【技术实现步骤摘要】
时空轨迹多节点并行融合方法
[0001]本专利技术涉及时空数据处理领域,特别涉及一种机动目标实时监视系统中的时空轨迹快速分布式融合方法,尤其涉及一种多节点并行融合方法。
技术介绍
[0002]随着移动互联网、位置感知技术、对地观测技术的快速发展,以移动对象、空间/时空、遥感为代表的空天传感数据呈爆发式增长,日趋庞大的数据量容易导致算法性能陷入瓶颈。空天大数据使用流程复杂、使用门槛高、应用效率低。空天数据(aerospace data)主要来自天基和空基,例如基于天基平台的GNSS(全球导航卫星系统)数据等,空天大数据涵盖Spatial(空,即地理空间)和Space(天,即宇宙空间)的地海空天各类与位置相关数据。空天数据具有类型多样、高度非结构化、大单体、多维度等特征,给一体化数据管理和高效查询检索提出了极大挑战。在存储管理方面,以往集中式存储严重依赖单机性能,极大限制了存储能力的可扩展性,无法支撑海量非结构化数据低延迟存取高并发访问。在处理分析方面,以往串行分析算法已无法满足海量时空数据的实时处理需求,不能充分发挥当前新型硬件构架和并行模型/框架的优势。在具体研究应用中,传统数据处理和分析方法已无法满足时空大数据高效存取、实时处理的性能需求。因此,时空大数据与高性能计算/云计算融合是必然的发展趋势。
[0003]时空轨迹数由位置坐标和相应的时间标记合成,因此,时间特征对分析移动物体的运行模式非常关键。时空轨迹数据记录了持续移动对象在某时刻出现在相应位置上的一系列信息,是其运动状态下时空属性的表现。应用到实际情 ...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.一种时空轨迹多节点并行融合方法,其特征在于包括如下步骤:使用高分辨率数据搜索与移动窗口中的中心像素光谱相似的像素,对样本进行过滤和点迹分配节点,为每个相似的像素分配组合权值,通过回归分析确定转换系数;以数据变换模型为基础,对变换后的数据进行信息的筛选和加工,构建时空轨迹数据集、特征点集合以及子轨迹集合,根据权重函数确定权重,建立时空自适应融合模型;点迹分配节点根据点迹关联分配规则计算点迹的关联区域,并将点迹输出到点迹关联结点;点迹关联结点根据模糊双门限的点迹关联规则在点迹关联节点1、点迹关联节点2
…
点迹关联节点m进行点迹关联计算,根据相关性得到每帧的点迹关联结果并输出到航迹关联结点;航迹关联节点根据航迹关联规则进行航迹关联计算,根据当前点迹目标编号O1,关联成功的目标编号O2,关联隶属度f生成航迹关联结果,并根据融合分配规则将航迹关联结果输出到点迹融合结点;点迹融合结点根据点迹融合规则在点迹融合节点1、点迹融合节点2
…
点迹融合节点n进行点迹融合计算,生成最终的融合结果。2.如权利要求1所述的时空轨迹多节点并行融合方法,其特征在于:点迹分配节点根据点迹关联分配规则计算点迹的关联区域i:其中,m为经度方向划分的区域个数,n为纬度方向划分的区域个数,m*n为总的区域个数,l
min
为需要融合的点迹经度最小值、l
max
为需要融合的点迹经度最大值、b
min
为需要融合的点迹纬度最小值、b
max
为需要融合的点迹纬度最大值。3.如权利要求1所述的时空轨迹多节点并行融合方法,其特征在于:点迹为目标的时空信息,包括原始目标编号O、位置时间t、WGS
‑
84坐标经度l、纬度b,高度h,定位误差e,三维地心坐标x,y,z,其中,t的单位为秒,l的单位为度,b的单位为度,h的单位为米,e的单位为米,x,y,z的单位为米。4.如权利要求1所述的时空轨迹多节点并行融合方法,其特征在于:点迹关联结点的点迹关联计算流程为:点迹关联结点设置输入点迹关联门限u、时间门限v、点迹p:o,t,l,b,h,e,x,y,z,根据点迹目标编号,将点迹保存到原始链表,时空自适应融合模型遍历所有的原始链表,在原始链表中查找时间门限v内的最短距离r,时空自适应融合模型采用如下所示计算公式,计算点迹相关隶属度f:f=2.61728
‑
0.115r/e
,根据相关隶属度f判断是否关联成功,当f大于u时关联成功,输出关联结果,否则转入遍历其它原始目标进行点迹关联,其中,u=0.6、v=10为输入的经验常量,o为目标编号,t为位置时间,l为经度,b为纬度,h为高度,e为定位误差,x,y,z为目标的三维地心坐标。5.如权利要求1所述的时空轨迹多节点并行融合方法,其特征在于:点迹关联结点的在原始链表中查找时间门限v内的最短距离r中:在原始链表中找出所有与点p的位置时间差≤v的所有点P={p1,p2,
…
,p
k
},p1,p2,
…
,p
技术研发人员:王前东,谢卫,路高勇,
申请(专利权)人:西南电子技术研究所中国电子科技集团公司第十研究所,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。