信息融合动态与发展趋势

摘　要：描述了信息融合理论与技术当前研究动态，提出了第三代信息融合概念、模型、特征和功 能模式，强调了人在感知观测—判断—决策—行动（OODA）环中的主导作用，为情报战博弈和按我 方意图塑造战场态势以及先敌感知提供理论依据。最后介绍了当前信息融合６个挑战性问题和信 息融合学科中的一些奥秘。

关键词：信息融合；信号融合；作战识别；分布式融合；观测—判断—决策—行动环；用户－融合 模型；融合评估

１信息融合学科沿革

    信息融合起源于数据融合。数据融合指组合来自（同类或不同类）多传感器的探测数据和相关信息，以获得单一传感器无法得到的更明确的结论或 质量高于任何单一传感器的信息。虽然数据融合 概念起源于２０世纪７０年代，但更早期（美国和前苏 联于４０和５０年代，我国于６０和７０年代）的多雷达 情报综合实际上是数据融合的初始形态。由于当时 雷达探测性能差异较大，采用人工或自动选主站（即 选择对某批目标探测效果最好的雷达）方式进行情报综合，称为第一代信息融合，其融合特征尚不典 型。当主站丢失跟踪目标时，需由其他探测到该目 标的雷达站（称为该批目标次站）进行补点或接替主 站工作。由于主站与次站探测精度差异和工作不同 步，目标换站跟踪会出现航迹不连续或偏移，会极大 降低目标跟踪的时效性和精度，以至于影响后续作 战应用。该缺陷成为多雷达情报综合从选主站方式 走向融合方式的主要动因。

    第二代信息融合开始于美国防部实验室联合理事会（ＪＤＬ）1987年建立信息融合初级模型，其与第一代信息融合不同，包括：１）融入了其他信息源，如图像情报、侦察情报（技侦、航侦和人工情报等）、 其他军／民情报及环境信息； ２）信息融合方法和技术比数据融合难度更大，从统计学和结构化模型迈向非结构化模型（基于知识的系统和人工智能技术）；３）研究内容从目标定位及识别与跟踪跨入态势／影响估计等高级感知领域； ４）信息融合应用领域从战场预警扩展到整个作战过程（战略和战术预 警、作战决策、指挥控制、火力打击及作战评估等）和 民用领域（医疗诊断、环境监测、状态维护以及机器 人等）。

    第一代和第二代信息融合的研究目标，在理论 上和技术实现上力图建立一个能够自动运行的产品，嵌入到应用系统中或直接作为系统应用到相关活动中，采用传统数学模型和方法自动实现。至于传统算法无法解决的目标识别、态势估计及影响（威胁）估计等高级融合问题，则依赖于不确定性处理和人工智能技术。然而，当前不确定性处理技术，尤其 是人工智能技术状态与自动实现高级信息融合的需 求尚有很大差距。同时，在融合系统运行过程中，存在人的操作、选择、判断、行动、管理和控制等无法回避的现实，２００５年后，信息融合研究和设计者们反 思了“建立自动运行的融合产品／系统”这一目标的可能性和正确性，从而使信息融合理论和技术发展 进入第三代。第三代信息融合的显著特征是建立人 在其中的信息融合系统，以便在信息融合系统开发 和生命周期各阶段与人紧密耦合，发挥用户的主导 作用以满足应用需求。不难看出，第三代信息融合 的目标又回归到信息融合学科的初衷———信息融合 产生和发展的动因皆来自应用，已构建的数据融合 信息组 （ＤＦＩＧ）２００４ 模型以及用户－信息融合模 型［３］是该思想的典型代表。第三代信息融合的应 用特征随大数据概念、方法和应用的出现而产生。 信息融合领域的大数据指来源广泛、获取手段各异、 有人参与和理解判定的数据集合。用户主导的信息 融合结构和大数据技术应用将使信息融合在战场感 知领域的应用扩展到观测—判断—决策—行动 （ ＯＯＤＡ）各环节，并向闭环控制方向发展。与此同 时，信息融合应用正迈向国家级战略规划和发展路 线图等高端应用领域。

２信息融合技术动态

     当前军事领域对信息融合技术发展的直接推动力指随着信息化武器装备的发展和信息化作战样式 （如网络中心战）的出现，而产生的战场感知新需求。 目前主要关注如下技术：

    １）信号级融合

     随着武器平台动力性能的提升和信息化水平的 提高，目标的隐身、机动及突防能力日益增强，高超 声速目标、低慢小目标和隐身目标的威胁日益加剧， 并面临更加复杂且变幻莫测的战场环境，对传统传 感器探测机制提出了严峻挑战。例如，目标雷达截 面积（ＲＣＳ）大大减小（如Ｂ２战略轰炸机的 ＲＣＳ仅 为１０－３　ｍ２），使得单一传感器无法连续跟踪目标， 甚至无法检测和发现目标。只有通过多传感器探测 信号融合才能实现低可观测性目标（称弱信号目标 或弱小目标）的检测和尽早预警。信号融合技术主 要包括：（ １）分布式多基地雷达；（ ２）多传感器组网 探测；（ ３）认知传感器；（ ４）信号融合检测前跟踪 （ ＴＢＤ）。

    ２）作战识别

    作战识别（ＣＩＤ）将战场目标识别扩展到整个作战活动范畴，识别所依赖的并不是大量稳定的随机 信息，而是很少（偶尔）出现且呈异常变化特征的信息。因此，基于统计学的传统方法已无法满足作战 识别需求。作战识别研究包括以下内容：（ １）ＣＩＤ 概念与融合结构：研究作战识别多级概念和多层次结构及其关系，确定每个层次多识别假设和每个假设的分布谱系；（ ２）识别证据的可用性：包括识别信息量度量和识别知识量度量方法研究，以及识别证据的一致性和冲突性度量研究；（ ３）多源判定信息融合识别技术：考虑人在判定融合识别中的主导作用，探讨判定级融合实现对目标、关系和意图的识别 方法；（ ４）作战识别中的认知方法：研究人的思维方式、启发性知识和推理逻辑表示及其在作战识别中的应用方法，可提升人机交互识别能力。

    ３）分布式融合

    分布式融合源于网络中心战对战场感知的需 求，技术难点如下：（ １）分布式融合体系结构分析： 分析网络传输能力、环境噪声、融合算法及信息流向 等因素对分布式融合性能和效能的影响，建立支持 网络中心战的分布式融合结构；（ ２）分布式融合系 统性能指标与度量方法：建立分布式融合指标体系 和基于网络的性能指标转移模型，以及基于网络传 输不确定性的融合指标度量方法；（ ３）节点重用误差滤除方法：包括节点信息流向管理与控制，以及共 用节点信息重用误差抑制技术；（ ４）相关和未知分 布噪声测量信息的融合方法：建立非独立测量和带 有未知分布噪声的信息融合模型，解决分布特征未 知的多源信息融合问题。

     ４）异介质图像融合方法与实现

    遥感遥测和战场监视图像，特别是异介质图像 融合已成为当前研究热点，涉及以下技术：（ １）异介 质图像空间配准技术；（ ２）异介质图像特征提取、统 一表示技术和融合可行性研究；（ ３）多介质融合图 像质量指标及评价方法择优技术；（ ４）基于融合图 像的目标检测、识别与跟踪技术及目标打击效果评 估技术等。

    ５）用户参与和主导的信息融合

    该技术旨在实现信息融合与用户紧密耦合，以 及信息融合与应用的紧密结合，以提升融合产品的 性能和应用效能。该技术研究突破了传统的“自动 融合”领域，主要包括：（ １）人在信息融合中的认知能力；（ ２）基于用户认知的融合方法与实现技术； （ ３）信息融合中的用户精炼方法与实现技术； （ ４）态势管理与感知行动方案（ＣＯＡ）规划技术。

    ６）大数据融合问题和方法

     当前兴起的覆盖了国家以及经济、工业、金融和 军事等各领域的大数据，具有海量数据规模（Ｖｏｌ－ ｕｍｅｓ）、快速流转数据体系（Ｖｅｌｏｃｉｔ ｙ）、多样数据类 型（Ｖａｒｉｅｔ ｙ）和低密度数据价值（Ｖａｌｕｅ）等特征，技 术上呈现探索多行业、多部门、多领域及多因素信息 的内在关系与综合运用方法。采用大数据技术亟待 解决以下信息融合问题：（ １）非数据情报自动处理 技术：包括图像情报、文字情报、声音信号和电磁信 号的自动处理等技术；（ ２）非数据情报融合方法：包 括情报谱系分析与正则化、情报－知识转换、情报－数 据转换、基于知识的不确定性推理等技术；（ ３）人工 情报与传感器数据的融合方法：该方法又称软数据 与硬数据融合，指人理解和判断信息与传感器数 据融合，属于典型的判定信息融合 （ＤＥＣ－ ＩＦ）； （ ４）全谱作战态势分析方法：指基于多源信息对包 含地缘政治、军事、经济和法律等因素的全谱作战进 行征候分析、态势与威胁估计。

    ７）信息融合评估方法

     构建信息融合学科统一的评估体系，需解决以 下问题：（１）建立信息融合质量评价体系：将融合信 息的感知真实性与专业领域可用性结合，形成跨越 多应用领域的信息融合学科统一的质量评价体系［７］；（ ２）信息融合通用评估方法和模型：包括信 息相似性／一致性评价，信息差异性／冲突性识别度 量，以及基于信息论的效能度量、基于对策论 的行动均衡性度量和基于活动时敏性的态势价值度 量等模型；（ ３）基于应用特征的信息融合评估模型： 包括基于关注区域的原始信息保留量评估、基于 关注内容和应用特征的融合方法选择评估、基于用 户视觉注意机制的融合信息显示评估以及基于用户理解的融合知识转换评估模型等。

    ８）信息融合的高端应用

    高端应用指高实时性、高精度和高协同性应用。 为了实现信息融合与高端应用的紧耦合，需深入研 究以下技术：（１）运动平台探测误差的能观测性分 析；（２）误差非均匀分布传感器测量误差能观测性 分析：旨在基于传感器测量确定传感器误差的空间 分布，为误差非均匀分布传感器空间配准提供支撑； （ ３）多平台协同探测的能观测性和能控性分析； （４）单一纯方位跟踪平台能观测性与轨迹优化控 制；（５）探测／融合信息向武器平台的无缝交接 控制。

３ 第三代信息融合模型

    第三代信息融合旨在建立一个“人在其中的信息融合系统”，在信息融合系统整个生命周期各阶 段、各环节及各级别实现与人的紧密耦合，发挥人的 主导作用，以充分满足用户需求。第三代信息融合 模型是在第二代基础上衍生和发展出来的。ＪＤＬ推 荐的２００４版融合过程模型将４级融合改为过程 评估，而将过程精炼与人机界面放到资源管理中置 于信息融合之外，体现了将信息融合视为自动系统 的思想。而第三代信息融合系统回归到“人在其中” 概念，将资源管理，甚至将任务管理并入信息融合领 域。ＪＤＬ的数据融合信息组（ＤＦＩＧ）部分专家从“复 兴”信息融合学科的思想出发，率先提出了作为第三 代系统雏形的 ＤＦＩＧ２００４模型，后又提出了作为 典型代表的用户－融合模型。

    ３．１　ＤＦＩＧ２００４模型

    与ＪＤＬ一部分专家试图将人直接参与的融合 活动从信息融合学科分离出去的思想（典型表现是 ＪＤＬ２００４推荐模型）不同，ＤＦＩＧ模型回归到信息 融合初衷———基于应用产生和发展，强调用户参与 和主导作用，其理论依据是 Ｅｎｄｓｌｅｙ的态势感知理 论和Ｂｏｙｄ的 ＯＯＤＡ 环，强调人在其中的作 用。图１给出了ＤＦＩＧ２００４模型的６级结构。

    ＤＦＩＧ２００４模型具有以下２大特征： １）将战场感知资源和任务管理纳入信息融合范围（称６级融合），从而将战场感知管理与感知信息处理纳入一个 整体结构中，更易于战场感知的统一控制和优化以 及与作战应用的紧密耦合； ２）将人的认知判定纳入 信息融合范围，由人负责解决机器自动融合显示出 的判定、选择与优化问题（称５级融合），由人负责感 知任务的规划并推断资源管理中的问题（称６级融 合）。以上是对ＪＤＬ２００４推荐模型的重大方向性变 革，即从“人在其外”迈向“人在其中”的信息融合。

    然而，ＤＦＩＧ２００４模型对于人在信息融合中的 作用并未描述清楚，仅为初步考虑。如将第５级融 合仅表现为知识描述，即机器融合呈现给人的问题 与人的思维判定采用统一的知识表述形式，以利于 人与机器的一致理解。人对资源管理的推断，实际 上指信息融合的多级融合，直至传感器的管理与控 制的优化，即人在４级融合中所起作用，而不仅仅是推断存在的问题。６级融合中的任务管理应与战场感知需求的主导因素———作战活动紧密联系，使感知活动更加贴近作战需求，避免浪费作战活动不需要感知资源。

    ３．２　用户－融合模型

    为有效描述用户与融合系统间的交互活动，有文献建立了用户－融合模型。该模型将用户在信 息融合中的角色概括为“用户精炼”，标识为５级融 合。用户－融合模型较深入描述出用户精炼（ ５级融 合）对ＪＤＬ２００４推荐模型中各级别的支撑关系，具 体模型如图２所示。

    用户－融合模型中的５级融合在融合系统中的 功能主要指人在人机界面上对系统的认知交互功 能。交互的依据是融合系统显示界面提供的融合信 息、人（情报员、操作员和控制员）的经验与知识及其他来源信息，这些信息通过人的头脑思维与用户任 务联系起来，对系统提供的信息进行修正、判断和选 择，使融合信息质量和应用效能得以提升。由图２可见： １）用户精炼向０级融合提供数据价值信息， 支持０级融合优先收集和处理价值较高的数据，提 高０级融合对后续级别的支持效能。２）用户精炼 向１级融合提供优先级信息，指人对１级融合对象 提供处理优先级，提升系统对任务的支持度。３）用 户精炼向２级融合提供周边关系信息，是态势估计 不可或缺的信息。态势估计实质上是关系估计。无 论是实体内部、实体间还是实体与外部环境关系，甚 至实体属性的识别，都需要外部信息。如时空上聚 集在一起的实体一般具有相同属性，增加道路信息 后，在公路内的目标是汽车，而在公路外的目标可能 是坦克，尽管它们距离很近。４）用户精炼向３级融 合提供意图信息，将己方作战意图或判断对手意图 提供给融合系统，可修正系统自动产生意图估计的 不足或错误。５）用户精炼向４级融合提供精炼效 用信息，该信息指用户基于任务需求与融合系统（经 与用户交互）产生的诸级融合结果的差距，确定每一 级别的融合规划需求，作为相应融合级别需达到的 性能指标，文献将该点作为资源管理对信息融合 的多级控制功能来表述，反映了用户在融合过程精 炼中的作用。

    用户－融合模型未包含融合管理功能（感知资源 和感知任务管理），以及用户精炼／过程精炼与融合 管理功能的关系，ＤＦＩＧ２００４模型和文献中资源 管理模型对其进行了弥补。

    ３．３　信息融合功能模式

    信息融合具有３个特点： １）信息融合不是单一独立的理论学科，而是跨越多学科理论、多门类技术 及多应用领域的综合学科； ２）信息融合产生的动因在于应用，信息融合的发展和创新也来自多领域应用，信息融合理论和方法无法脱离实际应用； ３）信 息融合需用户参与，与传统的信息系统开发方法的 最大不同在于，信息融合产品的开发和整个生命周期均需用户的全程参与，在需求、设计、运行、应用和 评估等各环节上实现与用户的紧密耦合。否则，开 发出来的信息融合产品不能满足用户需求。

    在用户参与和主导信息融合系统（ＩＦＳ）的设 计、运行和应用之后，ＩＦＳ融合形式突破了传统基于多种融合算法（优化算法和人工智能方法等）实现自动融合，而人只起辅助作用的运行模式，转向将人的知识、智慧和思维所形成的认知能力，通过界面交互 融入ＩＦＳ，从而产生了用户－ＩＦＳ的多种功能模式：

     １）自动信息融合：指传统ＩＦＳ工作模式，增加 了用户参与ＩＦＳ设计功能，包括用户参与ＩＦＳ需求、 操作、界面和分发功能以及样式设计；

    ２）判定信息融合：基于自动融合模式，将人（操 作员、控制员和业务员）的认知判断信息，包括人的经 验推理、灵感思维及直觉判定信息自动融入ＩＦＳ相应 判定环节，生成基于用户判定的融合结果；     ３）行动信息融合：基于以上２种融合模式产生 的融合结果，在时间和空间上进一步优化控制信息 融合行动（如传感器配置与控制、分布融合节点资源 分配调整以及融合算法配置和参数调整等），将可能 产生的融合行动预测信息和已产生的融合行动结果 信息融入ＩＦＳ，生成基于行动信息的融合结果；           ４）应用信息融合：基于以上３种融合模式产生 的融合结果，以嵌入或非嵌入方式接入应用系统中。 系统用户将ＩＦＳ支持的应用业务（作战）活动可能产 生的业务预测结果和所收集的业务实现结果信息融 入ＩＦＳ，最终产生基于应用效能的融合估计结果。 该融合模式将ＩＦＳ直接与应用系统紧密耦合，实现 了信息搜集—融合—应用的闭环优化控制，类似于 Ｂｏｙｄ的 ＯＯＤＡ环［１９］。

    上述４类融合模式皆依赖于用户的参与、主导 和应用，其相互关系如图３所示。其中每种模式都 可能包含多级融合过程，产生多级融合产品，支持感 知域和社会（应用）域的用户需求和应用效能评估。

３．４　人在感知ＯＯＤＡ环控制中的作用

    Ｂｏｙｄ的 ＯＯＤＡ 环对人类认识世界和改造世界中的任何活动均适用。不同活动中的４个环节 具有不同内涵。感知活动的 ＯＯＤＡ 环内涵如图 ４ 所示，图中ＩＳＲ为情报、监视和侦察。

    图４中， Ｚ为观测环节获得的测量集合； ＾ Ｘ为判断环节获得的（目标或态势）状态估计； ＾ Ａ
为决策环产生的感知计划估计； Ａ′ 为行动环节的感知活动。 ＾ Ｘ， ＾ Ａ 和 Ａ′ 均为多假设集合，每个假设具有相应的 生存概率（适宜率）。双方的作战行动将导致战场态 势变化。这里的观测环节决定获得战场态势的信息 量和真实程度，而行动环节决定态势信息获取方式， 这２个环节均需人的参与和控制。判断环节的目标 识别和态势估计以及决策环节确定感知计划，更需要人主动参与才能实现。自动融合确定的 ＾ Ｘ， ＾ Ａ 和Ａ′ 中多个假设，最终也要靠人来优选。

    如果战场博弈（对策）双方展开情报战，双方均 力图实现对感知 ＯＯＤＡ环的控制，则人在该控制中 将起主导作用，如图５所示。

    图５中，我方情报官活动旨在获得制信息权，包括： １）在观测环节获取和识别对方的感知计划（包 括其可能采用的伪装、隐蔽和欺骗（ＣＣ＆Ｄ）手段和 行动； ２）判断环节识别对方对战场态势的判断程度 （包括对我方ＣＣ＆Ｄ措施的识别程度），以及识别对方ＣＣ＆Ｄ手段所产生的虚假信息； ３）决策环节依 据我方作战任务规划我方的各项感知活动，确定采 取ＣＣ＆Ｄ措施以控制对方的观测环节； ４）行动环 节是基于态势变化对我方和对方的感知活动的控制 过程。这４个环节的感知活动能够为我方指挥员分 析、理解和塑造符合我方作战意图的战场态势，获得 先敌感知的信息优势。

４ 信息融合学科的挑战

     近１０年来，随着感知空间的扩展以及感知手段 的增加，特别是应用的跨领域增长和效能需求的提 升，信息融合学科在理论和应用实践上面临巨大挑 战。主要包含下述问题：

    １）多传感器信号配准

     这是面向弱信号目标检测的多传感器信号融合 无法回避的问题，信号配准表现为空间和时间变换 中的信号特征配准，如基于视角的信号尺寸（如 ＲＣＳ）变换、基于距离的信号幅度变换以及不同传感 器工作参数的正则化变换等。

    ２）滚动发展的体系结构

    当前，随着应用领域的扩展和层次的提升，信息 融合体系结构不断推陈出新，包括：ＪＤＬ自１９８７年 建立ＪＤＬ信息融合初级模型，２０年来不断推出信息 融合修订模型和推荐模型；澳大利亚的状态转 移数据融合（ＳＴＤＦ）框架和加拿大的态势分析与 解释系统（ＳＡＩＳ）框架；美国防部数据融合信息组 （ ＤＦＩＧ）模型和用户－融合模型等。上述模型提 出了信息融合体系结构的２个挑战性问题：人在融 合系统中和分布式融合。人在融合系统中彻底改变 了传统寻求融合自动化的发展方向，从而提出了面 向应用的信息融合需要用户参与和主导，这对于信 息融合学科发展无异于注入一支强心剂，因此又称 为信息融合的复兴。 分布式融合是网络中心战对信息融合的需求。 分布式融合方式颠覆了传统单一节点的集中式数据 融合模式，迈向了面状多点网络系统的融合应用模 式，反映了信息融合系统的网络化过程，对当前军民 各领域的信息化应用均具有重要意义，对促进信息 融合学科的发展不可小觑。         ３）高级融合中的语义表示

     语义挑战主要指２级和３级融合（态势估计和 影响估计）以及４级和５级（过程精炼和用户精炼）
中所涉及的知识表示，具体为：（ １）认知表示和相关 推理中的语义表示。包括建立语义的统一基准、语 义谱系与正则化，有文献将其称为态势与威胁估计 （ ＳＴＡ）中的数据校准；（ ２）建立所有融合级别的 共用语义框架，并将各类介质和源的信息抽取（转 换）为一个语法和语义上共用的格式，称为语义配 准；对其中出现的状态／态势间断即语义裂痕要进行 修补。

    ４）认知融合

    随着信息融合向２级和３级融合发展，信息融 合由机器从数据中提取信息含义转向系统对获取数 据赋予信息含义过程，从而涉及到对信息的理解和 认知。其中对敌方 ＣＣ＆Ｄ 的识别，可能出现在信 号、对象、态势和威胁等各融合级别上，需充分利用 机器自动推理和人的认知推理能力才能实现。然而 目前人的思维认知建模尚无法解决此类问题。因 此，实现人的思维认知与机器推理认知的自动融合 目标还很遥远。人们仅能重新回到半自动融合方 式，通过认知域人与机器密切交互，解决信息融合中 的认知挑战问题。

    ５）人－系统交互

    人与机器信息的交互理解、交互判定和交互融合是实现融合系统交互运行的关键技术。该领域的第一个挑战性问题是人与机器融合的约定关系，指 人的感知信息与机器处理信息融合需采用统一规则、协议和格式，这对建立全球统一的人在环中的融合模型、操作方式和体系结构具有重要意义。 该领域的第二个挑战性问题是人机界面，界面 设计要体现应用领域特征、操作方式和应用效能，其 跨越信息域与认知域，跨多学科，并且与人的思维和认知活动紧密相连。目前，人机界面仅限于逻辑和操作层面，较高层次的认知和智能层面较少。另外人机界面已超越了低级融合中“画面中的点”和“画面中的线”等传统显示技术，如美国采用用户自定义 作战图（ＵＤＯＰ） ，以支持信息协同共享和改善态势感知一致性，实现了具有符号、信息管理和 协同功能的共用作战图（ＣＯＰ）的可视化，支持基于 认知理论的融合用户精炼。

    ６）融合评估

    性能和效能评估是度量信息融合系统应用能力的依据。应用的差异导致了难以建立统一的和通用 的融合性能度量和应用效能度量指标体系。当前，融合系统的评估挑战研究以低级融合评估居多， 各国独立研究的高级融合评估方法存在较大差异： 加拿大强调使用证据推理度量不确定性关系，采 用博弈论度量行动的适应性；美国基于信息论 建立了基于活动的态势性能度量方法和态势效 能度量方法，如采用贝叶斯网络度量作战条件 的随机变化并从性能测量导出了效能度量（ＭＯＥ）， 目前已应用到 Ｃｙｂｅｒ分析的效能开发和海岸监 视中。

５ 信息融合奥秘

     信息融合学科不能解决感知领域中的所有问 题，迄今为止人们对某些问题认识尚不清楚、不一致甚至错误，有些问题尚未提及，现列示如下：

    １）信息融合产品（系统）无法取代一个好传感器或优秀的人的理解和判断。这意味着某些现实事物不能实际观测到或人们无法基于观测结果推理出，即使增加探测传感器数量以及采用高明的信息融合方法（或技术）也无济于事。人们力图发现的现实目标是否出现或是否能观测到依赖于探测手段， 至于人通过思维推断出来的意图和结论，更是难以通过信息融合获得，因为人的思维迄今仍难以捉摸， 这也是当前信息融合引入用户参与和主导的原因。

    ２）下游处理无法解除上游处理的错误。如果 低级（信号／数据级或对象级）融合出现错误或由于缺少关注的数据产生错误，会引起高级（态势估计和 威胁估计）融合错误。除非增加信息来源（如增加情 报信息或人工判断），否则高级融合无法纠正低级融合出现的错误。每个数据提取阶段和每个级别的融 合处理均需采用最适宜方法获得局部优化结果，除满足局部产品应用需求外，还直接影响后续融合性 能。因此，指望采用高明的模式克服对象融合阶段的错误或通过复杂的态势估计方法纠正对象融合产生的错误均不现实。

    ３）融合结果可能比最好的传感器差。由于存在融合结果可能比最佳传感器性能低、数据谱系不完整以及信息过载和不确定性等问题，会引起融合性能下降。此外，当分布式网络节点快速接入新的传感器或增加人的理解和判断信息时，如不能准确估计输入数据的精度和可信性，也会导致融合结果误差。随着网络应用环境和面向服务结构（ＳＯＡ） 的出现，迅速传播的数据／信息缺少对来源和谱系的理解（谁报告什么数据），会使上述问题加剧。尽管如此，当最好传感器无法连续获取目标时，多传感器数据融合仍会提高目标感知的时效性。

    ４）不存在不可思议的算法。信息融合学科在理论、模型和计算中采用的通用数学模型和算法都是已知的。信息融合技术和方法分２个层次： （１）功能实现技术，如信号检测、目标估计及态势估 计等；（２）每项实现技术所采用的数学方法，如确定准则下的信号检测模型、统计估计方法、不确定性处 理方法以及基于知识的系统等。功能实现技术以通用数学方法为依托，信息融合对数学方法采用 “拿来主义”，关键在于应用选择，需解决通用算法与数据表示、信息含义及推理知识的匹配问题。

    ５）不存在统一态势图。从应用角度看，态势质量集中体现在真实性和可用性两方面。客观上看， 真实的战场态势只有一个，但各作战单元基于自身感知手段获得的战场态势可能存在诸多差别，采用 网络共享也难以实现所有作战单元感知的战场态势 的完全统一。从可用性角度看，不同级别业务部门／ 军兵种作战单元所关注的态势显然千差万别，总司 令和士兵不可能关心同一态势。美军提出的 ＵＤＯＰ说明不存在统一态势图的概念，只是在作战 协同时，双方（或多方）需对共同关心的态势信息达 成一致理解。与联合作战同时出现的美军ＣＯＰ和 ＣＴＰ在应用概念上指共用作战图或共用战术图， 这里的“共用”指对图中共同关注信息的理解上达成 一致。不同协同任务使用（级别和内容上）不同的作 战图，而不是一张“统一”的作战图，这样定义才有利 于协同规划，使各层次的作战单元实现态势感知一 致理解。         ６）判定与决策不是一个概念。判定指在客观事物的感知和理解中，对所出现的２种（或以上）情 况（含义或结论）进行判断和选择，确定哪种更符合客观实际，如对目标身份、企图的识别判断等；决策 指人们在从事某项活动前，筹划和确定采用的策略和行动方案。因此，决策是自身行动规划的一部分， 如某战役决策包括定下作战决心、确定作战目标和 行动计划等。当然，决策的依据是对环境（包括对 手）的感知和判定，但决策属于主动行为范畴，而判 定属于对客观事物的理解和认知范畴。信息融合领 域的 Ｄｅｃｉｓｉｏｎ 一词大多指判定，而不是指决策。 Ｄｅｃｉｓｉｏｎ　Ｆｕｓｉｏｎ在内涵上通常指对多个判定结论的融合即判定级融合，如对各传感器生成的目标局部 航迹进行融合以生成全局航迹属于判定级融合，而 不能称为决策级融合。

    ７）２种感知观点。（ １）认为人是感知的主体， 传感器和技术手段只是人类感知功能的扩展。信息 融合源于人类应用活动的需求（如事件假设或语义 解释信息），人们为寻找适宜的数据、证据或真相而 产生传感器信息获取和处理需求。（ ２）认为传感器与计算机融合处理是感知主体，人们的具体感知行 动开始于数据，即传感器输入，再向前推进到为人类 的应用活动服务。技术实现也有２种观点：（ １）用 户基于需求设计感知模型，以模型驱动方式运行融 合系统，寻找和识别与模型匹配的数据，即向数据赋予知识（含义），再经过逐级融合，产生满足应用需求 的态势信息；（ ２）以数据驱动运行融合系统，从传感器数据中提取特征、关系和知识，建立应用模型或直接提供用户应用选择。应用模式存在以下２种观 点：（１）用户与机器的紧密耦合活动，用户参与融合系统设计、运行交互和信息分发活动，充分发挥人的认知能力以产生符合应用活动需求的融合产品； （２）机器在后台自主进行融合处理，在人机界面上提供融合结果供用户干预选择。上述２种感知观点的差异涉及信息融合学科的概念、结构、方法和应用 中的诸多理论和实践问题，关乎学科发展方向。当 前出现的人与机器相结合的信息融合体系结 构，正力图实现这２种感知观点的统一。

    ８）仿真并非万能。信息融合的应用广泛性和 跨学科特点，使模拟和仿真技术有时显得无可奈何。 模拟剧本不能反映真实的应用场景或无法验证融合模型和方法，如尚不能获得某一识别分类谱系，对某 种状态变化尚不能在机理上或统计上充分认识等。 例如，有文献反映了北约某雷达站测量误差仿真估计结果与实测结果相差甚远。有文献反 映了采用误差均匀分布模型估计和补偿雷达探测误差出现与实际情况大相径庭的结果，从而提出建立 探测误差非均匀分布传感器空间配准模型的需求。 因此，在信息融合领域，仿真研究落后于应用需求， 需积累、分析和掌握已有融合方法应用的实践经验， 以促进信息融合仿真和试验领域的发展。

    ９）无法获得足够的训练数据。在解析或统计 算法向人工智能算法发展的过程中，模式识别方法 具有重要应用价值。在确定参考模式时，需要大量训练数据，如神经网络算法需训练确定输入样本分 量的权重，并将训练结果反馈给输入端不断进行改 进；在目标分类模式识别中，标准模式参数也要 通过一定数量的样本进行训练获取，并随样本增加 不断进行修正。不管是仿真手段还是应用中获 取的训练样本，其正确性和数量均无法保证，产生的 标准模式偏差将影响模式识别的准确性。特别是对 不同的识别场景中的目标，需基于实时采集的样本 训练产生和修正相对标准模式，才能体现不同场景 中识别特征的差别。因此，训练样本的数量和正确 性成为模式识别误差的主要来源。

６　结束语

    本文对信息融合动态与发展趋势进行了分析， 阐述了信息融合发展的３个阶段和当前８项研究内 容，重点介绍了最新的第三代信息融合模型和用户－ ＩＦＳ功能模式，以及人在感知 ＯＯＤＡ环中的控制作 用，并提出了信息融合的６个挑战性问题和对信息 融合９个奥秘的诠释。本文结合工程实践对当前信 息融合技术最新发展动态进行了跟踪与总结，有助 于信息融合相关理论研究和工程技术应用。

参考文献（Ｒｅｆｅｒｅｎｃｅｓ）：略

本文摘自： 《指挥信息系统与技术》2014.12