基于误差分布拟合的数据融合方法技术

本发明专利技术公开了一种基于误差分布拟合的数据融合方法，主要解决现有技术在不同测量数据误差分布不一致的条件下，对多组数据融合准确度低的问题。其方案包括：获取测量的地面试验序列和雷达接收机接收目标的飞行试验序列，并对这两组试验序列求差，得到误差数据；对误差数据进行分布拟合，统计分布拟合后的误差数据，计算其偏度和峰度得到正态分布的误差数据；求解正态分布的未知参数，并将拟合后符合未知参数的正态分布误差数据叠加到地面试验序列，得到融合后的飞行试验序列；对融合后的飞行试验序列进行卡尔曼滤波提高准确度。本发明专利技术能判断多组测量数据之间的误差分布特性，提高了融合后的测量数据准确度，可用于通信中对多传感器测量数据的处理。多传感器测量数据的处理。多传感器测量数据的处理。

【技术实现步骤摘要】
基于误差分布拟合的数据融合方法


[0001]本专利技术属于信号处理
，进一步涉及一种数据融合方法，可用于在通信中对多传感器测量数据的处理。

技术介绍

[0002]随着传感器测量技术的发展，多传感器数据融合技术无论是在军事领域还是民事领域都得到的广泛的应用。单一传感器测量到的实验数据难以反映所需测量对象的完整信息，而在实验中由于需要得到测量对象准确的观测数据，因此出现了许多基于多传感器的数据融合方法。在基于测量数据的误差分布状态下也有着相应的数据融合方法。
[0003]随着数据分布拟合技术的发展与广泛的应用，多传感器测量的数据存在一定误差分布，使得数据在融合过程中会进一步产生不可预估的误差从而增大融合结果的误差，因此也出现了许多针对测量数据误差处理的办法。在针对数据融合过程中误差的降低也出现相应的误差降低方法。
[0004]魏利胜等人在“利用数据融合减少陀螺测试数据处理中的误差[J].战术导制技术，2004,(2)：47
‑
49.DOI:10.3969/j.issn.1009
‑
1300
‑
B.2004.02.012”中，提出了一种基于自适应加权的数据融合方法，使测量数据方差最小，并且将该方法与基于多次测量去平均值的方法做了比较。最终在测试数据处理中具有较好的结果。但是此方法在实现时由于不要求知道测量数据的任何先验知识，且需要通过测量数据设置相应的权值，其结果对权重的设置有着较高的要求。
[0005]耿峰、祝小平等人在“基于模糊多传感器数据融合的目标跟踪系统[J].火力与指挥控制，2008，33(3)：93
‑
96.doi:10.3969/j.issn.1002
‑
0640.2008.03.026.”中，为了克服单个传感器的局限性，引入了多传感器数据融合算法MSDF,其不仅可以减小传感器测量的噪声，还可以排除估计过程中的无效测量量。但是此方法缺乏目标运动及估计过程中所包含的传感器前期统计信息。
[0006]上述两种方法在当雷达测量目标信号中包含相应的误差以及地面内场测量目标信息同样存在一定的误差时，其对数据的融合不仅不会降低测量过程中存在的误差，同时还会增大数据融合后的数据误差。

技术实现思路

[0007]本专利技术的目的在于针对上述现有技术的不足，提出一种基于误差分布拟合的数据融合方法，用在不同测量条件下对传感器测量数据进行数据融合，降低测量过程中存在的误差，提高融合后的数据准确率。
[0008]为实现上述目的，本专利技术的技术方案包括：
[0009](1)获取雷达接收机接收目标散射随角度变换的序列σ(θ)，其中，σ表示目标的散射截面积，θ表示雷达与目标之间的照射视角；
[0010](2)测量目标在运动过程中的飞行试验数据序列σ1(θ)和地面试验数据序列σ2(θ)，
并计算两者之差Error
i
(θ)，i∈{1,
…
,i,
…
,n}表示目标上第i个散射点，n表示目标上的散射点个数；
[0011](3)计算误差数据的偏度Skew(X)和峰度Kurt(X)，利用偏度衡量误差数据分布的方向和程度，利用峰度判断误差数据的分布特性；
[0012](4)利用概率类方法对(3)中得出的正态分布误差数据进行参数估计：
[0013](4a)将未知参数看作随机变量，在随机变量被给定的条件下，设飞行试验数据σ1(θ)和地面试验数据σ2(θ)的总体误差x的条件分布为由先验信息得出的先验分布为从总体误差x的条件分布中抽取样本容量为n的样本Z＝(x1,x2,
…
,x
i
,
…
,x
n
)得到样本Z和未知参数的联合概率密度函数
[0014](4b)利用贝叶斯理论公式得样本Z及未知参数的联合分布为：
[0015][0016](4c)根据联合概率密度函数和后验分布得到样本Z的边缘密度函数m(Z)为：
[0017][0018](4d)根据联合分布和边缘密度函数m(Z)得到后验分布
[0019][0020]其中，为关于未知参数的似然函数；
[0021](4e)根据极大似然估计原理对似然函数求解，得未知参数为：
[0022][0023](5)根据参数将误差数据Error(θ)的拟合结果叠加到地面试验数据，得到到融合后的RCS飞行试验粗序列Lock
i
(θ)：
[0024]Lock
i
(θ)＝σ2(θ)+histfit[(Error(θ))][0025]其中，histfit表示对Error(θ)的分布数据进行拟合；
[0026](6)对上述粗序列Lock(θ)依次进行卡尔曼滤波和平滑处理，得到最终的融合后RCS飞行试验序列newLock
i
(θ)：
[0027]newLock
i
(θ)＝AnewLock
(i
‑
1)
(θ)+BLock
i
(θ)
[0028]其中，newLock
i
(θ)表示i时刻卡尔曼滤波最优估计值，newLock(i
‑
1)为上一刻的最优估计值，A为设定的状态转移矩阵，B为取值为1的单位矩阵，Lock
i
(θ)表示RCS飞行试验粗序列。
[0029]本专利技术与现有技术相比，具有如下优点：
[0030]第一、本专利技术针对在不同测量条件下的测量数据，根据偏度和峰度得到飞行试验序列和地面试验序列之间的误差分布特性为正态分布，根据两者之间的分布特性为正态分
布对飞行试验序列和地面试验序列进行处理，降低了两者在融合过程中的误差，提升了融合后飞行试验序列的准确度。
[0031]第二、本专利技术针对飞行试验序列和地面试验序列之间的误差分布为正态分布的特性，对飞行试验序列和地面试验序列先进行数据融合得到RCS飞行试验粗序列，再进一步对其进行卡尔曼滤波，得到准确度较高的RCS飞行试验序列，不仅可以降低飞行试验序列和地面实验序列中的测量误差，而且减小了融合过程中产生的误差。
[0032]第三、本专利技术利用概率类估计方法估计误差分布特性的参数时，通过联合概率密度函数和后验分布的乘积得到后验分布可以大幅度减少参数估计过程中的计算量。
附图说明
[0033]图1为本专利技术的实现流程图；
[0034]图2为雷达测量得到的飞行试验目标散射截面RCS角度序列；
[0035]图3为在特定内场测量得到的地面试验目标散射截面RCS角度序列；
[0036]图4为本专利技术中飞行试验序列和地面试验序列的误差分布直方图；
[0037]图5为本专利技术中通过拟合得到的RCS误差分布直方图；
[0038]图6为本专利技术中融合后得到的飞行试验RCS角度序列；
[0039]图7为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于误差分布拟合的数据融合方法，其特征在于，包括：(1)获取雷达接收机接收目标散射随角度变换的序列σ(θ)，其中，σ表示目标的散射截面积，θ表示雷达与目标之间的照射视角；(2)测量目标在运动过程中的飞行试验数据序列σ1(θ)和地面试验数据序列σ2(θ)，并计算两者之差Error
i
(θ)，i∈{1,
…
,i,
…
,n}表示目标上第i个散射点，n表示目标上的散射点个数；(3)计算误差数据的偏度Skew(X)和峰度Kurt(X)，利用偏度衡量误差数据分布的方向和程度，利用峰度判断误差数据的分布特性；(4)利用概率类方法对(3)中得出的正态分布误差数据进行参数估计：(4a)将未知参数看作随机变量，在随机变量被给定的条件下，设飞行试验数据σ1(θ)和地面试验数据σ2(θ)的总体误差x的条件分布为由先验信息得出的先验分布为从总体误差x的条件分布中抽取样本容量为n的样本Z＝(x1,x2,
…
,x
i
,
…
,x
n
)得到样本Z和未知参数的联合概率密度函数(4b)利用贝叶斯理论公式得样本Z及未知参数的联合分布为：(4c)根据联合概率密度函数和后验分布得到样本Z的边缘密度函数m(Z)为：(4d)根据联合分布和边缘密度函数m(Z)得到后验分布和边缘密度函数m(Z)得到后验分布其中，为关于未知参数的似然函数；(4e)根据极大似然估计原理对似然函数求解，得未知参数为：(5)根据参数将误差数据Error(θ)的拟合结果叠加到地面试验数据，得到到融合后的RCS飞行试验粗序列Lock
i
(θ)：Lock
i
(θ)＝σ2(θ)+histfit[(Error(θ))]其中，histfit表示对Error(θ)的分布数据进行拟合；(6)对上述粗序列Lock(θ)依次进行卡尔曼滤波和平滑处理，得到最终的融合后RCS飞行试验序列newLock
i
(θ)：newLock
i
(θ)＝AnewLock
(i
‑
1)
(θ)+BLock
i
(θ)其中，newLock
i
(θ)表示i时刻卡尔曼滤波最优估计值，newLock(i
‑
1)为上一刻的最优估计值，A为设定的状态转移矩阵，B为取值为1的单位矩阵，Lock
i
(θ)表示RCS飞行试验粗序
列。2.根据权利要求1所述的方法，其特征在于：(2)中飞行试验数据序列σ1(θ)和地面试验数据序列σ2(θ)，分别表示如下：(θ)，分别表示如下：其中，a
l
表示飞行试验数据序列σ1(θ)的第l项的系数，b
l
表示地面试验数据序列σ2(θ)第l项的系数，l∈{0,1,
…<...

【专利技术属性】
技术研发人员：左磊，李治国，禄晓飞，赵政，刘佳琪，徐竟翔，李明，李亚超，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：