[發(fā)明專利]一種傳感器感知能力受限的隨機(jī)集理論的分布式融合方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201710472451.9
• 申請(qǐng)日: 2017-06-21
• 公開(kāi)（公告）號(hào): CN107273692B
• 公開(kāi)（公告）日: 2020-06-09
• 發(fā)明（設(shè)計(jì)）人: 易偉;李固沖;李洋漾;黃大通;姜萌;王佰錄;李溯琪;孔令講
• 申請(qǐng)（專利權(quán)）人: 電子科技大學(xué)
• 主分類號(hào): G06F17/10
• 分類號(hào): G06F17/10
• 代理公司: 成都虹盛匯泉專利代理有限公司 51268
• 代理人: 王偉

本發(fā)明公開(kāi)一種傳感器感知能力受限的隨機(jī)集理論的分布式融合方法，應(yīng)用于傳感器技術(shù)領(lǐng)域；首先，對(duì)每部傳感器的概率假設(shè)密度跟蹤采用混合高斯模型進(jìn)行表示；然后，在融合之前執(zhí)行以下過(guò)程：構(gòu)造一個(gè)距離矩陣，然后對(duì)該距離矩陣進(jìn)行行和列搜索，若存在某一行或列的元素的最小值大于預(yù)設(shè)門限，則認(rèn)為該目標(biāo)只被部分傳感器感知到，將該目標(biāo)狀態(tài)作為融合結(jié)果；搜索結(jié)束之后，刪除行搜索時(shí)滿足門限條件的元素所在的行以及列搜索時(shí)滿足門限條件的元素所在的列，將剩余的矩陣元素記為新的距離矩陣；最后，對(duì)新的距離矩陣中的元素采取修正融合權(quán)重的GCI融合準(zhǔn)則進(jìn)行融合處理；比未修正的GCI融合過(guò)程有較小的估計(jì)誤差。

技術(shù)領(lǐng)域

本發(fā)明屬于傳感器技術(shù)領(lǐng)域，特別涉及隨機(jī)集理論下的多目標(biāo)跟蹤、多傳感器融合技術(shù)研究。

背景技術(shù)

隨著近幾年通信網(wǎng)絡(luò)技術(shù)、嵌入式計(jì)算技術(shù)、微電子技術(shù)和傳感器技術(shù)的飛速發(fā)展和日益成熟，使得制造大量?jī)r(jià)格低廉、體積小、功耗低同時(shí)具有感知能力、計(jì)算能力和通信能力等多種功能的微型傳感器成為可能，這些傳感器可以感知周圍的環(huán)境，并對(duì)數(shù)據(jù)進(jìn)行一定的處理，同時(shí)可以通過(guò)無(wú)線通信的方式實(shí)現(xiàn)節(jié)點(diǎn)間的相互通信和執(zhí)行任務(wù)的協(xié)調(diào)。

集中式融合是將各個(gè)傳感器獲得的目標(biāo)信息送往融合中心處理，雖然該結(jié)構(gòu)實(shí)時(shí)性高，信息損失量小，但是系統(tǒng)通信負(fù)擔(dān)和計(jì)算量大，難以很好地工程實(shí)現(xiàn)，因而分布式融合越來(lái)越得到更多人的關(guān)注。一般情況下，分布式處理時(shí)各個(gè)傳感器的公共信息是不可知的，因此全局最優(yōu)是很難實(shí)現(xiàn)的。針對(duì)這一缺點(diǎn)，Clark結(jié)合GCI技術(shù)和隨機(jī)集理論提出了基于GCI的多目標(biāo)后驗(yàn)融合技術(shù)，在文獻(xiàn)“Monte Carlo realisation of a distributedmulti-object fusion algorithm[C].Sensor Signal Processing for Defence.IET,2010:1-5.”中通過(guò)實(shí)驗(yàn)顯示融合后的結(jié)果優(yōu)于單部傳感器的跟蹤效果。2016年，在文獻(xiàn)“Distributed multi-sensor CPHD filter using pairwise gossiping[C].IEEEInternational Conference on Acoustics,Speech and Signal Processing.IEEE,2016:3176-3180.”中，考慮到存在傳感器感知能力受限而導(dǎo)致GCI融合后目標(biāo)信息丟失的情況，采取利用算術(shù)平均代替幾何平均的策略，但其并未考慮融合權(quán)重的選取問(wèn)題，因此無(wú)法自適應(yīng)去調(diào)整融合權(quán)重。

發(fā)明內(nèi)容

本發(fā)明為解決上述技術(shù)問(wèn)題，提出了一種傳感器感知能力受限的隨機(jī)集理論的分布式融合方法，考慮了各個(gè)傳感器融合權(quán)重的構(gòu)造和保留信息的差異問(wèn)題，實(shí)現(xiàn)在多目標(biāo)跟蹤時(shí)放寬了對(duì)傳感器感知能力的限制。

本發(fā)明采用的技術(shù)方案是：一種傳感器感知能力受限的隨機(jī)集理論的分布式融合方法，包括：

首先，對(duì)每部傳感器的概率假設(shè)密度跟蹤采用混合高斯模型進(jìn)行表示；

然后，在融合之前執(zhí)行以下過(guò)程：構(gòu)造一個(gè)距離矩陣，然后對(duì)該距離矩陣進(jìn)行行和列搜索，若存在某一行或列的元素的最小值大于預(yù)設(shè)門限，則將該元素作為融合后的結(jié)果；刪除該目標(biāo)狀態(tài)對(duì)應(yīng)的元素所在的行或列，搜索結(jié)束之后，將剩余的矩陣元素記為新的距離矩陣；

最后，對(duì)新的距離矩陣中的元素采取修正融合權(quán)重的GCI融合準(zhǔn)則進(jìn)行融合處理。

進(jìn)一步地，所述對(duì)每部傳感器的概率假設(shè)密度跟蹤采用混合高斯模型進(jìn)行表示；具體表達(dá)式如下：

其中，v_k-1(x)表示在k-1時(shí)刻的強(qiáng)度函數(shù)，x表示目標(biāo)狀態(tài)集合；J_k-1表示在k-1時(shí)刻的高斯分量的個(gè)數(shù)；表示在k-1時(shí)刻第i個(gè)高斯分量的權(quán)重；表示在k-1時(shí)刻期望為方差為的第i個(gè)高斯分量對(duì)應(yīng)的高斯密度函數(shù)。

進(jìn)一步地，所述對(duì)每部傳感器的概率假設(shè)密度跟蹤采用混合高斯模型進(jìn)行表示之后還包括：