3.1.4 数据融合

传统数据融合技术按照数据抽象层次有如下几种：

（1）基于数据层的融合方法 如图3-2所示，基于数据层的融合方法只适用于同类型的数据源，它直接分析处理原始传感器获取的数据。该方式的优点是保留了最多的原始信息，具有良好的融合性能；缺点是系统的实时性差，这是因为数据量巨大，导致模型分析计算量大，属于最低层次的融合。

图3-2 基于数据层的融合方法

（2）基于特征层的融合方法 如图3-3所示，基于特征层的融合方法在原始数据基础上提取了传感器测量值的特征，获得了相应的特征向量，通过对特征向量进行综合分析和处理，保留了信息的主要特征，实现了一定程度的信息压缩，确保了实时性，是中间层次的融合。

图3-3 基于特征层的融合方法

（3）基于决策层的融合算法 如图3-4所示，基于决策层的融合方法根据具体决策问题，对各个传感器特征向量进行初步筛选，再根据一定的规则和可信度对初级结果重新组合评价，针对具体决策目标获得一个最优决策。该方式的容错性好、实时性强，属于最高层次的融合。

图3-4 基于决策层的融合算法

数据融合按结构可分为三种结构形式方法：串行、并行和混合。

（1）串行融合方法 当前传感器要接收前一级传感器的融合结果，每个传感器不仅接收数据信息，还处理和融合信息。

（2）并行融合方法 每个传感器直接将各自接收的信息各自独立地传送给融合中心，彼此互不影响，融合中心按照适当的规则综合分析得出最终结果。

（3）混合模式方法 结合了串行和并行的特点，每个传感器在接收信息的基础上还要处理信息，把处理后的信息发送到融合中心进一步融合分析得到最优结果。