数据级融合

       数据层融合结构如图1所示。首先将全部传感器的观测数据融合，然后从融合的数据中提取特征向量，并进行判断识别。这便要求传感器是同质的(传感器观测的是同一物理现象)，如果多个传感器是异质的(观测的不是同一个物理现象)，那么数据只能在特征层或决策层进行融合。数据层融合是直接在采集到的原始数据层上进行的融合，在各种传感器的原始测量未经处理之前就进行数据的综合和分析，这是最低层次的融合，如成像传感器对包含若干像素的模糊图像进行处理和模式识别来确认目标属性的过程就属于数据层的融合。这种融合的优点是能保持尽可能多的现场数据，提供其他融合层次所不能提供的细微信息。但它所要处理的传感器数据量太大，故处理代价高，处理时间长，实时性差。这种融合是在信息的最低层进行的，传感器原始信息的不确定性、不完全性和不稳定性要求在融合时有较高的纠错能力