木子最近在集中研究智能制造，学习到了很多新术语，为此将其整理下来，以备后面学习和参考。
今天分享的术语是多传感器融合。
在这方面，大家可以去关注管理学顶刊上面的一篇文章开展学习和研究。
Soroush Saghafian, Brian Tomlin, Stephan Biller (2021) The Internet of Things and Information Fusion: Who Talks to Who?. Manufacturing & Service Operations Management 24(1):333-351.https://doi.org/10.1287/msom.2020.0958
所谓多传感器信息融合（Multi-sensor Information Fusion,MSIF），就是利用计算机技术将来自多传感器或多源的信息和数据，在一定的准则下加以自动分析和综合，以完成所需要的决策和估计而进行的信息处理过程。
试想，在智能制造背景下，我们为了得到工厂的机器运行情况，可以借助安装传感器的形式来采集数据，进而借助工业大数据分析终端分析和处理数据，并可以借助数据分析结果为我们提供决策参考，那么公司里面肯定不止一台机器，而且安装的传感器可能有压力传感器、湿度传感器、温度传感器等各类型的传感器，那么就可以借助多传感器信息融合技术实现不同传感器之间的信息交互和数据的统一化处理。
上面是木子的浅显的理解，仅供参考，大家有新的理解可以联系木子，大家一下学习进步。
多传感器信息融合技术的基本原理就像人的大脑综合处理信息的过程一样，将各种传感器进行多层次、多空间的信息互补和优化组合处理，最终产生对观测环境的一致性解释。在这个过程中要充分地利用多源数据进行合理支配与使用，而信息融合的最终目标则是基于各传感器获得的分离观测信息，通过对信息多级别、多方面组合导出更多有用信息。这不仅是利用了多个传感器相互协同操作的优势，而且也综合处理了其它信息源的数据来提高整个传感器系统的智能化。
多传感器信息融合技术是利用计算机进行信息综合处理的技术，在现代信息史上有着重大的意义，不仅可以快速处理多样化信息，还能缩短信息处理时间，提高信息分析效率，减低信息收集成本。主要的特点有四个：冗余性、互补、及时、低成本性。
(1) 信息的冗余性：对于环境的某个特征，可以通过多个传感器(或者单个传感器的多个不同时刻)得到它的多份信息，这些信息是冗余的，并且具有不同的可靠性，通过融合处理，可以从中提取出更加准确和可靠的信息。此外，信息的冗余性可以提高系统的稳定性，从而能够避免因单个传感器失效而对整个系统所造成的影响。
(2) 信息的互补性：不同种类的传感器可以为系统提供不同性质的信息，这些信息所描述的对象是不同的环境特征，它们彼此之间具有互补性。如果定义一个由所有特征构成的坐标空间，那么每个传感器所提供的信息只属于整个空间的一个子空间，和其他传感器形成的空间相互独立。
(3) 信息处理的及时性：各传感器的处理过程相互独立，整个处理过程可以采用并行导热处理机制，从而使系统具有更快的处理速度，提供更加及时的处理结果。
(4) 信息处理的低成本性：多个传感器可以花费更少的代价来得到相当于单传感器所能得到的信息量。另一方面，如果不将单个传感器所提供的信息用来实现其他功能，单个传感器的成本和多传感器的成本之和是相当的。
那么数据的处理机制有哪些呢？根据木子的学习，目前有三种形式：分布式、集中式和混合式。
（1）分布式：先对各个独立传感器所获得的原始数据进行局部处理，然后再将结果送入信息融合中心进行智能优化组合来获得最终的结果。分布式对通信带宽的需求低、计算速度快、可靠性和延续性好，但跟踪的精度却远没有集中式高；分布式的融合结构又可以分为带反馈的分布式融合结构和不带反馈的分布式融合结构。
（2）集中式：集中式将各传感器获得的原始数据直接送至中央处理器进行融合处理，可以实现实时融合，其数据处理的精度高，算法灵活，缺点是对处理器的要求高，可靠性较低，数据量大，故难于实现；
（3）混合式：混合式多传感器信息融合框架中，部分传感器采用集中式融合方式，剩余的传感器采用分布式融合方式。混合式融合框架具有较强的适应能力，兼顾了集中式融合和分布式的优点，稳定性强。混合式融合方式的结构比前两种融合方式的结构复杂，这样就加大了通信和计算上的代价。
