一、多源傳感器融合可以怎麼分類
傳感器融合根絕傳感器種類和功能融合方法甚多，主要以導航和圖像中的融合展開敘述。
1、多源導航定位，根據結構特性可分爲三類：集中式融合算法，並行式融合算法，序貫式融合算法，多傳感器導航目的，導航系統的精度，可靠性，魯棒性，更高效。
目前的算法，其中比較常用的融合算法有，集中式卡爾曼濾波，動靜態濾波，聯邦濾波，自適應抗差融合濾波，人工神經網絡，因子圖的融合算法。
2、多源傳感器融合，根據方法可以分爲兩類：概率統計方法和神經網絡方法
概率統計方法：估計理論，卡爾曼濾波，假設檢驗，貝葉斯方法，統計決策理論以及其他變形方法。
神經網絡因爲在此方面的應用不成熟，所以沒有形成比較經典的方法，基本都是個人根絕具體情況進行定義，比如BP神經網絡，RBF神經網絡，人工神經網絡
1）RBF神經網絡
RBF神將網絡是一種三層神經網絡，其包括輸入層、隱層、輸出層。從輸入空間到隱層空間的變換是非線性的，而從隱層空間到輸出層空間變換是線性的。
2）BP神經網絡
BP(Back Propagation)神經網絡的學習過程由信號的正向傳播與誤差的反向傳播兩個過程組成。（BP網絡就不細說了，網上資料非常多）
3）RBF和BP神經網絡的區別
BP神經網絡的隱節點採用輸入模式與權向量的內積作爲激活函數的自變量，而激活函數採用Sigmoid函數。各調參數對BP網絡的輸出具有同等地位的影響，因此BP神經網絡是對非線性映射的全局逼近。
RBF神經網絡的隱節點採用輸入模式與中心向量的距離（如歐式距離）作爲函數的自變量，並使用徑向基函數（如Gaussian函數）作爲激活函數。神經元的輸入離徑向基函數中心越遠，神經元的激活程度就越低（高斯函數）。RBF網絡的輸出與部分調參數有關，譬如，一個wij值隻影響一個yi的輸出（參考上面第二章網絡輸出），RBF神經網絡因此具有“局部映射”特性
BP神經網絡可以有多個隱含層，但是RBF只有一個隱含層。
RBF的訓練速度比較快，BP神經網絡的訓練速度比較慢。
3、針對於圖像的異源傳感器融合方法
基於空間域和變換域的兩類異源圖像融合算法、自動加權融合算法、灰度極值法、模糊神經網絡、小波變換融合法、Contourlet融合法、NSCT-PCNN融合法
主成分分析，深度神經網絡方法等（此處主要針對生命搜尋中紅外圖像的融合，主要用來提取特徵，初步方法爲用神經網絡進行人體檢測，方法與彩色圖像類似，主要解決夜間和能見度低下情況下的生命搜索問題）
自動加權融合算法，保持了現有的加權平均融合法的快速實用性，通過主成分分析，將源圖像中的有用信息集中到相互獨立的新主成分矩陣中，由此確定加權平均融合方法中源圖像的加權係數，以實現更加理想的融合效果。（K-L變換的自動加權融合算法）
二、根據結構分類的多源傳感器融合
1、集中式融合算法
將時空配準後的觀測信息Z1、Z2、Z3、Z4集中進行融合H，然後得到導航解，集中式卡爾曼濾波包括擴展卡爾曼濾波，無跡卡爾曼濾波，粒子濾波等濾波
缺點，是算法易發散、容錯性差，優點，解決了非線性的值估計問題和非高斯的噪聲問題
1.1集中式卡爾曼濾波
根據最小均方誤差進行系統估計是傳統的卡爾曼濾波算法，包括卡爾曼濾波的擴展，擴展卡爾曼濾波，無跡卡爾曼濾波，粒子濾波等濾波
優點，可以減小觀測值的觀測誤差和系統誤差，缺點，狀態噪聲和觀測噪聲都爲高斯噪聲，且觀測方程必須爲線性控制系統
1.2 自適應卡爾曼濾波
雙重卡爾曼濾波，基於新息的自適應估計方法，多模型自適應估計方法
缺點，隨着觀測矩陣維數的增加，系統運算量急劇增大，融合效率下降等問題。
1.3 人工神經網絡
輸入導航源信息，輸出融合後的導航解，其中加權算法是神經網絡的一個特殊應用，加權算法是一種最簡單直觀的融合算法。在加權融合算法中，將多個融合源提供的位置信息分別冠以相應的權重，從而獲取最後的融合結果，所有傳感器的權重和爲1，缺點是當權重因子選取不當的時候，並不能獲得最佳的融合效果。
優點，具有較強的容錯性和自學習、自適應能力，適應於非線性系統，缺點，需要事前進行大量的訓練，運算量大且實時性難以保證，多用於事後解算
2、並行式融合算法
爲了解決集中式算法計算效率低的問題，進行信息融合之前，導航源先各自或者兩兩組合後在融合子系統中進行並行的導航處理H，然後將各個子系統輸出的局部導航解X，最後進行輸出融合導航解X。
2.1 聯邦濾波
在各個導航源中選擇一個信息全面、輸出速率高、可靠性有保證的導航源作爲參考導航源，與其他導航源兩兩組合，進行局部濾波，再將各個局部濾波解與主濾波按信息分享原理進行融合，聯邦濾波中各個濾波器不相互獨立，都依賴參考導航源進行融合。
優點，實時性強，系統負荷少等優點，缺點，聯邦濾波中各局部濾波器採用了相同的參考，導致各個濾波器輸出量之間不獨立，尤其不具有嚴格性和最優性，一旦參考導航源出現異常，將影響每個濾波器的性能，容錯性較差。
2.2 自適應抗差融合濾波
先對各個導航源觀測信息實施抗差解算，提高系統的容錯能力，然後基於抗差解算提供較可靠的狀態初值，再對狀態方程進行自適應因子調節
優點，容錯性強很大程度上提高了系統的容錯性，且子系統不相關，缺點，需要導航源在同一時刻產生多個觀測值，否則無法進行計算
3、序貫式融合算法（類似神經網絡中的序貫式模型）
爲了解決異步異構導航源的信息融合和聯邦濾波中各濾波器之間不獨立的問題，學者們提出採用序貫式算法來進行融合導航，算法首先將各導航源按照一定的順序進行排列，然後依次將其觀測信息Z輸入至融合子系統，逐個進行導航解算H，最後一個融合子系統的輸出即位融合結果X。（該方法其實是決策級別的傳感器融合，一般情況下異源融合儘量採用決策級別融合）
優點，各個導航源的觀測量和子系統之間是完全獨立的，沒有相關性，能夠實現最優融合，缺點，導航源信息逐次累計，不利於完好性監測和基於因子圖的融合算法。
3.1 動、靜態濾波
第一個觀測曆元，基於動力學模型信息和第一個導航源的觀測信息進行動態濾波，然後依次加入各個導航源的觀測信息來進行靜態濾波，最終得到全部導航源的融合解。
缺點，導航源信息逐次融合，向下傳遞，容易造成誤差累積，不利於完好檢測和故障隔離
3.2 基於因子圖的融合算法
此方法提出代替擴展卡爾曼濾波，通過變量信息的累計，然後進行局部融合，最後輸出融合結果。
優點，可以處理異步異構導航源的信息，缺點，存在誤差向下累計的問題。
三、多源融合導航的性能評估
一般來說，信息融合的性能評估體系主要包括五類指標，分別是完整性、正確性、通用性、連續性和及時性
而在多源融合導航中，由於導航系統的獨特性，定位精度成爲性能評估的首要指標，也是導航服務評價體系中最直觀的體現；同時多源融合導航還要兼具完好性、
連續性、可靠性以及魯棒性等性能。除此以外還有即插即用性質也是比較重要的，應該將傳感器融合系統設計成一個適配器系統，同時，可以利用蒙特卡洛方法進行實驗統計。