Model and Algorithm Research of Multi-Sensor Information Fusion
来源：易榕旅网
Ｓｃｉｅｎｔｉｆｉｃ Ｊｏｕｒｎａｌ ｏｆ Ｃｏｎｔｒｏｌ Ｅｎｇｉｎｅｅｒｉｎｇ Ｏｃｔｏｂｅｒ ２０１４，Ｖｏｌｕｍｅ ４，Ｉｓｓｕｅ ５，ＰＥ１５０—１５６ Ｍｏｄｅｌ ａｎｄ Ａｌｇｏｒｉｔｈｍ Ｒｅｓｅａｒｃｈ ｏｆ Ｍｕｌｔｉ—Ｓｅｎｓｏｒ Ｉｎｆｏｒｍａｔｉｏｎ Ｆｕｓｉｏｎ ＺｈｉｌｉａｎｇＺｈｕ ＪｉｎｇＨｕ ３，Ｙａｎ Ｓｈｅｎ１，Ｓｈａｏｍｉｎｇ Ｃｈｅｎ １．Ｃｏｌｌｅｇｅ ｏｆＥｌｅｃｔｒｉｃａｌ＆Ｉｎｆｏｒｍａｔｉｏｎ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｈｕｎａｎ Ｕｎｉｖｅｒｓｉｔｙ，Ｃｈａｎｇｓｈａ Ｈｕｎａｎ ４１００８２，Ｃｈｉｎａ ２．Ｃｏｌｌｅｇｅ ｏｆＰｈｙｓｉｃ＆Ｅｌｅｃｔｒｏｎｉｃ Ｉｎｆｏｒｍａｔｉｏｎ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｗｅｎｚｈｏｕ Ｕｎｉｖｅｒｓｉｙ，Ｗｅｎｚｈｏｕ ｔＺｈｅｊｉａｎｇ ３２５０００，Ｃｈｉｎａ ３．Ｓｃｈｏｏｌ ｏｆＭａｎａｇｅｍｅｎｔ，Ｚｈｅｊｉａｎｇ Ｉｎｄｕｓｔｒｙ ａｎｄ Ｔｒａｄｅ Ｖｏｃａｔｉｏｎａｌ Ｃｏｌｌｅｇｅ，Ｗｅｎｚｈｏｕ Ｚｈｅｊｉａｎｇ ３２５０００，Ｃｈｉｎａ ４．Ｅｄｕｃａｔｉｏｎ Ｅｑｕｉｐｍｅｎｔ Ｅｎｇｉｎｅｅｒｉｎｇ Ｔｅｃｈｎｏｌｏｇｙ Ｒｅｓｅａｒｃｈ Ｃｅｎｔｅｒ ｏｆＺｈｅｊｉｎｇ ａＰｒｏｖｉｎｃｅ，Ｗｅｎｚｈｏｕ Ｚｈｅｊｉｎｇ ａ３２５０００，Ｃｈｉｎａ Ｅｍａｉｌ：ｚｌｚｈｕ＠ｈｎｕ．ｅｄｕ．ｃｎ Ａｂｓｔｒａｃｔ Ａｓ ｔｈｅ ｐｒｅｃｏｎｄｉｔｉｏｎ ｏｆ ｉｎｔｅｌｌｉｇｅｎｔ ｃｏｎｔｒｏｌ ｆｏｒ ａｕｔｏｍａｔｉｃ ｓｙｓｔｅｍ，ｍｕｌｔｉ－ｓｅｎｓｏｒ ｉｎｆｏｒｍａｔｉｏｎ ｆｕｓｉｏｎ ｔｅｃｈｎｏｌｏｇｙ ｉｓ ｏｎｅ ｏｆ ｈｅ ｋｅｙ ｔｔｅｃｈｎｏｌｏｇｉｅｓ ｏｆ ａｕｔｏ．ｃｏｎｔｒｏｌ ａｒｅａ．Ａｉｍｉｎｇ ａｔ ｔｈｅ ｆｕｓｉｏｎ ｍｏｄｅｌ ａｎｄ ａｌｇｏｒｉｔｈｍ，ｔｈｅ ｒｅｓｅａｒｃｈ ｄｅｖｅｌｏｐｍｅｎｔ ｏｆ ｍｕｌｔｉ—ｓｅｎｓｏｒ ｉｎｆｏｒｍａｔｉｏｎ ｆｕｓｉｏｎ ｔｅｃｈｎｏｌｏｇｙ ｗａｓ ｗｅｌｌ ｉｎｔｒｏｄｕｃｅｄ ａｎｄ ｃｏｎｃｌｕｄｅｄ ｉｎ ｄｅｔａｉｌ．Ｆｉｎａｌｌｙ，ｔｈｅ ｆｕｔｕｒｅ ｒｅｓｅａｒｃｈ ｗｏｒｋ ｔｅｎｄｅｎｃｉｅｓ ｗｅｒｅ ｐｏｉｎｔｅｄ ｏｕｔ． Ｋｅｙｗｏｒｄｓ：Ｍｕｌｔｉ－Ｓｅｎｓｏｒ Ｉｎｆｏｒｍａｔｉｏｎ Ｆｕｓｉｏｎ；Ａｕｔｏ—Ｃｏｎｔｒｏｌ ＩＮＴＲＯＤＵＣＴＩＯＮ Ｗｉｔｈ ｔｈｅ ｒａｐｉｄ ｄｅｖｅｌｏｐｍｅｎｔ ｏｆ ｍｉｃｒｏｅｌｅｃｔｒｏｎｉｅ ｔｅｃｈｎｏｌｏｇｙ，ｓｉｇｎａｌ ｄｅｔｅｃｔｉｏｎ ａｎｄ ｐｒｏｃｅｓｓｉｎｇ ｔｅｃｈｎｏｌｏｇｙ，ｃｏｍｐｕｔｅｒ ｔｅｃｈｎｏｌｏｇｙ，ｎｅｔｗｏｒｋ ｃｏｍｍｕｎｉｃａｔｉｏｎ ｔｅｃｈｎｏｌｏｇｙ ａｎｄ ｃｏｎｔｒｏｌ ｔｅｃｈｎｏｌｏｇｙ．ｍｕｌｔｉ。ｓｅｎｓｏｒ ｓｙｓｔｅｍ ｆｏｒ ｔｈｅ ｃｏｍｐｌｅｘ ａｐｐｌｉｃａｔｉｏｎ ｂａｃｋｇｒｏｕｎｄ ａｐｐｅａｒ ｉｎ ａ ｌａｒｇｅ ｎｕｍｂｅｒ．Ｂｅｃａｕｓｅ ｔｈｅ ｉｎｆｏｒｍａｔｉｏｎ ａｃｑｕｉｒｅｄ ｂｙ ｖａｒｉｏｕｓ ｋｉｎｄｓ ｏｆ ｓｅｎｓｏｒｓ ｍａｙ ｈａｖｅ ｄｉｆｆｅｒｅｎｔ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ：ｔｉｍｅ—ｖａｒｙｉｎｇ ｏｒ ｔｉｍｅ ｉｎｖａｒｉａｎｔ，ｒｅａｌ—ｔｉｍｅ ｏｒ ｎｏｎ—ｒｅａｌ ｔｉｍｅ，ｆａｓｔ ｏｒ ｓｌｏｗｌｙ ｖａｒｙｉｎｇ，ｆｕｚｚｙ ｏｒ ｄｅｔｅｒｍｉｎｅｄ．ａｃｃｕｒａｔｅ ｏｒ ｎｏｔ ｃｏｍｐｌｅｔｅ，ｒｅｌｉａｂｌｅ ｏｒ ｕｎｒｅｌｉａｂｌｅ，ｍｕｔｕａ１ ｓｕｐｐｏｒｔ ｏｒ ｃｏｍｐｌｅｍｅｎｔａｒｙ，ａｌｓｏ ｍａｙ ｃｏｎｆｌｉｃｔ， ｔｈｅ ｓｙｓｔｅｍ ｍｕｓｔ ｍａｋｅ ｆｕｌｌ ｕｓｅ ｏｆ ｈｅ ｍｕｌｔｔｉｐｌｅ ｓｅｎｓｏｒｓ ｉｎｆｏｒｍａｔｉｏｎ ｗｈｉｃｈ ｉｓ ｒｅｄｕｎｄａｎｔ ａｎｄ ｃｏｍｐｌｅｍｅｎｔａｒｙ ｉｎ ｓｐａｃｅ ｎｄ ｔａｉｍｅ ａｃｃｏｒｄｉｎｇ ｔｏ ａ ｃｏｍｂｉｎａｔｉｏｎ ｏｆ ｃｒｉｔｅｒｉａ，ｉｎ ｏｒｄｅｒ ｔｏ ｏｂｔａｉｎ ｃｏｎｓｉｓｔｅｎｃｙ ｏｎ ｔｈｅ ｏｂｓｅｒｖａｔｉｏｎ ｅｎｖｉｒｏｎｍｅｎｔ ｄｅｓｃｒｉｐｔｉｏｎ ｎｄ ａｅｘｐｌａｎａｔｉｏｎ． Ｍｕｌｔｉ—ｓｅｎｓｏｒ ｉｎｆｏｒｍａｔｉｏｎ ｆｕｓｉｏｎ ｒｅｆｅｒｓ ｔｏ ｈｅ ｔｉｔｅｇｒａｔｎｅｄ ｔｒｅａｔｍｅｎｔ ｏｆ ｍｕｌｔｉｐｌｅ ｓｅｎｓｏｒｓ ｔｏ ｐｒｏｖｉｄｅ ｕｎｉｔｅｄ ｅｘｐｒｅｓｓｉｏｎ ｏｆ ｈｅ ｅｘｔｅｒｎａｌ ｅｎｖｉｒｏｎｍｅｎｔ．Ｉｔ ｉｓ ｔｈｅ ｆｔｕｓｉｏｎ ｏｆ ｔｈｅ ｃｏｍｐｌｅｍｅｎｔａｒｉｔｙ，ｒｅｄｕｎｄａｎｃｙ，ｒｅａｌ—ｔｉｍｅ ａｎｄ ｌｏｗ ｃｏｓｔ ｏｆ ｔｈｅ ｉｎｆｏｒｍａｔｉｏｎ．Ｓｏ ｉｔ ｃａｎ ｒｅｆｌｅｃｔ ｔｈｅ ｅｎｖｉｒｏｎｍｅｎｔａｌ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｃｏｍｐｌｅｔｅｌｙ ａｎｄ ａｃｃｕｒａｔｅｌｙ，ａｎｄ ｈｅｌｐｓ ｔｏ ｍａｋｅ ｔｈｅ ｒｉｇｈｔ ｉｕｄｇｍｅｎｔｓ ａｎｄ ｄｅｃｉｓｉｏｎｓ，ｅｎｓｒｅｓｕ ｔｈｅ ｓｐｅｅｄｉｎｅｓｓ，ａｃｃｕｒａｃｙ ａｎｄ ｓｔａｂｉｌｉｔｙ ｏｆ ｈｅ ｔｓｙｓｔｅｍ．Ｔｈｅ ｕｌｔｉｍａｔｅ ｏｂｊｅｃｔｉｖｅ ｏｆ ｍｕｌｔｉ—ｓｅｎｓｏｒ ｉｎｆｏｒｍａｔｉｏｎ ｆｕｓｉｏｎ ｉｓ ｔｏ ｉｍｐｒｏｖｅ ｈｅ ｐｅｒｔｆｏｒｍａｎｃｅ ｏｆ ｔｈｅ ｗｈｏｌｅ ｓｙｓｔｅｍ ｂｙ ｕｓｉｎｇ ｈｅ ｃｏｍｍｏｎ ｏｒ ｔｊｏｉｎｔ ｏｐｅｒａｔｉｏｎ ａｄｖａｎｔａｇｅ ｏｆ ｍｕｌｔｉｐｌｅ ｓｅｎｓｏｒｓ．Ｍｕｌｔｉ—ｓｅｎｓｏｒ ｉｎｆｏｒｍａｔｉｏｎ ｆｕｓｉｏｎ ｔｅｃｈｎｏｌｏｇｙ ｗｉｌｌ ｂｒｉｎｇ ｔｈｅ ｆｏｌｌｏｗｉｎｇ ａｄｖａｎｔａｇｅｓ ｔｏ ｓｙｓｔｅｍ［ 】： （１）Ｉｍｐｒｏｖｅ ｔｈｅ ｒｅｌｉａｂｉｌｉｔｙ ａｎｄ ｒｏｂｕｓｔｎｅｓｓ ｏｆｔｈｅ ｓｙｓｔｅｍ． （２）Ｔｈｅ ｃｏｖｅｒａｇｅ ｅｘｔｅｎｓｉｏｎ ｏｆ ｔｉｍｅ． （３）Ｅｘｔｅｎｄ ｍｏｎｉｔｏｒｉｎｇ ｒａｎｇｅ． （４）Ｅｎｈａｎｃｅ ｄａｔａ ｃｒｅｄｉｂｉｌｉｙ．ｔ （５）Ｒｅｄｕｃｅ ｔｈｅ ｒｅａｃｔｉｏｎ ｔｉｍｅ． Ｉｎｆｏｒｍａｔｉｏｎ ｆｕｓｉｏｎ ｆｕｎｃｔｉｏｎ ｃａｎ ｂｅ ｓｕｍｍａｒｉｚｅｄ ａｓ：ｅｘｐａｎｄ ｔｈｅ ｓｐａｃｅ ｓｅａｒｃｈ ｒａｎｇｅ，ｉｍｐｒｏｖｅ ｔｒｇｅｔ ｄｅｔａｅｃｔａｂｉｌｉｔｙ， ｉｍｐｒｏｖｅ ｄｅｔｅｃｔｉｏｎ ｐｅｒｆｏｒｍａｎｃｅ；ｉｍｐｒｏｖｅ ｔｈｅ ｓｐａｔｉａｌ ｏｒ ｔｅｍｐｏｒａｌ ｒｅｓｏｌｕｔｉｏｎ，ｉｎｃｒｅａｓｅ ｈｅ ｔｄｉｍｅｎｓｉｏｎ ｏｆ ｆｅａｔｍ＇ｅ ｖｅｃｔｏｒ ｏｆ ｔｈｅ ｔａｒｇｅｔ．ｒｅｄｕｃｅ ｔｈｅ ｕｎｃｅｒｔａｉｎｔｙ ｏｆ ｉｎｆｏｒｍａｔｉｏｎ，ｉｍｐｒｏｖｅ ｔｈｅ ｃｏｎｆｉｄｅｎｃｅ ｏｆ ｉｎｆｏｒｍａｔｉｏｎ ｓｙｓｔｅｍ；ｅｎｈａｎｃｅ ｔｈｅ ａｂｉｌｉｙ ｏｆ ｆｔａｕｌｔ ｔｏｌｅｒａｎｃｅ ａｎｄ ａｄａｐｔｉｖｅ ｏｆ ｓｙｓｔｅｍ；ｆｏｌｌｏｗｅｄ ｂｙ ｔｈｅ ｒｅｄｕｃｔｉｏｎ ｏｆ ｆｕｚｚｙ ｄｅｇｒｅｅ ｒｅａｓｏｎｉｎｇ ａｎｄ ｔｈｅ －１５０一 ｈｔｔｐ：／／ｗｗｗ．ｓｊ－ｃｅ．ｏｒｇ ｉｍｐｒｏｖｅｍｅｎｔ ｔｈｅ ｄｅｃｉｓｉｏｎ—ｍａｋｉｎｇ ａｂｉｌｉｔｙ，ｓｏ ｔｈａｔ ｔｈｅ ｐｅｒｆｏｒｍａｎｃｅ ｏｆ ｔｈｅ ｗｈｏｌｅ ｓｙｓｔｅｍ ｉｓ ｇｒｅａｔｌｙ ｉｍｐｒｏｖｅｄ． Ｆｕｎｄａｍｅｎｔａｌｌｙ ｓｐｅａｋｉｎｇ，ｔｈｅ ｒｅｓｕｌｔｓ ｄｅｒｉｖｅｄ ｆｒｏｍ ｈｔｅ ｒｅｄｕｎｄａｎｃｙ ａｎｄ ｃｏｍｐｌｅｍｅｎｔａｒｉｙｔ ｏｆ ｉｎｆｏｒｍａｔｉｏｎ．Ｔｈｅｒｅｆｏｒｅ， ｔｈｅ ｍｕｌｔｉ—ｓｅｎｓｏｒ ｉｎｆｏｒｍａｔｉｏｎ ｆｕｓｉｏｎ ｃａｎ ｏｆｔｅｎ ｇｅｔ ｔｈｅ ｒｅｓｕｌｔｓ ｔｈａｔ ｔｈｅ ｓｉｎｇｌｅ ｓｅｎｓｏｒ ｉｓ ｄｉｆｉｆｃｕｌｔ ｔｏ ｏｂｔａｉｎ，ａｎｄ ｔｈｅ ｐｅｒｆｏｒｍａｎｃｅ ｗｉｌｌ ｈａｖｅ ａ ｑｕａｌｉｔａｔｉｖｅ ｌｅａｐ．Ｆｒｏｍ ｔｈｅ ｐｒｉｎｃｉｐｌｅ ｏｆ ｓｐｅａｋｉｎｇ，ｔｈｅｓｅ ｉｄｅａｓ ｃａｒｌ ｂｅ ｆｕｒｔｈｅｒ ｐｅｒｆｏｒｍｅｄ ｔｏ ｅｑｕｉｐｍｅｎｔ，ｓｙｓｔｅｍ ｉｎｔｅｇｒａｔｉｏｎ． Ｔｈｅ ｆｕｓｉｏｎ ｍｏｄｅｌ ａｎｄ ａｌｇｏｒｉｔｈｍ ｉｓ ａｎ ｉｍｐｏｒｔａｎｔ ｒｅｓｅａｒｃｈ ｃｏｎｔｅｎｔ ｉｎ ｍｕｌｔｉ—ｓｅｎｓｏｒ ｉｎｆｏｒｍａｔｉｏｎ ｆｕｓｉｏｎ．Ａｉｍｉｎｇ ａｔ ｔｈｅ ｍｏｄｅｌ ａｎｄ ａｌｇｏｒｉｔｈｍ，ｔｈｅ ｒｅｓｅａｒｃｈ ｐｒｏｇｒｅｓｓ ｏｆ ｍｕｌｔｉ—ｓｅｎｓｏｒ ｉｎｆｏｒｍａｔｉｏｎ ｆｕｓｉｏｎ ｔｅｃｈｎｏｌｏｇｙ ａｒｅ ｉｎｔｒｏｄｕｃｅｄ ａｎｄ ｓｕｍｍａｒｉｚｅｄ ｉｎ ｄｅｔａｉｌ ｉｎ ｔｈｉｓ ｐａｐｅｒ，ａｎｄ ｆｉｎａｌｌｙ ｔｈｅ ｐｒｏｓｐｅｃｔｓ ｏｆ ｔｈｅ ｆｕｔｕｒｅ ｄｅｖｅｌｏｐｍｅｎｔ ｄｉｒｅｃｔｉｏｎ． １ ＩＮＦＯＲＭＡＴＩＯＮ ＦＵＳＩＯＮ ＭＯＤＥＬ Ｉｎ ｒｅｃｅｎｔ ｙｅａｒｓ，ｐｅｏｐｌｅ ｈａｖｅ ｐｒｏｐｏｓｅｄ ｍａｎｙ ｋｉｎｄｓ ｏｆ ｉｎｆｏｒｍａｔｉｏｎ ｕｆｓｉｏｎ ｍｏｄｅｌ［ ．Ｔｈｅ ｃｏｍｍｏｎ ｐｏｉｎｔ ｏｒ ｃｅｎｔｒａｌ ｉｄｅａ ｉｓ ｍｕｌｔｉｓｔａｇｅ ｐｒｏｃｅｓｓｉｎｇ ｉｎ ｉｎｆｏｒｍａｔｉｏｎ ｆｕｓｉｏｎ ｐｒｏｃｅｓｓ．／ｎ １ ９８０ｓ，ｔｈｅ ｔｙｐｉｃａｌ ｆｕｎｃｔｉｏｎａｌ ｍｏｄｅｌ ａｒｅ Ｉｎｔｅｌｉｎｋ，Ｂｃ’ｙｄ ｃｏｎｔｒｏｌ ｌｏｏｐ（ＯＯＤＡ ｌｏｏｐ）；ｔｈｅ ｔｙｐｉｃａｌ ｄａｔａ ｍｏｄｅｌ ｉｓ ＪＤＬ．Ｉｎ １ ９９０ｓ ｔｈｅ ｗａｔｅｒｆａｌｌ ｍｏｄｅｌ ａｎｄ ｔｈｅ Ｄａｓａｒａｔｈｙ ｍｏｄｅｌ ｄｅｖｅｌｏｐｐｅｄ，Ｍａｒｋ Ｂｅｄｗｏｒｔｈ ｉｎｔｅｇｒａｔｅｄ ｓｅｖｅｒａｌ ｍｏｄｅｌ ａｎｄ ｐｒｏｐｏｓｅｄ ａ ｎｅｗ ｈｙｂｒｉｄ ｍｏｄｅｌ ｉｎ １ ９９９． Ｊ．１ Ｉｎｔｅｌｉｎｋ ＵＫ Ｉｎｔｅｌｉｎｋ ｄｅｓｃｒｉｂｅ ｔｈｅ ｉｎｆｏｒｍａｔｉｏｎ ｐｒｏｃｅｓｓｉｎｇ ａｓ ａ ｒｉｎｇ ｓｔｒｕｃｔｕｒｅ【ｊＪ，ａｓ ｓｈｏｗｎ ｉｎ ｉｆｇｕｒｅ １．Ｉｔ ｃｏｎｓｉｓｔｓ ｏｆ ４ ｓａｔｇｅｓ：ａ１ ａｃｑｕｉｓｉｔｉｏｎ，ｉｎｃｌｕｄｉｎｇ ｔｈｅ ｉｎｉｔｉａｌ ｉｎｔｅｌｌｉｇｅｎｃｅ ｄａｔａ ｆｒｏｍ ｓｅｎｓｏｒｓ ａｎｄ ａｒｔｉｉｆｃｉａｌ ｉｎｆｏｒｍａｔｉｏｎ ｓｏｕｒｃｅ；ｂ１ ｓｏｒｔｉｎｇ， ａｓｓｏｃｉａｔｉｏｎ ｔｈｅ ｒｅｌｅｖａｎｔ ｉｎｔｅｌｌｉｇｅｎｃｅ ｒｅｐｏｒｔｓ，ｓｏｍｅ ｄａｔａ ｃｏｎｓｏｌｉｄａｔｉｏｎ ａｎｄ ｃｏｍｐｒｅｓｓｉｏｎ ｐｒｏｃｅｓｓｉｎｇ ｗｉｌｌ ｂｅ ｍａｄｅ ａｔ ｈｔｉｓ ｓｔａｇｅ，ｆｏｒ ｕｓｅ ｉｎ ｔｈｅ ｎｅｘｔ ｓｔａｇｅ ｏｆ ｕｆｓｉｏｎ；ｃ）ｅｖａｌｕａｔｉｏｎ，ｉｎ ｈｔｅ ｓｔａｇｅ ｏｆ ｕｆｓｉｏｎ ｎａｄ ａｎａｌｙｓｉｓ ｏｆ ｉｎｔｅｌｌｉｇｅｎｃｅ ｄａｔａ，ａｔ ｔｈｅ ｓａｒｏ＿ｅ ｔｉｍｅ，ａｎａｌｙｓｔｓ ａｌｓｏ ｄｉｒｅｃｔｌｙ ｄｅｌｅｇａｔｅ ｔａｓｋｓ ｏｆ ｉｎｆｏｒｍａｔｉｏｎ ｇａｔｈｅｒｉｎｇ；ｄ）ｄｉｓｔｒｉｂｕｔｉｏｎ，ｉｎ ｔｈｉｓ ｓｅｎｔ ｔｈｅ ｆｕｓｉｏｎ ｏｆ ｉｎｆｏｒｍａｔｉｏｎ ｔｏ ｔｈｅ ｕｓｅｒ（ｕｓｕａｌｌｙ ｍｉｌｉａｔｒｙ ｃｏｍｍａｎｄｅｒ），ｉｎ ｏｒｄｅｒ ｔｏ ｍａｋｅ ｔｈｅ ｄｅｃｉｓｉｏｎ ｏｆ ａｃｔｉｏｎ，ｉｎｃｌｕｄｅｓ ｔｈｅ ｎｅｘｔ ｓｔｅｐ ｏｆ ａｃｑｕｉｓｉｔｉｏｎ ｗｏｒｋ． ＦＩＧＵＲＥ １ ＵＫ ＩＮＴＥＬＩＮＫ １．２ ＪＤＬｍｏｄｅｌ Ｉｎ １９８４，ＪＤＬ ｍｏｄｅｌ ｗａｓ ｐｒｏｐｏｓｅｄ ｂｙ ｔｈｅ ｄａｔａ ｕｆｓｉｏｎ ｊｏｉｔｎ ｃｏｍｍａｎｄ ｌａｂｏｒａｔｏｒｙ ｏｆ ＵＳＡ Ｄｅｐａｒｔｍｅｎｔ ｏｆ Ｄｅｆｅｎｓｅ［ ， ａｆｔｅｒ ａ ｇｒａｄｕａｌ ｉｍｐｒｏｖｅｍｅｎｔ ａｎｄ ａｐｐｌｉｃａｔｉｏｎ，ｔｈｉｓ ｍｏｄｅｌ ｈａｓ ｂｅｃｏｍｅ ａ ｓｔａｎｄａｒｄ ｏｆ ＵＳＡ ｄｅｆｅｎｓｅ ｉｎｆｏｒｍａｔｉｏｎ ｆｕｓｉｏｎ ｓｙｓｔｅｍ．ＪＤＬ ｍｏｄｅ１ ｄｉｖｉｄｅｄ ｔｈｅ ｄａｔａ ｆｕｓｉｏｎ ｉｎｔｏ ３ ｓｔａｇｅｓ：ｆｉｒｓｔ ｓｔａｇｅ ａｓ ｔｈｅ ｔａｒｇｅｔ ｏｐｔｉｍｉｚａｔｉｏｎ．１ｏｃａｔｉｏｎ ａｎｄ ｒｅｃｏｇｎｉｔｉｏｎ；ｓｅｃｏｎｄ ｓｔａｇｅ ｆｏｒ ｓｉｔｕａｔｉｏｎ ａｓｓｅｓｓｍｅｎｔ，ｃｏｎｓｔｒｕｃｔｉｏｎ ｓｉｔｕａｔｉｏｎ ｍａｐ ａｃｃｏｒｄｉｎｇ ｔｏ ｔｈｅ ｆｉｒｓｔ ｌｅｖｅｌｓ ｏｆ ｐｒｏｃｅｓｓｉｎｇ ｉｎｆｏｒｍａｔｉｏｎ；ｔｈｉｒｄ ｓｔａｇｅ ｆｏｒ ｔｈｒｅａｔ ａｓｓｅｓｓｍｅｎｔ，ｅｘｐｌａｉｎｓ ｓｅｃｏｎｄ ｓｔａｇｅ ｔｒｅａｔｍｅｎｔ ｒｅｓｕｌｔｓ ａｃｃｏｒｄｉｎｇ ｔｏ ｔｈｅ ｐｏｓｓｉｂｌｅ ａｃｔｉｏｎｓ，ａｎｄ ａｎａｌｙｓｅｓ ｔｈｅ ａｄｖａｎｔａｇｅｓ ａｎｄ ｄｉｓａｄｖａｎｔａｇｅｓ ｏｆ ａｃｔｉｏｎｓ．Ｐｒｏｃｅｓｓ ｏｐｔｉｍｉｚａｔｉｏｎ ｉｓ ａ ｒｅｐｅｍｅｄ ｐｒｏｃｅｓｓ，ａｎｄ ｃａｎ ｂｅ ｃａｌｌｅｄ ｔｈｅ ｆｏｕｒｔｈ ｓｔａｇｅ，ｉｔ ｗｉｌｌ ｍｏｎｉｔｏｒ ｔｈｅ ｓｙｓｔｅｍ ｐｅｒｆｏｒｍａｎｃｅ ｉｎ ｔｈｅ ｆｕｓｉｏｎ ｐｒｏｃｅｓｓ，ｉｄｅｎｔｉｆｙ ｐｏｔｅｎｔｉａｌ ｉｎｃｒｅａｓｅｄ ｉｎｆｏｒｍａｔｉｏｎ ｓｏｕｒｃｅｓ． １．３ Ｂｏｙｄｃｏｎｔｒｏｌｔｏｏｐ Ｔｈｅ Ｂｏｙｄ ｃｏｎｔｒｏｌ ｌｏｏｐ‘ （ＯＯＤＡ）ｉｓ ｆｉｒｓｔ ａｐｐｌｉｅｄ ｔｏ ｔｈｅ ｍｉｌｉｔａｒｙ ｃｏｍｍａｎｄ ｐｒｏｃｅｓｓｉｎｇ，ｎｏｗ ｈａｓ ｂｅｅｎ ｗｉｄｅｌｙ ｕｓｅｄ ｉｎ ｉｎｆｏｒｍａｔｉｏｎ ｆｕｓｉｏｎ．Ｉｔ ｃｏｎｓｉｓｔｓ ｏｆ ４ ｓｔａｇｅｓ：ｆｉｒｓｔ ｓｔａｇｅ ａｓ ｏｂｓｅｒｖａｔｉｏｎ，ａｃｑｕｉｓｉｔｉｏｎ ｏｆ ｔａｒｇｅｔ ｉｎｆｏｒｍａｔｉｏｎ；ｓｅｃｏｎｄ ｓｔａｇｅ ｆｏｒ ｏｒｉｅｎｔａｔｉｏｎ，ｄｅｔｅｒｍｉｎｅ ｔｈｅ ｄｉｒｅｃｔｉｏｎ，ｒｅｃｏｇｎｉｚｅ ｓｉｔｕａｔｉｏｎ；ｔｈｉｒｄ ｓｔａｇｅ ｆｏｒ ｄｅｃｉｓｉｏｎ，ｍａｋｉｎｇ ｒｅａｃｔｉｏｎ ｔｈｅ ｐｌｎａ ｄｉｓｔｒｉｂｕｔｉｏｎ ｂｅｈａｖｉｏｕｒ，ａｓ ｗｅｌｌ ａｓ ｌｏｇｉｓｔｉｃｓ ｍａｎａｇｅｍｅｎｔ ａｎｄ ｐｌａｎｎｉｎｇ；ｆｏｕｒｔｈ ｓｔａｇｅ ｆｏｒ ａｃｔｉｏｎ，ｉｍｐｌｅｍｅｎｔａｔｉｏｎ ．１５１ ｈｔｔｐ：／／ｗｗｗ．ｓｊ—ｃｅ．ｏｒｇ ｐｌａｎ，ａｎｄ ｔｈｅ ｄｅｃｉｓｉｏｎ ｍａｋｉｎｇ ｅｆｆｉｃｉｅｎｃｙ ｐｒｏｂｌｅｍ ｉｓ ｃｏｎｓｉｄｅｒｅｄ ｉｎ ｐｒａｃｔｉｃａｌ ｏｎｌｙ ｉｎ ｔｈｉｓ ｓｔａｇｅ．Ｔｈｅ Ｂｏｙｄ ｃｏｎｔｒｏｌ ｌｏｏｐ ｍａｋｅｓ ｔｈｅ ｐｒｏｂｌｅｍ ｏｆ ｆｅｅｄｂａｃｋ ｉｔｅｒａｔｉｖｅ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｖｅｒｙ ｏｂｖｉｏｕｓ．Ｔｈｅ ａｄｖａｎｔａｇｅ ｏｆ ＯＯＤＡ ｍｏｄｅｌ ｉｓ ｔｈａｔ ｉｔ ｅｎａｂｌｅｓ ｅａｃｈ ｓｔａｇｅ ｒｉｎｇ ｆｏｒｍ ａ ｃｌｏｓｅｄ ｌｏｏｐ，ｓｈｏｗ ｔｈｅ ｃｙｃｌｉｃ ｄａｔａ ｆｕｓｉｏｎ．Ａｓ ｃａｎ ｂｅ ｓｅｅｎ，ｔｈｅ ｄａｔａ ｌｅｖｅｌ ｔｒａｎｓｆｅｒｒｉｎｇ ｔｏ ｎｅｘｔ ｆｕｓｉｏｎ ｓｔａｇｅ ｄｅｃｒｅａｓｉｎｇ ａｌｏｎｇ ｗｉｔｈ ｔｈｅ ｃｏｎｔｉｎｕｏｕｓ ｆｕｓｉｏｎ ｓｔａｇｅ．．Ｂｕｔ ｔｈｅ ｓｈｏｒｔｃｏｍｉｎｇ ｏｆ ＯＯＤＡ ｍｏｄｅｌ ｉｓ ｈｅ ｔｌａｃｋ ｏｆ ｃａｐａｃｉｔｙ ｏｆ ｉｎｆｌｕｅｎｃｅ ｔｏ ｏｔｈｅｒ ｓｔａｇｅｓ ｂｙ ｄｅｃｉｓｉｏｎ ａｎｄ ａｃｔｉｏｎ ｓａｇｅ，ａｎｄ ｔｅａｃｈ ｓｔａｇｅ ｉｓ ｓｅｑｕｅｎｔｉａｌ ｅｘｅｃｕｔｉｏｎ． １．４ Ｗａ￣ｒｆａＨ ｍｏｄｅｌ Ｔｈｅ ｗａｔｅｒｆａｌｌ ｍｏｄｅｌ ｉＳ ｐｕｔ ｆｏｒｗａｒｄ ｉｎ １ ９９４ ｂｙ Ｂｅｄｗｏｒｔｈ［Ｏ１．ａｎｄ ｎｏｗ ｉｓ ｗｉｄｅｌｙ ｕｓｅｄ ｉｎ ｔｈｅ Ｂｒｉｔｉｓｈ ｄｅｆｅｎｓｅ ｉｎｆｏｒｍａｔｉｏｎ ｆｕｓｉｏｎ ｓｙｓｔｅｍ：ｉｔ ｅｍｐｈａｓｉｚｅｓ ｈｅ ｆｕｎｃｔｔｉｏｎ ｏｆ ｔｈｅ ｌｏｗｅｒ ｌｅｖｅｌ，ｃｏｎｃｒｅｔｅ ｆｒａｍｅ ａｓ ｓｈｏｗｎ ｉｎ ｉｇｕｒｅ ２．Ｉｆｔｓ ｓｅｎｓｉｎｇ ａｎｄ ｓｉｇｎａｌ ｐｒｏｃｅｓｓｉｎｇ，ｆｅａｔｕｒｅ ｅｘｔｒａｃｔｉｏｎ ａｎｄ ｐａｔｔｅｍ ｐｒｏｃｅｓｓｉｎｇ ｃｏｒｒｅｓｐｏｎｄ ｔｏ ＪＤＬ ｌｅｖｅｌ ｆｉｒｓｔ，ａｎｄ ｔｈｅ ｓｉｔｕａｔｉｏｎ ａｓｓｅｓｓｍｅｎｔ ａｎｄ ｄｅｃｉｓｉｏｎ ｍａｋｉｎｇ ｒｅｓｐｅｃｔｉｖｅｌｙ ｃｏｒｒｅｓｐｏｎｄ ｔｏ ＪＤＬ ｌｅｖｅｌ ２，３，４．Ａｓ Ｃａｎ ｂｅ ｓｅｅｎ，ａｌｔｈｏｕｇｈ ｕｓｉｆｏｎ ｐｒｏｃｅｓｓ ｏｆ ｗａｔｅｒｆａｌｌ ｍｏｄｅｌ ｄｉｖｉｄｅｄ ｉｎｔｏ ｈｅ ｔｍｏｓｔ ｄｅｔａｉｌｅｄ，ｂｕｔ ｉｔ ｗａｓ ｎｏｔ ｃｌｅａｒ ｆｅｅｄｂａｃｋ ｐｒｏｃｅｓｓ。ｗｈｉｃｈ ｓｈｏｕｌｄ ｂｅ ｒｅｇａｒｄｅｄ ａｓ ｉｔｓ ｍａｉｎ ｓｈｏｒｔｃｏｍｉｎｇ． Ｄｅｃｉｓｉｏｎ ｍａｋｉｎｇ Ｓｉｔｕａｔｉｏｎ ａｓｓｅｓｓｍｅｎｔ Ｐａｔｔｅｒｎ ｐｒｏｃｅｓｓｉｎｇ 彳 Ｆｅａｔｕｒｅ ｅｘｔｒａｃｔｉｏｎ Ｓｉｇｎａｌ ｐｒｏｃｅｓｓｉｎｇ 彳 Ｓｉｇｎａｌ ａｃｑｕｉｓｉｔｉｏｎ ＦＩＧＵＲＥ ２ ＷＡＴＥＲＦＡＬＬＭＯＤＥＬ １．５ ＤＡＳＡＲＡＴＨＹ ｍｏｄｅｌ Ｔｈｅ Ｄａｓａｒａｔｈｙ ｍｏｄｅｌ ｉｎｃｌｕｄｅｓ ５ ｆｕｓｉｏｎ ｌｅｖｅｌｓ［７】． ＴＡＢＬＥ ｌ ＤＡＳＡＲＡＴＨＹＭＯＤＥＬ Ａｓ ｓｈｏｗｎ ｉｎ ｔａｂｌｅ １：Ｓｏ ａｓ ｙｏｕ Ｃａｌｌ ｓｅｅ，ｔｈｅ ｗａｔｅｒｆａｌｌ ｍｏｄｅｌ ｍａｋｅｓ ａ ｃｌｅａｒ ｄｉｓｔｉｎｃｔｉｏｎ ａｂｏｕｔ ｈｅ ｂｏｔｔｔｏｍ ｆｕｎｃｔｉｏｎ， ｗｈｉｌｅ ＪＤＬ ｍｏｄｅｌ ｍａｋｅｓ ａ ｃｌｅａｒ ｄｉｖｉｓｉｏｎ ｏｆ ｍｉｄｄｌｅ ｆｕｎｃｔｉｏｎｓ，ａｎｄ ｔｈｅ Ｂｏｙｄ ｌｏｏｐ ｈａｓ ａ ｄｅｔａｉｌｅｄ ｅｘｐｌａｎａｔｉｏｎ ｏｆ ｔｈｅ ｈｉｇｈ ｌｅｖｅｌ ｐｒｏｃｅｓｓｉｎｇ．Ｉｎｔｅｌｉｎｋ ｃｏｖｅｒｓ ａｌｌ ｔｈｅ ｐｒｏｃｅｓｓｉｎｇ ｌｅｖｅｌ，ｂｕｔ ｄｏ ｎｏｔ ｄｅｓｃｒｉｂｅ ｉｎ ｄｅｔａｉｌ．Ｗｈｉｌｅ ｔｈｅ Ｄａｓａｒａｔｈｙ ｍｏｄｅｌ ｉｓ ｂａｓｅｄ ｏｎ ｈｅ ｔｕｓｉｆｏｎ ａｓｋ ｔｏｒ ｆｕｎｃｔｉｏｎ ｔｏ ｈｅ ｔｃｏｎｓｔｒｕｃｔｉｏｎ，ＳＯ ｉｔ Ｃａｎ ｅｆｆｅｃｔｉｖｅｌｙ ｄｅｓｃｒｉｂｅ ａｌｌ ｕｓｆｉｏｎ ｂｅｈａｖｉｏｒ． Ｍｉｘｅｄ ｍｏｄｅｌ ｉｎｔｅｇｒａｔｅｄ ｔｈｅ ｃｙｃｌｅ ｃｈａｒａｃｔｅｒｉｓｔｉｅｓ ｏｆ ｎｔＩｅｌｉｎｋ ｎｄ ａｆｅｅｄｂａｃｋ ｉｔｅｒａｔｉｖｅ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｏｆ Ｂｏｙｄ ｃｏｎｔｒｏｌ ｌｏｏｐ ｎｄ ｔａｈｅ ｄｅｆｉｎｉｔｉｏｎ ｏｆ ｗａｔｅｒｆａｌｌ ｍｏｄｅｌ ｉｓ ａｐｐｌｉｃａｔｅｄ．ｗｈｉｃｈ ｉｓ ａｓｓｏｃｉａｔｅｄ ｗｉｔｈ ＪＤＬ ａｎｄ Ｄａｓａｒａｔｈｙ ｍｏｄｅ１．ｓｐｅｃｉｉｆｃ ｆｒａｍｅｗｏｒｋ ｗａｓ ｓｈｏｗｎ ｉｎ ｆｉｇｕｒｅ ３．Ｔｈｅ ｆｅｅｄｂａｃｋ Ｃａｌｌ ｂｅ ｓｅｅｎ ｃｌｅａｒｌｙ ｉｎ ａ ｍｉｘｅｄ ｍｏｄｅ１．Ｔｈｅ ｍｏｄｅｌ ｒｅｔａｉｎｓ ｔｈｅ Ｂｏｙｄ ｃｏｎｔｒｏｌ ｌｏｏｐ ｔｏ ｍａｋｅ ｈｅ ｔｃｙｃｌｅ ｃｈａｒａｃｔｅｒｉｓｔｉｃ ｏｆ ｉｎｆｏｒｍａｔｉｏｎ ｆｕｓｉｏｎ ｐｒｏｃｅｓｓｉｎｇ ｃｌｅａｒ．Ｔｈｅ ｄｅｓｃｒｉｐｔｉｏｎ ｏｆ ｍａｉｎ ｐｒｏｃｅｓｓｉｎｇ ｔａｓｋｓ ｉｎ ｔｈｅ ｍｏｄｅｌ ｈａｓ ｂｅｔｔｅｒ ｐｒｅｃｉｓｉｏｎ ｏｆ ｒｅｐｒｏｄｕｃｔｉｏｎ．Ｉｎ ａｄｄｉｔｉｏｎ．ｔｈｅ ｐｏｓｉｔｉｏｎ ｏｆ ｆｕｓｉｏｎ ｂｅｈａｖｉｏｒ ｉｓ ａｌｓｏ ｍｏｒｅ ｅａｓｉｌｙ ｆｉｎｄ ｉｎ ｈｅ ｍｏｄｅ１．ｔ ．１５２。 ｈｔｔｐ：／／ｗｗｗ．ｓｊ—ｃｅ．ｏｒｇ ＦＩＧＵＲＥ ３ ＭＩＸＥＤ ＭＯＤＥＬ ２ ＩＮＦＯＲＭＡＴＩＯＮ ＦＵＳＩＯＮ ＡＬＧＯＲＩＴＨＭ Ｆｕｓｉｏｎ ｉｓ ａ ｆｏｒｍ ｏｆ ｒａｍｅｗｏｒｋ，ｗｈｏｓｅ ｆｇｏａｌ ｉｓ ｔｏ ｉｎｔｅｇｒａｔｅ ｄｉｆｆｅｒｅｎｔ ｓｏｕｒｃｅ ｉｎｆｏｒｍａｔｉｏｎ ｔｏ ｏｂｔａｉｎ ｈｉｇｈ ｑｕａｌｉｔｙ ｕｓｅｆｕｌ ｉｎｆｏｒｍａｔｉｏｎ ｂｙ ｕｓｉｎｇ ｍａｔｈｅｍａｔｉｃａｌ ｍｅｔｈｏｄｓ ａｎｄ ｔｅｃｈｎｉｃａｌ ｔｏｏｌｓ．Ｍａｔｈｅｍａｔｉｃａｌ ｔｏｏｌｓ ｉｓ ｔｈｅ ｍｏｓｔ ｂａｓｉｃ ａｎｄ ｍｕｌｔｉｐｌｅ ｆｕｎｃｔｉｏｎ ｉｎ ｉｎｆｏｒｍａｔｉｏｎ ｆｕｓｉｏｎ，ａｌｌ ｉｎｐｕｔ ｄａｔａ ｗｉｌｌ ｂｅ ｅｆｆｅｃｔｉｖｅｌｙ ｄｅｓｃｒｉｂｅｄ ｉｎ ａ ｐｕｂｌｉｃ ｓｐａｃｅ，ｐｒｏｐｅｒｌｙ ｉｎｔｅｇｒａｔｅｄ ａｔ ｔｈｅ ＳａｌＴｌｅ ｔｉｍｅ，ａｎｄ ｉｆｎａｌｌｙ ｏｕｔｐｕｔ ｉｎ ａ ｓｕｉｔａｂｌｅ ｏｒｆｍ ｎｄ ａｔｈｅ ｄａｔａ． Ｃｏｍｍｏｎｌｙ ｕｓｅｄ ｍｅｔｈｏｄｓ ｏｆ ｍｕｌｔｉ—ｓｅｎｓｏｒ ｉｎｆｏｒｍａｔｉｏｎ ｆｕｓｉｏｎ ｃａｎ ｂａｓｉｃａｌｌｙ ｂｅ ｓｕｍｍａｒｉｚｅｄ ａｓ ｒａｎｄｏｍ ａｎｄ ａｒｔｉｉｆｃｉａｌ ｉｎｔｅｌｌｉｇｅｎｃｅ，ｔｈｅ ａｐｐｌｉｃａｔｉｏｎ ｏｆ ｈｅｓｅ ｍｅｔｔｈｏｄｓ ｃａｎ ｐｅｒｆｏｒｍ ｄａｔａ ｌａｙｅｒ，ｆｅａｔｕｒｅ ｌａｙｅｒ ａｎｄ ｄｅｃｉｓｉｏｎ ｌａｙｅｒ ｆｕｓｉｏｎ ｉｎ ｄｉｆｆｅｒｅｎｔ ｌｅｖｅｌｓ，ａｎｄ ａｃｃｕｒａｔｅｌｙ，ｆｕｌｌｙ ｕｎｄｅｒｓｔａｎｄ ａｎｄ ｄｅｓｃｒｉｂｅ ｔｈｅ ｍｅａｓｕｒｅｄ ｏｂｊｅｃｔ ａｎｄ ｅｎｖｉｒｏｎｍｅｎｔ．Ｃａｎ ｂｅ ｆｏｒｅｋｎｏｗ，ｎｅｗ ｃｏｎｃｅｐｔｓ ａｎｄ ｔｅｃｈｎｏｌｏｇｙ ｓｕｃｈ ａｓ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ｎｄ ａａｒｔｉｉｆｃｉａｌ ｉｎｔｅｌｌｉｇｅｎｃｅ ｗｉｌｌ ｐｌａｙ ａ ｍｏｒｅ ａｎｄ ｍｏｒｅ ｉｍｐｏｒｔａｎｔ ｒｏｌｅ ｉｎ ｍｕｌｔｉ—ｓｅｎｓｏｒ ｉｎｆｏｒｍａｔｉｏｎ ｕｓｉｏｎ．ｆ Ｉｎ ｔｈｅ ｆｕｓｉｏｎ ｔｅｃｈｎｏｌｏｇｙ ａｎｄ ｃａｌｃｕｌａｔｉｏｎ ｍｅｔｈｏｄ，ｔｈｅ ｍｕｌｔｉ—ｓｅｎｓｏｒ ｉｎｆｏｒｍａｔｉｏｎ ｆｕｓｉｏｎ ｍｅｔｈｏｄ ｍａｉｎｌｙ ｈａｓ：ｔｈｅ ｗｅｉｇｈｔｅｄ ａｖｅｒａｇｅ，Ｃａｌｍａｎ ｆｉｌｔｅｒｉｎｇ，Ｂａｙｅｓｉａｎ ｅｓｔｉｍａｔｉｏｎ，ｓｔａｔｉｓｔｉｃａｌ ｄｅｃｉｓｉｏｎ ｔｈｅｏｒｙ，ｔｈｅ Ｄｅｍｓｐｔｅｒ－ｓｈａｆｅｒ ｅｖｉｄｅｎｃｅ ｒｅａｓｏｎｉｎｇ，ｐｒｏｄｕｃｔｉｏｎ ｒｕｌｅ；ｗｈｉｌｅ ｔｈｅ ｃａｌｃｕｌａｔｉｏｎ ｍｅｔｈｏｄ ｍａｉｎｌｙ ｉｎｃｌｕｄｅｓ：ｔｈｅ ｆｕｚｚｙ ｓｅｔ ｔｈｅｏｒｙ，ｎｅｕｒａｌ ｎｅｔｗｏｒｋ， ｒｏｕｇｈ ｓｅｔ ｔｈｅｏｒｙ． ２．１ Ｗｅｉｇｈｔｅｄ ａｖｅｒａｇｅ Ｔｈｅ ｗｅｉｇｈｔｅｄ ａｖｅｒａｇｅ ｉｓ ｈｅ ｔｍｏｓｔ ｓｉｍｐｌｅ ａｎｄ ｍｏｓｔ ｉｎｔｕｉｔｉｖｅ ｍｅｔｈｏｄ，ｗｈｉｃｈ ｉｓ ｓｕｉｔａｂｌｅ ｆｏｒ ｄｙｎａｍｉｃ ｅｎｖｉｒｏｎｍｅｎｔ．Ｔｈｅ ｍｅｔｈｏｄ ｗｅｉｇｈｔｅｄ ａｖｅｒａｇｅ ｔｈｅ ｒｅｄｕｎｄａｎｔ ｉｎｆｏｒｍａｔｉｏｎ ｐｒｏｖｉｄｅｄ ｂｙ ａ ｇｒｏｕｐ ｏｆ ｓｅｎｓｏｒｓ，ａｎｄ ｕｓｅ ｖａｌｕｅ ａｓ ｔｈｅ ｉｆｎａｌ ｒｅｓｕｌｔ ｏｆｆｕｓｉｏｎ． Ｃａｌｍａｎ ｆｉｌｔｅｒ ｉＳ ｕｓｅｄ ｆｏｒ ｒｅａｌ—ｔｉｍｅ ｆｕｓｉｏｎ ｏｆ ｌＯＷ ｌｅｖｅｌ ｒｅｄｕｎｄａｎｔ ｄｙｎａｍｉｃ ｍｕｌｔｉ—ｓｅｎｓｏｒ ｄａｔａ．Ｔｈｅ ｍｅｔｈｏｄ ｕｓｅ ｔｈｅ ｓｔａｔｉｓｔｉｃａｌ ｐｒｏｐｅｒｔｉｅｓ ｏｆ ｍｅａｓｕｒｅｍｅｎｔ ｍｏｄｅｌ ｔｏ ｒｅｃｕｒｓｉｖｅ ｄｅｔｅｒｍｉｎｅ ｄａｔａ ｆｕｓｉｏｎ ｅｓｔｉｍａｔｉｏｎ ｏｆ ｏｐｔｉｍａｌ ｓｔａｔｉｓｔｉｃａｌ ｓｉｇｎｉｉｃａｆｎｃｅ Ｉｆ ｈｅ ｔｓｙｓｔｅｍ ｄｙｎａｍｉｃｓ ｍｏｄｅｌ ｉｓ ｌｉｎｅａｒ．ａｎｄ ｈｅ ｔｓｙｓｔｅｍ ｎｏｉｓｅ ａｎｄ ｓｅｎｓｏｒ ｎｏｉｓｅ ｉｓ ｗｈｉｔｅ ｎｏｉｓｅ ｍｏｄｅｌ ｏｆ Ｇａｕｓｓ ｄｉｓｔｉｂｕｔｒｉｏｎ，ｐｒｏｖｉｄｅ ｔｈｅ ｏｎｌｙ ｏｐｔｉｍａｌ ｅｓｔｉｍａｔｉｏｎ ｏｆ ｓｔａｔｉｓｔｉｃａｌ ｓｉｎｉｇｉｆｃａｎｃｅ ｆｏｒ ｆｕｓｉｏｎ ｄａｔａ，ｔｈｅ ｒｅｃｕｒｓｉｖｅ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｏｆ Ｃａｌｍａｎ ｆｉｌｔｅｒ ｍａｋｅ ｈｅ ｓｙｓｔｔｅｍ ｄａｔａ ｐｒｏｃｅｓｓｉｎｇ ｄｏｅｓ ｎｏｔ ｎｅｅｄ ａ ｌａｒｇｅ ａｍｏｕｎｔ ｏｆ ｄａｔａ ｓｔｏｒａｇｅ ａｎｄ ｃｏｍｐｕｔａｔｉｏｎ． ２．３ Ｂａｙｅｓｉａｎ ｅｓｔｉｍａｔｉｏｎ ．１５３一 ｈｔｔｐ：／／ｗｗｗ．ｓｊ—ｃｅ．ｏｒｇ Ｂａｙｅｓｉａｎ ｅｓｔｉｍａｔｉｏｎ ｉｓ ａ ｃｏｍｍｏｎｌｙ ｕｓｅｄ ｍｅｔｈｏｄ ｆｏｒ ｍｕｌｔｉ—ｓｅｎｓｏｒ ｉｎｆｃ）ｒｍａｔｉｏｎ ｆｕｓｉｏｎ ｉｎ ｓｔａｔｉｃ ｅｎｖｉｒｏｎｍｅｎｔ ｏｆ １ｏｗ ｌａｙｅｒ．Ｔｈｅ ｉｎｆｏｒｍａｔｉｏｎ ｄｅｓｃｒｉｂｅｄ ａｓ ａ ｐｒｏｂａｂｉｌｉｔｙ ｄｉｓｔｒｉｂｕｔｉｏｎ，ｓｕｉａｂｌｅ ｆｏｒ ｕｎｃｅｒｔｔａｉｎｔｙ ｔｈａｔ ｈａｓ ａｄｄｉｔｉｖｅ Ｇａｕｓｓ ｎｏｉｓｅ． Ｗｈｅｎ ｔｈｅ ｓｅｎｓｏｒ ｇｒｏｕｐ ｈａｓ ｃｏｎｓｉｓｔｅｎｔ ｏｂｓｅｒｖａｔｉｏｎ ｃｏｏｒｄｉｎａｔｅ，ｔｈｅ ｓｅｎｓｏｒ ｄａｔａ ｃａｎ ｂｅ ｆｕｓｅｄ ｂｙ ｄｉｒｅｃｔ ｍｅｔｈｏｄ．Ｉｎ ｍｏｓｔ ｃａｓｅｓ，ｍｕｌｔｉｐｌｅ ｓｅｎｓｏｒｓ ｄｅｓｃｒｉｂｅ ｔｈｅ ｓａｍｅ ｏｂｊｅｃｔ ｆｒｏｍ ｄｉｆｅｒｅｎｔ ｃｏｏｒｄｉｎａｔｅ ｆｒａｍｅｓ，ｔｈｅｎ ｔｈｅ ｓｅｎｓｏｒ ｍｅａｓｕｒｅｍｅｎｔ ｄａｔａ ｓｈｏｕｌｄ ｂｅ ｆｕｓｅｄ ｉｎｄｉｒｅｃｔｌｙ ｕｓｉｎｇ Ｂａｙｅｓｉａｎ ｅｓｔｉｍａｔｉｏｎ．Ｔｈｅ ｐｒｏｂｌｅｍ ｏｆ ｉｎｄｉｒｅｃｔ ｍｅｔｈｏｄ ｉｓ ｔｏ ｆｉｎｄ ｔｈｅ ｒｏｔａｔｉｏｎ ｍａｔｒｉｘ ａｎｄ ｔｒａｎｓｌａｔｉｏｎ ｖｅｃｔｏｒ ｗｈｉｃｈ ｉｓ ｃｏｎｓｉｓｔｅｎｔ ｗｉｔｈ ｍｕｌｔｉｐｌｅ ｓｅｎｓｏｒ ｒｅａｄｉｎｇｓ …． ２．４ Ｍｕｌｔｉｐｌｅ Ｂａｙｅｓｉａｎ ｅｓｔｉｍａｔｉｏｎ Ｄｕｒｒａｎｔ Ｗｈ、，ｔｅ ｅｘｐｒｅｓｓ ｔｈｅ ｔａｓｋ ｅｎｖｉｒｏｎｍｅｎｔ ｒｅｐｒｅｓｅｎｔａｔｉｏｎ ａｓ ｍｕｌｔｉ—ｓｅｎｓｏｒ ｓｙｓｔｅｍ ｍｏｄｅ１ ｏｆ ｕｎｃｅｒｔａｉｎ ｇｅｏｍｅｔｒｉｃ ｏｂｊｅｃｔ ｓｅｔ，ａｎｄ ｐｕｔ ｆｏｒｗａｒｄ ｔｈｅ ｍｕｌｔｉｐｌｅ Ｂａｙｅｓｉａｎ ｅｓｔｉｍａｔｉｏｎ ｍｅｔｈｏｄ ．Ｅａｃｈ ｓｅｎｓｏｒ ｉｎ ｈｅ ｓｙｓｔｔｅｍ ｉｓ ｒｅｐｒｅｓｅｎｔｅｄ ｂｙ ｔｈｅ ｕｓｅｆｕｌ ｓｔａｔｉｃ ｄｅｓｃｒｉｐｔｉｏｎ ａｂｉｌｉｙ ｏｆ ｔｔｈｅｓｅ ｏｂｊｅｃｔｓ．Ｍｕｌｔｉｐｌｅ Ｂａｙｅｓｉｎ ｅｓｔａｉｍａｔｉｏｎ ｔａｋｅ ｅａｃｈ ｓｅｎｓｏｒ ａｓ ａ Ｂａｙｅｓｉａｎ ｅｓｔｉｍａｔｉｏｎ，ｃｏｍｂｉｎｅ ｔｈｅ ａｓｓｏｃｉａｔｅｄ ｐｒｏｂａｂｉｌｉｙ ｄｉｓｔｔｒｉｂｕｔｉｏｎ ｏｆ ｅａｃｈ ｉｎｄｉｖｉｄｕａｌ ｏｂｊｅｃｔ ｉｎｔｏ ａ ｐｏｓｔｅｒｉｏｒ ｐｒｏｂａｂｉｌｉｙ ｔｄｉｓｔｒｉｂｕｔｉｏｎ ｆｕｎｃｔｉｏｎ．ａｎｄ ｐｒｏｖｉｄｅ ｔｈｅ ｆｉｎａｌ ｖａｌｕｅ ｏｆ ｍｕｌｔｉ—ｓｅｎｓｏｒ ｉｎｆｏｒｍａｔｉｏｎ ｆｕｓｉｏｎ ｂｙ ｍｉｎｉｍｉｚｉｎｇ ｔｈｅ １ｉｋｅｌｉｈｏｏｄ ｆｕｎｃｔｉｏｎ ｏｆｊｏｉｎｔ ｄｉｓｔｒｉｂｕｔｉｏｎ ｆｕｎｃｔｉｏｎ． ２．５Ｓｔａｔｉｓｔｉｃａｌｄｅｃｉｓｉｏｎ ｔｈｅｏｒｙ Ｌｉｔｅｒａｔｕｒｅ［１２ ｕｓｉｎｇ ｓｔａｔｉｓｔｉｃａ１ ｄｅｃｉｓｉｏｎ ｔｈｅｏｒｙ ｒＳＤＴ）ｔｏ ｐｒｏｐｏｓｅ ｔｗｏ ｓｔｅｐ ｇｅｎｅｒａｌｉｚｅｄ ｍｅｔｈｏｄ ｆｏｒ ｔｈｅ ｆｕｓｉｏｎ ｏｆ ｍｕｌｔｉ ｓｅｎｓｏｒ ｒｅｄｕｎｄａｎｃｙ ｐｏｓｉｔｉｏｎｉｎｇ ｉｎｆｏｒｍａｔｉｏｎ．Ｓｅｎｓｏｒ ｎｏｉｓｅ ｉｓ ｍｏｄｅｌｅｄ ａｓ ａ ｐｒｏｂａｂｉｌｉｔｙ ｄｉｓｔｒｉｂｕｔｉｏｎ ｏｆ ｐｏｓｓｉｂｌｅ ｖａｒｉｅｔｙ”ｅ－Ｃｏｎｔａｍｉｎａｔｅｄ”．Ｔｈｅ ｓｅｎｓｏｒ ｍｏｄｅ１”ｅ－Ｃｏｎｔａｍｉｎａｔｅｄ”ｉｓ ｕｓｅｄ ｔｏ ｉｎｃｒｅａｓｅ ｔｈｅ ｒｏｂｕｓｔｎｅｓｓ ｏｆ ｈｅ ｄｅｃｉｔｓｉｏｎ ｍａｋｉｎｇ ｐｒｏｃｅｓｓ，ｂｙ ｓｅｐａｒａｔｉｎｇ ｈｅ ｄｉｔｓｒｉｔｂｕｔｉｏｎ ｆｕｎｃｔｉｏｎ ｔｏ ｄｅｔｅｒｍｉｎｅ ｔｈｅ ｓｅｐａｒａｔｉｏｎ ｃｏｅｆｉｃｉｆｅｎｔ ｏｆ￡，ｔｏ ｒｅｐｒｅｓｅｎｔ ｈｅａｖｙ ａｉｔｌｅｄ ｄｅｖｉａｔｉｏｎｓ ｃａｕｓｅｄ ｂｙ ｐｏｓｓｉｂｌｅ ｎｔｕｒｕｅ ｓｅｎｓｏｒ ｒｅａｄｉｎｇｓ．Ｃｏｍｐａｒｅｄ ｗｉｔｈ ｈｅ ｔｍｕｌｔｉｐｌｅ Ｂａｙｅｓｉａｎ ｅｓｔｉｍａｔｉｏｎ， ｎｃｅｒｕｔａｉｎｔｙ ｏｆ ｓｔａｔｉｓｔｉｃａ１ ｄｅｃｉｓｉｏｎ ｔｈｅｏｒｙ ｉｓ ａｄｄｉｔｉｖｅ ｎｏｉｓｅ．ｔｈｕｓ ｈａｓ ｕｎｃｅｒｔａｉｎｔｙ ｏｆ ｗｉｄｅｒ ａｄａｐｔａｔｉｏｎ．Ｔｈｅ ｏｂｓｅｒｖｅｄ ｄａｔａ ｏｆ ｄｉｆｆｅｒｅｎｔ ｓｅｎｓｏｒｓ ｍｕｓｔ ｐａｓｓ ａｌｌ ｉｎｔｅｇｒａｔｅｄ ｒｏｂｕｓｔ ｔｅｓｔ ｆｏｒ ｃｏｎｓｉｓｔｅｎｃｙ；ｔｈｅ ｄａｔａ ｏｆ ｃｏｎｓｉｓｔｅｎｃｙ ｖａｌｉｄａｔｅ ｉｓ ｆｕｓｅｄ ｂｙ ｒｏｂｕｓｔ ｅｘｔｒｅｍｅ ｄｅｃｉｓｉｏｎ ｒｕｌｅｓ． ２－６ Ｄｅｍｓｐｔｅｒ－ｓｈａｆｅｒ ｅｖｉｄｅｎｃｅ ｒｅａｓｏｎｉｎｇ Ｄｅｍｐｓｔｅｒ－Ｓｈａｆｅｒ ｅｖｉｄｅｎｃｅ ｒｅａｓｏｎｉｎｇ ｉｓ ｅｘｔｅｎｄｅｄ Ｂａｙｅｓｉａｎ ｍｅｔｈｏｄ ．Ｉｎ ｔｈｅ Ｂａｙｅｓｉａｎ ｍｅｔｈｏｄ，ｓｐｅｃｉｆｉｅｓ ｔｈｅ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｏｆ ａｌｌ ｈｅ ｔｌａｃｋ ｉｎｆｃ｝ｒｍａｔｉｏｎ ｏｆ ｔＩ１ｅ ｅｎｖｉｒｏｎｍｅｎｔ ａｓ ａｎ ｅｑｕｉｖａｌｅｎｔ ｐｒｉｏｒ ｐｒｏｂａｂｉｌｉｙ．Ｗｈｅｎ ｔｈｅ ｎｕｍｂｅｒ ｔｏｆ ｕｓｅｆｕｌ ａｄｄｉｔｉｏｎａｌ ｉｎｆｏｒｍａｔｉｏｎ ｏｒ ｕｎｋｎｏｗｎ ｐｒｅｍｉｓｅ ｏｆ ｓｅｎｓｏｒ ｉｓ ｇｒｅａｔｅｒ ｔｈａｎ ｔｈｅ ｎｕｍｂｅｒ ｏｆ ｋｎｏｗｎ ｐｒｅｍｉｓｅ，ｔｈｅ ｋｎｏｗｎ ｐｒｅｍｉｓｅ ｐｒｏｂａｂｉｌｉｙ ｂｅｃｏｍｅｓ ｔｎｓｔｕａｂｌｅ，ｉｔ ｉｓ ｔｈｅ ｏｂｖｉｏｕｓ ｄｉｓａｄｖａｎｔａｇｅ ｏｆ Ｂａｙｅｓｉｎ ａｍｅｔｈｏｄ．Ｉｎ ｈｅ ｔＤｅｍｐｓｔｅｒ—Ｓｈａｌｌｅｒ ｍｅｔｈｏｄ，ｉｔ ｃａｎ ｂｅ ａｖｏｉｄｅｄ ｂｙ ｄｏｎ’ｔ ｓｐｅｃｉｆｙ ｈｅ ｔｐｒｉｏｒ ｐｒｏｂａｂｉｌｉｙ ｔｏｆ ｕｎｋｎｏｗｎ ｐｒｅｃｏｎｄｉｔｉｏｎ． Ｉｎ ｍｕｌｔｉ．ｓｅｎｓｏｒ ｓｙｓｔｅｍ．ｉｎｆｏｒｍａｔｉｏｎ ｏｆ ｔｈｅ ｅｎｖｉｒｏｎｍｅｎｔ ｐｒｏｖｉｄｅｄ ｂｙ ｅａｃｈ ｉｎｆｏｒｍａｔｉｏｎ ｓｏｕｒｃｅ ｈａｓ ａ ｃｅｒｔａｉｎ ｄｅ￣ｅｅ ｏｆ ｎｃｅｒｕｔａｉｎｔｙ，ｔｈｅ ｕｎｃｅｒｔａｉｎ ｉｎｆｏｒｍａｔｉｏｎ ｆｕｓｉｏｎ ｐｒｏｃｅｓｓ ｉｓ ａ ｐｒｏｃｅｓｓ ｏｆ ｎｃｅｒｔｕａｉｎｔｙ ｒｅａｓｏｎｉｎｇ．Ｌｉｔｅｒａｔｕｒｅ ｕｓｉｎｇ ｆｕｚｚｙ ｌｏｇｉｃ ｔｏ ｆｕｓｅ ｉｍａｇｅ ａｎａｌｙｓｉｓ ａｎｄ ｔａｒｇｅｔ ｒｅｃｏｇｎｉｔｉｏｎ．Ｆｕｚｚｙ ｌｏｇｉｃ ｉｓ ｍｕｌｔｉｐｌｅ ｖａｌｕｅｄ ｌｏｇｉｃ，ｉｔ ａｌｌｏｗｓ ｄｉｒｅｃｔ ｒｅｐｒｅｓｅｎｔａｔｉｏｎ ｈｅ ｕｎｃｅｒｔｔａｉｎｔｙ ｉｎ ｈｅ ｍｕｌｔｔｉ—ｓｅｎｓｏｒ ｉｎｆｏｒｍａｔｉｏｎ ｆｕｓｉｏｎ ｐｒｏｃｅｓｓ ｉｎ ｒｅａｓｏｎｉｎｇ ｐｒｏｃｅｓｓ，ｂｙ ｓｐｅｃｉｆｙｉｎｇ ａ ｒｅａｌ ｂｅｔｗｅｅｎ ０ ｔｏ １ ｔｏ ｒｅｐｒｅｓｅｎｔ ｈｅ ｔｔｒｕｔｈ ｄｅｇｒｅｅ．ｗｈｉｃｈ ｉｓ ｅｑｕｉｖａｌｅｎｔ ｔｏ ｈｅ ｔｐｒｅｍｉｓｅ ｏｆ ｉｍｐｌｉｃｉｔ ｏｐｅｒａｔｏｒ．Ｉｆ ｕｓｉｎｇ ａ ｓｙｓｔｅｍａｔｉｃ ｍｏｄｅｌｉｎｇ ａｐｐｒｏａｃｈ ｔｏ ｉｎｔｅｇｒａｔｅ ｔｈｅ ｕｎｃｅｒｔａｉｎｔｙ ｉｎ ｈｅ ｔｐｒｏｃｅｓｓ，ｉｔ ｗｉｌｌ ｐｒｏｄｕｃｅ ｃｏｎｓｉｓｔｅｎｔ ｆｕｚｚｙ ｒｅａｓｏｎｉｎｇ． ２．８ Ｎｅｕｒａｌ ｎｅｔｗｏｒｋ Ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ｄｅｔｅｒｍｉｎｅ ｔｈｅ ｃｌａｓｓｉｉｆｃａｔｉｏｎ ｓｔａｎｄａｒｄ ｂａｓｅｄ ｏｎ ｓｉｍｉｌａｒｉｙ ｏｆ ｔｃｕｒｒｅｎｔ ｓｙｓｔｅｍ ａｃｃｅｐｔｅｄ ｓａｍｐｌｅ，ｔｈｉｓ ｄｅｔｅｒｍｉｎａｔｉｏｎ ｍｅｔｈｏｄ ｍａｉｎｌｙ ｐｅｒｏｒｆｍａｎｃｅ ｉｎ ｔｈｅ ｎｅｔｗｏｒｋ ｗｅｉｇｈｔ ｄｉｓｔｒｉｂｕｔｉｏｎ，ａｎｄ ａｌｓｏ ｃａｎ ｏｂｔａｉｎ ｋｎｏｗｌｅｄｇｅ ｔｏ ｇｅｔ ｔｈｅ ｕｎｃｅｒｔａｉｎｔｙ ｒｅａｓｏｎｉｎｇ ｍｅｃｈａｎｉｓｍ ｂｙ ｕｓｉｎｇ ａ ｓｐｅｃｉｉｆｃ ｌｅａｒｎｉｎｇ ａｌｇｏｒｉｔｈｍ ｏｆ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ．Ｓｔｎｄｙ ｏｆ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ｐｒｏｖｉｄｅｓ ａ ｇｏｏｄ ｍｅｔｈｏｄ ｆｏｒ ｍｕｌｔｉ．ｓｅｎｓｏｒ ｉｎｔｅｇｒａｔｉｏｎ ａｎｄ ｆｕｓｉｏｎ ｍｏｄｅｌｌｉｎｇ．Ｆｏｒｅｉｇｎ ｓｃｈｏｌａｒｓ ｈａｖｅ ｄｏｎｅ ｓｏｍｅ ｐｉｏｎｅｅｒｉｎｇ ｗｏｒｋ ｉｎ ｍｕｌｔｉ．ｓｅｎｓｏｒ ｉｎｔｅｇｒａｔｉｏｎ ａｎｄ ｉｎｆｏｒｍａｔｉｏｎ ｆｕｓｉｏｎ ｂｙ ｕｓｉｎｇ ｈｅ ｔｎｅｕｒａｌ ｎｅｔｗｏｒｋ．Ｌｉｔｅｒａｔｕｒｅ ｐｒｏｐｏｓｅｄ ａ ｆａｕｌｔ．ｔｏｌｅｒａｎｔ ａｄａｐｔｉｖｅ ｒｅｃｏｎｆｉｇｕｒａｔｉｏｎ ｍｅｔｈｏｄ ｗｈｅｎ ａ ｓｅｎｓｏｒ ｆａｉｌｒｅ ｉｕｎ ｍｕｌｔｉ—ｓｅｎｓｏｒ ｓｙｓｔｅｍ ｂａｓｅｄ ｏｎ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ．Ｍｕｌｔｉ—ｓｅｎｓｏｒ ｉｎｔｅｇｒａｔｉｏｎ ａｎｄ ｆｕｓｉｏｎ ｂａｓｅｄ ｏｎ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ｈａｓ ｔｈｅ ｆｏｌｌｏｗｉｎｇ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ：ａ ｎｉｕｉｆｅｄ ｉｍｅｍａｌ ｋｎｏｗｌｅｄｇｅ ｒｅｐｒｅｓｅｎｔａｔｉｏｎ．ｆｕｓｉｎｇ ｎｅｔｗｏｒｋ ｓｅｎｓｏｒ ｉｎｆｏｒｍａｔｉｏｎ ｔｈｒｏｕｇｈ ｌｅａｒｎｉｎｇ ｍｅｔｈｏｄ ｔｏ ｏｂｔａｉｎｅ －１５４一 ｈｔｔｐ：／／ｗｗｗ．ｓｊ－ｃｅ．ｏｒｇ ｎｅｔｗｏｒｋ ｐａｒａｍｅｔｅｒｓ（ｓｕｃｈ ａｓ ｔｈｅ ｃｏｎｎｅｃｔｉｏｎ ｍａｔｒｉｘ，ｎｏｄｅ ｏｆｆｓｅｔ ｖｅｃｔｏｒ），ａｎｄ ｃａｎ ｃｏｎｖｅｒｔ ｋｎｏｗｌｅｄｇｅ ｒｕｌｅｓ ｔｏ ｄｉｇｉｔａｌ ｆｏｒｍ；ｅａｓｙ ｔｏ ｅｓｔａｂｌｉｓｈ ｋｎｏｗｌｅｄｇｅ ｂａｓｅ ｔｏ ｕｓｅ ｅｘｔｅｒｎａｌ ｅｎｖｉｒｏｎｍｅｎｔ ｉｎｆｏｒｍａｔｉｏｎｅａｓｙ ｔｏ ｒｅａｌｉｚｅ ａｕｔｏｍａｔｉｃ ，ｎｏｗｌｅｄｇｅ ａｃｑｕｉｓｉｔｉｏｎ ａｎｄ ａｓｓｏｃｉａｔｉｋｖｅ ｉｎｆｅｒｅｎｃｅ．Ｔｈｅ ｃｏｍｐｌｅｘ ａｎｄ ｕｎｃｅｒｔａｉｎ ｅｎｖｉｒｏｎｍｅｎｔ ｗｉｌｌ ｆｕｓｅｄ ｔｏ ａｃｃｕｒａｔｅ ｓｉｇｎａｌ ｗｈｉｃｈ ｓｙｓｔｅｍ ｃｏｕｌｄ ｕｎｄｅｒｓｔａｎｄ ｔｈｒｏｕｇｈ ｌｅａｒｎｉｎｇ ａｎｄ ｒｅａｓｏｎｉｎｇ． ３．ＳＵＭＭＡＲＹ Ｉｎｆｏｒｍａｔｉｏｎ ｕｓｉｆｏｎ ｉｓ ｈｅ ｔｎｅｗ ｄｉｒｅｃｔｉｏｎ ｏｆ ｓｙｓｔｅｍ ｓｃｉｅｎｃｅ ｂａｓｅｄ ｏｎ ｈｅ ｃｒｏｓｓ，ｃｏｍｐｒｅｈｅｎｓｉｔｖｅ ａｎｄ ｅｘｔｅｎｓｉｏｎ ｂｅｔｗｅｅｎ ｍｏｄｅｒｎ ｉｎｆｏｒｍａｔｉｏｎ ｔｅｃｈｎｏｌｏｇｙ ａｎｄ ｍｕｌｔｉｄｉｓｃｉｐｌｉｎａｒｙ．Ｄｕｅ ｔｏ ｉｔｓ ｂｒｏａｄ ａｐｐｌｉｃａｔｉｏｎ ｐｒｏｓｐｅｃｔｓ ｉｎ ｍｉｌｉｔａｒｙ ａｎｄ ｃｉｖｉｌ ｉｆｅｌｄｓ，ｉｔ ｈａｓ ｂｅｅｎ ｈｉｇｈｌｙ ｃｏｎｃｅｍｅｄ ｂｙ ｍａｎｙ ｄｏｍｅｓｔｉｃ ａｎｄ ｆｏｒｅｉｇｎ ｓｃｈｏｌａｒｓ ａｎｄ ｒｅｌｅｖａｎｔ ｄｅｐａｒｔｍｅｎｔｓｔｈｅ ｓｙｓｔｅｍ ，ｒｅｖｉｅｗ ｏｆ ｕｓｉｏｎ ｓｙｓｔｅｍ ｍｏｄｅｌｉｎｇ，ｆｆｕｓｉｏｎ ａｌｇｏｒｉｔｈｍ，ｅｘｉｓｔｉｎｇ ｐｒｏｂｌｅｍｓ ａｎｄ ｔｈｅ ｉｄｅａ ｔｏ ｓｏｌｖｅ ｔｈｅｓｅ ｐｒｏｂｌｅｍｓ ｉｓ ｇｉｖｅｎ ｉｎ ｔｈｉｓ ｐａｐｅｒ． Ａｌｔｈｏｕｇｈ ｔｈｅ ｍｕｌｔｉ—ｓｅｎｓｏｒ ｉｎｆｏｒｍａｔｉｏｎ ｆｕｓｉｏｎ ｔｅｃｈｎｏｌｏｇｙ ｈａｓ ｂｅｅｎ ｄｅｖｅｌｏｐｅｄ ｇｒｅａｔｌｙ ａｔ ｐｒｅｓｅｎｔｂｕｔ ｔｈｅｒｅ ａｒｅ ｓｔｉｌｌ ，ｍａｎｙ ｐｒｏｂｌｅｍｓ：ｈｏｗ ｔｏ ｒｅｄｕｃｅ ｔｈｅ ｕｎｃｅｒｔａｉｎｔｙ ｏｆ ｓｅｎｓｏｒ ｉｎｆｏｒｍａｔｉｏｎ，ｒｅｄｕｃｅ ｔｈｅ ｅｒｒｏｒ ｒａｔｅ ｏｆ ｉｎｆｏｒｍａｔｉｏｎ ｆｕｓｉｏｎ， ｉｍｐｒｏｖｅ ｔｈｅ ｒｅａｌ—ｔｉｍｅ ｆｕｓｉｏｎ，ｏｐｔｉｍａｌ ｉｎｆｏｒｍａｔｉｏｎ ｆｕｓｉｏｎ ａｌｇｏｒｉｔｈｍ，ｒａｔｉｏｎａｌ ａｌｌｏｃａｔｉｏｎ ｏｆ ｓｅｎｓｏｒ ｒｅｓｏｕｒｃｅｓＩｎ ．ａｄｄｉｔｉｏｎ，ｔｈｅ ｍｕｌｔｉ－ｓｅｎｓｏｒ ｉｎｆｏｒｍａｔｉｏｎ ｆｕｓｉｏｎ ｍｅｔｈｏｄ ｉｎ ｄｙｎａｍｉｃ ｅｎｖｉｒｏｎｍｅｎｔｓ ｉｓ ａｌｓｏ ａ ｖｅｒｙ ｍｅａｎｉｎｇｆｕｌ ｒｅｓｅａｒｃｈ ｄｉｒｅｃｔｉｏｎ． ＲＥＦＥＲＥＮＣＥＳ Ｐａｎ Ｑ，Ｙｕ Ｘ，Ｃｈｅｎｇ Ｙ Ｍ，ｅｔ ａ１．Ｅｓｓｅｎｔｉａｌ ｍｅｔｈｏｄｓ ａｎｄ ｐｒｏｇｒｅｓｓ ｏｆ ｉｎｆｏｒｍａｔｉｏｎ ｆｕｓｉｏｎ ｔｈｅｏｒｙ［Ｊ］．Ａｃｔａ Ａｕｔｏｍａｔｉｃａ Ｓｉｎｉｃａ￣２００３， ２９（４）：５９９－６１５．（ｉｎ Ｃｈｉｎｅｓｅ） ［２］ Ｗｕ Ｘｉａ，ｅｔ ａ１．Ｒｅｓｅａｒｃｈ Ａｃｔｕａｌｉｔｉｅｓ ｎｄ ａＰｒｏｂｌｅｍｓ ｏｎ Ｍｕｌｔｉ—ｓｅｎｓｏｒ Ｔａｒｇｅｔ Ｒｅｃｏｇｎｉｔｉｏｎ Ｓｙｓｔｅｍ Ｍｏｄｅｌ［Ｊ］，Ｊｏｕｒｎａｌ ｏｆＡｓｔｒｏｎａｕｔｉｃｓ， ２０１０，３１（５）：１４１３—１４２０．（ｉｎ Ｃｈｉｎｅｓｅ） ［３】 Ｌｉｎ Ｋ，Ｃｈｅｎ Ｍ，Ｒｏｄｒｉｇｕｅｓ Ｊ Ｐ Ｃ，ｅｔ ａ１．Ｓｙｓｔｅｍ Ｄｅｓｉｎ ｇｎｄ ａＤａｔａ Ｆｕｓｉｏｎ ｉｎ Ｂｏｄｙ Ｓｅｎｓｏｒ Ｎｅｔｗｏｒｋｓ［Ｊ］．Ｔｅｌｅｍｅｄｉｃｉｎｅ ａｎｄ Ｅ．Ｈｅａｌｔｈ Ｓｅｒｖｉｃｅｓ，Ｐｏｌｉｃｉｅｓ，ａｎｄ Ａｐｐｌｉｃａｔｉｏｎｓ：Ａｄｖａｎｃｅｍｅｎｔｓ ａｎｄ Ｄｅｖｅｌｏｐｍｅｎｔｓ，２０１２，１：１－２５ Ｃｉｌｉａ Ｐａｔｒｉｃｉｏ Ｍ Ａ，Ｂｅｒｌａｎｇａ Ａ，ｅｔ ａ１．Ａ Ｄａｔａ Ｆｕｓｉｏｎ Ｐｅｒｓｐｅｃｔｉｖｅ ｏｎ Ｈｕｍａｎ Ｍｏｔｉｏｎ Ａｎａｌｙｓｉｓ Ｉｎｃｌｕｄｉｎｇ Ｍｕｌｔｉｐｌｅ Ｃａｍｅｒａ ［４】 Ａｐｐｌｉｃａｔｉｏｎｓ［Ｍ］／／Ｎａｔｕｒａｌ ａｎｄ Ａｒｔｉｉｆｃｉａｌ Ｃｏｍｐｕｔａｔｉｏｎ ｉｎ Ｅｎｇｉｎｅｅｒｉｎｇ ｎｄ ａＭｅｄｉｃａｌ Ａｐｐｌｉｃａｔｉｏｎｓ．Ｓｐｒｉｎｇｅｒ Ｂｅｒｌｉｎ Ｈｅｉｄｅｌｂｅｒｇ．２０１３： １４９．１５８ ［５】 Ｌａｎ Ｈ，Ｐａｎ Ｑ，Ｙａｎｇ Ｆ，ｅｔ ａ１．Ｄｅｓｉｇｎ ａｎｄ ｉｍｐｌｅｍｅｎｔａｔｉｏｎ ｏｆ ａｌｇｏｒｉｔｈｍ—ｌｅｖｅｌ ｔｅｓｔｂｅｄ ｆｏｒ ｍｕｌｔｉ—ｓｅｎｓｏｒ ｉｎｆｏｒｍａｔｉｏｎ ｆｕｓｉｏｎ［Ｃ］／／ Ｃｏｎｔｒｏｌ Ｃｏｎｆｅｒｅｎｃｅ（ｃｃｃ），２０１３ ３２ｎｄ Ｃｈｉｎｅｓｅ．ＩＥＥＥ，２０１３：８５４６－８５５１ ［６】 Ｂｅｄｗｏｒｔｈ Ｍ，Ｏ’Ｂｒｉｅｎ Ｊ．Ｔｈｅ Ｏｍｎｉｂｕｓ ｍｏｄｅｌ：ａ ｎｅｗ ｍｏｄｅｌ ｏｆｄａｔａ ｕｓｉｆｏｎ？［Ｊ］．ＩＥＥＥ Ａｅｒｏｓｐａｃｅ ａｎｄ Ｅｌｅｃｔｒｏｎｉｃ Ｓｙｓｔｅｍｓ Ｍａｇａｚｉｎｅ， ２０００，１ ５（４）：３０—３６ ［７】 Ｆａｏｕｚｉ Ｎ Ｅ Ｅ，Ｌｅｕｎｇ Ｈ，Ｋｕｒｉｎ Ａ．Ｄａｔａａ ｆｕｓｉｏｎ ｉｎ ｉｎｔｅｌｌｉｇｅｎｔ ｔｒａｎｓｐｏｒｔａｔｉｏｎ ｓｙｓｔｅｍｓ：Ｐｒｏｇｒｅｓｓ ａｎｄ ｃｈａｌｌｅｎｇｅｓ－Ａ ｓｕｒｖｅｙ［Ｊ］． Ｉｎｆｏｒｍａｔｉｏｎ Ｆｕｓｉｏｎ，２０１ １，１２（１）：４－１０ 【８】 Ｈｏｎｇ Ｚｈａｏｙｉ，Ｇａｏ Ｘｕｎｚｈａｎｇ，Ｌｉ Ｘｉｎｇ．Ｒｅｓｅａｒａｃｈ ｏｎ Ｔｅｍｐｏｒａｌ－Ｓｐａｔｉａｌ Ｉｎｆｏｒｍａｔｉｏｎ Ｆｕｓｉｏｎ Ｍｏｄｅｌ Ｂａｓｅｄ ｏｎ ＤＳ ｈｅｏｒｔｙ［Ｊ］．Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ，２０１ １，２７（ｏＯ１）：１４－１９．（ｉｎ Ｃｈｉｎｅｓｅ） 【９】Ｃｕｉ Ｐ，Ｈｕａｎｇ Ｘ．Ｍｕｌｔｉ‘ｓｅｎｓｏｒ ｉｎｆｏｒｍａｔｉｏｎ ｆｕｓｉｏｎ ａｌｇｏｒｉｔｈｍ ｂａｓｅｄ ｏｎ ｆｅｄｅｒａｌ Ｋａｌｍａｎ ｆｉｌｔｅｒ ａｎｄ ｉｔｓ ａｐｐｌｉｃａｔｉｏｎ［Ｊ］．Ｅｌｅｃｔｒｉｃ Ｍａｃｈｉｎｅｓ ａｎｄ Ｃｏｎｔｒｏｌ，２００ １，５（３）：２０４－２０７ Ｗａｎｇ Ｙａｏｎａｎ，Ｌｉ Ｓｈｕｔａｏ．Ｍｕｌｔｉ ｓｅｎｓｏｒ ｉｎｆｏｒｍａｔｉｏｎ ｕｓｆｉｏｎ ａｎｄ ｉｔｓ ａｐｐｌｉｃａｔｉｏｎ：Ａ Ｓｕｒｖｅｙ［Ｊ］．Ｃｏｎｔｒｏｌ Ａｎｄ Ｄｅｃｉｓｉｏｎ，２００１，Ｉ６（５）： ５ １ ８—５２２．（ｉｎ Ｃｈｉｎｅｓｅ） Ｊｉｎｇ ａＭ Ｌ，Ｌｉｕ Ｓ Ｙ．Ｆａｕｌｔ Ｄｉａｇｎｏｓｉｓ Ａｐｐｒｏａｃｈ Ｓｔｕｄｙ ｏｆ Ｂａｙｅｓｉｎ ａＮｅｔｗｏｒｋｓ Ｂａｓｅｄ ｏｎ Ｍｕｌｔｉ．ｃｈａｒａｃｔｅｒｉｓｔｉｃ Ｉｎｆｏｒｍａｔｉｏｎ Ｆｕｓｉｏｎ［Ｊ］． Ｚｈｏｎｇｇｕｏ Ｊｉｘｉｅ Ｇｏｎｇｃｈｅｎｇ（Ｃｈｉｎａ Ｍｅｃｈａｎｉｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇ），２０ １ ０，２ １（８）．（ｉｎ Ｃｈｉｎｅｓｅ） Ｗａｎｇ Ｊ Ｌ，Ｚｈａｎｇ Ｊ Ｙ．Ｍｕｌｔｉｓｅｎｓｏｒ Ｔａｒｇｅｔ Ｉｄｅｎｔｉｉｆｃａｔｉｏｎ Ｂａｓｅｄ ｏｎ Ｍａｓｓ Ｆｕｎｃｔｉｏｎ ｏｆ Ｓｔａｔｉｓｔｉｃａｌ Ｅｖｉｄｅｎｃｅ ａｎｄ Ｄ．Ｓ Ｅｖｉｄｅｎｃｅ Ｔｈｅｏｒｙ ［Ｊ］．Ｃｈｉｎｅｓｅ Ｊｏｕｍａｌ ｏｆＳｅｎｓｏｒｓ ｎｄ ａＡｃｔｕａｔｏｒｓ，２００６，１９（３）：８６２—８６４．（ｉｎ Ｃｈｉｎｅｓｅ） Ｘｕ Ｃ Ｆ，Ｇｅｎｇ Ｗ Ｄ，ｅｔ ａ１．Ｒｅｖｉｅｗ ｏｆ Ｔｈｅｏｒｙ ｎｄ Ａｐｐｌａｉｃａｔｉｏｎｓ ｏｆ Ｄｅｍｐｓｔｅｒ－－Ｓｈａｆｅｒ Ｅｖｉｄｅｎｔｉａｌ Ｒｅａｓｏｎｉｎｇ Ｍｅｈｏｄ［ｔＪ】．Ｐａｔｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ ａｎｄ Ａｒｔｉｉｆｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ，１９９９，１２（４）：４２４－４３０．（ｉｎ Ｃｈｉｎｅｓｅ） Ｗｕ Ｘ Ｐ，Ｚｈｅｎｇ Ｚ Ｓ，Ｆｕ Ｙ．Ｆａｕｌｔ ｄｉａｇｎｏｓｉｓ ｍｅｔｈｏｄ ｂａｓｅｄ ｏｎ ｕｚｚｆｙ ｌｏｇｉｃ ｎｄ ａｅｖｉｄｅｎｃｅ ｔｈｅｏｒｙ［Ｊ］．Ｊｏｕｍａｌ ｏｆＮａｖａｌ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｅｎｇｉｎｅｅｒｉｎｇ，２０ １ ２，１：００２．（ｎ ｉＣｈｉｎｅｓｅ） Ｃｈｅｎ Ｍ，Ｚｈｕ Ｗ Ｔ，ｅｔ ａ１．Ｔｈｅ ａｐｐｌｉｃａｔｉｏｎ ｏｆ ｉｎｆｏｒｍａｔｉｏｎ ｆｕｓｉｏｎ ｔｅｃｈｎｏｌｏｇｙ ｂａｓｅｄ ｏｎ ＢＰ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ｉｎ ｗａｔｅｒ ｍｏｎｉｔｏｒｉｎｇ［Ｊ］． Ｍｉｃｒｏｃｏｍｐｕｔｅｒ Ｉｎｆｏｒｍａｔｉｏｎ，２０１０（１Ｏ）：１５－１７．（ｉｎ Ｃｈｉｎｅｓｅ） ．１５５一 ｈｔｔｐ：／／ｗｗｗ．ｓｊ—ｃｅ．ｏｒｇ ｒＨｏＲＳ ￣Ｚｈｉｌｉａｎｇ Ｚｈｕ（１９８２一）ｊ ｍａｌｅ，ｔｈｅ Ｈａｒｔ ｎａｔｉｏｎａｌｉｔｙ．Ｈｅ ｏｂｔａｉｎｅｄ ｈｉｓ Ｂａｃｈｅｌｏｒ ｄｅｇｒｅｅ ｉｎ Ｅｌｅｃｔｒｉｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇ ａｎｄ Ｙａｈ Ｓｈｅｎ（１９８５一），ｍａｌｅ，ｔｈｅ Ｈａｎ ｎａｔｉｏｎａｌｉｔｙ，Ｈｅ ｉＳ ａ ＰｈＤ ｓｔｕｄｅｎｔ ｏｆ Ｈｕｎａｎ ｕｎｉｖｅｒｓｉｔｙ，ａｎｄ ｈｉｓ ｒｅｓｅａｒｃｈ ｉｎｔｅｒｅｓｔｓ ｆｏｃｕｓ ｏｎ ｅｍｂｅｄｄｅｄ ｓｙｓｔｅｍｓ， ｍａｃｈｉｎｅ ｌｅａｒｎｉｎｇ ａｎｄ ｃｏｍｐｕｔｅｒ ｖｉｓｉｏｎ． Ｈｅ ｏｂｔａｉｎｅｄ ｈｉｓ Ｂａｃｈｅｌｏｒ ｄｅｇｒｅｅ ｉｎ ｃｏｍｍｕｎｉｃａｔｉｏｎ ｅｎｇｉｎｅｅｒｉｎｇ ｆｒｏｍ Ｈｕｎａｎ Ａｕｔｏｍａｔｉｏｎ ｆｒｏｍ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｅｌｅｃｔｒｏｎｉｃ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ ｏｆ Ｃｈｉｎａ ｆＵＥＳＴＣ）ｉｎ ２００５；ａｎｄ ＭａｓｔｅＩ ｉｎ Ｓｉｇｎａｌ ａｎｄ Ｉｎｆｏｒｍａｔｉｏｎ Ｐｒｏｃｅｓｓｉｎｇ ｏｆ ，，ｃｌｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｐｏｓｔｓ ａｎｄ Ｔｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ ｉｎ Ｎｏｒｍａｌ Ｕｎｉｖｅｒｓｉｔｙ ｉｎ ２００８．Ｅｍａｉｌ：ｓｈｅｎｙａｎ０７１２＠ｈｎｕ．ｅｄｕ．ｃｎ Ｃｕｒｒｅｎｔｌｙ，ｂｅｉｎｇ ａ ｌｅｃｔｕｒｅ ｏｆ Ｗｅｎｚｈｏｕ Ｕｎｉｖｅｒｓｉｙ，ｈｅ ｉｔｓ ｎｇ ｈｉｓ Ｐｈ．Ｄ ｄｅｇｒｅｅ ｉｎ Ｈｕｎａｎ Ｕｎｉｖｅｒｓｉｔｙ，Ｃｈｉｎａ．Ｈｉｓ ｃｈ ｉｎｔｅｒｅｓｔ ｆｏｃｕｓｅｓ ｏｎ ｔｈｅ ｆｉｅｌｄ ｏｆ ｉｎｔｅｌｌｉｇｅｎｔ ｒｏｂｏｔ ｌ１．Ｅｍａｉｌ＂．ｚｌｚｈｕ＠ｈｎｕ．ｅｄｕ．ｃａ 一１５６． ｈｔｔｐ：／／ｗｗｗ．ｓｊ—ｃｅ．ｏｒｇ