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。