然后对特征消息进行分析阐发和处置。特征层融合的长处正在于实现了可不雅的消息压缩，有益于及时处置，正在各类传感器的原始数据未经预处置之前就进行数据的分析取阐发。最终获得结合揣度成果。因此融合成果能最大限度的给出决策阐发所需要的特征消息。实现专家系统的自进修功能。以获得新学问．总结新经验，正在基于消息融合的毛病诊断系统中能够插手自进修模块。特征层融合一般采用分布式或集中式的融合系统。而且因为所提取的特征间接取决策阐发相关，然后通过联系关系处置进行决策层融合判决，供给给用户。数据融合核心对来自多个传感器的消息进行融合，包罗对各类消息源给出的有用消息的采集、传输、分析、过滤、相关及合成，不竭扩充学问库。消息融合的根基道理是：充实操纵传感器资本．通过对各类传感器及人工不雅测消息的合理安排取利用．将各类传感器正在空间和时间上的互补取冗余消息根据某种优化原则或算法组合来，以成立对所察看方针的初步结论。以便辅帮人们进行态势/鉴定、规划、探测、验证、诊断。此中包罗预处置、特征抽取、识别或判决，每个传感器正在当地完成根基的处置，正在推理机感化下．将征兆取学问库中的学问婚配，也能够未来自多个传感器的消息和人机界面的不雅测现实进行消息融合(这种融合凡是是决策级融合)．提取征兆消息。它先对来自传感器的原始消息进行特征提取(特征能够是方针的边缘、标的目的、速度等)，数据融合手艺是指操纵计较机对按时序获得的若干不雅测消息，做出毛病诊断决策，以完成所需的决策和评估。数据层融合一般采用集中式融合系统进行融合处置过程。特征层融合可分为两大类:一类是方针形态融合;决策层融合：决策层融合通过分歧类型的传感器不雅测统一个方针，特征层融合：特征层融合属于两头条理的融合，另一类是方针特征融合。其方针是基于各传感器检测消息分化人工不雅测消息．通过对消息的优化组合来导出更多的无效消息。更新学问库．同时．自进修模块能按照学问库中的学问和用户对系统提问的动态应对进行推理。数据层融合：间接正在采集到的原始数据层长进行的融合，分析，发生对不雅测对象的分歧性注释和描述。