多传感器数据融合就是利用不同时间与空间的多传感器数据资源，采用计算机技术对按时间序列获得的多传感器观测数据，在一定准则下进行分析、综合、支配和使用，获得对被测对象的一致性解释与描述，进而实现相应的决策和估计，使系统获得比它的各组成部分更充分的信息。它是近几年来发展起来的一门实践性较强的应用技术，在工业、军事、交通和金融等领域获得广泛的应用。

　　汽车仪表系统是一个多传感器系统，直接测量的物理量主要有车速、发动机转速、燃油量、发动机冷却水温、油压、电源系统电压和电流等，适合应用数据融合技术；另一方面，随着微处理器技术的快速发展，出现高性能的微处理器，例如嵌入式控制器及数字信号处理器，它们在汽车仪表中获得越来越多的应用，使数据融合技术的应用成为可能。数据融合技术的应用将使仪表系统的性能得到提升，并提供常规仪表无法提供的功能。本文探讨汽车仪表系统中适用的数据融合技术。

　　2仪表系统中的数据融合流程目前，以微处理器为核心的汽车仪表系统，由于汽车运行环境恶劣，通常情况下容易受到干扰，为了正确显示汽车运行状态，需要获得置信度高的数据，为此进行良好的数据处理是必要的。在汽车仪表系统中应用数据融合技术，通过融合消除传感器有限的采集信息中的不确定性，获得更准确、更可靠的测量结果；同时，可通过多个传感器的数据融合，监测汽车运行状况，为驾驶者提供安全决策辅助提供安全指示）。本文讨合：初始融合和决策融合。初始融合是一种单传感器数据融合，以获得置信度高的数据，如图中的车速、发动机转速、水温、燃油量、电池电压等量均先进行初始融合；决策融合则是一种多传感器数据融合，提供安全决策辅助功能，即将多个己进行初始融合的数据及相关数据进行新的融合。图中的数据关联主要完成相关的信息选取，为决策融合和类别识别提供需要的信息。

　　基金项目：广西科学研究与技术开发计划项目No.桂科攻0235081）。

　　收稿曰期：2007-10- 09修回曰期：2008-蓝红莉，杨叙，吴彤峰，等：汽车仪表系统中的数据融合技术研究表1 3种方法的测量结果比较测量值/Hz真实车速/kmh）算术平均值法剔除疏失误差平均值法数据融合法频率车速误差频率车速误差频率车速误差98.25，汽车仪表系统中，各类传感器输出的信号有模拟信号、脉冲信号和开关信号，通常这些模拟信号、脉冲信号要经过工程转换才能获得对应的物理量，如中所示的车速、发动机转速、发动机冷却水温、燃油量、电池电压等，这些量需要进行信号处理，本文采用初始数据融合。

　　3.1融合方法采用算术平均值算法与分批估计相结合的融合算法，基本步骡如下：对经一致性检验后得到的测量序列，利用分布图法剔除疏失误差。分布图法的基本思想是：将测量结果由小到大进行排列，得到上、下限值；定义中位值；确定下、上四分位数，即下限值与整个序列中位值、中位值与上限值之间的中位值；确定四分位离散度，即上四分位数与下四分位数之差；确定有效数据区间；对于有序的测量数据，若在有效数据区间内，则保留，否则应该剔除。

　　按相邻测量值不在同一组的原则分为两组。

　　对两组测量数据求算术平均值以及方差。

　　根据分批估计理论，推导出融合值的方差以及融合值的计算公式见式1）），计算出接近真实值的融合值。

　　其它公式可参见。数据融合过程己消除了测量中的不确定性，会获得准确度更高的测量结果。

　　3.2测量实例如表1所示，获得2组车速的测量数据，每组数据测量8个点，分别用算术平均值法、剔除疏失误差平均值法和数据融合法等3种方法进行计算。所用车型的车速传感器输出的脉冲信号频率转换为车速的系数为0.651.由表1可见，3种方法中，采用数据融合方法获得的测量值精度高。

　　4决策数据融合在车辆的行驶过程中，可能存在故障和不良行驶状态，例如，车辆是否超速、车速档位是否优、开车是否平稳、发动机水箱水温是否过高、发动机是否异常、蓄电池电压是否正常等，若仪表系统能够实时根据采集到的信息，判断或估计出不利于安全行车的状况，对驾驶者实时进行安全提示，汽车主动安全性将获得提高。进行决策融合时，有些安全指示类别简称类别）可以通过单传感器数据获得，有些必须要多个传感器的数据进行融合才能获得。

　　4.1基于大隶属度的融合方法模糊理论己在数据融合中获得应用，本文