一种基于多传感器的信息融合技术分析侯远韶摘要：单一传感器采集的信息受限于范围、精度的影响往往无法准确地描述目标的具体特征，进而导致系统的可靠性不足，同时由于不能对采集到的信息进行高效表示，在传输及存储过程中对系统硬件以及通信系统带来了巨大压力。基于多传感器的信息融合技术，通过一定的融合算法对不同传感器采集到的同构或异构数据信息进行有效融合，使得不同类型数据之间在互补的同时摈除了冗余数据，扩展了单个传感器性能，满足了系统对信息实时性和有效性的需求，在提高系统稳定性和容错性的同时，节省了系统的计算资源和存储空间，克服了不确定因素及环境因素对系统的干扰，具有重要的研究意义。关键词：多传感器信息融合融合算法有效性：TP391.4文献标识码：A：1672-3791（2021）04（a）-0017-03AnAnalysisofInformationFusionTechnologyBasedonMulti-sensorHOUYuanshao（DepartmentofMechanicalandElectricalEngineeringHenanIndustryandTradeVocationalCollege，Zhengzhou，Henanprovince，451191China）Abstract：Theinformationcollectedbyasinglesensorislimitedbythescopeandaccuracy.Itoftenfailstoaccuratelydescribethespecificcharacteristicsofthetarget，whichleadstoinsufficientreliabilityofthesystem.Atthesametime，becausethecollectedinformationcannotbeexpressedefficiently，thetransmissionandstorageprocesssystemhardwareandcommunicationsystemshavebroughttremendouspressure.Basedonmulti-sensorinformationfusiontechnology，throughacertainfusionalgorithm，thehomogeneousorheterogeneousdatainformationcollectedbydifferentsensorsiseffectivelyfused，sothatdifferenttypesofdataarecomplementarywhileeliminatingredundantdata，expandingasinglesensor.Theperformancemeetsthesystem'srequirementsforreal-timeinformationandeffectiveness，whileimprovingsystemstabilityandfaulttolerance，italsosavesthesystem'scomputingresourcesandstoragespace，andovercomestheinterferenceofuncertainfactorsandenvironmentalfactorsonthesystem.Importantresearchsignificance.KeyWords：Multi-sensor;Informationfusion;FusionAlgorithm;Effectiveness1多傳感器信息融合1.1多传感器信息融合基本概念及特点多传感器信息融合主要由3个部分组成：首先，如果要获得全面、可靠的数据就需要传感器这一工具进行数据采集;而数据作为信息的载体也是融合的对象，有异构数据和同构数据之分;当传感器采集到数据之后就需要根据不同的数据类型及特点，选取适当的数据融合算法进行数据挖掘和处理，去除冗余信息的同时保留互补信息并对协同信息做出合理选择，最终形成统一的数据信息，为后续的判断决策做出依据，提高系统的鲁棒性和有效性[1]。相对于单一传感器采集信息的局限性，多传感器信息融合技术具有多方面、多层次的特点，采集到的信息具有互补性、冗余性，可以提高系统的精确度以及稳定性，在空间和时间上都具有较大的优势[2]。多传感器信息融合如图1所示。1.2信息融合级别传感器采集到数据信息以后，根据融合对象的类型不同，数据融合技术可以分为3个等级，分别为数据级、特征级以及决策级[3]。（1）对传感器采集到的原始数据不经过加工处理就进行融合，称为数据级融合。其特点是基于最原始的数据进行融合，因此其性能最好，但对异类数据融合性不够，同时对外界干扰因素抵抗力较弱，一旦受到影响对后续的决策判断会产生较大的影响，计算量大且对系统的硬件和通信水平都有较高的要求，数据处理成本高[4]。（2）特征作为信息的主要表现形式，特征级融合不直接对原始数据进行处理，而是通过每个传感器采集到原始数据进行特征提取，进而对得到的特征向量进行融合[5]。特征级融合可以大大减轻对系统硬件的压力，系统的有效性和实时性也得到了提高，但另一方面，由于需要从原始数据中提取特征，而在提取特征中会丢失一部分数据的原始信息，因此融合结果会造成一部分细微数据的丢失，给系统的精确度带来了一定的影响。（3）在每个传感器...