傳感信息融合的方法有很多，但到目前為止，最常用的方法主要有三類:嵌人約束法、證據(jù)組合法、人工神經(jīng)網(wǎng)絡(luò)法。

1.嵌入約束法

 嵌入約束法認(rèn)為由多種傳感器所獲得的客觀環(huán)境(即被測(cè)對(duì)象)的多組數(shù)據(jù)就是客觀環(huán)境按照某種映射關(guān)系形成的像，信息融合就是通過像求解原像，即對(duì)客觀環(huán)境加以了解。用數(shù)學(xué)說就是，所有傳感器的全部信息，也只能描述環(huán)境的某些方面的特征，而具有這些特征的環(huán)境卻有很多，要使一組數(shù)據(jù)對(duì)應(yīng)唯一的環(huán)境(即上述映射為一一映射)，就必須對(duì)映射的原像和映射本身加約束條件，使問題能有唯一的解。

2.證據(jù)組合法

 證據(jù)組合法認(rèn)為完成某項(xiàng)智能任務(wù)就是依據(jù)有關(guān)環(huán)境的某方面的信息作出幾種可能的決策，而多傳感器數(shù)據(jù)信息在一定程度上反映環(huán)境這方面的情況。因此，我們分析每-數(shù)據(jù)作為支持某種決策的證據(jù)的支持程度，并將不同傳感器數(shù)據(jù)的支持程度進(jìn)行組合，即證據(jù)組合，分析得出現(xiàn)有組合證據(jù)支持程度最大的決策作為信息融合的結(jié)果。

 證據(jù)組合法是針對(duì)完成某一任務(wù)的需要而處理多種傳感器的數(shù)據(jù)信息，完成某項(xiàng)智能任務(wù)實(shí)際上就是作出某項(xiàng)行動(dòng)的決策。它先對(duì)單個(gè)傳感器數(shù)據(jù)信息的每一種可能決策的支持程度給出度量(也即數(shù)據(jù)信息作為證據(jù)對(duì)決策的支持程度)，然后尋找一種證據(jù)組合的方法或規(guī)則，在已知兩個(gè)不同傳感器數(shù)據(jù)(即證據(jù))對(duì)決策的分別支持程度時(shí)，通過反復(fù)運(yùn)用組合規(guī)則，最終得出全體數(shù)據(jù)信息的聯(lián)合體對(duì)某決策的總的支持程度。得到最大證據(jù)支持的決策，即為信息融合的結(jié)果。

 利用證據(jù)組合進(jìn)行數(shù)據(jù)融合的關(guān)鍵在于:一是選擇合適的數(shù)學(xué)方法描述證據(jù)、決策和支持程度等概念;二是建立快速、可靠并且便于實(shí)現(xiàn)的通用證據(jù)組合算法結(jié)構(gòu)。

 證據(jù)組合法較嵌入束法有以下幾個(gè)優(yōu)點(diǎn):

 (1)對(duì)多種傳感器數(shù)據(jù)間的物理關(guān)系不必準(zhǔn)確了解，即無須準(zhǔn)確地建立多種傳感器數(shù)據(jù)體的模型。

 (2) 通過性好，可以建立一種獨(dú)立于各類具體信息融合問題背景形式的證據(jù)組合方法，有利于設(shè)計(jì)通用的信息融合軟、硬件產(chǎn)品。

 (3)人為的先驗(yàn)知識(shí)可以視同數(shù)據(jù)信息-樣，賦予對(duì)決策的支持程度，參與證據(jù)組合運(yùn)算。

3.人工神經(jīng)網(wǎng)絡(luò)法

 人工神經(jīng)網(wǎng)絡(luò)方法通過模仿人腦的結(jié)構(gòu)和工作原理，設(shè)計(jì)和建立相應(yīng)的機(jī)器和模型并完成一定的智能任務(wù)。

 神經(jīng)網(wǎng)絡(luò)可根據(jù)當(dāng)前系統(tǒng)所接收到的樣本的相似性，確定分類標(biāo)準(zhǔn)。這種確定方法主要表現(xiàn)在網(wǎng)絡(luò)權(quán)值分布上，同時(shí)可采用神經(jīng)網(wǎng)絡(luò)特定的學(xué)習(xí)算法來獲取知識(shí)，得到不確定性推理機(jī)制。神經(jīng)網(wǎng)絡(luò)多傳感器信息融合的實(shí)現(xiàn)，可分為三個(gè)重要步驟:

 (1)根據(jù)智能系統(tǒng)的要求以及傳感器信息融合的形式，選擇神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)。

 (2)各傳感器的輸入信息綜合處理為-一個(gè)總體輸人函數(shù)，并將此函數(shù)映射定義為相關(guān)單元的映射函數(shù),它通過神經(jīng)網(wǎng)絡(luò)與環(huán)境的交互作用把環(huán)境的統(tǒng)計(jì)規(guī)律反映到網(wǎng)絡(luò)本身的結(jié)構(gòu)中來。

 (3)對(duì)傳感器輸出信息進(jìn)行學(xué)習(xí)、理解，確定權(quán)值的分配，完成知識(shí)獲取信息融合，進(jìn)而對(duì)輸入模式作出解釋，將輸人數(shù)據(jù)向量轉(zhuǎn)換成高層邏輯(符號(hào))概念。

 基于神經(jīng)網(wǎng)絡(luò)的傳感器信息融合有如下特點(diǎn):

 (1)具有統(tǒng)一的內(nèi)部知識(shí)表示形式，通過學(xué)習(xí)算法可將網(wǎng)絡(luò)獲得的傳感器信息進(jìn)行融合，獲得相應(yīng)網(wǎng)絡(luò)的參數(shù)，并且可將知識(shí)規(guī)則轉(zhuǎn)換成數(shù)字形式，便于建立知識(shí)庫(kù)。

 (2)利用外部環(huán)境的信息，便于實(shí)現(xiàn)知識(shí)自動(dòng)獲取及并行聯(lián)想推理。

 (3)能夠?qū)⒉淮_定環(huán)境的復(fù)雜關(guān)系，經(jīng)過學(xué)習(xí)推理，融合為系統(tǒng)能理解的準(zhǔn)確信號(hào)。

 (4)由于神經(jīng)網(wǎng)絡(luò)具有大規(guī)模并行處理信息能力，使得系統(tǒng)信息處理速度很快。