[发明专利]一种广义数据融合方法

说明书

本发明公开了一种广义数据融合方法，所述方法包括：构建广义融合求解问题模型；求解状态解算方程，获得状态解算值；建立相对状态量递推方程，获取递推后的估计值组合t_n历元时的直接求解状态值与状态估计值获得状态最优解值重复运用迭代求解获得一组优化解。本发明所述方法把低阶状态量递推获得的预估计值直接融合到求解获得的高阶状态解值上去，当低阶状态量测量精度较高时，经过逐次互相校准进行数据合成后，能明显提高状态量合成值的精度，得到目标状态量更准确的表示或估计。本发明应用于传感器数据处理，可把单一传感器的多波段信息或不同类别传感器所提供的信息加以综合，消除多传感器信息之间可能存在的矛盾，提高数据的使用效率。

技术领域

本发明涉及数据融合技术领域，尤其涉及一种新型的广义数据融合方法，用于改善数据的性能，提高数据的有效性。

背景技术

数据融合(data fusion)技术起源于1973年美国国防部资助开发的声纳信号处理系统，其概念在20世纪70年代出现在一些文献中。美国研发成功声纳信号处理系统之后，在20世纪80年代，为了满足军事领域中作战的需要，多传感器数据融合MSDF(Multi-sensorData Fusion)技术应运而生。1988年，美国将C3I(Command，Control，Communication andIntelligence)系统中的数据融合技术列为国防部重点开发的二十项关键技术之一。

信息融合技术的实现，关键在于融合算法。对于多传感器系统来说，因为信息具有多样性和复杂性，因此，信息融合方法的基本要求是应该具有鲁棒性和并行处理能力，还包括对运算速度和精度的要求，对与前续预处理系统和后续信息识别系统的接口性能、与不同技术和方法的协调能力的要求，以及对信息样本的要求等。信息融合已成为现代信息处理的一种通用工具和思维模式。以模糊理论、神经网络、证据推理等为代表的所谓智能方法占有相当大的比例。

传统的数据融合是指多传感器的数据在一定准则下加以自动分析、综合，以完成所需的决策和评估所进行的信息处理过程。多传感器数据融合目前尚未形成完整的理论体系和非常有效的融合算法。存在的问题是数据融合方法简单，一般只是把两组或多组数据集或解集简单地直接叠加或合并，融合效果不理想。

发明内容

为解决现有技术中存在的上述问题，本发明提供了一种新型的广义数据融合方法，实现多个数据的集合，或综合多个数据成为一个完整的性能更好的数据集，提高数据的有效性和实用性。

为实现上述目的，本发明采用以下技术方案。

一种广义数据融合方法，其特征在于，所述方法包括以下步骤：

步骤1，构建广义融合求解问题模型；

步骤2，求解状态解算方程，获得状态解算值；

步骤3，建立相对状态量递推方程，获取递推后的状态估计值

步骤4，组合t_n历元时的直接求解状态值与递推后的状态估计值获得状态最优解值

步骤5，重复运用迭代求解，获得一组优化解。

进一步地，步骤1所述构建广义融合求解问题模型的方法包括以下步骤：

建立求轨迹解(x_i,y_i,z_i),i＝1,2,3…n_e的模型：