数据融合功能模型

数据融合功能模型

数据融合功能模型是适用于任何融合系统的一组通用功能定义，描述了多传感器数据融合系统的完整处理流程。该模型包含五个核心功能：特征提取、分类、识别、参数估计和决策。其中特征提取和分类是基础，实际的融合主要在识别和参数估计阶段完成。

功能组成

1. 特征提取：统一各传感器的时间和空间参考点，进行时间校准和空间坐标变换，从传感器原始信息中提取有意义的特征，形成数据融合所需的统一时间和空间参考点。

1. 分类（数据相关/数据关联）：判别不同时间与空间的数据是否来自同一个被观测目标。每次扫描结束时，相关单元将多个传感器的新观测值与其过去的观测值进行相关处理，将提取的特征归入预定义的类别。

1. 识别：根据多个传感器的观测结果形成N维特征向量，与已知目标类型的特征进行比较，确定目标的身份或类型。

1. 参数估计（目标跟踪）：将新观测结果与原有结果融合，估计目标参数（如位置、速度、温度等），并预测下一次扫描的量值，预测值反馈给后续扫描用于相关处理。

1. 决策：基于融合结果做出最终判断，包括态势评定、威胁估计与目标趋势分析，根据目标的行为、企图、动向制定应对策略。

处理层次

数据融合过程分为两个步骤，对应不同的信息抽象层次：

• 低层处理：包括像素级融合和特征级融合，输出状态、特征和属性等。
• 高层处理：即决策级融合，输出抽象结果，如目的、意图等。

与其他模型的关系

功能模型中的低层处理对应数据融合层次中的原始层和特征层，高层处理对应决策层。该模型与数据融合层次、数据融合结构形式共同构成了多传感器数据融合的理论框架，为设计多传感器数据融合系统提供了通用的功能框架。