一種基于隨機(jī)集理論的分布式融合方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于多傳感器融合領(lǐng)域，它特別涉及了隨機(jī)集理論下多目標(biāo)跟蹤和分布式 多傳感器融合技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002] 隱身技術(shù)的飛速發(fā)展使雷達(dá)探測(cè)技術(shù)面臨巨大挑戰(zhàn)。目標(biāo)隱身設(shè)計(jì)針對(duì)單站雷達(dá) 基于后向散射的探測(cè)機(jī)理，可顯著減少被單站雷達(dá)捕獲的后向散射能量，使單個(gè)雷達(dá)威力 陡降，"威力清零"?，F(xiàn)代戰(zhàn)爭(zhēng)軍用電子干擾與城市民用電磁信號(hào)干擾是雷達(dá)探測(cè)技術(shù)面臨 的挑戰(zhàn)之一。分布式多傳感器網(wǎng)絡(luò)探測(cè)技術(shù)能夠充分利用空間多節(jié)點(diǎn)布局形態(tài)，有效地利 用節(jié)點(diǎn)多頻、多極化和目標(biāo)的多向散射能量，實(shí)現(xiàn)復(fù)雜環(huán)境下隱身目標(biāo)的探測(cè)。因此，多傳 感器目標(biāo)融合技術(shù)成為傳感器探測(cè)技術(shù)不可或缺的一部分。
[0003] 多傳感器融合技術(shù)已不是一個(gè)新的話題，其研宄歷史可追溯到1990年，許多學(xué)者 對(duì)該技術(shù)進(jìn)行了大量研宄并取得了相應(yīng)研宄成果，為多傳感器在用民用無線傳感器網(wǎng)絡(luò)和 軍用雷達(dá)網(wǎng)絡(luò)等的實(shí)際應(yīng)奠定了理論基礎(chǔ)。傳統(tǒng)多傳感器融合算法的假設(shè)條件多為傳感器 間相互獨(dú)立，然而這一假設(shè)在實(shí)際場(chǎng)景中往往是不成立的，因?yàn)楫?dāng)兩個(gè)不同傳感器觀測(cè)統(tǒng) 一目標(biāo)時(shí)，傳感器間是存未知水平的相關(guān)性。在傳統(tǒng)多傳感器跟蹤領(lǐng)域，基于傳感器間相 關(guān)性的假設(shè)已有學(xué)者做了相關(guān)研宄，但是，傳統(tǒng)多傳感器多目標(biāo)融合算法存在一些問題：1) 存在大量的數(shù)據(jù)關(guān)聯(lián)算法：目標(biāo)與量測(cè)的數(shù)據(jù)關(guān)聯(lián)和傳感器間目標(biāo)的數(shù)據(jù)關(guān)聯(lián)；2)由于傳 感器間存在相關(guān)性，在進(jìn)行目標(biāo)融合時(shí)，需要大量運(yùn)算以計(jì)算該相關(guān)性。然而數(shù)據(jù)關(guān)聯(lián)的計(jì) 算量很大，且當(dāng)目標(biāo)個(gè)數(shù)較多并存雜波和虛警較高時(shí)，數(shù)據(jù)關(guān)聯(lián)本身就會(huì)出現(xiàn)問題，比如組 合爆炸，計(jì)算量呈指數(shù)形增長等問題。再加上計(jì)算相關(guān)性所需的計(jì)算資源，使得傳統(tǒng)多傳感 器融合問題變得十分困難。
[0004] 基于隨機(jī)集理論的多目標(biāo)跟蹤問題中，將目標(biāo)與量測(cè)分別建模成集合的形式，處 理過程以集合為單位，不在考慮集合中元素之間的關(guān)系，可以避免數(shù)據(jù)關(guān)聯(lián)，適用于目標(biāo)個(gè) 數(shù)較多以及雜波和虛警較高的情況。另外，基于隨機(jī)集的跟蹤算法還可以對(duì)目標(biāo)個(gè)數(shù)進(jìn)行 實(shí)時(shí)的估計(jì)，適用于目標(biāo)個(gè)數(shù)未知且時(shí)變的情況。在隨機(jī)集框架下，由于基于廣義協(xié)方差交 叉信息準(zhǔn)則的概率假設(shè)密度、基數(shù)化的概率假設(shè)密度和伯努利三種濾波器分布式融合閉合 解表達(dá)式已存在，因此三種濾波器的分布式融合分別在2013、2013、2014年被實(shí)現(xiàn)。另外， 多目標(biāo)-伯努利濾波器僅僅需要遞歸一組伯努利參數(shù)，避免了集合積分，大大減少了計(jì)算 量，具有很強(qiáng)的實(shí)用價(jià)值。相比上面提到的三種濾波器形式，在粒子濾波實(shí)現(xiàn)時(shí)無需聚類等 額外處理一提取目標(biāo)狀態(tài)，因此性能更佳。但是由于在廣義協(xié)方差交叉信息融合表達(dá)式中 求和項(xiàng)的分?jǐn)?shù)階指數(shù)次冪的問題，我們很難得到閉合解形式的多目標(biāo)伯努利分布式融合表 達(dá)式。

【發(fā)明內(nèi)容】

[0005] 為了實(shí)現(xiàn)基于廣義協(xié)方差交叉信息融合的多目標(biāo)伯努利濾波器分布式融合，本發(fā) 明提供了一種隨機(jī)集框架下的分布式融合方法。該方法存在兩步近似，在非標(biāo)號(hào)的S-廣 義多目標(biāo)伯努利分布近似階段，該方法假設(shè)目標(biāo)狀態(tài)之間是分離的，對(duì)求和項(xiàng)的分?jǐn)?shù)階指 數(shù)次冪進(jìn)行化簡(jiǎn)，使得多目標(biāo)伯努利的分布式融合成為可能，并利用建立的傳感器間航跡 關(guān)系映射集合將融合后的分布近似為非標(biāo)號(hào)的S-廣義多目標(biāo)伯努利分布，實(shí)現(xiàn)了兩個(gè) 傳感器間多目標(biāo)伯努利分布式融合；在多目標(biāo)伯努利分布近似階段，該方法根據(jù)非標(biāo)號(hào)的 S-廣義多目標(biāo)伯努利分布與多目標(biāo)伯努利分布一階統(tǒng)計(jì)特性相匹配特點(diǎn)，將其近似為多 目標(biāo)伯努利分布，解決了傳感器網(wǎng)絡(luò)多個(gè)傳感器融合問題和帶反饋形式的分布式融合問 題。該方法具近似代價(jià)小、可以在多傳感器網(wǎng)絡(luò)中和帶反饋工作模式的分布式融合下實(shí)現(xiàn) 多目標(biāo)伯努利融合等特點(diǎn)。
[0006] 本發(fā)明提供了一種隨機(jī)集理論下分布式融合方法，它包括以下步驟：
[0007] 步驟1、選定多傳感器融合準(zhǔn)則：
【主權(quán)項(xiàng)】
1. 一種隨機(jī)集理論下分布式融合方法，它包括以下步驟： 步驟1、選定多傳感器融合準(zhǔn)則：
其中，Z:)表示第s (S = 1，2)的個(gè)傳感器k時(shí)刻的后驗(yàn)概率分布；；IZ:) 表示融合后的后驗(yàn)概率密度分布；X表示目標(biāo)狀態(tài)集合X = Ix1，…，xn}，Xn表示第η個(gè)目標(biāo) 的狀態(tài)；Z表示傳感器的量測(cè)集合；〇3表示該融合準(zhǔn)則的參數(shù)，滿足〇 < ω 1，ω JCO2 = 1，這個(gè)參數(shù)決定了其相應(yīng)后驗(yàn)合分布在融合時(shí)的權(quán)重，δ表不集合變量的微分符號(hào)； 步驟2、各傳感器接收回波信號(hào)，并采用多目標(biāo)伯努利濾波器進(jìn)行本地濾波，由此各傳 感器得到的本地后驗(yàn)概率密度分布都為多目標(biāo)伯努利分布；
其中，Ms為第s個(gè)傳感器伯努利分量個(gè)數(shù)；#表示第s個(gè)傳感器第i伯努利分量的存 在概率，(X)為其相應(yīng)的概率密度函數(shù)；S為傳感器個(gè)數(shù)。 步驟3、定夕
為分?jǐn)?shù)階指數(shù)次冪和
；稱為實(shí)數(shù)的分?jǐn)?shù)階指數(shù)次冪的求 和；設(shè)目標(biāo)間的狀態(tài)是分離的，將各傳感器的多目標(biāo)伯努利分布的分?jǐn)?shù)階指數(shù)次冪的形 式：
步驟4、獲得多目標(biāo)伯努利分布的廣義協(xié)方差交叉信息融合閉合表達(dá)式的閉合表達(dá) 式； 4. 1、將廣義協(xié)方差交叉信息融合表達(dá)式的分母項(xiàng)定義為一常數(shù)K ; 4. 2、將步驟2得到的傳感器1和傳感器2的多目標(biāo)伯努利分布式帶入廣義協(xié)方差交叉 信息融合表達(dá)式的分子項(xiàng)，獲得廣義協(xié)方差交叉信息融合表達(dá)式分子項(xiàng)的閉合表達(dá)式；
步驟5、建立傳感器1到傳感器2的假設(shè)航跡映射關(guān)系集合； 步驟6、利用步驟5建立的假設(shè)航跡映射集合，將步驟4得到的閉合表達(dá)式轉(zhuǎn)換成非標(biāo) 號(hào)版本的δ-廣義多目標(biāo)伯努利分布； 步驟7、通過對(duì)非標(biāo)號(hào)版本的δ -廣義伯努利分布進(jìn)行集合積分，利用積分為1的特點(diǎn)， 獲得常數(shù)項(xiàng)K的閉合形式表達(dá)式，并將其代入步驟6的非標(biāo)號(hào)版本的δ -廣義伯努利分布； 步驟8、利用多目標(biāo)伯努利分布與δ -廣義伯努利分布的一階統(tǒng)計(jì)特性相匹配特點(diǎn)，將 步驟6得到的δ -廣義伯努利分布近似為多目標(biāo)伯努利分布，該分布為傳感器1和傳感器 2的融合多目標(biāo)伯努利分布； 步驟9、采用與步驟4~步驟8相同的方法將傳感器1和傳感器2的融合多目標(biāo)伯努利 分布與傳感器3的多目標(biāo)伯努利分布進(jìn)行融合；按照該方法進(jìn)一步融合后序所有傳感器的 多目標(biāo)伯努利分布； 步驟10、利用序列蒙特卡洛方法實(shí)現(xiàn)步驟9得到的多目標(biāo)伯努利分布分布式融合算 法。 通過上面的步驟，就可以得到基于廣義協(xié)方差交叉信息融合準(zhǔn)則的多目標(biāo)伯努利分布 式融合的閉合表達(dá)式，并可以實(shí)現(xiàn)多目標(biāo)伯努利分布分布式融合。
2.如權(quán)利要求書1所述的一種隨機(jī)集理論下分布式融合方法，其特征在于所述步驟5 的具體步驟為： 5. 1建立傳感器1到傳感器2的假設(shè)航跡映射關(guān)系；定義映射函數(shù)A / e 7(1^)-么， 該映射函數(shù)為--映射的單映射函數(shù)； 其中A 4 ={1，_··，Μ2}，MjP厘2分別表不多目標(biāo)伯努利分布1和2的伯 努利分量的個(gè)數(shù)，每個(gè)伯努利分量表示一個(gè)假設(shè)航跡，不失一般性假設(shè)M1S M2; 7(A)表示 所有I1子集的集合，I為任意目標(biāo)個(gè)數(shù)（彡M1)的集合； 5. 2將4. 1建立傳感器1到傳感器2的所有航跡映射關(guān)系Θ組成一個(gè)大集合Θ (I)。
【專利摘要】該發(fā)明公開了一種隨機(jī)集理論下分布式融合方法，該方法屬于多傳感器融合領(lǐng)域，它特別涉及了隨機(jī)集理論下多目標(biāo)跟蹤和分布式多傳感器融合技術(shù)領(lǐng)域。通過兩步近似推導(dǎo)出閉合解形式的多目標(biāo)伯努利分布式融合的表達(dá)式，為實(shí)現(xiàn)多目標(biāo)伯努利分布式融合提供了先驅(qū)條件；近似步驟8多目標(biāo)伯努利的近似可以實(shí)現(xiàn)多傳感器網(wǎng)絡(luò)中傳感器個(gè)數(shù)大于2的分布式融合和帶反饋工作模式的分布式融合下。本發(fā)明的優(yōu)點(diǎn)在于提供了多目標(biāo)伯努利分布式融合閉合解形式表達(dá)式的先驅(qū)條件，并可以在傳感器個(gè)數(shù)大于2的多傳感器網(wǎng)絡(luò)中和帶反饋工作模式的分布式融合下實(shí)現(xiàn)分布式融合。
【IPC分類】G06F19-00
【公開號(hào)】CN104680002
【申請(qǐng)?zhí)枴緾N201510070611
【發(fā)明人】易偉, 王佰錄, 李溯琪, 楊亞, 崔國龍, 孔令講, 楊曉波
【申請(qǐng)人】電子科技大學(xué)
【公開日】2015年6月3日
【申請(qǐng)日】2015年2月10日