[发明专利]一种基于D-S推理的多平台传感器测量数据融合方法

说明书

本发明公开一种基于D‑S推理的多平台传感器测量数据融合方法，包括如下步骤：获取K类传感器测量数据；再采用最优分布式融合算法对系统航迹进行估计得到精确后的K类传感器测量数据；利用Dempster‑Shafer证据推理方法，对步骤2得到的K类传感器测量数据分别合成多平台同类传感器的特征信息；采用基于Bayes方法的Jeffrey规则的证据更新优化多平台同类传感器的特征信息，此规则中定义强条件mass函数更新证据和弱条件mass函数更新证据；按照与步骤3和步骤4相同的方法对多平台异类传感器进行特征信息融合；然后进行决策输出，得到总体融合数据。本发明解决了现有的协同冲突消除方法如果直接应用于多平台的多源异构传感器系统，会引起计算量大、精确度低的问题。

技术领域

本发明涉及多平台异类传感器数据融合技术领域，尤其涉及一种基于D-S推理的多平台传感器测量数据融合方法。

背景技术

作为无线传感器的基本功能之一，信息感知为无线传感器网络应用提供了信息来源，但无线传感器原始感知信息表现为显著的多源异构特性，其中多源性体现在无线传感器感知数据来源于多个分布式的网络感知节点，不稳定的网络传输和节点的不同步往往会造成感知信息的缺失和断续，以及信息的时空关系不一致等问题。多传感器协同冲突消解过程作为对多源信息的综合处理过程，近年来出现的一些新算法的基于统计推断、人工智能以及信息论的新方法，正推动着信息融合冲突消解技术向前发展。

由于多源异构类信息融合的特殊性，一般在数据级的融合存在本质的困难，因此在实际目标识别和监测中，对多个传感器获得信息分别进行处理，即分别进行信息获取、特征提取和目标识别，建立对同一目标的初步判决和结论，然后由融合中心进行表决以取得最终的识别结论，常用的融合方法有Bayes方法、Dempster-Shafter方法、广义推理法等。

在各种非精确推理技术中，Dempster-Shafer证据推理方法是适合目标识别领域的一种非精确推理方法，在进行数据融合时按照一定的选择、去重和优化的方法更新证据信息以消解侦测数据间的冲突，得到更全面准确的判断。但是，目前的各传感器的特征融合技术，未考虑不同平台的多源异构传感器系统，因此，有必要对多平台异构传感器协同冲突消解方法进行研究。多平台的多源异构传感器系统和一个平台的多源异构传感器系统相比，计算的数据量会更大，如果按照现有的针对一个平台的多源异构传感器系统来进行计算，其计算量随着量测维数的增大和递推步数的增加而以指数形式增长，会出现计算组合爆炸的问题，并且计算的精确度会降低，因此现有的协同冲突消除方法不适合用于多平台的多源异构传感器系统。

发明内容

本发明的目的在于：为解决现有的协同冲突消除方法如果直接应用于多平台的多源异构传感器系统，会引起计算量大、精确度低的问题，本发明提供一种基于D-S推理的最优分布式多传感器协同冲突消解方法。

本发明的技术方案如下：

步骤1：获取N个平台中所有的传感器数据中的第1类传感器测量数据、第2类传感器测量数据……第K类传感器测量数据；

步骤2：各类传感器根据实测数据先形成自己的航迹估计，然后再采用最优分布式融合算法对系统航迹进行估计得到精确后的K类传感器测量数据；

步骤3：利用Dempster-Shafer证据推理方法，对步骤2得到的K类传感器测量数据分别合成多平台同类传感器的特征信息，并验证合成结果的合理性；

步骤4：采用基于Bayes方法的Jeffrey规则的证据更新优化多平台同类传感器的特征信息，此规则中定义强条件mass函数更新证据和弱条件mass函数更新证据；

步骤5:利用Dempster-Shafer证据推理方法合成多平台异类传感器特征信息；采用基于Bayes方法的Jeffrey规则的证据更新优化多平台异类传感器的特征信息，此规则中定义强条件mass函数更新证据和弱条件mass函数更新证据；然后进行决策输出，得到总体融合数据。