传感器融合是一个热门话题，正好与物联网的增长趋势相吻合，尤其是与自动驾驶汽车和先进的驾驶员辅助系统（ADAS）相连。这个概念本身并不是什么新鲜事物。在Google Scholar上进行的搜索确定了可追溯到1960年代或更早的概念。但是如今，关于系统应该融合哪些传感器输入以及如何应用所得到的见解的知识越来越多。多少足够取决于应用程序和成本/风险收益。

多少传感器融合就足够了，取决于应用程序和成本/风险收益

嵌入式传感器融合比以往任何时候都更加重要，因为各个恶意因素和国家情报机构的持续存在对各地的自治系统构成了越来越大的威胁。尽管许多政治世界都对5G网络中的潜在信息安全风险感到担忧，但更大的风险来自可能破坏和勒索自治系统所有者的恶意软件攻击。系统架构师不应低估这些风险，必须避免汽车和航空制造商的错误。福特汽车公司估计，一条人的生命价值为20万美元，这比固定Pinto轿车的燃料设计（1971-1980年）要便宜。但是，人身伤害律师和陪审团则相反。目前的不幸故事属于波音公司，该公司为其波音737 MAX喷气式飞机提供了关键的传感器融合和冗余功能，但需要额外付费。结果是，

最后，现在已经很明显地看到了先进的系统为人类活动和工业应用带来了嵌入式传感器融合的经济和健康优势。

容错和弹性

所有传感器和模型都具有公差误差，使用多个测量相同数量的传感器可以提高可靠性并提供对故障的抵御能力，否则可能会造成灾难性的后果。冗余增加了成本和复杂性，但是正如波音和福特的例子所示，导致单点故障的目光短浅的决策可能是灾难性的。

耐攻击性

拥有恶意软件的黑客将找到攻击基于嵌入式传感器的系统的方法，但是适当的数据融合和安全协议（包括人工智能）可以确保面对此类攻击时能够可靠地运行。一种攻击手段是向输入传感器注入错误信号。这些信号不会出现在普通的数字安全性中，因为它们出现在模拟域中。这些攻击面可以包括：

信号欺骗（激光雷达和摄像头）；

信号消除和干扰（ABS磁传感器，故意破坏的交通标志）；和

侧面泄漏（使用传感器收集敏感信息的植入恶意软件）。

人类活动多传感器

使用多种传感器融合来解释和监视人类活动将获得更好的健康结果，并随着人口老龄化而降低成本。可穿戴传感器和环境传感器融合在人类活动中的应用包括老年护理和辅助生活，跌倒检测和姿势识别，安全和监视，运动员和急救人员的状态以及对有障碍人士的定位和导航帮助。

网络中的数据融合

过去，数据融合和分析发生在计算机或数据中心（云）中。传感技术的小型化和降低成本使边缘设备级别的传感器融合（和人工智能/机器学习）成为可能。将来，混合网络体系结构将在三层上执行传感器数据融合和分析：

低级数据融合将在智能设备或聚合多个传感器输入的网关上进行。

中级数据融合将支持更广泛的设备进行更深入的分析和数据融合，并与集线器网关和边缘计算相关联。

高级数据融合将驻留在数据中心或云中，以提供边缘设备管理系统的最高视角。

降低运营成本

嵌入式传感器融合将通过扩展无人驾驶飞机（UAV）和具有自主功能的机器人等设备的范围和应用来削减运营成本。在传感器融合将使远程操作员可以做更多事情的情况下，或者在低成本的劳动力中心，也可以节省开支。其应用包括用于检查无人机的自动防撞和用于大多数自动运输系统的远程驾驶员干预。

发展趋势

随着消费化在工业和物联网生态系统中扎根，可以期待传感器，计算和连接性的持续小型化和成本降低。CES 2020演示包括MEMS传感器创新，例如使汽车和智能交通系统受益的LiDAR镜的小型化。

嵌入式传感器融合的首选方法是一类称为卡尔曼滤波器的计算机算法，该算法使用连续的测量和预测对系统的先前和当前状态进行建模。通过传感器输入将错误信号注入高度复杂的系统，将导致系统架构师实现机器学习和神经网络以实现安全性和数据融合。

嵌入式传感器融合可提高系统完整性，可靠性和正常运行的鲁棒性，并提供抵御源自模拟域的传感器网络攻击的其他优势。通过仔细地将传感器融合到他们的系统中，设计人员和架构师可以减轻故障或恶意行为可能对人员，财产或经济繁荣造成伤害的风险。