数据融合（2）数据融合方法

the Joint Directors of Laboratories提出了JDL模型，把数据融合划分为了5个层次。

层次零：Subobject refinement。对数据进行预处理以修正偏差，在时间和空间上对齐。

层次一：Object refinement。对数据进行关联以获得目标的位置或属性，在这个层级上可以获得的结果包括目标区分（分类或识别）和目标追踪（目标的状态和朝向）。

层次二：Situation refinement.对对象或事件进行相关性分析并估计其在工作环境中的前后关系，其实主要就是对目标在特定环境下的重要性进行评估。

层次三：Impart assessment.对当前形势进行预测来进行事件预测、威胁意图估计、己方部队的弱点以及后果分析，就是对层次二的目标进行进一步的评估，比如威胁等级。

层次四：Process refinement.对正在进行的融合过程进行评估并给用户提供建议，比如己方任务的优先度，已经可用资源的调配。

基于融合模型，在融合的各个层次需要设计不同的数据融合方法。数据融合方法的分类有多个准则，比较常见的有根据输入数据的关系，根据输入/输出数据类型，根据数据的层级：原始测量、信号、特征或决策，根据JDL定义的数据融合的层级，根据结构类型：集中式、分散式或分布式。

根据输入数据的关系

互补型

输入数据的信息代表同一场景的不同部分且可以用来获得更完整的全局信息。比如，在视觉传感器网络中，由两个从不同方面对同一目标进行观测的相机得到的数据是互补的；

冗余型
两个或多个输入数据的来源提供了对同一目标的信息且可以融合来增强可信度。例如，在视觉传感器网络中，对相同区域的重复观察得到的数据是冗余的。

协作型
多个输入数据可以组合成远比原始信息更复杂的信息。比如多模数据（声音和时频）融合通常认为是协作型的。

根据输入/输出数据类型

Dasarathy’s Classification。这一方法是由Dasarathy提出的，包括以下5个分类准则：

数据进数据出（DAI-DAO）
这种类型是最基础的数据融合方法，输入和输出的都是原始数据，输出数据通常可信度更高或更准确。这一层次的数据融合在数据刚从传感器输出就进行，融合的方法基于信号和图像处理算法。

数据进特征出（DAI-FEO）
这一层次的数据融合对原始数据进行特征提取。

特征进特征出（FEI-FEO）
这一层次输入和输出处理的都是特征，因此本质上是对一组特征进行提高、改进或获得新的特征。这一过程也被称为是特征融合，信息融合。

特征进决策出（FEI-DEO）
这一层次输入为一组特征，输出为一组决策。大多数基于传感器的输入做出决策的分类系统都属于这个层级。

决策进决策出（DEI-DEO）
这种分类也被称为是决策融合，将输入的决策进行融合来获得更好的决策。

根据数据的层级

原始测量、信号、特征或决策。Luo提出了以下四个层级：

信号层级：直接处理来自传感器的信号；
像素层级：在图像层面进行处理，可以用来改进图像处理任务；
特征层级：使用从图像或信号提取的特征；
符号层级：在这一层次，信息用符号来表示，这一层次也被称为是决策层级；

根据JDL定义的数据融合的层级：

这是在数据融合中应用最为广泛的方法。在前面已经提到过，JDL模型将数据融合流程分为五个处理层级。这五个层级可以分为两组，低层次融合和高层次融合，包含以下几个部分：

信号源：信号源提供输入数据，在这里我们可以使用来自多个途径的信号源来获得数据；
人机交互（HCI）：HCI是一个处理输入并输出结果的接口。HCI包括询问，命令，以及基于处理结果得到的信息；
数据库管理系统：数据库管理系统存储获得的信息和融合的结果；

JDL模型的缺点在于没有反馈回路，因此无法根据融合结果调整系统参数。在这之后又提出了很多改进型的JDL模型，由于JDL模型的重要性，这些改进我们会在后续的文章中进行介绍。从JDL模型各层级的描述中可以看到很浓厚的军事色彩，JDL模型本身就是针对军事任务提出的。

根据结构类型

数据融合过程中，一个重要的问题是，我们要在什么环境下进行数据融合。基于此可以将数据融合分为三类：

1.集中式结构：在集中式结构中，数据融合的节点在中央处理器上，因此全部的融合过程都在一个中央处理器上进行。但是这种结构存在很多缺点，比如观测到的数据都需要传输到中央处理器，因此需要很高的数据带宽。此外，不同数据来源的数据传输到中央处理器需要的时间不同，需要对数据进行同步。因此集中式结构尽管在理论上是完美的结构，但是在实际情况中会受到各项制约。

2.分散式结构：在分散式结构中，数据融合的节点在一组网络的各个节点上，每个节点都有各自的处理能力，并对当前节点和周围节点的信息进行融合。分散式结构最大的缺点在于通信损耗，尤其是每一个节点都需要和它之外的每一个节点进行通信。当节点数增大时，这种结构的可拓展性较差。

3.分布式结构：在分布式结构中，对于每一个数据来源节点的处理是单独进行的，处理的结果发送至融合节点，每一个融合节点负责处理接收到的其他节点的信息。这种结构提供了更灵活的配置，可以只有一个融合节点，也可以有多个中间融合节点。

分布式结构有一个预处理，而分散式结构每一个节点都执行数据融合的所有流程，因此分布式结构能够节省通信和计算开销。

层次结构：这类结构通过结合分散式结构和分布式结构的节点，生成一组层次结构，数据融合的过程在不同的层级进行。

需要注意的是，没有哪一种结构是最优的，需要根据需求进行选择。

参考资料：https://zhuanlan.zhihu.com/p/122364721