[发明专利]一种面向复合式探测节点的分布式融合系统在审

专利信息
申请号: 202010997010.2 申请日: 2020-09-21
公开(公告)号: CN112257750A 公开(公告)日: 2021-01-22
发明(设计)人: 王艳;张士柱;李宝清;袁晓兵 申请(专利权)人: 中国科学院上海微系统与信息技术研究所
主分类号: G06K9/62 分类号: G06K9/62
代理公司: 上海泰能知识产权代理事务所(普通合伙) 31233 代理人: 钱文斌;黄志达
地址: 200050 *** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 面向 复合 探测 节点 分布式 融合 系统
【权利要求书】:

1.一种面向复合式探测节点的分布式融合系统,其特征在于,包括节点级融合处理中心和系统级融合处理中心,所述节点级融合处理中心用于接收复合式探测节点探测到目标信息,并对异类传感信息进行协同与融合,产生局部目标探测信息,并生成节点级目标报告;所述系统级融合处理中心根据各节点级目标报告中的探测数据完成数据关联、批次分离、类型融合、数量融合和目标运动状态融合,生成完整的系统级目标探测信息。

2.根据权利要求1所述的面向复合式探测节点的分布式融合系统,其特征在于,所述复合式探测节点包括震动信号处理模块、声阵列信号处理模块、红外信号处理模块、微光图像阵列信号处理模块和环境感知模块。

3.根据权利要求1所述的面向复合式探测节点的分布式融合系统,其特征在于,所述节点级融合处理中心对异类传感信息进行决策级协同融合处理,当节点级融合处理中心的融合接口接收到探测结果时,对该探测结果进行保存,然后将所述探测结果与之前已存储的探测结果进行融合产生最新的融合结果,并在接收到调取最新的融合结果的指令时,将最新的融合结果生成节点级目标报告,并上报给所述系统级融合处理中心;其中,最新的融合结果包括目标数量融合、目标分类结果融合和目标状态融合。

4.根据权利要求3所述的面向复合式探测节点的分布式融合系统,其特征在于,所述节点级融合处理中心使用浅层轻量化的递归神经网络来进行目标数量融合,具体为:首先将每个复合式探测节点的目标数量估计xt编码为[10,1]大小的输入序列,则在整个目标探测过程中,所有的复合式探测节点的目标数量估计组合为输入序列:其中,t为可变长度;定义是随时间更新的隐层状态,其中,f()为一个包括一层卷积层和一层全连接层的非线性方程,当新的复合式探测节点的目标数量估计xt输入到网络中,则之前的隐层状态就转换为和当前输入的复合式探测节点的目标数量估计xt相关的定义是递归神经网络的输出,即t时刻的目标数量融合结果。

5.根据权利要求3所述的面向复合式探测节点的分布式融合系统,其特征在于,所述节点级融合处理中心使用决策树与逻辑回归结合的方式对复合式探测节点的目标分类结果进行融合处理,具体为:提取已经存储的设定时间内的复合式探测节点的分类结果,并送入决策回归树进行数据的预处理,完成对分类识别结果进行校验和查缺补漏,得到枚举向量;然后将预处理完毕的枚举向量转换为one hot向量,再沿第一维进行求和,后进行归一化处理,得到数值特征,将数值特征送入logistics分类器,得到最终的融合分类结果。

6.根据权利要求3所述的面向复合式探测节点的分布式融合系统,其特征在于,所述节点级融合处理中心进行目标状态融合时,首先对目标运动进行建模,其中对目标运动建模使用的状态空间模型为:k为时间指标,Xk,Zk和uk分别是k时刻目标的状态、观察和控制输入向量;wk和vk分别是过程演化噪声和量测噪声;然后在所述状态空间模型的基础上运用扩展的kalman滤波进行状态估计。

7.根据权利要求1所述的面向复合式探测节点的分布式融合系统,其特征在于,所述系统级融合处理中心基于“量测-航迹”关联的目标批次分离算法,确定接收到的量测信息和目标源的对应关系,具体为:首先通过跟踪起始逻辑创建新目标档案;接着通过跟踪门规则和数据关联规则实现量测和航迹的配对,然后利用激动辨识及自适应滤波与预测的跟踪维持方法估计各个目标的状态,从而更新已建立的目标航迹;在跟踪空间中,那些不与任何已知目标关联的量测集合被用来建立新目标档案,当有目标离开跟踪空间或被摧毁时,由跟踪终止方法消除多余目标档案;最后由目标预测状态确定下一时刻的跟踪门中心和大小。

8.根据权利要求1所述的面向复合式探测节点的分布式融合系统,其特征在于,所述系统级融合处理中心采用基于最小二乘准则的状态估计方法实现目标运动状态融合。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国科学院上海微系统与信息技术研究所,未经中国科学院上海微系统与信息技术研究所许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010997010.2/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top