摘要：传统多源信息融合方法大都依赖于事先建立的理论机理模型,一般会引入一定的简化操作。然而实际中的应用往往会较为复杂,建立的理论模型一般存在一定的偏差。在某些情况下,满足性能要求的理论模型甚至无法给出。针对这样的缺陷,该文根据数据驱动的思想,提出了两种基于数据驱动的信息融合实现方法。通过联合利用基于数据的特征集与基于模型的特征集,有效弥补了模型中缺失的信息,从而提高信息融合的性能。将其运用在一个基于声音信息融合的地面车辆辨识实例中,获得了良好的识别性能,展现出将数据驱动处理思路引入信息融合的可行性和优点。

关键词：信息融合 数据驱动 车辆声辨识 贝叶斯决策融合 

单位：杭州电子科技大学信息与控制研究所 杭州310018