一种多传感器管理中构建虚拟量测值的方法
【专利摘要】本发明提供一种多传感器管理中构建虚拟量测值的方法，将一系列进过预处理的低精度传感器获得的量测值作为服从高斯分布的弱粒子集，与高精度传感器获得的量测值计算获得一系列权值，然后进行最小均方估计，获得一个远高于低精度量测值次于高精度量测值的虚拟值。这样将该高精度量测值的虚拟值加入分布式融合算法中进行滤波跟踪可进一步提高探测跟踪效果。
【专利说明】一种多传感器管理中构建虚拟量测值的方法
【技术领域】
[0001] 本发明涉及传感探测技术。
【背景技术】
[0002] 多传感器融合利用多传感器获得多数据进行信息融合处理，在一定程度上消除单 个或单传感器探测的不确定性，提高检测系统的准确性和可靠性。在雷达系统中，多传感器 融合可以比单传感器有更高的覆盖区域和监视目标，更高的探测精度和反应速度，传感器 故障情况下的更高的可靠性和容错率等等。
[0003] 分布式传感器融合系统，需要传感器节点获取的目标数据首先传递给局部融合中 心进行数据融合，然后输出目标的局部航迹至全局融合中心进行分布式融合计算，融合中 心再将计算获得的全局航迹反馈给各个局部融合中心，局部融合中心根据反馈信息修正自 身状态。局部融合中心及全局融合中心的位置通常是固定的，彼此需要通过数据链通信。分 布式传感器融合系统的资源限制主要表现在：杂波环境下传感器节点的跟踪能力有限，每 个节点只能以一定的精度跟踪一定数量的目标；局部融合中心融合能力的限制，只能处理 一定数量的各传感器节点发送的测量信息。实际区域内多目标跟踪时，希望获得每个目标 选择最优的传感器组合来进行传感器分配优化达到最优跟踪性能，但是传感器资源限制往 往是首要克服的问题。在实际应用中，由于受到传感器资源限制、空间环境限制等因素的影 响，一个探测平台的配置较为常见的情况是一群普通低精度传感器配合一部或若干部高精 度传感器在一定区域内对进入区域内的目标进行被动式探测跟踪。高精度传感器有时也需 要降低探测精度来增加探测目标数。尽管通过规划论、信息量等方法对系统进行传感器优 化管理分配，可以达到较好的探测跟踪效果，但是绝大多数管理方法都缺乏对高精度传感 器的1?效利用。
[0004] 如果能够充分利用高精度探测值虚拟出次高精度探测值，可直接提高传感器资 源，为传感器分配提供更多条件。
【发明内容】
[0005] 本发明所要解决的技术是，提供一种利用高精度传感器的量测值对传感器组进行 高精度量测值构建的方法。
[0006] 本发明为解决上述技术问题所采用的技术方案是，一种多传感器管理中构建虚拟 量测值的方法，包括以下步骤：
[0007] 1)计算第k时刻对跟踪目标进行探测的待处理传感器组内普通传感器的探测值 均值^ ^ = ，n为普通传感器总数，Zik表示第k时刻第i个普通传感器的探测值， zik : n i = I, 2,. . , n ；
[0008] 2)计算各普通传感器的探测值Zik与探测值均值i的距离A ik : Aft = Za ，然 后根据绝对值大小排序，调整探测值Zik的排列顺序；
[0009] 3)求取探测值均值与各普通传感器的探测值的无偏方差估计Qvi : I n _
[0010] Qvi =-^zJ2 ; n - 1 卜1
[0011] 4)以无偏方差估计Qvi为方差，利用距离A ik进行伪高斯处理，得到修正值3,: A-, _
[0012] 耳=施工(丨|)QVi，i = 1，2, ? ?，n，Max 表示取最大值；
[0013] 5)将k时刻各普通传感器探测值修正为：Zrt = f+3,., i = 1，2,..，n ;
[0014] 6)将k时刻普通传感器的探测值表示为高斯粒子群形式： Pi-(Z) = N(Z^ZbQvi);
[0015] 7)计算k时刻各普通传感器对应的权重为：
【权利要求】
1. 一种多传感器管理中构建虚拟量测值的方法，其特征在于，包括以下步骤： 1) 计算第k时刻对跟踪目标进行探测的待处理传感器组内普通传感器的探测值均值 ^所述待处理传感器组内包含有高精度传感器：zIk =1--，η为普通传感器总数，Zik 表示第k时刻第i个普通传感器的探测值，i = 1，2,. .，η ; 2) 计算各普通传感器的探测值zik与探测值均值^的距离Λ ik : ΔΑ = % 然后根据 绝对值大小排序，调整探测值zik的排列顺序； 3) 求取探测值均值与各普通传感器的探测值的无偏方差估计Qvi :
4) 以无偏方差估计Qvi为方差，利用距离Aik进行伪高斯处理，得到修正值马：
i = 1，2,. .，n，Max表示取最大值； 5) 将k时刻各普通传感器探测值修正为：，i = 1，2, . . .，η ;
6) 计算k时刻各普通传感器对应的权重为 i = 1，2,. .，η ; ?i-l 为上一时刻k-ι时第i个普通传感器的权重，权重初值<为l/η，概率密度函数P (Zitl I z' ik) 服从高斯分布，丨Zitl为组内高精度传感器的探测值， Wl ---
、-Vi exp为以自然对数e为底的指数函数； Π 7) 得到k时刻待处理传感器组内的虚拟值量测1 i-ι
2. 如权利要求1所述一种多传感器管理中构建虚拟量测值的方法，其特征在于，当待 处理传感器组有2个以上的高精度传感器时，Z itl为组内精度最高的高精度传感器的探测 值。
3. -种多传感器管理中构建虚拟量测值的方法，其特征在于，包括以下步骤： 1)组内量测修正值计算步骤： 1-1)计算第k时刻对跟踪目标进行探测的待处理传感器组内普通传感器的探测值均 值i = ，η为普通传感器总数，Zik表示第k时刻第j个普通传感器的探测值， j = 1，2, ..，η ;所述待处理传感器组内全部为普通传感器； 1-2)计算各普通传感器的探测值Zjk与探测值均值。的距离Λ jk : Δ# = -&，然后 根据绝对值大小排序，调整探测值的排列顺序； 1-3)求取探测值均值与各普通传感器的探测值的无偏方差估计Qvi :
1-4)以无偏方差估计Qvj为方差，利用距离Ajk进行伪高斯处理，得到修正值Ξ/:
j，j = 1，2, · ·，n，Max表示取最大值； 1- 5)将k时刻各普通传感器探测值修正为：=f + 37.，j = 1，2,. .，η ; 2) 组外量测修正值计算步骤： 2- 1)计算第k时刻对跟踪目标进行探测的高精度传感器所在的传感器组中的普通传 感器的探测值均值^ = ，η为普通传感器总数，Zik表示第k时刻第i个普通 传感器的探测值，i = 1，2，..，η;所述待处理传感器组内的普通传感器的数量与包含有高 精度传感器的传感器组中的普通传感器的数量相同； 2-2)计算高精度传感器所在的传感器组中各普通传感器的探测值Zik与探测值均值 f的距离Λ ik : Aa =?; 2-3)求取高精度传感器所在的传感器组中探测值均值与各普通传感器的探测值的无 偏方差估计Qvi
2-4)以无偏方差估计Qvi为方差，利用距离Aik进行伪高斯处理，得到高精度传感器 所在的传感器组中修正值马：
.，i = 1，2,. .，n，Max表示取最大值； 2- 5)将k时刻高精度传感器所在的传感器组中各普通传感器探测值修正为： zik=zik+3i> i = I, 2,.. ,n ； 3) 虚拟量测值计算步骤： 3- 1)计算k时刻各普通传感器对应的权重为
=1，2,. .，η ; (Ο。为上一时刻k-Ι时待处理传感器组内第j个普通传感器的权重，权重初值 ^为1/n，概率密度函数P(ziCI|z'ik)服从高斯分布，
Zitl为待处理传感器组外的高精度传感器的探测值，exp为以自然对数e为底的指数函数； η 8)得到k时刻待处理传感器组内的虚拟量测值1 = Σω?ζ#。 J=I
4.如权利要求2所述一种多传感器管理中构建虚拟量测值的方法，其特征在于，当高 精度传感器所在的传感器组中有2个以上的高精度传感器时，Zitl为组内精度最高的高精度 传感器的探测值。
【文档编号】G06F19/00GK104376208SQ201410648116
【公开日】2015年2月25日 申请日期:2014年11月14日 优先权日:2014年11月14日
【发明者】解梅, 俞晓峰 申请人:电子科技大学