多传感器数据融合研究

多传感器数据融合算法通常分为集中式、分布式和混合式三类。如下图：

集中式信息融合算法

各个传感器将观测矩阵送至融合中心，融合中心综合各个传感器的观测数据做出判断，给出
最优的结果。因信息损失小，理论上它可以获得最优的融合性能，但是它对资源（通信带宽、融合合中心的处理能力等）要求较高。
根据对观测数据的处理方式和观测数据的实时性，集中式融合可分为以下四类：扩维融合、加权融合、同步序贯融合和异步序贯融合。下面通过仿真对前三种融合算法进行分析比较。

分布式信息融合算法

和集中式融合算法不同，分布式融合算法不是将每个传感器的观测值送入融合中心，而是局
部节点先对目标的运动状态作一预测，然后将预测轨迹送入融合中心，和集中式相比，它传输的数据量较少且可靠性和可扩展性较高，成为研究的重点。
分布式信息融合算法分以下几种：直接式、同步序贯式、异步序贯式、反馈式、分层式。下
面通过仿真对其中两种算法进行分析比较。

参考：王永安[1], 何光进[2], 刘毅[2]. 基于卡尔曼滤波的多传感器跟踪融合算法[J]. 船电技术, 2013, 33(2):4-7.