量Kalman滤波[19]和无偏转换测量Kalman滤波[20]。针对目标状态的概率密度随时间演变的特点,又有Monte Carlo粒子滤波法[21]和无影变换Kalman滤波等[22]。而且现在也有很多研究者将Kalman滤波法和其它融合算法相结合,比如将小波变换和Kalman滤波相结合的多传感器数据融合在实际应用中也取得了较好的效果[23]。

此种方法用于实时融合动态的低层次冗余传感器数据采用Kalman滤波具有递推特性,但其计算要求和复杂性影响了其计算速度,但随着计算机技术的飞速发展,这些将不再阻碍此法的实际应用。

3.3 D-S证据推理

D-S(Dempster Shafer)证据推理是贝叶斯方法的扩展,它采用概率区间和不确定区间来确定多证据下假设的似然函数,也能计算任一假设为真条件下的似然函数值。它通过定义识别框架、基本可信度分配、信任函数、似真度函数、怀疑度函数、信任区间,在此基础上应用D-S合成规则进行证据推理,它能区分不确定信息和未知性信息,容错能力较强。

此方法缺点是一般情况下计算量非常大,且要求合并的证据相互独立,这在实际应用中很难满足。而且,在工程实际应用中,如何有效获取基本概率赋值也有待于进一步深入研究。同时,D-S理论只积累单独的信息源,而当事件合并后,时间权重与信任度之间存在不合理关系[9],因此,该理论还需进一步深入研究完善[24]。

3.4 模糊逻辑

利用模糊逻辑可将多传感器数据融合过程中的不确定性直接表示在推理过程中。通常模糊逻辑和其它的信息融合方法联合使用,如基于模糊逻辑和扩展的Kalman滤波的信息融合[25],基于模糊神经网络的多传感器融合[26~28]等。

3.5 人工神经网络

基于神经网络的信息融合实质上是一个不确定性推理过程,它充分利用外部环境的信息,实现知识的自动获取以及在此基础上进行联想推理。经过大量的学习和推理,将不确定环境的复杂关系融合为系统能够理解的符号。

传统的神经网络结构需要大量学习样本和隐结点数,甚至需要很多的隐含层,因此,需要很大的计算工作量。为了有效地改善神经网络信息融合的效果和速度,利用阵列神经网络进行信息融合的结构模型[29]。由多传感器所获取的有关环境方面的信息都具有一定程度的不确定性,所以现在很多采用模糊神经网络数据融合。模糊神经网络实质上就是将模糊逻辑推理的知识结构和神经网络的自学习能力结合起来,从而同时具有模糊逻辑和神经网络的优点。现在也有学者将神经网络和D-S证据理论相结合的数据融合算法研究。由此可见各种数据融合算法相结合,是未来算法研究的一个趋势。

3.6 支持向量机

支持向量机SVM(support vector machine)最初是由Vapnik提出的一种新兴的基于统计学习理论的学习方法。它通过构造最优超平面,使得对未知样本的分类误差最小。根据结构风险最小化归纳原则,为了最小化期望风险的上界,SVM通过最优超平面的构造,在固定学习经验风险的条件下最小化VC置信度[30,31]。与神经网络的启发式学习方式和实现中带有的很大的经验成分相比,SVM具有更严格的理论和数学基础,不存在局部最小问题。小样本学习使它具有很强的泛化能力,不过分依赖样本的数量和质量。

SVM已成为当前机器学习的一个研究热点,并且已经应用于多传感器信息融合中[32~35]。具体实际应用表明,该方法适用于解决小样本、高维特征空间和不确定条件下的多传感器信息融合问题,提高了融合结果的准确性和可靠性,提高了输入数据信息的利用效率和融合方法的灵活性。但由于本身支持向量机的理论和实践研究还都不够成熟,所以基于支持向量机的信息融合方法还有待完善。

随着人工智能技术的发展,以模糊理论、神经网络、证据理论、支持向量机为代表的智能方法占有越来越大的比例,因为这些方法兼有对问题描述的非建模优势和语言化描述与综合优势[36]。

4 信息融合研究中存在的问题

信息融合的绝大部分的研究都是针对特定的问题、特定的对象、特定的层次,并在此基础上形成所谓的最佳方案。因此信息融合问题本身至今未形成一套完整的理论,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,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,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。目前还没有建立起一种通用的模型结构与方法,用来处理多维不确定性的信息,这不利于学科的发展和应用领域的开发。

(2)关联的二义性:关联的二义性是信息融合的主要障碍.进行融合处理前必须对来自多传感器的观测结果进行关联,保证所融合的信息是来自同一观测目标或事件,以保证融合信息的一致性。如果对不同目标或事件的信息进行融合,将难以使系统得出正确的结论.这就是所谓的关联的二义性问题。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。所以关联二义性是信息融合研究亟待解决的问题。

(3)信息融合方法与融合系统实施存在的问题:目前,大多数信息融合是信息的简单合成,并未充分有效地利用多传感器所提供的冗余信息,融合方法研究也还处于初步阶段[37]。而且目前很多研究工作亦是基础研究和仿真性试验。因此,信息融合系统的设计实施还存在许多实际的问题。

5 信息融合的研究方向展望

信息融合技术涉及传感器技术、数据处理、网络通信、人工智能等相关技术,尚处在不断的变化和发展过程中,未来主要的研究方向应包括以下几方面:

(1)多传感器信息融合统一理论模型的建立

目前信息融合的数学模型与融合方法都具有明显的个性特征,缺乏通用性。如果建立起统一理论框架,包括信息的统一描述、数据处理的一般流程、融合空间的统一模型结构、归一化的融合结果,这样,对信息融合技术的发展和应用将是一个重要突破。

(2)异类传感器信息融合技术的研究

异类多传感器信息融合由于具有时间不同步,甚至是空间上不同步,数据率不一致及测量维数不匹配等特点,因而具有很大的不确定性[38]。这样,在融合处理之前需要对异质信息进行预处理,包括信息的统一表述,信息的转换以及去异质性等[1]。在融合过程中,需要在公共的融合空间对多维信息分别进行定标、时空匹配和时空相关,以保持融合信息的一致性,使信息融合系统在公共空间中进行融合,最终得到高精度的、高质量的融合结果。

(3)人工智能技术在信息融合中的应用研究

人工智能在多传感器数据融合中的应用已经是国内外研究的一个热点。目前应用于数据融合的人工智能方法有模糊集合理论、神经网络、专家系统、粗集理论、小波分析理论、和支持向量机等。人工智能技术在数据关联、目标跟踪、目标分类、特征提取、管理和评估等数据融合模型的研究已取得了一些进展,但在工程实现上还有许多问题需要处理。

(4)信息融合中的数据库和知识库技术研究

建立信息融合用的数据库和知识库,研究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,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。

(5)多传感器信息融合系统的工程实现

目前尽管信息融合技术已经应用于军事和民事领域,但是都属于简单的应用,尚未开发出功能先进的集信息获取、融合、传感器管理和控制一体化的多传感器信息融合系统。

(6)信息融合系统的性能测试与评估

对于复杂的多传感器系统的性能测试及可靠性评估是多传感器信息融合的重要研究内容。目前,在实际中,不同的融合目的有不同的融合评估准则和方法,为了使准则具有可检测性和可比性,我们希望能够建立一个一致、统一的信息融合的评估体系,对信息融合效果能够进行实用的、可比拟的、可操作的评估。

6 结束语

多传感器信息融合技术作为一种新的现代信息处理技术,正在得到越来越多的关注。随着工业大系统的蓬勃发展和未来信息战的需求,以及相关学科的不断发展,多传感器信息融合将会得到更深入的理论研究,也将拥有更广阔的应用前景。

摘要：系统地介绍了多传感器信息融合技术的理论、模型和应用,并对多传感器信息融合的几种主要算法进行了全面的阐述和归纳,指出了信息融合研究中存在的主要问题,最后对信息融合技术的未来研究方向进行了展望。

多技术融合 篇5

基才模糊C均值聚类和D-S证据理论的多传感器信息融合技术研究

D-S证据理论能很好地表达“不确定”和“未知”等信息融合中的.重要概念,在多传感器信息融合领域得到了广泛的应用.针对传感器数量较多时,D-S方法计算量很大的问题,提出了利用模糊C均值聚类来减少证据体数目.再结合D-S证据理论进行信息融合的办法.实验数据表明,该方法大大减少了计算量,保证了目标识别的准确度.

作 者：张公永 王平张佑春 ZHANG Gong-yong WANG Ping ZHANG You-chun 作者单位：西华大学电气信息学院,四川,成都,610039刊 名：国外电子元器件 ISTIC英文刊名：INTERNATIONAL ELECTRONIC ELEMENTS年，卷(期)：“”(5)分类号：V243 TP212.9关键词：模糊C均值聚类 D-S证据理论 信息融合

南非:促进多种族的融合 篇6

《南非共和国宪法（1996年）》是南非各项教育改革和开展道德教育的基本准绳。这部宪法表达了民主南非的社会价值观以及国家对每个公民应承担的角色、权利和责任的期望与要求。

2001年，南非教育部发表了《关于价值观、教育、民主的宣言》，该宣言明确了宪法的10条基本准则，即民主、平等、社会公正、无种族和性别歧视、人类尊严、开放社会、责任感、尊重、法治、和谐。为使青少年熟悉这些准则，该宣言进一步提出了16项教育策略。从教育实践的角度来看，南非政府通过“2005课程改革”将这些有关民主和爱国的观念体现在新课程标准中，要求学生了解、认识并掌握。

南非在语言、文化、宗教、种族上具有多样性，被喻为“彩虹国度”，因此，南非的学校道德教育具有一些鲜明的特征。在认同多元和多样的情况下，道德教育和公民教育是化解种族隔阂和种族矛盾，维护国家统一的重要途径。

为了培养学生的荣誉感和爱国情感，南非利用传统节庆日，通过“爱国旗、唱国歌”等一系列形式对广大青少年开展爱国主义教育。南非政府还发布全国学校《效忠誓言》，要求中小学生每天朗读，其大意如下：“我们，南非的青年，承认我们国家过去的不公，敬仰那些为争取正义和自由而受尽磨难甚至牺牲的人们。我们真诚承诺，我们拥护宪法的权利和价值，并履行宪法权利所要求的责任和义务。”

2008年，南非教育部发布了《南非青年责任法案》（A Bill of Responsibilities for the Youth of South Africa），以法律的形式规定了按照宪法所赋予的权利，南非青年应履行的12项责任：(1)确保平等的责任：平等、公平地对待所有人。南非是一个多元国家，平等并不意味着同样。南非的座右铭是“不同的人们团结起来”，所有的人应建立共同的归属感和国家自豪感。(2)确保人类尊严的责任：尊重他人，对人友好，有同情心和怜悯心。(3)确保生命权的责任：保护他人生命；不携带危险性武器或非法对他人生命造成危害；远离艾滋病。(4)对家人的责任：忠诚自己的家庭，对家的爱意味着长久的承诺和责任；(5)确保教育权的责任：定期上学，努力学习；尊敬师长；遵守学校守则。(6)对工作的责任：幸福的生活靠勤奋工作；不使用童工。(7)确保他人自由和安全的责任：不伤害、欺凌或胁迫他人，用和平的方式解决纷争。(8)确保财产权的责任：尊重他人财产，保护私人和公共财产，力所能及的情况下慷慨做慈善。(9)确保宗教、信仰和观点自由的责任：宗教自由；尊重他人信仰和观点，即使与他人的信仰和观点出现严重分歧，也应尊重他们的表达权。(10)确保生活环境安全的责任：促进可持续发展，爱护自然，保护动植物，防止污染，保护环境卫生；在气候变化的环境下，有责任不浪费水电等稀缺资源。(11)确保公民权的责任：遵守国家法律，忠诚于国家。(12)确保言论自由的责任：言论自由并非没有限度，不允许煽动仇恨以及种族、民族、性别或宗教歧视，不散布谣言，不侮辱他人情感。

这部《南非青年责任法案》已成为南非中小学开展道德教育的蓝本，南非教育部要求全国学生都要牢记这些内容，在集会或课堂上背诵。

南非道德教育的核心内容主要包括：第一，平等。不因种族、民族、宗教、语言、性别、文化及社会地位上的差异而歧视他人，在多样的基础上，建立归属感、国家认同感和自豪感。第二，彼此尊重，提倡对话和沟通。第三，健康生活，远离酗酒、吸毒、暴力和艾滋病等。第四，安全的环境。强调环境保护意识、爱护动植物、不浪费资源等。第五，勤奋工作。第六，学会忍耐。

《南非青年责任法案》中的部分内容成为了所有学校的生活导向技能课的授课内容。在南非，道德教育主要是通过生活导向课程（Life Orientation）来实施，这是南非中小学课程改革的一项重要内容。生活导向课程涉及学生个体的智力、情感、身体发展和社会成长，注重培养学生关于自我、环境、公民、社会参与、健康生活、职业选择等方面的知识、态度和技能，其主旨是通过该课程的学习促进社会正义，形成尊重人权、包容及健康的社会环境，帮助学生实现全面的潜能发展。

南非各学校在实施道德教育的过程中，十分注重学生的技能培养，将道德教育与学生职业发展、就业技能的培养等结合起来。例如，12年级的公民教育课程以职业和职业生涯为主要内容，教师让学生自行调查大学专业、开展就业机会调查、写个人简历等。一些教师还邀请不同行业、不同职位的校友走进课堂，为学生做报告，利用角色典范鼓励学生，通过这种“校友网络”能够有效地促进学校道德教育工作的开展。

开展课外活动是南非各学校进行道德教育的主要途径之一。例如，山景高中（Mountview High）有500名学生和41名教师，是一所用英语教学的学校，一学年的学费为16350兰特（折合为人民币约13000元）。该学校位于开普敦市郊外的富人区，学校设施良好，招收的贫困生主要靠慈善组织资助。学校每年都会组织一系列的社区参与活动：组织学生为社区图书馆捐书、到社区做志愿者的“劳动一天”活动、到社区捡拾垃圾活动等。

南非是世界上艾滋病毒感染率最高的国家，在某些省份，例如夸祖鲁—纳塔尔省，艾滋病毒感染率高达40%。更加严重的是，在因艾滋病死亡的人群中，约有七成年龄介于15岁至49岁之间，这使南非损失了大量的劳动力资源，人口结构也受到了严重影响，政府为抵抗艾滋病投入了相当庞大的资金。因此，南非的学校都十分重视预防艾滋病教育，如何看待艾滋病及其引发的社会问题、如何教育学生减少对艾滋病人的歧视、如何正确预防艾滋病等都是学校道德教育的内容。

由于深受殖民统治、种族隔离的影响，南非的道德教育，或者说民主公民教育仍面临着很多问题与挑战。犯罪率高、贫富差距大、持续的不平等、艾滋病泛滥、失业率高等因素都影响了道德教育目标的实现。由于贫困，一些中学生被迫辍学，外出打工帮父母养家糊口，这些学生的家长文化素质普遍偏低甚至是文盲，往往不鼓励学生继续接受教育。教育领域也存在诸多障碍，如教学媒介的语言差异（南非有11种官方语言，政府规定学校可使用任何一种作为教学媒介）、学生背景的多样化、学校教育资源不足等。尽管南非是非洲大陆经济最为发达的国家，但其教育投资仍然远远不能满足需求，种族隔离制度所遗留的不同学校间的差异也很难在短期内弥合。很多偏远农村学校缺少师资、教室拥挤、教学资料不足、校舍破旧，这些都阻碍了学校教学包括道德教育的顺利进行。

总而言之，1994年以来，南非的道德教育在教育改革的大背景下陆续展开，民主政府的教育改革倡导各种族平等，将多种族融合的教育理念融入各学科的教学，使得各种族能保有其独特的文化、语言和宗教并相互尊重，促使各种族相互了解、融合，目标是建立一个真正民主的“彩虹国家”。但是，南非的教育改革也饱受着一些批评和指责，其结果和成效还有待时间来检验。

【牛长松，浙江师范大学非洲研究院非洲教育研究所所长，副研究员】

责任编辑/苗 培

像素级多传感器图像融合技术分析 篇7

1 像素级多传感器图像融合技术原理

图像是根据像素的不同而划分层级的, 在原有图像像素程度的基础上, 通过多传感器对图像进行数据采集、分析, 以及处理, 把图像中描述图像内容及特征的信息全部集合在一起, 最后有效融合, 以丰富图像信息内容, 提高其应用价值。针对不同传感器对相同图像进行信息获取这项工作, 在有机融合图像信息时, 技术也有所侧重、也有所关注, 会优先选取对图像描述存在有利条件的传感器信息, 加以分析修饰、编辑处理, 从各传感器反馈回来的信息进行“优势互补”后, 能明确新生图像的各方面技术特征。同时, 为了凸显像素级图像融合技术的优势影响, 在融合之前, 还会对传感器描述的图像参数进行像素分类处理, 检测图像性能、像素级别后, 再按照分类精准测量、针对性配准, 具体操作原理见图1。

2 像素级多传感器图像融合方法及应用问题

2.1 加权平均法

把原始图像对应的像素灰度值进行加权平均处理, 形成新的图像, 这种融合方式并没有发挥出多传感器的交互影响作用, 新生成的图像像素并没有得到最大限度的优化, 但是采用此种方法处理图像融合, 可以降低各像素级图像的“对比度”, 使图像融合后的信噪比有效提升。可以说, 在现实应用环境中, 对像素级要求不高的图像融合技术任务更适合采用加权平均法融合。

2.2 基于PCA的图像融合法

多传感器代表着图像会以不同波数段数据的形式展现出来, 对这些数据信息进行矩阵处理后可发现, 信息之间的像素级特征信息都不同, 计算出每个传感器的特征值和特征向量后, 便可按照分量数据, 组织、融合图像。如;选取高分辨率、像素级高的图像数据, 对比计算、分析这些图像数据信息的均值、方差, 确定没有较大差距影响后, 进行融合, 反之, 亦可选取低分辨率、像素级低的图像数据, 进行对比融合。之后在缩短分量信息差的过程中, 逐步融合图像, 最终经PCA逆变换, 最大限度的展现原始图像的清晰度。该操作的精密度要求非常高, 所以在技术处理时需要借助大量计算机统计、应用数据, 技术操作程序复杂, 像素级图像融合效果最佳。

2.3 逻辑滤波法

该方法同样利用了逻辑运算技术, 将多传感器中的图像像素数据进行有效合成, 合成的过程中先定义主观数据, 运用主体数据对比客体数据的方式, 将两个不同传感器描述的图像像素有机结合在一起。如果当两个传感器的像素值大于某一阈值时, 可以采用逻辑滤波的方式, 将这一图像的像素进行过滤处理, 只保留图像特征信息即可, 对一些不是很显著、逻辑操作性不强的图像信息过滤掉。该图像融合法对图像有“分割”影响, 会把原始图像的一些特征性因素不经意的分割开来, 所以对于图像辨识度要求不是很高的操作任务来讲, 融合后生成的图像更易体现图像价值。

3 多像素级图像融合技术的发展展望

上文提到了多像素级图像融合技术在技术处理操作、技术升级改良、技术功能优化方面都有着积极的影响效果, 它处理图像像素级信息的能力极强。近十年来, 图像融合在许多领域都得到了广泛应用, 主要有军事应用和非军事应用两大类, 众所周知, 图像之于军事应用, 其“像素级”特征要求非常高, 特别是经过多传感器加密处理后的图像, 更应该保持原始图像的像素级程度本质, 稍有偏差, 会导致军事目标的检测、识别与跟踪、战场监视、战术形势评估、夜间导航等工作问题。因此, 像素级图像融合技术应该在技术精度上不断追求更好的目标。相比之下, 该项技术在非军事领域中的应用表现更加自如、领域更宽, 目前, 智能机器人于视觉、触觉、力学传感器信息融合的运动控制和立体图像融合是该项技术研究与开发的重点。作为世界最受关注的高新技术项目, 其应用表现越稳定、越能体现其技术的优越性。

4 结论

图像融合过程中, 尽可能选择多传感器中相对互补的图像信息加以利用, 彩色信息让步于纹理信息, 光谱信息让步于纹理信息, 因为在图像合成过程中, 相容信息之间的交互影响是明显的, 所以不仅要学会选择目标信息源, 还需要在图像融合中依据像素级图像融合原理, 采用正确的融合方式。

摘要：随着图像传感器技术的进一步应用与发展, 在图像领域, 多传感器技术融合发展已经成为一个热词, 该项技术能够提高图像像素、加深图像与物理操作、计算机操作, 以及其他现代化设备行为的融合度, 使图像的应用功能更丰富。多传感器能够图像信息转换成多功能信息源, 通过中枢处理器, 把这些信息源分类开来、有效融合, 最终汇聚成具有说明价值、描述影响的图像信息, 以供人们做最精密、最独到的技术评价。基于此, 本文将结合像素级多传感器图像融合技术的发展现状及具体表现, 深度探究其未来的发展方向。

关键词：像素级,多传感器,图像融合技术,研究与分析

参考文献

[1]胡江华, 柏连发, 张保民.象素级多传感器图像融合技术[J].南京理工大学学报, 1996, 13 (105) :73-76.

[2]曾竞.多传感器图像融合技术的研究[J].华中科技大学学报 (社会科学版) , 2004, 19 (23) :102-112.

[3]胡钢, 秦新强, 田径.像素级多传感器图像融合技术[J].沈阳工程学院学报 (自然科学版) , 2007, 22 (102) :148-152.

多技术融合 篇8

多传感器信息融合MSDF (Multisensor data Fusion) 是20世纪80年代出现的一个新兴学科, 它是将不同传感器对某一环境特征描述的信息, 综合成统一的特征表达信息及其处理的过程。多传感器信息融合首先广泛地应用于军事领域, 如海上监视、空—空和地—空防御、战场情报、监视和获取目标及战略预警等, 随着科学技术的进步, 多传感器信息融合至今已形成和发展成为一门信息综合处理的专门技术, 并很快推广应用到工业机器人、智能检测、自动控制、交通管理和医疗诊断等多种领域。

1 多传感器信息融合的定义

为了更好地阐述信息融合这一概念, 可以把传感器获得的信息分成三类:冗余信息、互补信息和协同信息[2]。冗余信息是由多个独立传感器提供的关于环境信息中同一特征的多个信息, 也可以是某一传感器在一段时间内多次测量得到的信息;在一个多传感器系统中, 若每个传感器提供的环境特征都是彼此独立的, 即感知的是环境各个不同侧面的信息, 则这些信息称为互补信息;在一个多传感器系统中, 若一个传感器信息的获得必须依赖另一个传感器的信息, 或一个传感器必须与另一个传感器配合工作才能获得所需要的信息时, 则这两个传感器提供的信息称为协同信息。

在信息融合领域, 人们经常提及“传感器融合 (sensor fusion) ”、“数据融合 (data fusion) ”和“信息融合 (information fusion) ”。实际上它们是有差别的, 现在普遍的看法是“传感器融合”包含的内容比较具体和狭窄。至于“信息融合”和“数据融合”, 有一些学者认为数据融合包含了信息融合, 还有一些学者认为信息融合包含了数据融合, 而更多的学者把“信息融合”与“数据融合”等同看待。本文作者认为, 在不影响应用的前提下, 二种提法都是可以的, 但信息融合可能更可取些。

信息融合有多种定义方式, 下面仅列出几种:[3]

1.1 Waltz给出的定义是:

“对来自多源的信息和数据进行检测、关联、估计和综合等多级多方面的处理, 以得到精确的状态和身份估计, 以及完整、及时的态势评估和威胁估计”。

1.2 JDL给出的早期定义是:

“数据融合是对单源和多源的数据和信息进行关联、相关和组合, 以得到更精细的位置和身份估计、完整和及时的态势评估的过程。”

1.3 X.Rong Li最近给出的定义[5]是“信息融合是为了某一目的对多个实体包含的信息的组合。”

在上述3种定义中, 前2种都强调信息融合是一个“过程”, 但第3种定义认为信息融合未必是一个过程。上述各种定义各有其特点。从信息融合定义的演变过程可以看出, 其定义越来越简化, 而包含的内容也越来越宽广。

2 多传感器信息融合的层次结构

对于多传感器融合层次的问题, 人们存在着不同的看法。本文主要介绍普遍为学者们所接受的三层融合结构, 即数据层、特征层和决策层 (见图2) 。[8]

数据层融合如图2 (a) 所示, 首先将全部传感器的观测数据融合, 然后从融合的数据中提取特征向量, 并进行判断识别。这便要求传感器是同质的 (传感器观测的是同一物理现象) , 如果多个传感器是异质的 (观测的不是同一个物理量) , 那么数据只能在特征层或决策层进行融合。数据层融合不存在数据丢失的问题, 得到的结果也是最准确的, 但对系统通信带宽的要求很高。

特征层融合如图2 (b) 所示。每种传感器提供从观测数据中提取的有代表性的特征, 这些特征融合成单一的特征向量, 然后运用模式识别的方法进行处理。这种方法对通信带宽的要求较低, 但由于数据的丢失使其准确性有所下降。

决策层融合是指在每个传感器对目标做出识别后, 将多个传感器的识别结果进行融合, 如图2 (c) 所示。由于对传感器的数据进行了浓缩, 这种方法产生的结果相对而言最不准确, 但它对通信带宽的要求最低。

对于多传感器融合系统特定的工程应用, 应综合考虑传感器的性能、系统的计算能力、通信带宽、期望的准确率以及资金能力等因素, 以确定哪种层次是最优的。另外, 在一个系统中, 也可能同时在不同的融合层次上进行融合。三种融合层次的性能特点的比较如表1。

3 多传感器信息融合实现方法

成熟的多传感器信息融合方法主要有:经典推理法、卡尔曼滤波法、贝叶斯估计法、D-S证据推理法、聚类分析法、参数模板法、物理模型法、熵法、品质因数法、估计理论法和专家系统法等。

近年来, 用于多传感器数据融合的计算智能方法主要包括:模糊集合理论、神经网络、粗集理论、小波分析理论和支持向量机等。[8]

J.Z.Sasiadek把信息融合的方法分成三大类:一是基于随机模型的融合方法;二是基于最小二乘法的融合方法;三是智能型的融合方法。

基于随机模型的融合方法主要有贝叶斯推理 (Beyesian Reasoning) 、证据理论 (Evidence Theory) 、鲁棒估计 (Robust Statistics) 、递归算子 (Recursive Operators) ;基于最小二乘法的融合方法主要有卡尔曼滤波 (Kalman Filtering) 、最优理论 (Optimal Theory) ;智能型的融合方法主要有模糊逻辑方法 (Fuzzy Logic) 、神经网络方法 (Neural Networks) 、遗传算法 (Genetic Algorithms) 、人工智能方法 (Artificial Intelligence) 、粗集理论 (Rough Set Theory) 、支持向量机 (Support Vector Machine) 、小波分析理论 (Wavelet Analysis Theory) 等。

常用的多传感器信息融合算法有:[6]

3.1 加权平均法。

这是一种最简单最直观的数据融合方法, 即将多个传感器提供的冗余信息进行加权平均后作为融合值。该方法能实时的处理动态的原始传感器读数, 它的缺点是需要对系统进行详细的分析, 以获得正确的传感器权值, 调整合设定权系数的工作量很大, 并且带有一定的主观性。

3.2 聚类分析法。

根据事先给定的相似标准, 对观测值分类, 用于真假目标分类、目标属性判别等。

3.3 贝叶斯估计法。

是融合静态环境中多传感器低层数据的一种常用方法, 融合时必须确保测量数据代表同一实体 (即需要进行一致性检测) , 其信息不确定性描述为概率分布, 需要给出各传感器对目标类别的先验概率, 既有一定的局限性。

3.4 多贝叶斯估计方法。

将环境表示为不确定几何的集合, 对系统得每个传感器作一种贝叶斯估计, 将各单独物体的关联分布组成一个联合后验概率分布函数, 通过列队的一致性观察来描述环境。

3.5 卡尔曼滤波。

它使用于动态环境中冗余传感器信息的实时融合。当噪声为高斯分布的白噪声时, 卡尔曼滤波提供信息融合的统计意义下的最优递推估计。对非线性系统模型的信息融合, 可采用扩展卡尔曼滤波及迭代卡尔曼滤波。

3.6 统计决策理论。

将信息不确定性表示为可加噪声。先对多传感器进行鲁棒假设测试, 以验证其一致性;再利用一组鲁棒最小最大决策规则对通过测试的数据进行融合。

3.7 D-S证据推理。

是贝叶斯方法的推广, 用信任区间描述传感器信息, 满足比贝叶斯概率理论更弱的条件, 是一种在不确定条件下进行推理的强有力的方法, 使用于决策层融合。

以上各种算法对信息类型、观测环境都有不同的要求, 且各自存在优缺点, 在具体应用事需要根据系统的实际情况综合运用。

4 结论

多传感器信息融合技术近十几年来已受到广泛的关注, 它的理论和方法已被应用到许多研究领域。从目前军事领域的发展来看, 从简单的武器系统到最复杂的大规模C4ISR系统, 都趋向于采用多传感器信息融合技术来进行信息综合处理。[3]基于作者的研究与实践, 对多传感器信息融合研究的未来发展趋势进行了评述, 提出了我们的研究建议。多传感器融合技术自20世纪70年代以来虽无非常成熟和完善的理论和方法, 但在信息融合各个方面已取得不少成果, 应该重视这种新型的信息处理技术, 积极开展该领域的基础理论和应用研究, 在多传感器信息融合的理论体系于应用研究中作出贡献。

摘要：多传感器信息融合广泛应用于自动目标识别、战场监视、自动飞行器导航与控制、机器人、工业过程控制、遥感、医疗诊断、图像处理、模式识别等领域。介绍了多传感器信息融合的定义的发展, 融合的功能模型、结构模型及其融合层次, 并简要介绍了融合的实现方法和现阶段研究存在的问题, 最后对多传感器融合技术进行了展望。

关键词：多传感器,信息融合,信息,模型,展望

参考文献

[1]张菊秀.多传感器信息融合技术和发展[J].电子世界, 2005 (4) .

[2]罗志增, 蒋静坪.机器人感觉与多信息融合[M].北京:机械工业出版社, 2002:1-101.

[3]何友, 关欣, 王国宏.多传感器信息融合研究进展与展望[J].宇航学报, 2005, 7:524-530.

[4]Lawrence A, Klein.Sensor and data fusion concepts and applications[M].SPIE Optical En-gineering Press, Washington, 1999

[5]Rong Li X.Information fusion for estimation and decision[C].International workshop on data fusion in2002, Beijing, China

[6]何友, 王国宏等.多传感器信息融合及应用[M].北京:电子工业出版社, 2000.

[7]何友, 彭应宁, 陆大金.多传感器数据融合模型综述[J].清华大学学报, 1996, 36 (9) :14-20.

多技术融合 篇9

关键词：X射线检测,气体传感器,液体检测,电子鼻,信息融合

1 课题背景

随着物流行业的高速发展, 快递市场被物流企业越做越大。在市场经济体制下, 能够提供快速可靠快递服务的企业就会受到客户的青睐。然而, 由于国内外形势的不断变化, 特别是从2001年9月11日发生恐怖袭击事件以来, 快递安全性成为中国的突出问题。根据快递业的特点, 应对包裹是否含有爆炸品、易燃气体、毒害品和放射性物质进行重点检查。基于以上问题, 本论文提出气体传感器与X射线安检仪相结合的液体检测方法。

电子鼻测试系统的框图 (如图1) , 整个系统包括测试箱体、传感器阵列 (PID气体传感器) 、轴流风机、微型气泵、单片机测试电路 (加热电路、采集电路、A/D转换板、微机接口) 、数据采集卡 (北京阿尔派公司的PCI8008H) 、直流稳压电源和计算机。

2 实验数据采集

2.1 电子鼻危险气体预警值的建立

首先利用乙醇对电子鼻进行一些初步实验。为了增强电子鼻探头的敏感性, 实验过程中对传感器探头从工艺上做了一些改进:通过资料查询得知传感器探头的外壳只影响其寿命, 为了进行对比实验, 将其外壳破坏掉。

在一定的风速下, 用烧杯装150ml的乙醇液体, 改变电子鼻与瓶的水平距离, 表1列出了随电子鼻探头与乙醇的距离变化的响应时间与量化浓度 (模拟输出电压) 的值。从表1中数据可得出, 改进的电子鼻探头响应时间比普通的电子鼻的响应时间提高近1秒。当距离达到一定程度时, 电子鼻基本没有响应 (可以看成响应时间无穷大) 。因此在以后的实验中, 采用的就是这种去掉探头外壳的电子鼻。

为了能够得到该电子鼻最快的响应时间, 我们对其进行了针管实验。即用一个容积为25ml的医用注射器, 抽取10ml的乙醇液体, 然后将其注射到电子鼻探头处。表2列出了两种电子鼻的响应时间与量化浓度的关系。

综合以上实验分析, 证明了搭建的系统能够在规定的时间里完成数据的采集。电子鼻的响应时间及量化浓度值与危险品的距离和气流运动情况有关。电子鼻检测到的响应时间分两部分:

(1) 气体挥发到达电子鼻的时间。气体的挥发性与风速、压强、温度特别是密封状态有关。

(2) 电子鼻探头接触气体后反应所需时间。当气体分子自上而下由敏感膜上未覆盖电极部分表面向敏感膜内部进行扩散, 直到底部, 这期间伴随着与相关物质作用, 进入敏感膜内部多余的未生成弱合物化学作用的气体分子在覆盖电极部分左右两边扩散, 这一过程耗时很短。

电子鼻第二部分的响应和恢复时间是材料固有特性, 实验中无法解决。但是第一部分的时间可以通过气流的输送来缩短。

将丙酮、乙醇、煤油、盐酸等实验数据分别输入Mathematica中, 剔除实验过程中的粗大误差, 进行多项式拟合, 可以分别得到图2至图5的拟合响应曲线。其响应时间与量化浓度值之间的数学模型分别为:

式中:t1表示响应时间;F (t1) 表示t1对应的量化浓度值。

从图中可以看出, 没有丙酮、乙醇、煤油气体存在时, 量化浓度值 (电压值) 均在65mv-70mv之间波动。当存在丙酮气体时, 曲线开始上升达到最大值, 停留一小段时间又开始下降, 最后达到初始状态。在本检测系统中, 如果系统等量化浓度值达到最大值或稳定值时才算作响应时间, 这将会造成延时, 这对于本系统的研发是毫无意义的。因此软件设计中考虑环境因素, 设置报警阈值为80mv, 即超过80mv就认为有危险气体存在。

2.2 包裹实验

本实验材料有乙醇、丙酮、水、可乐各500ml, 试剂瓶2个, 易拉罐 (铝) 1个, 矿泉水瓶1个, 洗面奶一个, 包装盒若干。五次实验分别如图6至图10。

在获得X射线图像的同时也获得包裹的气体响应曲线, 为方便处理, 只提取响应曲线的最大值列于表3。

3 实验数据处理

从文献[2]中, 可以知道日常生活中可燃液体的包装为试剂瓶、饮料瓶以及易拉罐。因此将表1与X射线检测图像信息相结合, 可以推断出:1号包裹、2号包裹为安全包裹, 3号包裹、4号包裹和5号包裹为危险包裹。由于3号包裹里只含有一个危险品, 因此可以轻易的找出危险品, 而4号和5号包裹中含有多个瓶状物无法确定危险品的位置, 因此还需要进行灰度比较。

根据表4, 编写如图11流程算法。

4 结论

(1) 建立了电子鼻检测系统, 并对丙酮、煤油、乙醇和盐酸进行实验; (2) 根据4种液体的气体响应变化规律, 确定80mv为危险液体响应值; (3) 利用X射线检测信息和电子鼻响应值对含有丙酮、乙醇的包裹进行了判别, 其结果正确。

本文依据判断分析表建立了危险包裹判断算法, 这是对包裹检测的尝试, 但是危险气液体的种类很多, 并且危险品灰度数据库也极其庞大, 如果要利用此算法还有很多后续工作。但此种检测方法对于以后安检设备的发展提供了参考价值。

参考文献

[1]王潇.多信息高性能安检设备研究[D].沈阳, 东北大学, 2005.

[2]原培新等.民用安检技术与设备[J].中国道路运输, 2007 (5) :50-53.

[3]李建平.微结构气敏传感器与电子鼻研究[D].中国科学院电子学研究所, 2000.

[4]王磊, 曲建岭, 杨建华等.发展中的电子鼻技术[J].测控技术, 1999, 18 (5) :8-10.

[5]金鹏迪.邮件多信息在线检测实时处理系统研究与应用[D].沈阳:东北大学, 2011.

[6]李海庆.多信息融合安全检测技术研究[D].沈阳, 东北大学, 2008.

[7]Julian W.Gardner, Philip N.Bartlett, performance definition and standardization of electronic noses[J], Sensors and Accrators B, 1996 (33) :60-67.

多技术融合 篇10

众所周知,机械设备在运行过程中一旦失效或出现事故通常都会造成重大经济损失,更甚者还可能伴随着一定的人员伤亡,从而在社会舆论等方面造成十分恶劣的社会影响。为减少或避免此类状况的产生,定期对设备状况进行检测,根据现行情况早期研究事故的发展趋势,采取有效手段将事故扼杀的萌芽阶段,以避免在运行中的设备突然损坏,使之安全的生产作业,在工业生产中是非常必要的。

1 现状

1.1 机械故障检测诊断的主要内容

机械故障检测诊断包含两方面内容:(1)对设备运行状态的检测;(2)异常情况发现后对故障进行有效的分析和诊断。

1.2 主要技术方法现状

根据系统采用的决策方法和特征描述,故障检测诊断的方法主要有基于系统数学模型的故障诊断方法和基于非模型的故障诊断方法两大类。

基于系统数学模型的故障检测诊断技术是通过构造观测器估计出系统输出,然后将它与输出的测量值比较从中取得故障信息。该方法能与控制系统紧密结合,是监控、容错控制、系统修复和重构的前提;是以现代控制理论和现代优化方法为指导,以系统的数学模型为基础,利用观测器(组)、等价空间方程、滤波器、参数模型估计和辨识等方法产生残差,然后基于某种准则或阈值对该残差进行评价和决策。

基于非模型的故障诊断方法包括基于可测信号处理的故障诊断方法;基于故障诊断专家系统的诊断方法;故障模式识别的故障诊断方法;基于故障树的故障诊断方法;基于模糊数学的故障诊断方法;基于人工神经网络的故障诊断方法。

1.3 技术研究现状

目前,国内外主要的技术研究主要集中在传感技术,信号分析预处理技术,人工智能与专家系统,神经网络和诊断系统的开发与研究这几个方面。

近年来,人们对多传感器数据融合技术的关注度越来越高,也将此项技术应用的更加广泛,充分的发挥了其性能稳健,时空覆盖区域广阔,测量维数较多,目标空间分辨力较好等特点,使得多传感器数据融合技术的理论和方法成为智能信息研究的重要领域。

2 多传感器信息融合技术

2.1 多传感器信息融合技术的定义

为达到某一特定的目标,针对一个系统中使用多个传感器而进行的信息处理即信息融合。信息融合可解释将多传感器信息综合利用的同时,充分利用空间的多传感器数据资源和不同时间,对于按时间序列获得的多传感器观测数据运用计算机技术进行处理,并在一定的规律或准则约定下进行有效的分析、综合、支配和使用,通过它们之间的协调和性能互补的优势,克服单个传感器的不确定性和局限性,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,从而使得系统可以获取到更加充分的信息,使得整个传感器系统的有效性能得到全面的提高和完善,达到全面准确地描述被测对象的目的。多传感器的硬件基础是信息融合,信息融合的加工对象是多源信息,信息融合的核心是协调优化和综合处理。

2.2 多传感器信息融合技术的优点

多传感器信息融合技术的优点有很多,其优点主要表现为信息的冗余性、互补性、实时性、和低成本性。

2.3 多传感器信息融合的主要方法

多传感器信息融合技术自诞生起,就受到了科研学者及社会的普遍关注,各种不同的信息融合技术也不断诞生从而被人们所认识和接触,并被人们运用到实际的工作中。

2.4 多传感器信息融合的层次结构

目前的多传感信息融合系统中由数据层融合、特征层融合和决策层融合组曾的三级融合系统是目前普遍被大家认同的并广泛应用的。

2.4.1 数据层融合是最低层次的融合,它主要是来自于同等量

级别的传感器的原始数据进行最直接简单的融合,之后进行一定的特征提取和身份识别。卡尔曼滤波法和加权平均法是数据层融合的主要及常用方法。

2.4.2 中间层次的融合就是特征层融合,它先从传感器中对原

始信息进行一定的特征提取然后将提取的特征信息进行综合的分析和有效的处理。其优点主要表现在它实现了信息的大量的客观的压缩,同时非常的有利于信息的实时处理,并且可以最大限度的给出所需要得特征信息以方便做出最后的决策分析。神经网络法和模糊推理法是目前人们最熟知和常用的特征融合方法。

2.4.3 决策层融合高层次的融合即决策层融合,其主要的作用

就是为控制决策提供必要和必须的依据。从具体的决策问题的需求出发是决策层融合的前提和关键,其次要根据实际所面临的问题,充分的利用各方面所提供的信息,采用最适当的信息融合技术来实现解决问题。决策层的融合直接针对的是具体决策目标,它的融合结果直接的影响着最终的决策水平,是整个三级融合最终的产物。目前常用的决策层融合方法是D-S证据推理法和贝叶斯估计法。

3 总结

作为一门新兴的技术,信息融合技术涉及到了很多其他技术方面,例如计算机技术,人工智能技术,模拟识别技术等等,同时它也是未来机械诊断所需要的必要技术,因此信息融合技术有着强大的实际应用价值和良好的发展前景。就目前情况来看,有很多基于信息融合技术的故障诊断方法,各种诊断方法相互组合应用相互融合,必然将达到更好的诊断效果。

摘要：现代机械设备大都具备大型化、智能化、复杂化等特点,为了方便日常的诊断维修,能够熟练的指出机械故障的诊断方法是非常必要的。多传感器信息融合技术是机械故障诊断的热点,本文在充分介绍多传感器信息融合的方法与特点的基础上,加深探讨了其在机械设备故障诊断中的应用前景,并指明了机械设备故障诊断这一研究的方向。

关键词：传感器,信息融合,机械,故障诊断

参考文献

[1]张斌,张微薇.机械设备故障诊断技术概述[J].建筑机械化,2005,(8):14-36.

[2]黄伟力,黄伟建,王飞.机械设备的故障诊断技术及其发展趋势[J].矿山机械,2005,33,(1):66-68.

多技术融合 篇11

近日,工业和信息化部电信管理局、国家广电总局传媒机构管理司、网络视听节目管理司相关负责人召开了“三网融合”的记者会。会上,相关部门明确了相互准入的范围,包括对广电开放宽带接入,互联网数据传输和国内IP电话,对电信开放IPTV非时政类节目制作和内容传输,明确了有线网络的发展方向。

中金公司认为,“三网融合”可能成为2010年的持续投资主题。从价值投资的角度,公司建议投资者从关注运营向关注支撑产业链转移。

主要包括两大细分板块,其一是设备终端制造商;其二是内容、软件提供商。从主题投资的角度,投资者可积极关注“组建国家有线网络公司、地方有线网络整合和试点省市选择”等给有线网络带来的投资机会。

从盘面表现来看,进入2010年以来,在1月份上证综指下跌8.5%的背景下,通信设备板块持续跑赢大盘。而2月份的调整,使得该板块股价不断下跌。业内人士表示,通信板块特别是通信设备板块已经释放估值压力,如果继续调整,有望成为介入良机。

在通信设备制造行业,三网融合全面推进有线电视网络数字化和双向化升级改造,同时加快电信宽带网络建设,推进城镇光纤到户,有线电视网络的改造将拉动光通信及元器件的需求,诸如中兴通讯(000063)、烽火通讯(600498)、亨通光电(600487)、中天科技(600522)、日海通讯(002313)和光讯科技(002281)等均可关注。

同时,“三网融合”将为内容提供商带来更大机遇。2009年电视剧互联网版权每集售价提高了10倍,未来平台和内容应用的融合的市场规模高达6000亿元,是当前互联网行业市场规模的10倍。在这一领域,博瑞传播(600880)和华谊兄弟(300027)值得关注。牛年最后一周华谊兄弟六连阳,或可为证。

多技术融合 篇12

关键词：预警发布,多手段融合,系统架构

1 引言

近年来, 我国各类自然灾害频发, 2013年东北地区洪涝风雹灾害, “4·20”雅安7.0级地震, “尤特”台风灾害, 西南特大暴雨等灾害造成巨大人员伤亡、经济损失, 给我国的经济和社会造成了严重冲击。

面对各类重大灾害的发生, 人类目前尚无有效的科技手段完全阻止, 但可以采取有效的防范和处置措施, 把灾害造成的损失降到最低程度。科学有效的防灾减灾措施取决于各级政府部门和广大公众及时准确地掌握和利用各类预警信息及科学的防范建议。

如何建立一个规范、畅通、有效的突发事件预警信息发布系统, 如何有效提升预警信息发布时效性和覆盖面, 确保社会各界及广大公众能够及时、准确、客观、全面地了解信息是目前我国预警体系建设中的核心问题。

2 国内外研究现状

鉴于卡特里娜飓风的应对中遇到的应急通讯和公众沟通方面涉及到预警系统的问题, 美国联邦政府开始建立一个新的预警系统IPAWS (Integrated Public Alert and Warning System, 综合公共预警与警示系统)

IPAWS通过建立和采用诸如共同通讯协议 (CAP, Common Alert Protocols) 的标准创立一个互通架构;通过整合将联邦、州、地方预警与警示信息入口提供给多种播送和信息通道, 确保预警与警示信息以尽可能多的手段传递给公众, 如图1。

日本自1985年即开始建设紧急警告系统 (Emergency Warning System, EWS) , 发展至今已经有了近30年的历史。当有公共安全紧急事件发生时, 紧急告警信号通过广播方式进行发布, 具有相应解码器的广播接收机和电视机在检测到相应的告警信息后被自动唤醒, 并发出人们熟知的告警声音。

其余许多发达国家也都采用类似的一点多线对一面的模式 (一个预警信息发布源——多条预警渠道——广大受警群众) 建设国家预警发布系统, 实现了预警信息的来源统一和预警发布手段的最多化, 从而实现受警人群的最大化。

我国在预警发布系统建设方面起步较晚, 《“十一五”期间国家突发公共事件应急体系建设规划》提出建设国家突发事件预警信息发布系统作为国务院应急平台唯一的突发事件预警信息权威发布系统, 构建政府应急部门和社会公众及时获取预警信息的主要渠道。有利于政府及各部门提前采取有效措施, 做好应对部署, 有利于消除公众疑虑, 提前了解掌握突发事件预警信息, 及时采取自救互救行动, 可以有效地减少突发事件的影响。

国家突发公共事件预警信息发布系统项目建设目标为:依托中国气象局现有业务系统扩建其信息传输渠道及与之配套的系统;建立起权威、畅通、有效的突发公共事件预警信息发布渠道, 形成覆盖全国的预警信息综合发布系统;充分利用社会公有资源, 利用各种先进的、可靠的技术手段基本解决预警信息发布的“最后一公里”问题。

系统建成后, 将建立国务院各部委和国务院应急指挥平台、各级地方政府和相关部门的预警信息传输流程, 实现对自然灾害、事故灾难、公共卫生事件、社会安全事件等各类突发公共事件的接收、处理和及时发布, 使突发公共事件预警信息实现面向各级政府领导、应急联动部门、应急责任人和社会媒体的100%覆盖, 公众在系统发出预警信息后10分钟之内接收到预警信息, 确保有关部门和社会公众能够及时获取预警信息, 为有效应对各类突发事件、提升各级政府应急管理水平提供强力支撑, 如图2。

3 多手段融合预警发布

同发达国家不同, 我国幅员辽阔, 经济发展状况不一, 许多地区存在覆盖盲区。中国气象局和国家统计局对2009年全国公众的抽样调查显示, 2009年全国平均气象灾害预警覆盖率为82.3%, 部分省市先后公布了区域气象预警信息覆盖率。中国气象局发展研究中心计算得出目前气象预警信息覆盖面为71%。

为进一步提升预警覆盖率, 解决预警发布“最后一公里”问题, 唯有在采用广播、电视、短信等常规发布手段的同时辅以大喇叭、LED显示屏、北斗终端等其它发布手段。同时多种发布手段的融合, 实现预警信息一体化发布是提高预警发布时效性的根本途径。

研究多手段融合的预警发布系统关键在于充分考虑各种发布手段特有的信息传输方式和信息发布方式, 研究建立完善的安全认证体系、统一的系统构架和接入标准, 实现预警信息发布手段的一体化管理及预警信息的一键式发布。

3.1 一体化接入与管理

为确保信息发布的合法性, 首先建设发布渠道基础信息库, 入库各发布手段终端基础信息, 做到信息更新同步。在此基础上, 建设安全认证系统, 采用身份鉴权方式对各信息发布渠道进行合法性确认, 为确认通过的渠道建立数据通路, 并以心跳包机制维持链路。

3.2 一键式发布

通过标准规范的建立, 实现预警信息的一键式发布。规范下发预警信息格式, 包括发布时间、发布单位、覆盖范围、事件类型、预警信息正文等内容。针对不同发布手段通信方式的不同建设相应的预警信息发布规范, 包括预警发布、预警升级、预警解除、状态查询、系统远程升级等内容。

3.3 反馈评估

在实现发布手段一体化接入与管理的基础上, 收集各发布渠道反馈信息进行分析, 评估预警发布效果, 从而为将来制定更加完善、高效的预警信息发布策略积累历史数据。

通过以上分析, 作者提出了如图3所示的基于多手段融合技术的预警发布系统架构。

首先在原有预警发布系统的基础上, 建设渠道管理系统负责各发布渠道的基础信息管理、认证与接入、实时状态管理等工作。在此基础上, 建设针对北斗终端、LED屏、大喇叭等各种发布手段的发布系统, 负责预警信息的加工处理及分发。

渠道管理系统通过安全认证系统实现对发布渠道的安全认证, 确保信息发布通路的安全合法;当有预警信息待下发时, 渠道管理系统接受预警发布系统下发的预警信息, 根据预警信息类型调用所需发布手段的发布分系统, 系统之间通信采用标准的预警信息通信协议。发布手段分系统接收下发的预警信息后, 根据预警信息覆盖区域确认所需调用的渠道, 调用信息传输协议将标准信息加工处理后分发。

综上所述, 通过安全体系与标准规范的建立, 建设渠道管理系统与各种发布手段的发布系统确保预警发布系统能够一次接入多种发布手段, 完成渠道信息管理、渠道的合法性确认、渠道接入、渠道实时状态跟踪等工作。实现预警信息发布多手段的统一接入和渠道管理, 为提高突发事件信息发布的时效性、准确性和覆盖面提供有效保障。

4 总结

本文针对我国预警发布体系建设现存的问题, 借鉴国外发达国家预警发布系统建设的先进经验, 提出为提升预警发布时效性与覆盖率所必须解决的多手段融合问题。作者初步探讨了解决该问题所必须解决的两大问题:多手段的一体化接入与预警信息的一键式发布, 探讨并提出了基于渠道管理系统的预警发布系统架构, 在建立完善的安全认证体系与统一的预警信息发布规范的基础上, 通过建设渠道管理系统以及各种发布手段分系统以解决多种发布手段融合的问题, 对于我国预警发布系统建设具有的现实意义与理论价值。

参考文献

[1]矫梅燕.建设国家突发事件预警信息发布系统提升应急管理服务能力[J].中国应急管理, 2012 (07) :11-13.

[2]夏保成.美国IPAWS系统及对我国预警系统建设的启示[J].电子科技大学学报, 2011, 13 (4) :2-5.

[3]裴顺强, 孙健, 缪旭明等.国家突发事件预警信息发布系统设计[J].中国应急管理, 2012 (08) :32-35.