3. 滤波与融合基础

在农业传感器系统中，我们几乎不可能直接拿到“真值”。土壤含水率探头会受盐分与温度漂移影响，叶面湿度传感器在结露与降雨之间反复跳变，多光谱冠层传感器的读数随光照角度变化，而 GPS/RTK 定位在树冠遮挡下会出现多路径误差。滤波与融合要解决的，正是“如何在噪声、漂移、缺失和异构观测中，得到更接近真实农学状态的估计”。本节先把这两个概念讲清楚，再给出可计算的数学描述与评价指标，为后续具体算法打下共同语言。

一、滤波与融合的定义边界

滤波（filtering）指对单一或同类传感器的时间序列做处理，抑制随机噪声与异常值，估计当前或历史状态。它的输入通常是同一物理量的多次采样，输出是“更平滑、更可信”的估计值。典型任务包括滑动平均、中值滤波、一阶低通、卡尔曼滤波等。滤波的核心假设是：信号在时间上具有相关性，而噪声在时间上不相关或统计特性已知。

融合（fusion）指把来自多个传感器、多个位置或多个模态的信息组合成一个统一估计。它的输入是异构观测，例如土壤三参数探头（含水率、温度、电导率）、气象站（辐射、风速、温湿度）与无人机多光谱影像。融合要处理的是“不同来源的可信度不同、采样率不同、时空基准不同”的问题。滤波可以看作融合的一个特例（同一传感器不同时刻的融合），但工程上通常分开讨论。

两者的关系可以用一句话概括：滤波解决“单源去噪”，融合解决“多源互补”。在实际系统中，二者往往串联使用——先对每路传感器做滤波，再把滤波后的估计送入融合层。

二、数学描述：状态、观测与估计

设系统在离散时刻 k 的真实状态为 x_k（如某深度土壤含水率、冠层叶绿素含量），观测向量为 z_k。观测模型可写为：

z_k = h(x_k) + v_k        （观测方程，v_k 为观测噪声）
x_k = f(x_{k-1}) + w_k     （状态方程，w_k 为过程噪声）

滤波的任务是在已知观测序列 z_1:k 的条件下，求状态的后验估计 x̂_k|k。线性高斯情形下，卡尔曼滤波给出递推解；非线性情形下可用扩展卡尔曼、无迹卡尔曼或粒子滤波。融合则可写成加权组合形式：

x̂_fused = Σ_i w_i · x̂_i ，   Σ_i w_i = 1

其中权重 w_i 反映第 i 路估计的可信度。最简单的等权平均取 w_i=1/N；更合理的做法是按方差倒数加权，即 w_i ∝ 1/σ_i²，噪声越大的源权重越小。若各源估计相互独立，融合后的方差满足 1/σ_fused² = Σ 1/σ_i²，这说明融合的理论收益来自“独立误差的相互抵消”。

三、性能评价指标：信噪比、均方误差与延迟

滤波与融合效果不能靠“看起来平滑”判断，必须用指标量化。工程上最常用的三类指标如下。

信噪比（SNR）衡量信号功率与噪声功率之比，常以 dB 表示：SNR = 10·log₁₀(P_signal/P_noise)。在农业场景中，可用“有用变化幅度”与“静止段波动标准差”之比近似。SNR 越高，说明滤波后有用信息相对噪声越突出。注意 SNR 只反映相对强弱，不反映偏差。

均方误差（MSE）与均方根误差（RMSE）衡量估计与参考值的偏离程度：MSE = (1/N)Σ(x̂_i−x_i)²，RMSE 为其平方根，量纲与原量一致，便于解释。RMSE 同时包含随机波动与系统偏差，是标定与融合权重调优最常用的指标。若需单独考察偏差，可另算平均偏差（bias）。

延迟（latency / lag）衡量估计对真实变化的响应滞后。低通滤波越强，噪声抑制越好，但阶跃响应越慢，二者存在固有折衷。工程上常用“阶跃响应达到 90% 稳态值所需时间”或互相关峰值对应的时移来度量。对灌溉决策、霜冻预警等时效敏感任务，延迟往往比 RMSE 更关键。

四、指标之间的折衷与工程取舍

三个指标并非彼此独立。以滑动平均为例，窗口长度 N 增大，随机噪声按 1/√N 衰减，SNR 提升，但阶跃响应延迟近似为 (N−1)/2 个采样周期，且对真实突变的跟随变差，RMSE 在“噪声主导”阶段下降、在“偏差主导”阶段反而上升。因此调参时不能只盯一个指标，而应画出“指标—参数”曲线，找到拐点。

融合层同样存在取舍。方差倒数加权在估计独立时最优，但农业多源数据常存在相关性（例如同一片冠层的两路温度会同时受阳光影响），此时简单加权会高估融合收益，需要引入协方差项或采用序贯滤波。此外，不同源采样率不同，必须先做时间对齐（插值或降采样）与量纲统一，否则权重再合理也无意义。

五、一个可复现的评估流程

建议按以下顺序落地：①明确参考真值来源（实验室标定值、称重法、人工采样），没有参考值时至少用“静止段标准差”估计噪声；②对每路数据分别计算滤波前后的 SNR 与 RMSE；③做阶跃或脉冲注入测试，记录 90% 响应时间作为延迟；④按 1/σ² 计算融合权重并归一化；⑤对融合结果重复②③，与单源结果对比。整个过程应保留原始数据与参数记录，便于复现。

下面给出一个可直接套用的评估记录表结构，字段按农业传感器实际需要设置：

表中数值需由实际数据填入，此处仅示意字段组织方式。把这张表填满，滤波与融合是否真正带来收益、代价是否可接受，就一目了然了。