基于集合运算的信息融合理论与应用研究
信息融合是针对某一决策任务，对多源(如多传感器)信息进行有效地综合处理，从而获得更准确、更稳定的决策结果的技术(或过程)。信息融合自提出以来，已在军事和民用领域得到广泛应用。本文以C4ISR系统为背景，以决策融合为突破口，讨论了不确定意义下信息融合的一种新思路--基于集合运算的“柔性信息融合”理论、方法和应用。以此为牵引，本文在以下6个方面做了具体研究，并取得了创新性成果。
(1)分析了特种作战和无人机遥感信息处理系统，以GIS(地理信息系统)为核心，应用多元数据融合及系统集成的思想，提出了“松散耦合圆周融合模型”。该模型将3S(RS：遥感，GIS：地理信息系统，GPS：全球定位系统)技术、虚拟现实技术、图像处理技术、数据库技术、多媒体技术等综合应用到战术级融合系统中，增强了数据间的互补，提高了情报侦察的效率及情报信息的准确性和多样性。
(2)不确定性及冲突现象是多源信息的突出特点，更是影响融合算法和系统性能的因素之一。作为Fuzzy集的扩展，Vague集弥补了Fuzzy集单一隶属函数的不足，从真假两个方面描述研究对象。它在描述模糊/含糊性不确定信息，尤其在冲突信息方面具有更强的表达能力，在信息融合领域具有潜在的优势。本文给出了Vague集理论框架，使Vague集理论结构更为完整，体系更为明晰，应用更为方便。
(3)传统融合中数据一般为“刚性”数据(如单值实数)或“弱刚性”数据(如模糊数据)。这种数据表示方法，对某些问题的融合求解会带许多羁绊。本文将其扩展成类区间型数据(如区间数据，Vague值等形如uij=[uLij，uUij]的数据)，提出了柔性数据的概念，从宏观上统一了可能遇到的7种数据类型，使问题求解更具通用性。在此基础上提出的柔性融合模型，考虑了融合过程的物理意义和应用实际，将传统融合模型扩展到柔性数据意义下，从问题域、数据集、求解过程及决策判别等方面研究了不确定意义下多元信息融合的抽象及描述。
(4)针对模糊/含糊、冲突问题，将Vague集理论应用于柔性融合模型中，给出了基于Vague集的融合方法，其具体思路：首先虚拟一个理想目标，在某一个评价函数下，用各传感器获取的目标属性信息与之比较，最后用最小(或最大)准则作为判据，判断目标的归属。本文定义了2种理想目标及2种评价函数的确定方法，并给出了2个判决准则。最后通过算法过程及示例分析，演示并说明了该方法的应用过程。实验表明该方法不但能求解多属性、多传感器、多目标融合问题，并得到准确的结果；且与Fuzzy集融合方法相比还具有：运算效率高，结果分辩率高，抗干扰能力强，算法的稳健性好等优点，对不确定、不精确融合信息描述更充分、更合理。
(5)证据理论可处理由“不知道”所引起的不确定性，在多传感器数据融合中得到广泛应用。但由于其自身限制，使其在某些情况下不适宜于信息融合。通过从理论到实例对Vague集与证据理论做比较研究发现：二者在概念及物理意义上一致，两种方法互为补充；但不能简单的等同，或相互包容。
(6)在总结传统目标识别的数据源、识别特征及识别过程的基础上，本文给出了一种可用于遥感影像上时间敏感目标识别的基于训练数据集的非监督识别方法。该方法的基本思想是基于粗糙集的遥感影像目标识别时的识别特征的初选、约简并确定识别特征的权集，最后基于评价函数及决策准则进行决策，从而获得待识别目标的类型及其他信息。最后，本文还给出了其算法过程和实例分析。从实验结果看本方法能将4组40个目标14个识别特征约简到10个特征后，还能保持较好的识别率。该方法不仅保证了较高的识别率，降低了特征矢量的维数，减少了数据存储量，提高了计算效率，利于时间敏感目标识别问题的求解，也为ATR知识库的构建和数据更新提供了理论依据。
当然，虽然本文主要面向C4ISR系统的决策融合展开研究，但作为柔性信息的表达、分析、决策过程等理论和方法，同样适用于其他如不确定性决策分析、数据挖掘、机器学习等智能信息处理领域。
信息融合;C4ISR系统;决策融合;模糊集;粗糙集;遥感;地理信息系统;图像理解;自动目标识别
中国科学院寒区旱区环境与工程研究所
博士
地图学与地理信息系统
李新
2006
中文
E919;TP274.2
113
2007-05-23（万方平台首次上网日期，不代表论文的发表时间）