数据融合技术是指利用计算机对按时序获得的若干观测信息，在一定准则下加以自动分析、综合，以完成所需的决策和评估任务而进行的信息处理技术。

数据融合技术，包括对各种信息源给出的有用信息的采集、传输、综合、过滤、相关及合成，以便辅助人们进行态势/环境判定、规划、探测、验证、诊断。这对战场上及时准确地获取各种有用的信息，对战场情况和威胁及其重要程度进行适时的完整评价，实施战术、战略辅助决策与对作战部队的指挥控制，是极其重要的。未来战场瞬息万变，且影响决策的因素更多更复杂，要求指挥员在最短的时间内，对战场态势作出最准确的判断，对作战部队实施最有效的指挥控制。而这一系列“最”的实现，必须有最先进的数据处理技术做基本保证。否则再高明的军事领导人和指挥官也会被浩如烟海的数据所淹没，或导致判断失误，或延误决策丧失战机而造成灾难性后果。

用途

数据融合技术为先进的作战管理和C[3]I系统提供了重要的数据处理技术基础。数据融合在多信息源、多平台和多用户系统内起着重要的处理和协调作用，保证了数据处理系统各单元与汇集中心间的连通性与及时通信，而且使原来由军事操作人员和情报分析人员完成的许多功能均由数据处理系统快速、准确、有效地自动完成。数据融合技术对未来作战技术和武器系统的影响极为深远。大量新的作战技术的发展迫切需要数据融合技术的应用和支持。如现代作战原则强调纵深攻击和遮断能力，要求能描述目标位置、运动及其企图的信息，这已超过了使用的常规传感器的性能水平。未来的战斗车辆、舰艇和飞机将对射频和红外传感器呈很低的信号特征。为维持其低可观测性，它们将依靠无源传感器和从远距离信息源接受的信息。那么，对这些信息数据的融合处理就是至关重要的了。

数据融合技术还是作战期间对付敌人使用隐身技术（如消声技术、低雷达截面、低红外信号特征）及帮助进行大面积目标监视的重要手段。数据融合技术将帮助战区指挥员和较低层次的指挥员从空间和水下进行大范围监视、预报环境条件、管理电子对抗和电子反对抗设备等分散资源。同样还能协助先进的战术战斗机、直升飞机的驾驶员进行超低空导航。

高速、低成本及高可靠性的数据融合技术不仅在军事领域得到越来越广泛的应用，而且在自动化制造领域、商业部门，乃至家庭都有极其广阔的应用前景。如自动化制造过程中的实时过程控制、传感器控制元件、工作站以及机器人和操作装置控制等均离不开数据融合技术的应用。数据融合技术为需要可靠地控制本部门敏感信息和贸易秘密的部门提供了实现新的保密系统的控制擅自进入的可能性。对于来自无源电子支援测量、红外、声学、运动控测器、火与水探测器等各种信息源的数据融合，可以用于商店和家庭的防盗防火。军事应用领域开发的一些复杂的数据融合应用同样可以应用于民用部门的城市规划、资源管理、污染监测和分析以及气候、作物和地质分析，以保证在不同机关和部门之间实现有效的信息共享。

数据融合的概念虽始于70年代初期，但真正的技术进步和发展乃是80年代的事，尤其是近几年来引起了世界范围内的普遍关注，美、英、日、德、意等发达国家不但在所部署的一些重大研究项目上取得了突破性进展，而且已陆续开发出一些实用性系统投入实际应用和运行。不少数据融合技术的研究成果和实用系统已在1991年的海湾战争中得到实战验证，取得了理想的效果。

我国“八五”规划亦已把数据融合技术列为发展计算机技术的关键技术之一，并部署了一些重点研究项目，尽可能给予了适当的经费投入。但这毕竟是刚刚起步，我们所面临的挑战和困难是十分严峻的，当然也有机遇并存。这就需要认真研究，针对我国的国情和军情，采取相应的对策措施，以期取得事半功倍的效果。

1．数据融合技术还处于初级发展阶段，迫切需要在理论和实现技术上进行开拓性研究。我们虽然起步很晚，但可以借鉴国外的已有成果和经验，力争在目标相关、跟踪识别、融合算法等基础理论上有所突破，并着手建立我国的C[3]I系统数据融合模型。

2．我国已相继建立了一批自动化指挥系统，但基本上都是对单一类型的传感器信息进行综合处理。在战术C[3]I系统中虽已具备多类信息的收集手段，但只是按类分别进行数据融合，而不能进行统一的融合处理。加之最近几年我国装备部队的传感器种类越来越多，对于多平台多种类传感器的数据融合技术的研究已势在必行。特别需要尽快解决获取多种类多平台传感器的传感器元素、分类航迹元素、识别分析元素、数据融合报告等融合元素，以及如何利用融合元素来优化有效的情报数据、得到准确可靠的信息、作出及时正确的决策和如何在数据融合系统中使用专家系统的方法等关键技术问题。

3．制订切实可行的数据融合科技发展规划。既要考虑我国的经济实力、现有技术水平和我军装备应用需求，又要着眼于未来的科技发展和未来战争的需要。统一规划，选定目标，有选择、有重点地适度投入必需的财力和人力，避免过分分散，摊子铺得过大，短期内搞不出应有成果等弊端。

随着系统的复杂性日益提高，依靠单个传感器对物理量进行监测显然限制颇多。因此在故障诊断系统中使用多传感器技术行多种特征量的监测(如振动、温度、压力、流量等)，并对这些传感器的信息进行融合，以提高故障定位的准确性和可靠性。此外，人工的观测也是故障诊断的重要信息源．但是．这一信息来源往往由于不便量化或不够精确而被人们所忽略。信息融合技术的出现为解决这些问题提供了有力的工具．为故障诊断的发展和应用开辟了广阔的前景。通过信息融合将多个传感器检测的信息与人工观测事实进行科学、合理的综合处理．可以提高状态监测和故障诊断智能化程度。

信息融合是利用计算机技术将来自多个传感器或多源的观测信息进行分析、综合处理．从而得出决策和估计任务所需的信息的处理过程。另一种说法是信息融合就是数据融合．但其内涵更广泛、更确切、更合理，也更具有概括性．不仅包括数据，而且包括了信号和知识，由于习惯上的原因，很多文献仍使用数据融合。信息融合的基本原理是：充分利用传感器资源．通过对各种传感器及人工观测信息的合理支配与使用．将各种传感器在空间和时间上的互补与冗余信息依据某种优化准则或算法组合来，产生对观测对象的一致性解释和描述。其目标是基于各传感器检测信息分解人工观测信息．通过对信息的优化组合来导出更多的有效信息。

复杂工业过程控制是数据融合应用的一个重要领域。通过时间序列分析、频率分析、小波分析，从传感器获取的信号模式中提取出特征数据，同时，将所提取的特征数据输入神经网络模式识别器，神经网络模式识别器进行特征级数据融合，以识别出系统的特征数据，并输入到模糊专家系统进行决策级融合。专家系统推理时，从知识库和数据库中取出领域规则和参数，与特征数据进行匹配（融合）。最后，决策出被测系统的运行状态、设备工作状况和故障

数据融合中心对来自多个传感器的信息进行融合，也可以将来自多个传感器的信息和人机界面的观测事实进行信息融合(这种融合通常是决策级融合)．提取征兆信息，在推理机作用下．将征兆与知识库中的知识匹配，做出故障诊断决策，提供给用户。在基于信息融合的故障诊断系统中可以加入自学习模块．故障决策经自学习模块反馈给知识库．并对相应的置信度因子进行修改，更新知识库．同时．自学习模块能根据知识库中的知识和用户对系统提问的动态应答进行推理。以获得新知识．总结新经验，不断扩充知识库，实现专家系统的自学习功能。

它是直接在采集到的原始数据层上进行的融合，在各种传感器的原始测报未经预处理之前就进行数据的综合与分析。数据层融合一般采用集中式融合体系进行融合处理过程。这是低层次的融合，如成像传感器中通过对包含某一像素的模糊图像进行图像处理来确认目标属性的过程就属于数据层融合。

特征层融合属于中间层次的融合，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分析有关，因而融合结果能最大限度的给出决策分析所需要的特征信息。特征层融合一般采用分布式或集中式的融合体系。特征层融合可分为两大类:一类是目标状态融合;另一类是目标特性融合。

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。