[发明专利]传感器数据融合方法、装置、电子设备及存储介质

权利要求书

1.一种传感器数据融合方法，其特征在于，所述方法包括：

获取目标设备发送来的无线信号，基于非线性状态模型确定所述无线信号的信号强度；

基于预设滤波器对所述信号强度进行运算处理后获得近似后验概率；

将所述近似后验概率发送至融合中心，以供所述融合中心基于所述近似后验概率进行软合并后确定所述目标设备的位置；其中，还包括：基于软合并公式对所述多个近似后验概率进行软合并，以获得合并后验概率，所述合并后验概率为高斯分布，所述合并后验概率的均值矢量为满足贝叶斯框架下最大后验概率准则的结果；

确定所述均值矢量的前两位元素作为所述目标设备的位置；

所述均值矢量为，其中表示编号为m的传感器计算得到的近似后验概率的协方差；所述软合并公式包括：，其中，m为传感器编号，A为归一化常数，表示在从1到k时刻编号为m的传感器的测量信号强度，M为传感器数量，，q为后验概率函数的近似求解。

2.根据权利要求1所述的传感器数据融合方法，其特征在于，基于非线性状态模型确定所述无线信号的信号强度，包括：

所述非线性状态模型包括：；

其中，描述状态矢量的变化，，为所述目标设备在k时刻的坐标值，为用于描述状态变化的参数，k为离散时间，和为高斯噪声；描述传感器测量信号强度的测定方式，表示在k时刻编号为m的传感器的测量信号强度，。

3.根据权利要求2所述的传感器数据融合方法，其特征在于，基于预设滤波器对所述信号强度进行运算处理后获得近似后验概率，包括：

将所述预设滤波器设置为无损卡尔曼滤波器，采用贝叶斯框架下的最大后验概率准则，基于所述无损卡尔曼滤波器对所述信号强度进行滤波处理，以获取近似后验概率；

所述最大后验概率准则包括：，其中，为使后验概率函数取值最大的参数值，。

4.根据权利要求1-3中任一权项所述的传感器数据融合方法，其特征在于，将所述近似后验概率发送至融合中心，包括：

基于预设发送周期将所述近似后验概率同步发送至融合中心。

5.一种传感器数据融合方法，其特征在于，所述方法包括：

接收多个传感器发送的与目标设备对应的多个近似后验概率，所述多个近似后验概率是所述多个传感器对无线信号的信号强度进行预设滤波器运算处理后获得；

将所述多个近似后验概率在贝叶斯框架下进行软合并，确定所述目标设备的位置；其中，还包括：基于软合并公式对所述多个近似后验概率进行软合并，以获得合并后验概率，所述合并后验概率为高斯分布，所述合并后验概率的均值矢量为满足贝叶斯框架下最大后验概率准则的结果；

确定所述均值矢量的前两位元素作为所述目标设备的位置；

所述均值矢量为，其中表示编号为m的传感器计算得到的近似后验概率的协方差；所述软合并公式包括：，其中，m为传感器编号，A为归一化常数，表示在从1到k时刻编号为m的传感器的测量信号强度，M为传感器数量，，q为后验概率函数的近似求解。

6.一种传感器数据融合装置，其特征在于，所述装置包括：

信号强度确定模块，用于获取目标设备发传来的无线信号，基于非线性状态模型确定所述无线信号的信号强度；

近似后验概率计算模块，用于基于无损预设滤波器对所述信号强度进行运算处理后获得近似后验概率；

发送模块，用于将所述近似后验概率发送至融合中心，以供所述融合中心基于所述近似后验概率确定所述目标设备的位置；其中，还包括：基于软合并公式对所述多个近似后验概率进行软合并，以获得合并后验概率，所述合并后验概率为高斯分布，所述合并后验概率的均值矢量为满足贝叶斯框架下最大后验概率准则的结果；确定所述均值矢量的前两位元素作为所述目标设备的位置；

所述均值矢量为，其中表示编号为m的传感器计算得到的近似后验概率的协方差；所述软合并公式包括：，其中，m为传感器编号，A为归一化常数，表示在从1到k时刻编号为m的传感器的测量信号强度，M为传感器数量，，q为后验概率函数的近似求解。