【技术实现步骤摘要】
本申请涉及无人机探测，尤其涉及一种基于多元情报融合的无人机综合探测方法和系统。
技术介绍
1、多元情报融合处理技术在反无人机系统中的具有较高重要性。反无人机系统集成了各种传感器，包括频谱侦测、雷达、云哨和光电传感器等，用于提供不同类型的目标信息。多元情报融合处理的任务是整合这些异构的情报数据，实现目标关联和提供准确的目标位置、状态和属性信息。
2、然而，对传统的反无人机系统执行多元情报融合处理技术存在挑战，因为各传感器的探测能力和信息内容是有差异的，导致大部分反无人机系统采用独立操控终端的方式，也就无法有效整合各传感器的目标识别信息，实现区域内真正统一的目标态势。
技术实现思路
1、为了解决多元异类异质传感器情报的有效融合问题，本申请实施例提供一种基于多元情报融合的无人机综合探测方法和系统，具体技术方案如下：
2、在本申请实施例的第一方面，提供一种基于多元情报融合的无人机综合探测方法，所述方法包括：
3、接收反无人机系统的多个传感器上传的无人机的情报数据；所述情报数据包括所述多个传感器所探测到所述无人机的航迹数据、角航迹数据、图像数据和所在位置的地理数据，以及各传感器的坐标数据、精度数据和有效探测范围数据；
4、对所述无人机的航迹数据和角航迹数据的极坐标进行直角坐标转换，得到对应的初始直角坐标，并对所述初始直角坐标进行畸变矫正，得到矫正后所述航迹数据和角航迹数据对应的目标直角坐标；
5、对转化为目标直角坐标的所述航迹数据和
6、对所述运动参数进行时空对准处理得到时空对准数据，并基于所述时空对准数据确定所述无人机的运动模式；
7、对来自所述多个传感器的所述时空对准数据进行数据关联处理，得到关联数据；
8、对来自所述多个传感器的所述时空对准数据进行相似度计算，得到多个对应的相似度，并基于所述相似度优化所述关联数据，得到第一优化关联数据；
9、基于所述时空对准数据进行空间关系建模，构建目标空间的关系网络，并基于所述关系网络进行图论分析，优化所述第一优化关联数据，得到第二优化关联数据；
10、根据不确定程度值，对所述第二优化关联数据中关于时间和坐标的数据进行优化，得到第三优化关联数据；所述不确定程度值用于衡量所述第二优化关联数据的测量值存在不确定性的程度大小；
11、通过深度学习算法以加权投票的方式对所述第三优化关联数据中所述传感器识别物体的类别，以及所述类别的置信度进行处理，以生成多元情报融合数据，并基于所述多元情报融合数据对所述无人机进行实时探测。
12、可选地，所述对所述无人机的航迹数据和角航迹数据的极坐标进行直角坐标转换，得到对应的初始直角坐标，并对所述初始直角坐标进行畸变矫正，得到矫正后所述航迹数据和角航迹数据对应的目标直角坐标，包括：
13、获取坐标变换函数、对极坐标系的旋转角度、平移向量和缩放比例；
14、构建用于最小化待测点的实际直角坐标值与转换直角坐标值的第一残差的第一目标函数，并基于所述第一目标函数优化用于进行直角坐标转换的坐标转换模型；
15、根据所述优化后的坐标转换模型对所述无人机的航迹数据和角航迹数据的极坐标进行直角坐标转换，得到对应的所述初始直角坐标；
16、根据径向畸变参数和切向畸变参数，分别对所述待测点的所述实际直角坐标值和所述初始直角坐标进行矫正，分别得到第一矫正坐标值和第二矫正坐标值；
17、构建用于最小化第一矫正坐标值与第二矫正坐标值的第二残差的第二目标函数，并基于所述第二目标函数优化用于矫正所述初始直角坐标值的畸变矫正模型；
18、通过所述畸变矫正模型对所述初始直角坐标进行畸变矫正，得到所述目标直角坐标。
19、可选地，所述对所述第一融合数据进行处理，得到对应的运动参数，包括：
20、通过卡尔曼滤波算法，计算所述无人机在前一时刻的目标状态的第一预测值和第一预测协方差；所述目标状态为所述无人机的内部状态数据；
21、根据所述第一融合数据对所述第一预测值进行校正，得到第一校正预测值
22、根据所述无人机在当前时刻的卡尔曼增益和所述第一校正预测值，计算所述无人机在当前时刻的目标状态的第二预测值和第二预测协方差；
23、从所述第二预测值中提取出所述无人机的运动参数。
24、可选地，所述对所述运动参数进行时空对准处理得到时空对准数据，并基于所述时空对准数据确定所述无人机的运动模式，包括：
25、对所述运动参数进行目标轨迹的插值和调整的时空对准处理，得到所述时空对准数据；
26、通过卡尔曼滤波算法对所述时空对准数据进行分析，得到所述无人机的运动模式。
27、可选地，所述对来自所述多个传感器的所述时空对准数据进行数据关联处理，得到关联数据，包括：
28、采用关联滤波算法对来自所述多个传感器的所述时空对准数据进行处理，将多个所述时空对准数据关联到同一个目标无人机中；
29、将关联到同一个目标无人机中的多个所述对准数据，按照每个所述对准数据对应传感器的权重，对多个所述对准数据进行加权融合处理，得到所述关联数据。
30、可选地，所述对来自所述多个传感器的所述时空对准数据进行相似度计算，得到多个对应的相似度，并基于所述相似度优化所述关联数据，得到第一优化关联数据，包括：
31、从来自所述多个传感器的多个所述时空对准数据中提取出每个所述传感器测量的关键特征；
32、基于所述关键特征，计算不同关键特征之间的相似度，将所述相似度作为不同传感器之间的相似度；
33、根据所述相似度调整每个所述传感器的权重，并基于调整后的权重优化所述关联数据，得到所述第一优化关联数据。
34、可选地，所述基于所述时空对准数据进行空间关系建模，构建目标空间的关系网络，并基于所述关系网络进行图论分析，优化所述第一优化关联数据，得到第二优化关联数据，包括：
35、根据多个所述时空对准数据，建立目标空间的关系网络；
36、根据所述目标空间的关系网络，通过图论分析方法确定多个所述传感器检测到的不同目标之间的拓扑结构和关系，得到图论分析结果；
37、根据所述图论分析结果，对所述第一优化关联数据进行优化，得到所述第二优化关联数据。
38、可选地，所述根据不确定程度值，对所述第二优化关联数据中关于时间和坐标的数据进行优化，得到第三优化关联数据，包括：
39、针对所述第二优化关联数据中的时间和坐标数据，确定所述第二优化关联数据中的每个数据点的不确定程度值；
40、根据每个所述数据点的不确定程度值，为每个所述数据点配置第一权重；所述第一权重用于表征所述数据点的测量值的可信程度；
本文档来自技高网...【技术保护点】
1.一种基于多元情报融合的无人机综合探测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于多元情报融合的无人机综合探测方法，其特征在于，所述对所述无人机的航迹数据和角航迹数据的极坐标进行直角坐标转换，得到对应的初始直角坐标，并对所述初始直角坐标进行畸变矫正，得到矫正后所述航迹数据和角航迹数据对应的目标直角坐标，包括：
3.根据权利要求2所述的基于多元情报融合的无人机综合探测方法，其特征在于，所述对所述第一融合数据进行处理，得到对应的运动参数，包括：
4.根据权利要求3所述的基于多元情报融合的无人机综合探测方法，其特征在于，所述对所述运动参数进行时空对准处理得到时空对准数据，并基于所述时空对准数据确定所述无人机的运动模式，包括：
5.根据权利要求4所述的基于多元情报融合的无人机综合探测方法，其特征在于，所述对来自所述多个传感器的所述时空对准数据进行数据关联处理，得到关联数据，包括：
6.根据权利要求5所述的基于多元情报融合的无人机综合探测方法，其特征在于，所述对来自所述多个传感器的所述时空对准数据进行相似度计算
7.根据权利要求6所述的基于多元情报融合的无人机综合探测方法，其特征在于，所述基于所述时空对准数据进行空间关系建模，构建目标空间的关系网络，并基于所述关系网络进行图论分析，优化所述第一优化关联数据，得到第二优化关联数据，包括：
8.根据权利要求7所述的基于多元情报融合的无人机综合探测方法，其特征在于，所述根据不确定程度值，对所述第二优化关联数据中关于时间和坐标的数据进行优化，得到第三优化关联数据，包括：
9.根据权利要求8所述的基于多元情报融合的无人机综合探测方法，其特征在于，所述通过深度学习算法以加权投票的方式对所述第三优化关联数据中所述传感器识别物体的类别，以及所述类别的置信度进行处理，以生成多元情报融合数据，包括：
10.一种基于多元情报融合的无人机综合探测系统，其特征在于，所述系统包括：
...【技术特征摘要】
1.一种基于多元情报融合的无人机综合探测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于多元情报融合的无人机综合探测方法，其特征在于，所述对所述无人机的航迹数据和角航迹数据的极坐标进行直角坐标转换，得到对应的初始直角坐标，并对所述初始直角坐标进行畸变矫正，得到矫正后所述航迹数据和角航迹数据对应的目标直角坐标，包括：
3.根据权利要求2所述的基于多元情报融合的无人机综合探测方法，其特征在于，所述对所述第一融合数据进行处理，得到对应的运动参数，包括：
4.根据权利要求3所述的基于多元情报融合的无人机综合探测方法，其特征在于，所述对所述运动参数进行时空对准处理得到时空对准数据，并基于所述时空对准数据确定所述无人机的运动模式，包括：
5.根据权利要求4所述的基于多元情报融合的无人机综合探测方法，其特征在于，所述对来自所述多个传感器的所述时空对准数据进行数据关联处理，得到关联数据，包括：
6.根据权利要求5所述的基于多元情报融合的无人机综合探...
【专利技术属性】
技术研发人员：吴庐山，
申请(专利权)人：武汉阿内塔科技有限公司，
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。