数据融合功能步骤

数据融合功能步骤

数据融合功能步骤是多传感器数据融合系统在执行融合处理时所遵循的五个核心功能环节，是对数据融合功能模型的具体化描述。这五个步骤跨越了数据融合层次中的不同层级，构成了一个从底层数据处理到高层决策的完整流程。

五个功能步骤

1. 特征提取：统一各传感器的时间和空间参考点，对各传感器的观测值进行时间校准和空间坐标变换，形成数据融合所需的统一时间和空间参考点。该步骤主要对应数据融合层次中的数据层或特征层处理。
2. 分类（数据相关/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。该步骤即数据相关，是目标跟踪和识别的基础。
3. 识别：根据多个传感器的观测结果形成一个N维特征向量，与已知目标类型的特征进行比较，确定目标的类别。识别是目标属性的估计与比较，建立在已知目标类别的先验知识基础上，主要对应特征层或决策层处理。
4. 参数估计（目标跟踪）：将新的观测结果与系统原有的观测结果进行融合，估计目标参数（如位置、速度、温度等），并预测下一次扫描中参数的量值。预测值反馈给随后的扫描，以便进行相关处理。该步骤常采用卡尔曼滤波等状态估计方法。
5. 决策：根据被观测目标的行为、企图、动向等制定己方的应对策略与措施。将所有目标的状态和类型数据集与可能态势相比较，得出态势评定、威胁估计与目标趋势，为应对决策提供依据。该步骤对应决策层融合。

与融合层次的对应关系

这五个功能步骤并非严格对应数据融合层次中的某一层，而是跨层次的流程：

• 特征提取和分类可能发生在数据层或特征层
• 识别可能发生在特征层或决策层
• 参数估计主要发生在特征层
• 决策发生在决策层

这种跨层次特性是设计融合系统时需要重点考虑的问题。