多传感器信息融合技术是当前科学研究领域的一个重大课题,其研究内容和目的是如何对来自多信息源的信息进行综合,以获得比依靠单个信息源得出的关于现实环境的状态描述更为准确、可靠。实质上是针对由多个同类或多类传感器所组成的系统这一特定问题而开展的一种新的信息处理方法。其中,态势估计是信息融合系统中的高层关键技术,其实质是对提取出来的态势元素进行觉察、理解和预测的处理过程。本文对用于态势估计的理论和推理模型进行了较为系统的研究,主要研究内容如下: 1.首先划分了态势估计要完成的功能,建立了态势觉察、态势理解和态势预测三级功能处理模型,并详细分析了该模型各级所需完成的功能;在分析态势估计推理框架的基础上,探讨了实现态势估计的推理算法:针对态势估计是在不同抽象级别上对实时信息进行分类处理的渐进式求解过程,考虑使用一个多级分层模型来研究态势估计问题。 2.考虑到本文后半部分用于态势估计的两种推理方法都是基于结点模型的推理过程,文中详细介绍了基于模糊逻辑的聚类形成的层次结构,利用基于模糊等价关系的方法实现聚类,给出了一种使用知识和最近邻法相结合的方法来实现群结构递增形成的算法,为后面建立推理模型做了铺垫。 3.讨论了态势估计的不确定性因果推理方法,分别研究了D-S证据理论和贝叶斯网络用于态势估计系统的信息融合方法;重点研究了这两种理论用于态势估计问题的信息传递过程,并给出了一种基于贝叶斯网络的信息传递算法;在本文的最后讨论了这两种理论在解决有着大量不确定信息的态势估计问题时各自的优点及不足,并给出了作者对态势估计问题的思考。