4.1 数据融合存在的问题
（1）尚未建立统一的融合理论和有效广义融合模型及算法；
（2）对数据融合的具体方法的研究尚处于初步阶段；
（3）还没有很好解决融合系统中的容错性或鲁棒性问题；
（4）关联的二义性是数据融合中的主要障碍；
（5）数据融合系统的设计还存在许多实际问题。
4.2 数据融合发展趋势
数据融合的发展趋势如下：
（1）建立统一的融合理论、数据融合的体系结构和广义融合模型；
（2）解决数据配准、数据预处理、数据库构建、数据库管理、人机接口、通用软件包开发问题，利用成熟的辅助技术，建立面向具体应用需求的数据融合系统；
（3）将人工智能技术，如，神经网络、遗传算法、模糊理论、专家理论等引入到数据融合领域；利用集成的计算智能方法（如，模糊逻辑＋神经网络，遗传算法＋模糊＋神经网络等）提高多传感融合的性能；
（4）解决不确定性因素的表达和推理演算，例如：引入灰数的概念； （5）利用有关的先验数据提高数据融合的性能，研究更加先进复杂的融合算法（未知和动态环境中，采用并行计算机结构多传感器集成与融合方法的研究等）；
（6）在多平台／单平台、异类／同类多传感器的应用背景下，建立计算复杂程度低，同时，又能满足任务要求的数据处理模型和算法；
（7）构建数据融合测试评估平台和多传感器管理体系；
（8）将已有的融合方法工程化与商品化，开发能够提供多种复杂融合算法的处理硬件，以便在数据获取的同时就实时地完成融合。
5 结束语
随着研究者的不断努力，不久的将来，数据融合的基础理论、兼有鲁棒性和准确性的融合算法将不断地得到完善，实现技术将不断地得到更新，实际应用将不断地被扩展。多传感器数据融合技术必将不断地走向成熟。
Tags: