第２９卷 ２０１０年６月 情报杂志 Ｖｏ１．２９ ＪＯＵＲＮＡＬ ＯＦ ＩＮＴＥＬＬＩＧＥＮＣＥ Ｊｕｎ． ２０１０ 信息融合技术综述 韩增奇 于俊杰 李宁霞 王朝阳２ （１．信息工程大学信息工程学院摘要郑州４５０００２；２．武汉理工大学管理学院武汉４３００７０） 结合国内外的研究成果，归纳总结了信息融合的发展历史、定义、层次结构及常用方法。通过介绍并分析 多传感器信息融合技术的应用领域，揭示了信息融合技术在实际应用中的广泛性和重要性。最后进一步分析了信 息融合研究领域中存在的问题，指出了信息融合技术今后的发展趋势。 关键词信息融合融合结构融合方法 中图分类号ＴＰ２１２ 文献标识码Ａ 文章编号１００２—１９６５（２０１０）０１１０—０５ 信息融合技术是智能信息处理的一个重要研究领城。 １９７３年，美国防部资助开发了声纳信号理解系统，数据融合 ＴＣＡＣ系统（军用分析系统），ＢＥＴＡ系统（战场使用和目标 捕获系统），ＳＯＩＳ系统（专用作战信息系统），ＳＰＡＮ系统（潜 在危机状态信号参数分析系统），ＰＡＡＳ系统（全源分析系 技术在该系统中得到了最早的体现。此后，数据融合技术蓬 勃发展，不仅在人工系统中尽可能采用多种传感器来收集信 息，而且在工业控制和管理等领域也朝着多传感器的方向发 展。２０世纪７０年代末，在公开的技术文献中开始出现基于 统），ＮＡＬＹＳＴ系统（情报分析动态显示专家系统），ＩＡＮＣＡ 系统（多传感器多平台跟踪的情报相关处理器系统），ＴＯＰ 系统（海军战争状态分析显示系统），ＺＫＢＳ系统（舰载多源信 息融合系统），ＺＺＦＦ系统（飞机的敌／我／中识别系统），ＡＩＤＤ 系统（炮兵情报数据融合示范系统）等。“无人值守地面传感 多传感器信息整合意义的融合一词，并开始广泛应用于军事 与民用领域。 １发展状况回顾 １．１国外研究发展状况 在美用电子技术带动下， ２０世纪８０年代后期以来西方其他先进技术国家也已先后 加强多传感器信息融合研究活动，而且很快向民用部门扩 展。１９８７年２月，美国国家科学基金会（ＮＳＦ）首次在犹他 州召开了“制造自动化中的多传感器信息融合”学术研讨会。 同年１０月，全美人工智能学会（ＡＡＬ）在伊利诺斯州召开了 “空间推理与多传感器融合”学术研讨会。１９８８年，美国摄 器群”和“战场环境侦察与监视系统”是美国陆军最近在该领 域的研究项目［５１。 到目前为止，美、英、法、意、日等国已研究出上百个军用 融合系统，取得了一定的成果，但还存在一些难题没有完全 解决。如传感器模型、融合过程的推理及有关算法的研究 等。 １．２国内研究发展状况 国内关于信息融合技术的研 究起步相对较晚，到了２０世纪８Ｏ年代末才开始出现有关多 传感器信息融合技术研究的报道。２Ｏ世纪９０年代初，这～ 影仪器工程师协会（ＳＨＥ）主办了两次有关信息融合的学术 研讨会，一次主题为“空间推理与景物解释”，另一次主题为 领域在国内才逐渐形成高潮。在、军方和各种基金部门 的资助下，国内一批高校和研究所开始广泛从事这一技术的 研究工作，出现了一大批理论研究成果。与此同时，也有几 部信息融合领域的学术专著和译著出版，其中，代表性的专 著有：刘同明、夏祖勋和解洪成的《数据融合技术及应用》；何 “传感器融合”。同年，美国国防部把信息融合技术列为９Ｏ 年代重点研究开发的二十项关键技术之一，且列为最优先发 展的Ａ类。１９８９年，北约组织也在巴黎召开了这方面的会 议，主题是“计算机视觉中的多传感器融合”。美国一实验 室理事联席会（ＪＤＬ）下设的Ｃ３技术委员会（ＴＰＣ３）专门成 友、王国宏的《多传感器信息融合及应用（第二版）》；权太范 的《信息融合神经网络一模糊推理理论及应用》；韩崇昭、朱 立了信息融合学术会议，并通过ＳＰＩＥ传感器融合专辑、 ＩＥＥＥ Ｔｒａｎｓ，Ｏｎ ＡＥＳ， 等发表有关论著；为了进行广泛 的国际交流，１９９８年成立了国际信息融合学会（Ｉｎｔｅｍａｔｉｏｎ～ ａｌ Ｓｏｃｉｅｔｙ ｏｆ Ｉｎｆｏｍｌａｔｉｏｎ Ｆｕｓｉｏｎ），总部设在美国，每年举行一 洪艳、段战胜的《多源信息融合》。有代表性的译作有：赵宗 贵等人的《多传感器数据融合》、《数据融合方法概论》；张秀 兰等人的《跟踪和数据关联》与《水下信号和数据处理》等。 ２０世纪９０年代中期以来，信息融合技术在国内已发展 成为多方关注的共性关键技术，出现了许多热门研究方向。 次信息融合研究国际学术大会＿１－４ Ｊ。 美军应用信息融合技术研制出了大量军用系统，如： 收稿口期：２０１０一Ｏｌ一１３ 许多学者致力于机动目标跟踪、分布监测融合、多传感器综 作者简介：韩增奇（１９７５一），男，硕士研究生，研究方向为信息资源管理；于俊杰（１９８２一），男，硕士研究生，研究方向为数模与应用；李宁霞 ｆ１９７９一），女，硕 Ｌ研究生。 ２０１０年６月 韩增奇，等：信息融合技术综述 合跟踪与定位、分布信息融合、目 标识别与决策信息融合、姿态评 估与威胁估计、图像融合、智能机 器人等领域的理论及应用研究， 相继出现了一批多目标跟踪系统 和有仞步综合能力的多传感器信 息融合系统。 目前，我国的多传感器信息 。 融合技术与发达国家相比，水平 还相差很大。因而，尽快将信息 融合技术广泛地应用于军事领 图１ 多传感器信息融合的处理模型 域，不仅会使该领域的理论研究在更加坚实的基础上向前发 展，而且对增强我国的国防实力、追赶世界先进水平均具有 ３信息融合的层次结构 深远的历史意义和现实意义。 信息的数据融合是对多源数据进行多级处理，每一级处 ２信息融合的定义 理都代表了对原始数据的不同程度的抽象化，它包括对数据 的检测、关联、估计和组合等处理。信息融合按其在传感器 近几年来，多传感器信息融合（ＭＳＩＦ）技术发展很快，频 信息处理层次中的抽象程度，可以分为三个层次。 繁地被许多军事和非军事领域所引用。但信息融合概念的 ３．１数据层融合（低级或像素级） 数据层融合如图２ 提出是基于信息处理技术发展的需要，信息融合技术没有专 所示，首先将全部传感器的观测数据融合，然后从融合的数 门的理论体系，所采用的理论和方法主要是通过变化和改进 据中提取特征向量，并进行判断识别。这便要求传感器是同 现有的信息处理技术来获得的。对于信息融合的概念，目前 质的（传感器观测的是同一物理现象），如果多个传感器是异 没有一个统一的定义，许多学者和研究机构从不同的角度出 质的（观测的不是同一个物理现象），那么数据只能在特征层 发给出了各自对信息融合的定义，但从各种出版文献来总 或决策层进行融合。数据层融合不存在数据丢失的问题，得 结，信息融合的概念也基本趋于如下的定义： 到的结果也是最准确的，但对系统通信带宽的要求很高。 多源信息融合技术是一种利用计算机技术，对来自多种 信息源的多个传感器观测的信息，在一定准则下进行自动分 析、综合，以获得单个或单类信息源所无法获得的有价值的 综合信息，并最终完成其任务目标的信息处理技术Ｅ６ Ｊ。 多传感器信息融合实际上是对人脑综合处理复杂问题 的一种功能模拟，充分利用多传感器资源，通过对这些传感 器及观测信息的合理支配和使用，将各种传感器在空问或时 问上的冗余或互补信息依据某种准则进行组合起来，产生对 被测对象的一致性解释或描述。 在这些定义中，成立于１９８６年的美国国防部ＪＤＬ（Ｊｏｉｎｔ Ｄｉｒｅｃｔｏｒｓ ｏｆ Ｌａｂｏｒａｔｏｒｉｅｓ）从军事应用的角度将信息融合定义 图２数据层融合 为这样一个过程：把来自许多传感器和信息源的数据和信息 数据层融合的主要优点是能保持尽可能多的现场数据， 加以联合（Ａｓｓｏｃｉａｔｉｏｎ）、相关（Ｃｏｒｒｅｌａｔｉｏｎ）和组合（Ｃｏｍｂｉｎａ— 提供其它融合层次所不能提供的细微信息，但局限性也是很 ｔｌｏｎ），以获得精确的位置估计（Ｐａｓｉｔｉｏｎ Ｅｓｔｉｍａｔｉｏｎ）和身份估 明显的： 计（Ｉｄｅｎｔｉｔｙ Ｅｓｔｉｍａｔｉｏｎ），以及对战场情况和威胁及其重要程 ａ．它所要处理的传感器数据量太大，故处理代价高，处 度进行适当的完整评价。Ｗａｌｔｚ和Ｌｌｉｎａｓ对上述定义进行了 理时问长，实时性差；ｂ．这种融合是在信息的最低层次进行 补充和修改，用状态估计代替了位置估计，并加上了检测 的，传感器原始信息的不确定性、不完全ｙ土和不稳定性要求 （Ｄｉｔｅｃｔｉｏｎ）功能，给出了如下定义：信息融合是一种多层次、 在融合时有较高的纠错能力；ｃ．要求各传感器信息之问具有 多方面的处理过程，这个过程是对多源数据进行检测、互联、 精确列一个像素的校准精度，故要求各传感器信息来自同质 相关、估计和组合以达到精确的状态估计和身份识别，以及 传感器；ｄ．数据通信量较大，抗干扰能力较差。数据层融合 完整的态势评估和威胁评估ｌ 。 通常用于多源图像复合、图像分析与理解、同类（同质）雷达 ＪＤＬ模型是一个基于功能的融合模型，其目的是希望在 波形的直接合成等。多源图像复合是将由不同传感器获得 多个应用领域都能通用。目前是公认的较为权威的定义并 的同一景物的图像经配准、重采样和合成等处理后，获得一 得到了广泛的引用。ＪＤＬ信息融合处理模型如图１所示。 幅合成图像的技术，以克服单一传感器图像在几何、光谱和 ・ ｌ Ｉ２・ 情报杂志 第２９卷 空间分辨率等方面存在的局限性和差异性，提高图像质量。 图像分析与理解方面主要研究是利用高分辨率扫描传感器 的输出，演绎出所观察情景的三维模型问题。数据层融合采 侧面的不同类型信息；ｃ．当一个或多个传感器出现错误时， 通过适当的融合，系统还能获得正确的结果，所以具有容错 性；ｄ．通信量小，融合中心处理代价低，抗干扰能力强．ｅ．对 用集中式融合体系进行融合处理过程。 ３．２特征层融合（中级或特征级） 特征层融合属于中 传感器的依赖性小，传感器可以是同质的，也可以是异质的。 决 策 级 融 合 间层次，它先对来自传感器的原始信息进行特征提取（特征 可以是目标的边缘、方向、速度等），然后对特征信息进行综 合分析和处理。特征层融合的优点在于实现了可观的信息 压缩，有利于实时处理，并且由于所提取的特征直接与决策 判 ｆ 定 判 ｆ 定Ｈ判 ｆ 定 分析有关，因而融合结果能最大限度地给出决策分析所需要 的特征信息。特征层融合采用分布式或集中式的融合体系。 图３特征层融合 特征层融合如图３所示。在特征级信息融合中，各传感 器进行目标探测和特征提取处理。在对目标进行分类之前。 将来自多传感器的目标报告或已滤波的跟踪组合成多源整 体跟踪。 在特征级信息融合时，多个信息源提供的特征矢量被融 合成组合特征矢量。在许多不可能的或期望以像素级将多 源等同数据组合的情况下，特征级信息融合常常是有效的实 用方法。不同类型传感器可测量的特征常常是相互不等同 的。例如，长波红外传感器可在远距离探测导弹的排气火舌 但不能探测弹体本身，而跟踪雷达则可能探测弹体。为了改 善对导弹的分类和跟踪，可使长波红外传感器和跟踪雷达数 据中可辨别的特征相关联。特征层融合优点是对通信带宽 的要求较低，但缺点是由于数据丢失使其准确性有所下降。 ３．３决策层融合（高级或决策级） 决策层融合通过不 同类型的传感器观测同一个目标，每个传感器在本地完成基 本的处理，其中包括预处理、特征抽取、识别或判决，以建立 对所观察目标的初步结论。然后通过关联处理进行决策层 融合判决，最终获得联合推断结果（如图４所示）。 决策层融合输出一个联合决策结果，在理论上这个联合 决策比任何单传感器决策更精确或更明确。除非传感器的 信号是的，否则，决策层融合的分类性能可能低于特征 层融合。决策层所采用的主要方法有贝叶斯推理、Ｉ）一Ｓ证 据理论、模糊集理论、专家系统方法等。另外，决策层融合还 采用一些启发式的信息融合方法，来进行仿真融合判决。 决策层融合的主要优点有：ａ．系统具有很高的灵活性， 对信息传输带宽要求较低；ｂ．能有效地反映环境或目标各个 ｆ ｆ ｆ ｝特征提取 ｌ 特征提取Ｈ特征提取 ｆ ｆ 传感器ｌ 传感器２ …Ｊ传感器 ｆ ４决策层融合 目前有关信息融合的大量研究成果都是在决策层上取 得的，并且构成了信息融合研究的一个热点。但由于环境和 目标的时变动态特性、先验知识获取的困难、知识库的巨量 特性、面向对象的系统设计要求等，决策层融合理论与技术 的发展仍受到阻碍。 ４信息融合的典型方法 ａ．小波分析法。小波分析具有良好的信号时域局部化 特征，能处理信号的局部特征信息。 ｂ．加权平均法。信号级融合方法最简单、最直观方法是 加权平均法，该方法将一组传感器提供的冗余信息进行加权 平均，结果作为融合值，该方法是一种直接对数据源进行操 作的方法ｌ 。 Ｃ．概率论方法。这种方法首先对各种传感器信息作相 容性分析，删除置信水平很低的错误信息。在假设已知相应 的先验概率的前提下，对有用的信息进行贝叶斯估计，以求 得最优的融合信息。 ｄ．卡尔曼滤波法。卡尔曼滤波主要用于融合低层次实 时动态多传感器冗余数据Ｅ９］。对于线性系统，当系统噪声和 传感器噪声可以用高斯白噪声来建模时，卡尔曼滤波器能提 供唯一的统计意义上的最优融合值。并且，它的递归本质保 证了在滤波过程中不需要大量存储空间，可以实时处理。 ｅ．Ｄ—Ｓ证据推理方法。Ｄ—Ｓ证据理论是Ａ．Ｐ．Ｄｅｍｐ— ｓｔｅｒ¨叫在２０世纪６０年代提出的“上、下概率”及其合成规则 的基础上，由Ｇ．Ｓｈａｆｅｒ在其１９７６年出版的专著《证据的数学 理论》中建立的。Ｄ—ｓ证据理论是对概率论的进一步扩充， 适合于专家系统、人工智能、模式识别和系统决策等领域的 实际问题。作为Ｂａｙｅｓ推理的延伸，Ｉ）ｅｍｐｓｔｅｒ—Ｓｈａｒｅｒ证据 理论无须预先知道有关的先验概率就可以进行证据融合。 ｆ．模糊逻辑推理法。由Ｚａｄｅｈ提出的模糊逻辑是一种 多值逻辑ｌ“Ｊ。由于它能将多传感器融合的不确定性直接反 映在推理过程中，因而已被广泛地应用于多传感器信息融 合。 ２０１０年６月 韩增奇，等：信息融合技术综述 ・ Ｊ １３・ ｇ．人工智能系统。专家系统通过寻找知识库，并把论 统的两个重要性能指标，利用信息融合技术处理，能明显提 高这两个性能指标。 据、算法和规则应用到输入数据上来进行推理。基于知识的 专家系统将已知的专家规则或其它知识合并以自动执行目 标确认过程。 遥感。遥感主要应用于对陆地和海洋等的监视，以便识 别和监视地貌、气象模式、植物生长。环境条件和威胁情况 （如原油泄漏、辐射泄漏）以及探测矿产资源等。遥感图 像¨８Ｊ信息融合的目的是对物理现象和事件进行定位、识别 和解释。 ｈ．人工神经网络法。神经网络¨ ｊ具有很强的容错性以 及自学习、自组织及自适应能力，能够模拟复杂的非线性映 射。在多传感器系统中，神经网络根据当前系统所接受的样 本相似性确定分类标准，这种确定方法主要表现在网络的权 医疗。医疗领域的应用有两个方面：一是医疗设备如 ＣＴ等多传感器融合提高探测效果；另一方面是病人监护，病 值分布上，同时，可以采用神经网络特定的学习算法来获取 知识，得到不确定性推理机制。利用神经网络的信号处理能 力和自动推理功能，即实现了多传感器信息融合。 ｉ．贝叶斯信息融合法。Ｂａｙｅｓ方法【Ｉ３ｊ用在多传感器信息 融合时，先将多传感器提供的各种不确定性信息表示为概 率。将相互的决策看作一个样本空问的划分，使用 Ｂａｙｅｓ条件概率公式对它们进行处理，最后，系统的决策可由 某些规则给出，如取具有最大后验概率的决策作为系统的最 终决策。 通过以上分析，可以将信息融合方法归纳为以下四类： 估计理论方法，如卡尔曼滤波、小波分析等；基于概率论的方 法，如经典概率推理、经典］￣ａｙｅｓ推理、］３ａｙｅｓ凸集理论和信 息论等；非概率的方法，如Ｄ—Ｓ证据推理、条件事件代数、 随机集理论、粗集等；智能化方法，如模糊理论、人工神经网 络、支持向量机、进化算法等。 ５应用领域 信息融合是综合利用各种信息的一种方法和技术，其本 身是一个决策过程，目前数据融合的主要应用领域有： 军事应用。信息融合技术一词来自军事应用，主要包括 检测、互联、关联（相关）、状态估计、目标识别、态势描述、威 胁估计、传感器管理和数据库等方面＿１ 。 环境监视。针对自然现象，例如地震、气象等的辨识和 预测。 智能视频监控。目前视频监控系统已广泛应用于公共 场所、企业安全和社区、家庭安全等领域ｌＩ 。 图像处理。对于来自同一景物的多幅不同分辨率、不同 波段的图像，由于其成像传感器方向不同，景物本身的物体 以及各种干扰的存在，使得摄取的图像存在某些失真与变 质。这就产生了如何从多幅图像中恢复出原始真实图像的 问题ｌＩ６ Ｊ。多传感器信息融合技术在解决这一问题中得到了 极大的重视。 工业机器人。目前工业机器人＿ｌ’Ｊ中多传感器融合技术 主要用于视觉系统和触觉系统，通过使用模式识别和推理技 术来识别三维目标，确定他们的方位，并引导机器人行走和 躲避障碍；利用触觉传感器的互补特性进一步分辨目标的特 性（软、硬等）。 工业过程监视。工业过程监视是一个明显的数据融合 应用领域，整合的目的是识别引起系统状态超出正常运行范 围的故障条件，并据此触发若干报警器。 语音识别。识别率和对环境的适应能力是语音识别系 人的状况随时变化，要根据病人状况变化的各种数据，如传 感器，病历，本人病史，气候，季节等的信息决定护理、诊断、 治疗的方案。信息融合技术是处理这些信息的最佳方法。 商业及金融。大型公司、企业的商业决策和金融股市行 情以及国家经济管理系统的信息分析和综合决策。 交通管制。交通管制包括三个方面：机场调度与空中管 制、船舶调度与航道管理、城市交通管理。其中空中交通管 制系统主要有导航设备、监视和控制设备、通信设备和人员 四个部分组成，目的是调度飞机的起飞和降落，监视和修正 飞机的航线，防止撞机事件；船舶调度系统中通常靠雷达、声 纳、灯塔、气象水文、全球定位系统（ＧＰＳ）等信息以及航道资 料数据，来实现船舶的安全航行和水环境保护；城市交通则 是根据来自各主要路口的车流量、方向、路况及肇事等信息 给出交通状况的评价和预测【ｌ９ Ｊ。 系统仿真。在系统仿真［２ｏ Ｊ的研究过程中，由于实际系 统中的信息表示形式的多样性，信息处理的多层次性以及信 息高容量的要求，都已超过传统的信息处理方法的能力，将 信息融合理论应用于系统仿真中，可在一定程度上获得系统 的精确状态，改善系统的整体性能。在信息融合系统中选择 和构造以及采用何种融合算法取决于应用目标的需要。从 最终的应用结果来看，信息融合技术的应用领域大致可以分 为如下三类： ａ．目标的检测与识别。对特定的目标和模式进行检测 及识别，实际上就是模式识别问髭亟Ｌｒ 卜２２ ｌ。ｂ．目标的跟踪。 为了维持对目标当前状态的估计，同时对传感器接收到的量 测进行处理的过程，即将传感器所接收到的量测信息分解为 对应于各种不确定机动信息源所产生的不同观测集或轨迹 上［２３－２４］。ｃ．图像融合。它是综合和提取两个或多个多源图 像信息，获得对同一场景或目标更为准确、全面和可靠的图 像，使之更适合于人眼感知或计算机后续处理【０ 。 目前大多数研究还是从实际应用需求出发，重点在于信 息融合系统的模型构建和信息融合算法设计两个方面。 ６结论与展望 信息融合是现代信息技术与多学科交叉、综合、延拓产 生的新的系统科学研究方向，以控制理论、模式识别、人工智 能等为基础，是统计分析、神经网络、模糊逻辑、专家系统等 诸多前沿学科与图像分类、目标检测、目标识别等热门应用 相结合的产物。信息融合技术在各领域的应用中，如采用单 一信息融合方法都会存在不同的局限性。随着科学技术的 ・ ｌｌ４・ 情报杂志 第２９卷 发展，交叉学科的交流与研究将进一步促进信息融合技术的 ［１２］贺养慧，周海英．基于人工神经网络的多源信息融合技术研究 ［Ｊ］．电脑知识与技术。２００９（１）：１４９—１５０ 发展，新型第三材料和传感器不断涌现，传感器种类的增多、 性能的提高以及精巧的结构设计，信息融合技术必将在各领 ［１３］宋留勇，韩中庚，杜剑平．基于Ｂａｙｅｓ理论的信息分市式融合模 型与仿真［Ｊ］．信息工程大学学报，２００８，９（３）：３７０—３７４ ［１４］尹［１５］严靓，李 连．多传感器信息融合仿真平台的设计与实现 杰，龚卫国，杨利平等．基于生物传感和图像信息融合的视 ［Ｊ］．舰船电子工程，２００９（２）：１０４—１０６ 域起着越来越重要的作用，大规模、分布式、各种融合方法相 结合的信息融合系统已经成为信息融合技术发展的重要趋 势。 参考文献 频监控系统［Ｊ］．测控技术，２ｏ０８，２７（８）：２８—３Ｏ ［１］刘同明，夏祖勋，解洪成．数据融合技术及其应用［Ｍ］．ｊＥ京：国 防工业出版，１９９８ ［１６］唐国良．基于多源信息融合的图像处理［Ｄ］．洛阳：河南科技大 学．２００６ ［２］马骏．信息融合及其在目标识别中的应用［Ｄ］．长沙：国防科 ［１７］万村平．机器人非视觉多传感器信息融合的ＴＯＰＳＩＳ法［Ｊ］．计 算机工程与应用，２００９，４５（７）：２０９～２１１ ［１８］尹秉坤．多传感器遥感图像信息融合算法研究［Ｄ］．武汉：武汉 科技大学，２００７ 学技术大学，１９９７ ［３］杨靖靖，邬水革，刘雷健等．战场数据融合技术［Ｍ］．兵器工业 出版社，１９９４ ［４］刘锋．舰载综合电子站系统中的数据融合［Ｄ］．西安：西安电 ［１９３曾锐利．多信息融合的城市交通监控系统若干关键技术研究 ［Ｄ］．天津：天津大学，２００７ ［２０］匡羽，陈琰．基于信息融合理论的卡尔曼滤波及仿真［Ｊ］． 子科技大！学，１９９５ ［５］李建中，李金定，石胜飞．传感器网络及其数据管理的概念、问 题与进展［Ｊ］．软件学报，２００３，１４（１０）：１７１７—１７２７ ［６］杨露菁，余华．多源信息融合理论与应用［Ｍ］．北京：北京邮 电大学出版社，２００６ 微计算机信息，２００８，２４（８—３）１７１—１７３ ［２１］张远鹏，刘以安，倪天权等．基于多舰协同侦察与信息融合的雷 达识别［Ｊ］．微计算机信息，２００９，２５（３—１）：２６０—２６２ ［２２ｊ许志飞，郝玲丽．基于几何特征信息融合的ＳＡＰ，图像目标识别 ［Ｊ］．杭州电子科技大学学报，２００９，２９（２）：６４—６７ ［２３］兰艳亭，林都，郭雁文．多传感器目标跟踪信息增量的汁算 ［７］熊和金，陈德军．智能信息处理［Ｍ］．北京：国防工业出版社， ２００６ ［８］翟红，刘丹．基于权系数的数据融合技术在靶场指挥系统 中的应用研究［Ｊ］．战术导弹技术，２００８（５）：８９—９１ （Ｊ］．中北大学学报，２００９，３０（１）：３７—４０ ［２４］郭爽，王建立．异步多传感器目标跟踪融合［Ｊ］．长春理工大 学学报，２００８，３１（２）：２１～２３ ［９］刘冠良，刘晓华．基于最优信息融合卡尔曼滤波的预测控制算 法［Ｊ］．鲁东大学学报，２００９，２５（１）：１４—１７ ［１０］李豪亮，师义民，陈华．基于Ｄ～ｓ证据理沦的Ｂａｙｅｓ信息融合 ［Ｊ］．模糊系统与数学，２００９，２３（１）：４６—５１ ［２５］庞世明．图像融合技术及其在石油勘探中的应用［Ｊ］．勘探地球 物理进展，２０ｏ８，３１（４）：２８１—２８５ ［１１］韩崇昭，朱洪艳，段战胜．多源信息融合［Ｍ］．北京：清华大学出 版社，２００６ ［２６］虎晓红，钱旭，郑凯梅．一种图像分类的多特征ｖａｇｕｅ融合模 （贵编：王平军） 型［Ｊ］．计算机应用研究，２００９，２６（２）：７８７—７８９ 《上接第ｌ０６页） 用图表的形式表示出来，就是改进的事件透视图了。 综合以上各个因素，查明敌军的重要活动和位置后，每个行 动方案都可以绘制成情况透视图，描述敌方在实际气象、地 形条件下使用现有力量可能采取的部署和作战方法，缩小行 ３结束语 从近几场局部战争的实践来看，战场情报准备以其对敌 情和战场环境的准确分析、深入评估、全面把握、实时应对， 在战场情报保障中发挥了不可替代的作用。我军对战场情 报准备理论还缺乏深入系统的研究。因此，我们应该在研究 动方案的范围，为情况和目标研究以及高价值目标分析提供 依据。 ２．４．５ 确定初步搜集需求。研究几种可能的行动方 案，仪仅是锁定了敌军可能选择的行动方案的范围，敌军到 底会选用哪个方案还不能确定，这就需要搜集相关情报，进 一美军战场情报准备理论的基础上，结合我军作战实际，弥补 传统情报保障的不足，以全新的手段、规范的流程、快捷的方 式、高效的工作为我军作战提供强有力的情报保障。 参考文献 步确认敌军当前采取的行动。敌军的进攻方向、防御重 点、兵力集结方向、侦察监视目标都是情报工作的重点，一旦 获得了这些情报，敌军的行动就比较明朗了。 判断敌军行动方案阶段最重要的成果就是做出事件透 ［１］ＪＰ２—０１．３，Ｊｏｉｎｔ Ｔａｃｔｉｃｓ Ｔｅｃｈｎｉｑｕｅｓ ａｎｄ Ｐｒｏｃｅｄｕｒｅｓ ｆｏｒ Ｊｏｉｎｔ Ｉｎ ｔｅｌｌｉｇｅｎｃｅ Ｐｒｅｐａｒａｔｉｏｎ ｏｆ ｔｈｅ Ｂａｔｔｌｅｓｐａｃｅ［Ｊ］，２０００（２４） ［２］ＪＰ２一Ｏ１．３，Ｊｏｉｎｔ Ｉｎｔｅｌｌｉｇｅｎｃｅ Ｐｒｅｐａｒａｔｉｏｎ ｏｆ ｔｈｅ Ｏｐｅｒａｔｉｏｎａｌ Ｅｎ－ ｖｉｍｎｍｅｎｔ［Ｊ］，２００９（１６） （责编：刘武英） 视图，用以描述重要事件和活动预期发生的地点，分析重要 地域内的事件。初期绘制的事件透视图只能说明敌军可能 采取某个行动方案，随着对行动方案分析的深入，可以缩小 行动方案的范围，指明敌军最可能采取的两三种行动方案，
