【技术实现步骤摘要】
本专利技术涉及通信，特别是涉及一种多目标异源数据集中式关联融合方法及系统。
技术介绍
1、军用探测器，按照探测模式可分为主动式探测器和被动式探测器，按照探测波段则可分为光学探测器和雷达。根据探测器获取的信息特点可将军用探测器分为定位设备、侦收设备、观瞄设备三类，三类探测器的常见装备、获取的信息及特点总结如表1所示。
2、表1军用探测器分类及特性
3、
4、定位设备通常采用主动探测的方式，一般通过记录电磁波往返所用时长来测算距离，进而确定目标的具体位置；侦收设备通常指告警器，采用被动探测的方式，侦收军事目标发射出的电磁波相关信息；观瞄设备一般也采用被动探测方式，通过拍摄图像来获取目标的外部信息。
5、异源探测器的数据融合，需要从时空、目标辐射特性等多个维度进行关联运算。由表1中信息可以看出，三类探测器均能获取目标的方位信息，但只有定位设备能获得目标的具体位置，因而异源数据的时空关联将是数据融合最关键的步骤。
6、在复杂战场环境下，面对多目标集群进攻时，需要将多源异类探测器所获得的信息进行有效融合。目前，常见的异源探测器数据融合方法中，由于异源探测器获取的信息维度不同，数据点与数据点间的关联性较差，常使用分布式关联融合算法，即先对同源探测器数据做点迹关联，再对异源探测器数据做航迹融合。此方法可以较为准确的将两段航迹匹配在一起，但其缺点是算法的计算量大、复杂度高，难以满足战场实时性要求。因此，亟需一种能够简便且能直接将异源数据进行融合关联的方案。
1、本专利技术的目的是提供一种多目标异源数据集中式关联融合方法及系统，在实现异源数据点直接进行关联融合的基础上，减小了数据融合运算量，还能实现了异源探测器获取数据的实时融合。
2、为实现上述目的，本专利技术提供了如下方案：
3、一种多目标异源数据集中式关联融合方法，包括以下步骤：
4、s1、测量数据预分类：
5、根据多目标集群中任一目标i的历史时刻数据点预测当前数据，得到k时刻预测数据，并放入确定集；
6、针对多目标集群中任一目标i，逐个抽取k时刻测量数据集合中的测量数据点，使每一个测量数据点与确定集中的所有数据进行异源数据融合，计算融合后的测量数据点的整体离散度ηfinal，利用双门限umax与umin判断测量数据点应放入确定集还是待定集，亦或是不放入；
7、s2、数据融合再分类：
8、逐次删除待定集中整体离散度最大的元素，计算确定集与待定集的所有数据融合后的数据点，直至融合计算出的ηfinal小于低门限umin，得出k时刻目标i最终的融合数据；
9、s3、将所述目标i在k时刻的融合数据存入历史数据集，令k＝k+1，重复执行步骤s1-s2，得到目标i的航迹结果。
10、进一步的，所述根据多目标集群中任一目标i历史时刻数据点预测当前数据，得到k时刻预测数据，具体包括：
11、基于多域扩展的卡尔曼滤波算法，利用上一时刻的预测数据预测当前k时刻的状态值，并利用k时刻的测量数据修正状态预测值，得到k时刻预测数据；其中，对于不随目标位置发生变化的数据点，其状态预测值即为上一时刻的最终计算值；对于随目标位置发生改变的数据点，状态预测值通过如下方程得到：
12、
13、其中，fk-1表示变量f在前一时刻的数值；即为k时刻的预测值；rk-1、rk分别为目标与探测器在k-1与k时刻的距离；a为变量，与待预测量的特性有关，待预测量为不随距离变化的定值时，a＝0，待预测量为被动探测设备中的辐射能量或目标大小时，a＝-2，待预测量为主动探测设备中的辐射能量时，a＝-4。
14、进一步的，所述计算融合后测量数据点的整体离散度ηfinal，具体包括：
15、异源数据整体离散度表示n个异源数据点相对于融合点离散的程度，整体离散度η取最小值时的融合点即为n个异源数据点融合的最终结果，进而得到：
16、yfusion＝argmin(η(y))
17、ηfinaal＝min(η(y))
18、其中，yfusion为最终的融合点；ηfinal为最终的整体离散度；y为融合点的信息，是一个变量，η(y)表示，通过以下公式得到：
19、其中，αij表示第j维信息在数据点i中的权值，若数据点i中不包含第j维信息，αij＝0，否则，αij＝αj，αj表示第j维信息的重要程度；
20、进一步的，所述利用双门限umax与umin判断测量数据点应放入确定集还是待定集，亦或是不放入，具体包括：
21、根据融合后数据点的整体离散度ηfinal对所述k时刻的所有测量数据点进行分类：若ηfinal小于低门限umin，说明数据融合程度较好，确定为同一目标源数据，则放入确定集；若ηfinal大于低门限umin且小于高门限umax，说明数据融合程度一般，有可能为同一目标源数据，则放入待定集；若ηfinal大于高门限umax，说明数据融合程度很差，非同一目标源数据，不放入任何集合；其中：
22、
23、本专利技术还提供了一种多目标异源数据集中式关联融合系统，应用于所述目标异源数据集中式关联融合方法，包括：
24、预分类模块，用于测量数据预分类：
25、根据多目标集群中任一目标i历史时刻数据点预测当前数据，得到k时刻预测数据，并放入确定集；
26、针对多目标集群中任一目标i，遍历k时刻所有的测量数据点，并进行异源数据融合，计算融合后测量数据点的整体离散度ηfinal，利用双门限umax与umin判断测量数据点应放入确定集还是待定集，亦或是不放入；
27、数据融合再分类模块，用于进行数据融合再分类：
28、逐次删除待定集中整体离散度最大的元素，计算确定集与待定集的所有数据融合后的数据点，直至融合计算出的ηfinal小于低门限umin，得出k时刻目标i最终的融合数据；
29、更新模块，用于令k＝k+1，重复执行测量数据预分类、数据融合再分类步骤，得到目标i的航迹结果。
30、根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：本专利技术提供的多目标异源数据集中式关联融合方法及系统，使用集中式融合算法，即异源探测器数据点直接进行关联融合，创造性的提出了多域扩展滤波、多判据融合、双门限分类等方法，解决了异源数据点与数据点之间难以直接关联融合的问题，减小了数据融合运算量，实现了异源探测器数据的实时融合，提高了航迹精度。在复杂战场环境下，面对多目标集群进攻时，能够将多源异类探测器所获得的信息进行有效融合，进而为目标识别、态势评估、战争决策等过程提供指导。
本文档来自技高网...【技术保护点】
1.一种多目标异源数据集中式关联融合方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的多目标异源数据集中式关联融合方法，其特征在于，所述根据多目标集群中任一目标I历史时刻数据点预测当前数据，得到k时刻预测数据，具体包括：
3.根据权利要求1所述的多目标异源数据集中式关联融合方法，其特征在于，所述计算融合后测量数据点的整体离散度ηfinal，具体包括：
4.根据权利要求1所述的多目标异源数据集中式关联融合方法，其特征在于，所述利用双门限Umax与Umin判断测量数据点应放入确定集还是待定集，亦或是不放入，具体包括：
5.一种多目标异源数据集中式关联融合系统，应用于权利要求1-3任一项所述的目标异源数据集中式关联融合方法，其特征在于，包括：
【技术特征摘要】
1.一种多目标异源数据集中式关联融合方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的多目标异源数据集中式关联融合方法，其特征在于，所述根据多目标集群中任一目标i历史时刻数据点预测当前数据，得到k时刻预测数据，具体包括：
3.根据权利要求1所述的多目标异源数据集中式关联融合方法，其特征在于，所述计算融合后测量数据点的...
【专利技术属性】
技术研发人员：王湛岩，王徳飞，唐雪松，刘虎，李永鹏，赵镇，郭云峰，
申请(专利权)人：中国人民解放军六三八九五部队，
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。