[發明專利]一種基于隨機集理論的分布式融合方法

在審

• 申請號: 201510070611.8
• 申請日: 2015-02-10
• 公開（公告）號: CN104680002A
• 公開（公告）日: 2015-06-03
• 發明（設計）人: 易偉;王佰錄;李溯琪;楊亞;崔國龍;孔令講;楊曉波
• 申請（專利權）人: 電子科技大學
• 主分類號: G06F19/00
• 分類號: G06F19/00
• 代理公司: 電子科技大學專利中心 51203
• 代理人: 張楊

技術領域

本發明屬于多傳感器融合領域，它特別涉及了隨機集理論下多目標跟蹤和分布式多傳感器融合技術領域。

背景技術

隱身技術的飛速發展使雷達探測技術面臨巨大挑戰。目標隱身設計針對單站雷達基于后向散射的探測機理，可顯著減少被單站雷達捕獲的后向散射能量，使單個雷達威力陡降，“威力清零”。現代戰爭軍用電子干擾與城市民用電磁信號干擾是雷達探測技術面臨的挑戰之一。分布式多傳感器網絡探測技術能夠充分利用空間多節點布局形態，有效地利用節點多頻、多極化和目標的多向散射能量，實現復雜環境下隱身目標的探測。因此，多傳感器目標融合技術成為傳感器探測技術不可或缺的一部分。

多傳感器融合技術已不是一個新的話題，其研究歷史可追溯到1990年，許多學者對該技術進行了大量研究并取得了相應研究成果，為多傳感器在用民用無線傳感器網絡和軍用雷達網絡等的實際應奠定了理論基礎。傳統多傳感器融合算法的假設條件多為傳感器間相互獨立，然而這一假設在實際場景中往往是不成立的，因為當兩個不同傳感器觀測統一目標時，傳感器間是存未知水平的相關性。在傳統多傳感器跟蹤領域，基于傳感器間相關性的假設已有學者做了相關研究，但是，傳統多傳感器多目標融合算法存在一些問題：1)存在大量的數據關聯算法：目標與量測的數據關聯和傳感器間目標的數據關聯；2)由于傳感器間存在相關性，在進行目標融合時，需要大量運算以計算該相關性。然而數據關聯的計算量很大，且當目標個數較多并存雜波和虛警較高時，數據關聯本身就會出現問題，比如組合爆炸，計算量呈指數形增長等問題。再加上計算相關性所需的計算資源，使得傳統多傳感器融合問題變得十分困難。

基于隨機集理論的多目標跟蹤問題中，將目標與量測分別建模成集合的形式，處理過程以集合為單位，不在考慮集合中元素之間的關系，可以避免數據關聯，適用于目標個數較多以及雜波和虛警較高的情況。另外，基于隨機集的跟蹤算法還可以對目標個數進行實時的估計，適用于目標個數未知且時變的情況。在隨機集框架下，由于基于廣義協方差交叉信息準則的概率假設密度、基數化的概率假設密度和伯努利三種濾波器分布式融合閉合解表達式已存在，因此三種濾波器的分布式融合分別在2013、2013、2014年被實現。另外，多目標-伯努利濾波器僅僅需要遞歸一組伯努利參數，避免了集合積分，大大減少了計算量，具有很強的實用價值。相比上面提到的三種濾波器形式，在粒子濾波實現時無需聚類等額外處理一提取目標狀態，因此性能更佳。但是由于在廣義協方差交叉信息融合表達式中求和項的分數階指數次冪的問題，我們很難得到閉合解形式的多目標伯努利分布式融合表達式。

發明內容

為了實現基于廣義協方差交叉信息融合的多目標伯努利濾波器分布式融合，本發明提供了一種隨機集框架下的分布式融合方法。該方法存在兩步近似,在非標號的δ-廣義多目標伯努利分布近似階段，該方法假設目標狀態之間是分離的，對求和項的分數階指數次冪進行化簡，使得多目標伯努利的分布式融合成為可能，并利用建立的傳感器間航跡關系映射集合將融合后的分布近似為非標號的δ-廣義多目標伯努利分布，實現了兩個傳感器間多目標伯努利分布式融合；在多目標伯努利分布近似階段，該方法根據非標號的δ-廣義多目標伯努利分布與多目標伯努利分布一階統計特性相匹配特點，將其近似為多目標伯努利分布，解決了傳感器網絡多個傳感器融合問題和帶反饋形式的分布式融合問題。該方法具近似代價小、可以在多傳感器網絡中和帶反饋工作模式的分布式融合下實現多目標伯努利融合等特點。

本發明提供了一種隨機集理論下分布式融合方法，它包括以下步驟：

步驟1、選定多傳感器融合準則：