3.1 融合结构

绪论中介绍了信息融合的三种结构，估计融合的融合结构同样可以分为集中式、分布式和混合式三大类，集中式融合又称为中心式融合（Centralized Fusion，CF）或者量测融合（Measurement Fusion，MF）。图3-1给出了三种典型的融合结构的示意图。

图3-1 三种典型的融合结构

（a）集中式；（b）分布式；（c）混合式

集中式融合结构一般采取测量方式类似的敏感器，对测量值进行时间同步、偏差校正、坐标变换等，然后利用最优判据对状态或参数进行估计。

分布式融合结构是针对目标状态估计的信息融合。这种融合方式主要用于测量方式不同的敏感器（如光学敏感器和脉冲星敏感器），但也可以用于测量方式类似的敏感器。具体过程为：首先对每组敏感器的测量数据进行滤波得到局部的状态估计值和误差协方差阵，然后将局部的状态估计值和误差协方差阵作为输入进行状态融合，最后得到融合后的状态估计值和误差协方差阵。该融合方式又叫航迹融合（Track Fusion）。

混合式融合（Hybrid Fusion）结构同时包含集中式和分布式融合。在一般情形下，分布式融合可以降低计算量和通信要求，然而对于特殊的情形（如需要提供高精度估计或者跟踪环境复杂等），则需要集中式融合，因此有时候需要将两者结合起来使用。

集中式结构的融合中心可以利用所有敏感器的原始测量数据，没有任何信息的损失，因此融合结果最优。但是这种结构需要频带很宽的数据传输链路来传输原始数据，并且对处理器运算能力要求较高，工程上难以实现。分布式融合由于对信道容量要求低，系统生命力强，工程易于实现，因此受到很大的重视，成为信息融合研究的重点。

分布式融合根据其通信方式的不同可以分为无反馈和有反馈分层融合结构两大类，分别如图3-2和图3-3所示。在无反馈分层融合结构中，各敏感器节点将自身的局部估计全部传送到中心节点形成全局估计，这是最常见的分布式融合结构。在有反馈分层融合结构中，中心节点的全局估计可以反馈到局部节点，对局部估计进行重置，它具备容错的优点。当检测出某个局部估计结果很差时，可以利用全局估计对局部估计进行修正，而不必将其排斥在系统之外。

图3-2 无反馈分层融合结构

图3-3 有反馈分层融合结构