[发明专利]一种基于相关器特征输出的信息融合方法

说明书

技术领域

本发明涉及物联网数据融合领域，涉及应用相关器的特征输出进行信息融合的方法。

背景技术

物联网在各行业的应用日益广泛。随着技术的发展，物联网的感知和认知能力不断增强。当前，物联网的多传感器网络在原有同类型传感器信息融合的基础上，正在向异构传感器信息融合发展。这些传感器之间可能不能够直接建立数据关联。传感器数据之间不仅有冗余，而且传感器的精度、采样率、系统误差等因素各不相同。

现有的信息融合技术在很大程度上基于特征提取，利用数据的特征开展信息融合工作。比如，定位数据，由雷达、自动识别系统（Automatic Identification System，以下简称AIS）、全球定位系统（Global Positioning System，以下简称GPS）、北斗卫星定位系统等传感器数据的信息融合。其中雷达用于目标主动定位，AIS设备、GPS用于目标被动定位，AIS设备还能够报告目标静态信息。针对AIS与雷达航迹关联，目前的方案是建立模糊关联矩阵，如图1所示。模糊关联矩阵建立和判决的依据均为欧式距离。该方案需要引入大量需要确定的统计参数，且参数规模与问题规模（航迹数）呈指数增长。该方案可解决雷达信息融合中的系统误差问题，但是模型比较复杂，需要大量的参数调优工作。该方法运算量大，物理意义不明确。针对多传感器信息融合问题，目前主要使用滤波器方案，如图2所示。其要点是两级滤波器，子滤波器负责单路航迹（点迹），主滤波器对子滤波器的结果用统计方法进行处理，获得融合后的航迹信息。该方案对于系统误差有一定抑制作用，但其缺点也是单路航迹的确定和多路航迹的融合必须同时做。该方案需要求解复杂状态方程，运算量大，并且也没有对异构的传感器的特性进行区分、没有利用高精度定位设备的特殊性，比如，像AIS设备这样能够实现高精度定位的设备。

发明内容

（一）要解决的技术问题

本发明的目的在于解决目前物联网数据融合领域中数据融合繁琐、效率低、没有明确物理意义的问题。

（二）技术方案

本发明技术方案如下：

选取参考传感器数据和待比对融合的传感器数据。

将参所选的数据进行空间降维。

优选的，将所选的数据降到一维空间。

优选的，数据降到一维空间后，对一维的数据进行数据再处理。

使用相关器对于同样的曲线或形状相似的曲线输出最大的特性，进行数据信息确认。

对使用相关器确认过的数据使用多维空间判决法进行判定。

对多维空间判定过的数据进行目标标定和数据重组。

（三）有益效果

本发明使目前的物联网信息融合方法更为简洁、更具明确物理意义的方案，也更加适合异构传感器进行信息融合。

附图说明

图1是物联网信息融合领域中使用模糊关联矩阵的方案图；

图2是物联网信息融合领域中使用滤波器方案图；

图3是相关器工作原理图；

图4是基于相关器特征输出的信息融合方法的流程图；

图5是管控平台多传感器定位信息融合流程图；

图6是多传感器协同拍摄目标的信息融合流程图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式做进一步描述。以下实施例仅用于说明本发明，但不用来限制本发明的范围。

如图3所示的相关器工作原理图，本发明实的施例使用其对相同的曲线或相似的曲线输出最大的特性进行数据信息确认。如图4所示的基于相关器特征输出的信息融合方法的流程图，在本发明的实施例中，关于其融合方法均为流程图所示。

实施例1

本实施例中，具体阐述应用如图4所示的基于相关器特征输出的信息融合方法，在如图5所示的管控平台多传感器定位信息融合流程图中的实施方法。

一种管控平台，包括雷达、GPS、北斗、AIS等多种定位传感器，分别用于目标的主动与被动定位，满足平台的管控需求。各种定位传感器的定位精度有明显差别。并且，管控平台覆盖地域较广。该平台选用多级信息融合架构进行定位数据融合。依据参与信息融合的传感器类型差异，又分为同构融合和异构融合。同构融合主要在局域内进行，而异构融合更侧重与广域融合。

首先进行该管控平台的同构融合，同构融合方法都遵循以下步骤：

选取参考传感器数据和待比对融合的传感器数据，可以选择精度相对高的传感器数据作为参考轨迹，如对于雷达，可选取高精度雷达数据作为参考轨迹；