一种面向复合式探测节点的分布式融合系统技术方案

本发明专利技术涉及一种面向复合式探测节点的分布式融合系统，包括节点级融合处理中心和系统级融合处理中心，所述节点级融合处理中心用于接收复合式探测节点探测到目标信息，并对异类传感信息进行协同与融合，产生局部目标探测信息，并生成节点级目标报告；所述系统级融合处理中心根据各节点级目标报告中的探测数据完成数据关联、批次分离、类型融合、数量融合和目标运动状态融合，生成完整的系统级目标探测信息。本发明专利技术在稳定可靠地实现目标识别的同时，尽量降低网络的资源消耗，使其功能更强大，适用范围更广泛。用范围更广泛。用范围更广泛。

【技术实现步骤摘要】
一种面向复合式探测节点的分布式融合系统


[0001]本专利技术涉及无线传感器数据融合
，特别是涉及一种面向复合式探测节点的分布式融合系统。

技术介绍

[0002]数据融合是一个多层次、多方面的处理过程，包括对多源数据进行检测、相关、组合和估计，从而提高状态和身份估计的精度，以及对战场态势和威胁的重要程度进行完整的评价。数据融合是综合来自多个传感器的探测信息，产生任何单一传感器所无法获得的目标信息，得到对被测目标的最佳估计，它是现代军事系统的重要组成部分。
[0003]国外对信息融合技术的研究起步较早，表面上看，多传感器信息融合的概念很直观，具有较完善的框架模型，但要真正建成一个高效、工程上可以使用的融合系统还需要考虑许多实际问题，比如融合系统中的框架结构、传感器类型、传感器个数、传感器的分布形式以及有效的融合算法等。
[0004]尽管数据融合存在很多实际困难，但由于多传感器信息融合系统具有改善系统性能的巨大潜力，人们还是投入了大量的精力进行研究。

技术实现思路

[0005]本专利技术所要解决的技术问题是提供一种面向复合式探测节点的分布式融合系统，降低网络的资源消耗。
[0006]本专利技术解决其技术问题所采用的技术方案是：提供一种面向复合式探测节点的分布式融合系统，包括节点级融合处理中心和系统级融合处理中心，所述节点级融合处理中心用于接收复合式探测节点探测到目标信息，并对异类传感信息进行协同与融合，产生局部目标探测信息，并生成节点级目标报告；所述系统级融合处理中心根据各节点级目标报告中的探测数据完成数据关联、批次分离、类型融合、数量融合和目标运动状态融合，生成完整的系统级目标探测信息。
[0007]所述复合式探测节点包括震动信号处理模块、声阵列信号处理模块、红外信号处理模块、微光图像阵列信号处理模块和环境感知模块。
[0008]所述节点级融合处理中心对异类传感信息进行决策级协同融合处理，当节点级融合处理中心的融合接口接收到探测结果时，对该探测结果进行保存，然后将所述探测结果与之前已存储的探测结果进行融合产生最新的融合结果，并在接收到调取最新的融合结果的指令时，将最新的融合结果生成节点级目标报告，并上报给所述系统级融合处理中心；其中，最新的融合结果包括目标数量融合、目标分类结果融合和目标状态融合。
[0009]所述节点级融合处理中心使用浅层轻量化的递归神经网络来进行目标数量融合，具体为：首先将每个复合式探测节点的目标数量估计x
t
编码为[10,1]大小的输入序列，则在整个目标探测过程中，所有的复合式探测节点的目标数量估计组合为输入序列：其中，t为可变长度；定义是随时间更新的隐层状态，其中，f
()为一个包括一层卷积层和一层全连接层的非线性方程，当新的复合式探测节点的目标数量估计x
t
输入到网络中，则之前的隐层状态就转换为和当前输入的复合式探测节点的目标数量估计x
t
相关的定义是递归神经网络的输出，即t时刻的目标数量融合结果。
[0010]所述节点级融合处理中心使用决策树与逻辑回归结合的方式对复合式探测节点的目标分类结果进行融合处理，具体为：提取已经存储的设定时间内的复合式探测节点的分类结果，并送入决策回归树进行数据的预处理，完成对分类识别结果进行校验和查缺补漏，得到枚举向量；然后将预处理完毕的枚举向量转换为onehot向量，再沿第一维进行求和，后进行归一化处理，得到数值特征，将数值特征送入logistics分类器，得到最终的融合分类结果。
[0011]所述节点级融合处理中心进行目标状态融合时，首先对目标运动进行建模，其中对目标运动建模使用的状态空间模型为：k为时间指标，X
k
,Z
k
和u
k
分别是k时刻目标的状态、观察和控制输入向量；w
k
和v
k
分别是过程演化噪声和量测噪声；然后在所述状态空间模型的基础上运用扩展的kalman滤波进行状态估计。
[0012]所述系统级融合处理中心基于“量测-航迹”关联的目标批次分离算法，确定接收到的量测信息和目标源的对应关系，具体为：首先通过跟踪起始逻辑创建新目标档案；接着通过跟踪门规则和数据关联规则实现量测和航迹的配对，然后利用激动辨识及自适应滤波与预测的跟踪维持方法估计各个目标的状态，从而更新已建立的目标航迹；在跟踪空间中，那些不与任何已知目标关联的量测集合被用来建立新目标档案，当有目标离开跟踪空间或被摧毁时，由跟踪终止方法消除多余目标档案；最后由目标预测状态确定下一时刻的跟踪门中心和大小。
[0013]所述系统级融合处理中心采用基于最小二乘准则的状态估计方法实现目标运动状态融合。
[0014]所述系统级融合处理中心采用加权平均法实现目标数量融合。
[0015]所述系统级融合处理中心通过扩展的多分类支持向量机算法实现目标类型融合，具体为：首先针对每一种目标类型，通过软间隔最大化，学习一个线性的分类器，假设系统能够处理N种类型的目标，则最终学习得到N个分类器；当探测到新目标后，将处理后的目标特征数据依次放入N个分类器中，分别得到N个属于对应目标的概率；找到N个概率中的最大值，则产生该概率的模型对应的目标类型即为该目标的最终类型。
[0016]有益效果
[0017]由于采用了上述的技术方案，本专利技术与现有技术相比，具有以下的优点和积极效果：本专利技术在稳定可靠地实现目标识别的同时，尽量降低网络的资源消耗，使其功能更强大，适用范围更广泛。
附图说明
[0018]图1为本专利技术实施方式的系统框图；
[0019]图2为本专利技术实施方式中节点级融合中心数量融合算法框图；
[0020]图3为本专利技术实施方式中节点级融合中心类型融合算法框图；
[0021]图4为本专利技术实施方式中节点级融合中心目标状态估计算法框图；
[0022]图5为本专利技术实施方式中系统级融合中心处理流程图；
[0023]图6为本专利技术实施方式中系统级融合中心多目标跟踪算法框图。
具体实施方式
[0024]下面结合具体实施例，进一步阐述本专利技术。应理解，这些实施例仅用于说明本专利技术而不用于限制本专利技术的范围。此外应理解，在阅读了本专利技术讲授的内容之后，本领域技术人员可以对本专利技术作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。
[0025]本专利技术的实施方式涉及一种面向复合式探测节点的分布式融合系统，包括节点级融合处理中心和系统级融合处理中心，所述节点级融合处理中心用于接收复合式探测节点探测到目标信息，并对异类传感信息进行协同与融合，产生局部目标探测信息，并生成节点级目标报告；所述系统级融合处理中心根据各节点级目标报告中的探测数据完成数据关联、批次分离、类型融合、数量融合和目标运动状态融合，生成完整的系统级目标探测信息。
[0026]所述节点级融合处理中心可以对震动、声阵列、图像、红外、环境等异类传感模组输出本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向复合式探测节点的分布式融合系统，其特征在于，包括节点级融合处理中心和系统级融合处理中心，所述节点级融合处理中心用于接收复合式探测节点探测到目标信息，并对异类传感信息进行协同与融合，产生局部目标探测信息，并生成节点级目标报告；所述系统级融合处理中心根据各节点级目标报告中的探测数据完成数据关联、批次分离、类型融合、数量融合和目标运动状态融合，生成完整的系统级目标探测信息。2.根据权利要求1所述的面向复合式探测节点的分布式融合系统，其特征在于，所述复合式探测节点包括震动信号处理模块、声阵列信号处理模块、红外信号处理模块、微光图像阵列信号处理模块和环境感知模块。3.根据权利要求1所述的面向复合式探测节点的分布式融合系统，其特征在于，所述节点级融合处理中心对异类传感信息进行决策级协同融合处理，当节点级融合处理中心的融合接口接收到探测结果时，对该探测结果进行保存，然后将所述探测结果与之前已存储的探测结果进行融合产生最新的融合结果，并在接收到调取最新的融合结果的指令时，将最新的融合结果生成节点级目标报告，并上报给所述系统级融合处理中心；其中，最新的融合结果包括目标数量融合、目标分类结果融合和目标状态融合。4.根据权利要求3所述的面向复合式探测节点的分布式融合系统，其特征在于，所述节点级融合处理中心使用浅层轻量化的递归神经网络来进行目标数量融合，具体为：首先将每个复合式探测节点的目标数量估计x
t
编码为[10,1]大小的输入序列，则在整个目标探测过程中，所有的复合式探测节点的目标数量估计组合为输入序列：其中，t为可变长度；定义是随时间更新的隐层状态，其中，f()为一个包括一层卷积层和一层全连接层的非线性方程，当新的复合式探测节点的目标数量估计x
t
输入到网络中，则之前的隐层状态就转换为和当前输入的复合式探测节点的目标数量估计x
t
相关的定义是递归神经网络的输出，即t时刻的目标数量融合结果。5.根据权利要求3所述的面向复合式探测节点的分布式融合系统，其特征在于，所述节点级融合处理中心使用决策树与逻辑回归结合的方式对复合式探测节点的目标分类结果进行融合处理，具体为：提取已经存储的设定时间内的复合式探测节点的分类结果，并送入决策回归树进行数据的预处理，完成对分类识别结果进行校验和查缺补漏...

【专利技术属性】
技术研发人员：王艳，张士柱，李宝清，袁晓兵，
申请(专利权)人：中国科学院上海微系统与信息技术研究所，
类型：发明
国别省市：