1.1.3　问题与挑战

通过对信息融合的发展现状进行综述，可以看出信息融合研究主要建立在三大基础上：一是融合框架结构的构造，二是系统融合模型的建立，三是融合理论方法的提出。对一个好的融合系统来说，三者缺一不可。随着对未知领域认识的不断深入，人们对融合的精度和准确度、融合控制的鲁棒性和实时性、融合模型建立的合理性，以及融合管理高效性的要求也在不断提高。但随着大数据时代的到来，数据所呈现出的不完善、多粒度、异构、自治、多样、复杂、快速演化等特性，给传统融合系统的性能带来了巨大挑战。

1.信息的不完善

在面向各种复杂应用背景的时候，多传感器系统大量涌现，信息表示形式的多样性、海量信息处理的困难性、数据关联的复杂性，以及对信息处理及时性、准确性和可靠性的高要求都是前所未有的。特别是信息的不完善将严重影响人类对客观世界本质的认识。信息的不完善通常包括三个方面：不确定性，是指由于当前信息和知识水平的限制，对命题的真伪不能给出一个明确的判定，领域专家往往通过自己的主观意见来表达对命题的支持程度；不精确性，是指由于感知设备的物理局限性和工作人员的操作误差等，导致其测量值相对真实值有很大的误差；不完全性，是指由于当前技术和知识水平的限制，对未知环境的表示具有不充分性。

2.计算复杂度

证据理论等虽然提供了一种能够对多源信息进行有效建模、不确定性度量以及融合推理的框架，使其在解决不确定性决策问题中获得了广泛应用。但是，随着鉴别框架的增大，融合推理规则需要处理的信息粒焦元（包括单子焦元和复合焦元）的数目也会相应增加，进而导致融合规则的计算复杂度呈指数级增加；同时，鉴别框架的增大还会造成对应的超幂集空间中的复合焦元自身结构越来越复杂，使最终的融合决策结果难以给出清晰的解释，极大地限制了证据理论等在信息融合领域的发展。

3.基本概率赋值构造

在决策级融合的研究中，基本概率赋值通常作为已知条件，然而在实际应用中，如何构造目标的基本概率赋值成为信息融合过程中仍需解决的问题之一。

4.异构数据

多传感器提供的数据在属性上可以是同构的，也可以是异构的。虽然异构传感器提供的信息具有更强的多样性和互补性，但异构数据在时间上的不同步、数据率的不一致，以及测量维度的不匹配等特点，使得异构数据信息融合处理更加困难。

5.数据关联

数据关联问题广泛存在，需要解决单传感器在时间域上的关联问题及多传感器在空间域上的关联问题，才能确定来源于同一目标源的数据。

6.粒度

多传感器提供的数据可能处于不同粒度级别上，它们可以是稀疏的，也可以是稠密的，还可能分别处于数据级、特征级、决策级等不同的级别上，所以如何对不同粒度上的信息进行融合是亟待解决的问题。对现实系统中的多粒度异构信息进行有效建模，选择和发展新的具有广适性的多粒度信息融合理论方法将是解决大规模数据融合问题的有效途径。