类型 | 检测级融合 | 属性级融合 | 决策级融合 |
所属层次 | 最低层次 | 中间层次 | 高层次 |
主要优点 | 原始信息丰富,并能提供另外2个 融合层次所不能提供的详细信息, 精度最高。 | 实现了对原始数据的压缩,减少了 大量干扰数据,易实现实时处理, 并具有较高的精确度。 | 所需要的通信量小,传输带宽低, 容错能力比较强,可以应用于异质传感器。 |
主要缺点 | 所要处理的传感器数据量巨大, 处理代价高,耗时长,实时性差 原始数据易受噪声污染,需融合 系统具有较好的容错能力。 | 在融合前必须先对特征进行相关处理,把特征向量分类成有意义的组合。 | 判决精度低,误判决率升高, 同时数据处理的代价比较高。 |
主要方法 | HIS变换,PCA变换, 小波变换及加权平均等。 | 聚类分析法,贝叶斯估计法,信息熵法, 加权平均法,D-S证据推理法, 表决法及神经网络法等。 | 贝叶斯估计法、专家系统、 神经网络法、模糊集理论、 可靠性理论以及逻辑模板法等。 |
主要应用 | 多源图像复合、图像分析和理解。 | 多传感器目标跟踪领域,融合系统 主要实现参数相关和状态向量估计。 | 其结果可为指挥控制与决策提供依据。 |