机载分布式多传感器两级数据融合策略选择方法
【专利摘要】本发明提出的一种机载分布式传感器两级数据融合策略选择方法，是首先判断参与传感器融合数据来源，确定融合数据类型后进行坐标变换处理，将传感器融合数据统一到处理平台中心，在同一平台中心通过对传感器位置样本观测数据，对多种传感器多模式组合下位置检测数据相似性的单因素方差分析，然后对多个传感器组合方案进行显著性检验；以本机为处理中心，根据多个传感器信息组合形成备选方案,对于方案Pm，m∈[1,k]，分别进行：某一试验条件下s个试验总体和显著性检验，根据检验结果进行不同融合方法的选择，实现统一计算框架下的目标数据融合。本发明根据检验结果进行不同融合方法的选择，解决了两级不同精度组合融合问题，提高了航空多传感器融合系统的通用性及实用性。
【专利说明】机载分布式多传感器两级数据融合策略选择方法
【技术领域】
[0001]本发明涉及信息融合领域中机载多传感器系统工程的传感器数据融合处理技术，特别是涉及一种基于精度水平的航空机载多传感器数据融合策略选择方法，是对多种传感器多模式组合下检测位置数据相似性的单因素方差分析，完成多种组合方案的显著性检验，实现统一计算框架下的目标数据融合方法。
【背景技术】
[0002]多传感器数据融合技术是一门新兴前沿技术。近年来，多传感器数据融合技术已经受到广泛关注，它的理论和方法已经被应用到许多研究领域。多传感器数据融合是针对一个系统使用多种传感器这一特定问题而展开的一种关于数据处理的研究，是多学科交叉的新技术，涉及到信号处理、概率统计、信息论、模式识别、人工智能、模糊数学等理论。近年来，这一技术广泛应用于复杂工业过程控制、机器人、自动目标识别、交通管制、惯性导航、海洋监视和管理、农业、医疗诊断、模式识别等领域。实践证明:与单传感器系统相比，运用多传感器数据融合技术在解决探测、跟踪和目标识别等问题方面，能够增强系统生存能力，提高整个系统的可靠性和鲁棒性，增强数据的可信度，并提高精度，扩展整个系统的时间、空间覆盖率，增加系统的实时性和信息利用率等。多传感器数据融合技术的基本原理就像人脑综合处理信息一样，充分利用多个传感器资源，通过对多传感器及其观测信息的合理支配和使用，把多传感器在空间和时间上冗余或互补信息依据某种准则来进行组合，以获得被测对象的一致性解释或描述。具体的说，多传感器数据融合原理如如下=(I)N个不同类型的传感器(有源或无源的)收集观测目标的数据；(2)对传感器的输出数据(离散的或连续的时间函数数据、输出矢量、成像数据或一个直接的属性说明)进行特征提取的变换，提取代表观测数据的特征矢量；(3)对特征矢量Y进行模式识别处理，完成各传感器关于目标的说明；(4)将各传感器关于目标的说明数据按同一目标进行分组，即关联；(5)利用融合算法将每一目标各传感器数据进行合成，得到该目标的一致性解释与描述。多传感器系统的核心问题是选择合适的融合算法。对于多传感器系统来说，信息具有多样性和复杂性，因此，对信息融合方法的基本要求是具有鲁棒性和并行处理能力，此外，还有方法的运算速度和精度；与前续预处理系统和后续预处理信息识别系统的接口功能；与不同技术和方法的协调能力；对信息样本的要求等。一般情况下，基于非线性的数学方法，如果它具有容错性、自适应性、联想记忆和并行处理能力，则都可以用来作为融合方法。多传感器的常用方法基本上可概括为随机和人工智能两大类，随机类方法有加权平均法、卡尔曼滤波法、多贝叶斯估计法、证据推理，产生式规则等；而人工智能类则有模糊逻辑理论、神经网络、粗集理论、专家系统等。
[0003]多传感器数据融合技术在综合处理来自多个传感器的数据和相关信息，可以获得比运动单个、孤立的传感器更加详细和精确的结论。综合使用多传感器网络，可以实现全高度、全方位、强电磁干扰和复杂气象条件下的综合探测、跟踪等不同任务。目前针对通用结构的数据融合算法研究很多，融合算法与融合结构密切相关，融合结构大致分为三类:集中式、分布式、混合式。在典型的航空分布式融合处理结构中，单个平台节点既有自身配置的传感器和信息源的输入，又有其它融合节点的输入信息，信息源类型的不同，会存在较大差异，包含粒度、精度、不确定性、时序、维度等方面的差异。存在传感器数据维度不全，各维度精度水平参差不齐的融合问题。
【发明内容】
[0004]本发明的任务是针对分布式传感器系统特定使用结构存在的传感器数据维度不全，各维度精度水平参差不齐的融合问题，提供一种基于精度水平的两级分布式航空传感器数据融合策略，能够解决特定传感器不同精度组合的融合问题，并能提高航空分布式传感器系统，完整性和准确性的机载分布式传感器两级数据融合策略选择方法。
[0005]本发明的上述目的可以通过以下措施来达到，一种机载分布式传感器两级数据融合策略选择方法，其特征在于包括如下步骤:首先判断参与传感器融合数据来源，确定融合数据类型后进行坐标变换处理，将传感器融合数据统一到处理平台中心，在同一平台中心通过对传感器位置样本观测数据，对多种传感器多模式组合下位置检测数据相似性的单因素方差分析；在两级不同精度组合相似数据融合中，通过输入数据类型判断多传感器数据链网络是否有需要转换的目标位置参数，有，则对多传感器数据链网络数据进行坐标转换；首先对数据链传来的它机载机极坐标CPdl*0du<Pdl)I向它机载机笛卡儿坐标(xDL，yDL, zDL)转换，然后进入下一步它机载机笛卡儿坐标向本机笛卡儿坐标(x，y，z)转换，再通过本机笛卡儿坐标(x，y，z)向本机载机极坐标转换；最后以本机为处理中心，根据多个传感器信息组合形成备选方案P1, P2,…，Pk，对于方案Pm，mG [1, k]分别进行:(1)某一试验条件下s个试验总体，对'汍ft.?)三个位置维度依次构造检验统计量，进行Iii次试
验,试验总次数
【权利要求】
1.一种机载分布式传感器两级数据融合策略选择方法，其特征在于包括如下步骤:首先判断参与传感器融合数据来源，确定融合数据类型后进行坐标变换处理，将传感器融合数据统一到处理平台中心，在同一平台中心通过对传感器位置样本观测数据，对多种传感器多模式组合下位置检测数据相似性的单因素方差分析，然后对多个传感器组合方案进行显著性检验；在两级不同精度组合相似数据融合中，通过输入数据类型判断多传感器数据链网络是否有需要转换的目标位置参数，有，则对多传感器数据链网络数据进行坐标转换；首先对数据链传来的它机载机极坐标
2.如权利要求1所述的机载分布式传感器两级数据融合策略选择方法，其特征在于:所述某一试验条件下s个试验总体，是对tP.0.9)三个位置维度依次构造检验统计量，进行Iii次试验,试验总次数
3.如权利要求2所述的机载分布式传感器两级数据融合策略选择方法，其特征在于:所述的显著性检验(:不显著，:显著)是在零假设Htl成立时，有拒绝域
4.如权利要求1所述的机载分布式传感器两级数据融合策略选择方法，其特征在于:对数据链网络数据进行坐标转换,它机载机极坐标
5.如权利要求1所述的机载分布式传感器两级数据融合策略选择方法，其特征在于:进行下一步，对它机载机笛卡尔坐标向本机载机笛卡尔坐标转换，用公式(2):
6.如权利要求1所述的机载分布式传感器两级数据融合策略选择方法，其特征在于:坐标变换最后一步，对本机笛卡儿直角坐标(X，y, Z)向本机载机极坐标(P.04)转换，用公式: 斜距
7.如权利要求1所述的机载分布式传感器两级数据融合策略选择方法，其特征在于:针对相同试验条件，有s个传感器对目标进行检测，则该试验有s个总体，进行t次试验，对三个维度的目标参数进行录取，这里i = 1,2,>2，各传感器对目标检测是相互独立的，分别记为A1, A2,...As，对于目标参数距离项，各总体的平均数表示为y pl，V- p2^...y p E，各总体的方差表
8.如权利要求7所述的机载分布式传感器两级数据融合策略选择方法，其特征在于:当零假设成立时，认为因素对试验之间没有显著影响，零假设Htl成立时，有
Fa ~F (s_l, n-s) 则Htl的拒绝域为:
Fa > Fa (s-1, n-s) 式中，a为给定的显著性水平，通常显著性水平取为0.05和0.01 ;其中，St为总离差平方和，它反映了考察指标的全部样本观测值之间的差异程度，
9.如权利要求1所述的机载分布式传感器两级数据融合策略选择方法，其特征在于:显著性检验结果为不显著的，则
令
10.如权利要求1所述的机载分布式传感器两级数据融合策略选择方法，其特征在于:显著性检验结果为显著的，则
【文档编号】G06F19/00GK103810382SQ201410039994
【公开日】2014年5月21日 申请日期:2014年1月27日 优先权日:2014年1月27日
【发明者】张林怡 申请人:中国电子科技集团公司第十研究所