1 引 言
未来的战争，将是一场由制导武器主宰的战争，几乎所有的武器，包括从枪炮到导弹及卫星的拦截弹都必然利用制导技术来提高性能和精度。如此广泛地使用制导武器，必然导致制导武器朝着两个方向发展：一是高性能、高精度、智能化的方向；一是低成本、小型化的普及方向。同时，具有分布式结构的制导武器支持系统C3I系统也要求具有大纵深多层次的防御能力，能够进行全方位、全高度目标的探测和拦截［1］。
1.1 制导武器的发展趋势及KKV发展状况
随着战场目标的变化，未来导弹所对付的目标，将由原来的以攻击地面、海上目标及反飞机为主转向地表攻击、反飞机、反战术导弹和卫星并重的格局［1］。相应地，武器也从能量型向精度型转变。前三代防空导弹武器杀伤目标靠爆炸战斗部产生的能量，而第四代导弹武器是精确制导武器，有些则采用直接碰撞动能杀伤，而且将作为一种重要的发展方向。因此，相应地发展精确探测、精确控制、精确导引技术，响应时间很短的直接侧向力控制，红外双色成像导引头，毫米波导引头以及姿控/轨控发动机等，是第四代导弹武器系统发展的重要支撑技术。
作为一种重要的精确制导武器——动能拦截弹(KKV)是在世界呈现核均衡，核拦截已不适应，反导防御出现新概念的情况下出现的新型拦截武器。近年来，由于自动寻的末制导技术的发展，动能拦截弹的性能得到了提高，已具有自主捕获、识别、跟踪目标、自动寻的、精确制导等综合性能。
为了提高寻的制导系统的抗干扰、反隐身、目标识别能力，发展红外/可见光、双色红外、红外/毫米波、红外/激光等复合导引头技术是重要的方向。在动能拦截弹的制导控制技术方面，目前主要采用自寻的同惯性制导相结合的制导方式。作为一种趋势，集成的多功能惯性导航系统将得到发展。
1.2 制导武器的支持系统——C3I系统
C3I系统是现代防御的大脑和中枢神经，除火控雷达外，还有指挥控制，通讯和情报部门，它们对于夺取防御作战主动权必不可少，备受世界各国关注。故提高同时处理多目标信息的能力及发射能力，缩短反应时间和提高电子反对抗(ECCM)能力，将是现代防御武器的未来发展趋势。制导武器的未来发展特点是远程化，高速化，隐形化和智能化，同时还兼有多种制导方式及发射平台多样化［2］。
导弹防御支持系统C3I的结构特点：分布式结构；全方位、全高度目标的拦截能力；高信息率、大容量；全自动化；实时性；高精度；灵活的可重构的体系结构等特点。
2 信息融合技术在武器制导与控制中的应用
在动能拦截弹的制导控制中，单纯地依靠某一类传感器系统不可能解决对目标的探测、识别和精密跟踪，这需要多个传感器来完成［1］。“美国陆军空间与战略防御司令部”(USASSDC)导弹防御空间技术中心“战场激光雷达演示”(FLD)计划负责人理查德*温特认为，提高“动能杀伤拦截器”(KKV)识别真假目标能力的基本途径，是增加所测目标独特特性的数量，并把这些由多部探测器所测得的目标特性数据最佳地融合起来［3］。选择有识别能力的动能杀伤拦截器，就是将被动探测器与激光雷达结合起来，因为这两种探测器所测得的目标特性具有互补性。美国陆军正在研制三种成像激光雷达，供有识别能力的动能杀伤拦截器使用。
一般地说，使用多传感器对目标进行探测、识别和跟踪，主要目的在于多种传感器进行互补以便能够获得更好的目标信息。在目标探测识别跟踪系统中使用多种传感器有许多优点，是一勿庸置疑的趋势。这些优点概括起来有：①可以拓宽监视探测的覆盖面；②可以发挥各种传感器的优点，取长补短以改善跟踪的精度；③多传感器抗干扰的性能大大地优于单传感器；④用多个低成本的传感器融合得到的数据信息可以代替高价格的高精度传感器，降低成本。
由于多个传感器可获得多个目标特性，使得在对目标进行探测和识别时，具有更准确的探测、识别结果。文献［4］用一个温度传感器和两个图像传感器，应用数据融合技术综合两类传感器不同特征的数据信息实现了具有冷热和不同形状特性的四个目标的识别。对于目标的精确跟踪，文献［5］用一脉冲雷达和红外成像传感器观测机动目标为例，利用信息融合技术实现了机动目标的精确位置状态估计。雷达可以精确地测定目标的径向距离，但对目标的方位确定能力有限；而红外成像传感器能够精确地测定目标的方位，但不能测量目标的径向距离。若把这两类传感器的观测数据正确的融合，就可精确得到机动目标的空间位置，即目标的方位和径向距离。这一准确的目标位置是不能只通过任意一个独立的传感器得到的。
3 信息融合技术在导弹支持系统C3I中的应用
数据融合(Data Fusion)技术是一门新兴的数据处理技术，亦称多传感器信息融合技术。它可对多类、多源和多平台传感器所获取的信息自动地进行综合分析，与其它数据处理技术相比，更能快速、准确、连续和全面地提供战场环境态势的综合性结论。
现代战场条件下，不仅信号密度高而且信号形式种类繁多。就各个传感器而言，其数据率高低不一，即使同一类型的传感器，其探测精度也参差不齐，不同类型传感器对探测目标信号诸特征的响应也不同。另外，对同一威胁目标而言，各个传感器所处的相对位置(距离和观测角度等)不同，获取的目标信号特征亦可能大相径庭。为获取可靠的目标精度，作出正确的判断，必须进行多传感器的数据融合［6］。
作为实现C3I系统的关键技术，信息融合系统主要应由两部分组成：①信息的转换与相关；②信息的组合与推理。
由于各类传感器输出的信息、融合中心的信息和辅助信息源所提供的信息在种类上、形式上不同，为使各种信息之间可以相互比较和有效的通信，必须把各种信息转换成与环境同一级的统一描述。
在信息组合与推理前需要进行多信源的数据相关处理。所谓多信源的数据相关处理，是将各个传感器的判断报告与实际目标特性相关，再将各个分析结果加以比较，最后完成推断与识别。这种相关处理的信息可能是时间域的多报告(对目标空间位置顺序取样测量)或空间域的多报告(分散的多传感器对同一目标的多次观测)或者两者的结合。在大多数情况下，通过这三种方式即能达到信息相关的目的。
信息组合与推理是指把相关处理后的报告、跟踪数据或不能与其它信息相关的报告和跟踪数据综合起来考虑，利用各种算法使结论达到所要求的目的的处理过程。这些算法包括：贝叶斯推断、D-S证据推理、模糊集理论、专家系统方法等。C3I系统信息融合的递阶推理结构所示．
因此，更确切地说，数据融合技术是利用计算机技术将按时序获取的若干传感器的观测信息，按照一定准则进行自动分析、综合，完成目标识别、决策和评估任务所进行的信息处理过程。它对各种信息源进行综合、分析、相关、识别和融合，得到战场态势图，进行态势威胁评估和决策支持，制定作战行动方案，供指挥员决策参考。整个过程的自动化很大程度上取决于数据融合水平的高低。数据融合技术的研究始于C3I系统建设的要求，但从目前军事领域的发展来看，无论是简单的武器系统还是最复杂的大型C3I系统，都趋于采用数据融合技术来进行信息综合处理。迄今数据融合技术的研究涉及更多领域，理论上已形成了一个全新的研究方向。
4 信息融合的原理及基本方法
4.1 信息融合的发展概况
近年来，多传感器数据(信息)融合技术在军事和非军事领域受到巨大关注，数据融合技术综合从多个传感器得到的数据和关联数据库中的相关信息，实现比单传感器信息更高的精度和更准确的推理结论［7］。
随着新型传感器的出现以及数字信号高级处理技术和硬件技术的发展，增加了在工程上实时实现数据融合的可能性。现在，数据融合系统已广泛地应用于目标跟踪，自动目标识别和有限自动推理中。
多传感器数据融合的应用十分广阔，军事应用包括：自动目标识别(智能武器)，自主飞行器的制导，遥感系统，如敌我辨识中枢系统(IFFN)；非军事应用包括制造过程的监控，复杂环境的维护维修，机器人，医用系统，空中交通管制，智能车辆高速公路系统(IVHS)。数据融合是从一系列的传统技术中发展起来的，包括数字信号处理，统计估计理论、控制理论、人工智能和古典的数值方法等。最早，数据融合技术的发展主要是为了军事目的，只是到了近几年，这些方法才应用于民用［8］。
总之，多传感器数据融合较单传感器有突出的优点，除了综合同源数据得到优良的统计特性外，应用多传感器还可以增加被观测或被描述特征的可靠度。
4.2 信息融合的基本原理
各种传感器的信息可能具有不同的特征：可能是实时信息，也可能是非实时信息；可能是快变或瞬变的，也可能是缓变的；可能是模糊的，也可能是确定的；可能是相互支持或互补的，也可能互相矛盾或竞争。而多传感器信息融合的基本原理或出发点就是充分利用多个传感器资源，通过对这些传感器及其观测信息的合理支配和使用，把多个传感器在空间或时间上的冗余或互补信息，依据某种准则来进行组合，以获得被测对象的一致性解释或描述，使该信息系统由此而获得比它的各组成部分的子集所构成的系统更优越的性能。Richardson和Mash证明：应用最优理论综合多个传感器数据信息总能得到比单个传感器数据信息更好的对象状态估计［4］。
多传感器信息融合与经典信号处理方法之间存在本质的区别，其关键在于信息融合所处理的多传感器信息具有更为复杂的形式，而且可以在不同的信息层次上出现。这些信息表征层包括数据层、特征层和决策层(即证据层)。
多传感器信息融合不仅是一个信息处理的理论概念，同时也是一个系统概念。无论是单层融合还是多层融合，多传感器信息融合系统都必须具有以下的主要功能模块。
(1) 传感器信息的协调管理
用于将多传感器信息统一在一个共同的时空参考系，把同一层次的各类信息转化成同一种表达形式及实现数据配准。然后把各传感器对相同目标或环境的观测信息进行关联，一般称为信息关联；在目标跟踪领域也把它称之为数据关联。
(2) 多传感器信息优化合成
依据一定的优化准则，在各不同的层次上合成多源信息。
(3) 多传感器协调管理
包括传感器的有效性确定、事件预测、传感器的任务分配和排序、传感器工作模式和探测区域的控制等功能。
多传感器信息融合一方面强调对传感器信息的优化合成，另一方面也十分重视对传感器的优化管理，以获得所探测对象的最大信息，从而达到对传感器资源的最佳利用和总体上的系统最优性能。
从功能和结构上来描述多传感器融合技术的功能模型所示［9］。4.3 信息融合的基本方法与应用
多传感器信息融合在不同问题领域采用不同的实现形式，一般来说，大多数的融合问题都是针对同一层次上的信息形式来展开的。信息层次不同，对应的信息融合方法和具体应用也不同。
4.3.1 数据层融合与应用
数据层融合通常用于多源图像复合、图像分析与理解等方面。多源图像复合是将由不同传感器获得的同一景物的图像经配准、重采样和合成等处理后，获得一幅合成图像的技术，以克服各单一传感器图像在几何、光谱和空间分辨率等方面存在的局限性和差异性，提高图像质量［10］。应用实例有美国陆地资源卫星(LANDSET)和F-16战斗机上的“LANTIAN”吊舱等。
数据层融合对数据传输带宽、数据之间的配准精度要求很高。从信息融合的角度看，由于没有任何办法对多传感器原始数据所包含的特性进行一致性检验，因此数据层上的合成具有很大的盲目性。
4.3.2 特征层融合与应用
特征层融合可划分为两大类，一类是目标状态信息融合，另一类是目标特性融合。
(1) 目标状态信息融合
目标状态信息融合主要应用于多传感器目标跟踪领域，目标跟踪领域的大量方法都可以修改移植为多传感器目标跟踪方法。跟踪问题亦已有了一整套渐趋成熟的理论，因此通常能建立起一个严格的数学最佳解模型来描述多传感器融合跟踪过程［11］。
在目标状态信息融合中，传感器输出的参量数据可以是角度(方位角或仰角)、距离等，也可以是被观测平台的参数矢量、立体图像或真实状态矢量(三维位置和速度的估计)。融合系统首先对传感器数据进行预处理以完成数据配准，即通过坐标变换和单位换算，把各传感器输入数据变换成统一的数据表达形式(即具有相同的数据结构)。在数据配准后，融合处理主要实现参数关联和状态矢量估计。
目前，该领域发展所遇到的核心问题是如何针对复杂环境来建立具有良好稳健性及自适应能力的目标环境，以及如何有效地控制和降低数据关联及递推估计的计算复杂性。
(2) 目标特性融合
特征层目标特性融合就是特征层联合识别，实质上是模式识别问题。多传感器系统为识别提供了比单传感器更多的有关目标的特征信息，增大了特征空间维数。具体的融合方法仍是模式识别的相应技术，只是在融合前先对特征进行关联处理，把特征矢量分类成有意义的组合［12］。
特征层上的融合可以说是发展最完善的，而且由于在特征层已建立了一整套行之有效的特征关联技术，可以保证融合信息的一致性，所以特征层融合有着良好的应用与发展前景。但由于跟踪和模式识别本身所存在的困难，也相应牵制着研究和应用的进一步深入。
4.3.3 决策层融合与应用
在决策层融合中，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。然后关联处理、决策层融合判决，最终获得联合推断结果。决策层融合已有很多成功的应用实例［13］，像战术飞行器平台上用于威胁识别的报警系统(TWS)、多传感器目标识别、工业过程故障检测、机器人视觉信息处理等。
决策层融合输出是一个联合决策结果，在理论上这个联合决策应比任何单传感器决策更精确或更明确。决策层融合所采用的主要方法有贝叶斯推断［14］、D-S证据推理［15］、模糊集理论、专家系统方法等。
决策层融合在信息处理方面具有很高的灵活性，系统对信息传输带宽要求较低，能有效地融合反映环境或目标各个侧面的不同类型信息，而且可以处理非同步信息，因此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，决策层融合处理理论与技术的发展仍然受到阻碍。5 结 论
本文就信息融合技术在精确制导武器及其支持系统C3I中的需求和应用进行了探讨，并对信息融合技术的发展概况、基本原理和方法进行了综述和讨论。
* 国家自然科学基金(编号：69674019)和国家“863”高技术计划基金资助课题
作者单位：哈尔滨工业大学控制工程系，150001
