数据融合基础概念

数据融合技术定义

数据融合技术是指利用计算机对按时序获得的若干观测信息，在一定准则下加以自动分析、综合，以完成所需决策和评估任务而进行的信息处理技术

多传感器数据融合常用算法
多传感器数据融合常用方法基本上可以概括为随机和人工智能两大类
随机类常用方法：平均加权法、卡尔曼滤波法、多贝叶斯法、Dempster-Shafer(D-S)证据推理、昌盛式规则等；
人工智能类常用方法：模糊逻辑理论、神经网络、粗集理论、专家系统

数据融合种类

数据层融合：直接在采集到的原始数据层上进行融合，在各种传感器的原始测报未经与处理之前就进行数据的综合与分析。数据层融合一般是采用集中式融合体系进行融合处理，这是最底层的融合
特征层融合：属于中间层融合，先对来自传感器的原始信息进行特征提取（特征可以使目标的边缘、方向、速度等），然后对特征信息进行综合分析和处理。
优点：实现可可观的信息压缩，有利于实时处理，并且由于所提取的特征直接与决策分析有关，因而融合结果能最大限度的给出决策分析所需要的特征信息。特征层呢给融合一般采用分布式或集中式融合体系
分类：特征层融合可以分为两大类，一类是目标状态融合，另一类是目标特性融合。
决策层融合
决策层融合通过不同类型的传感器观测同一目标，每个传感器在本地完成基本的处理，其中包括预处理、特征抽取、识别或判决，以建立对所观察目标的初步结论。