本發(fā)明屬于多傳感器數(shù)據(jù)融合技術(shù)領(lǐng)域，特別涉及異步傳感器網(wǎng)絡(luò)分布式批估計(jì)數(shù)據(jù)融合技術(shù)。

背景技術(shù)：

隨著現(xiàn)代戰(zhàn)場環(huán)境的日益復(fù)雜，隱身與反隱身、對抗與反對抗等迫切需求，強(qiáng)機(jī)動(dòng)、高雜波、低檢測率和高虛警率等問題的出現(xiàn)，利用多傳感器數(shù)據(jù)融合技術(shù)獲得更加全面、準(zhǔn)確、可靠的環(huán)境態(tài)勢信息越來越受到人們的關(guān)注。其中，分布式估計(jì)數(shù)據(jù)融合方法因其具有資源消耗低、可擴(kuò)展性強(qiáng)、魯棒性好等眾多優(yōu)點(diǎn)得到了長足的發(fā)展，并廣泛地應(yīng)用到了區(qū)域監(jiān)視、目標(biāo)跟蹤、目標(biāo)定位等眾多領(lǐng)域。

現(xiàn)有的分布式估計(jì)數(shù)據(jù)融合方法大多是針對同步傳感器網(wǎng)絡(luò)設(shè)計(jì)的，即要求多個(gè)傳感器采樣周期相同，初始偏差相同，且不存在通信延遲。事實(shí)上，這些要求在實(shí)際中很難得到滿足，特別是在異步傳感器網(wǎng)絡(luò)中，多傳感器數(shù)據(jù)異步且難以融合，直接采用同步的分布式估計(jì)融合方法將嚴(yán)重影響融合精度。文獻(xiàn)“distributedsequentialestimationinasynchronouswirelesssensornetworks，ieeesignalprocessletters.spl-22，1965-1969，nov2015”提出了一種根據(jù)數(shù)據(jù)到達(dá)先后進(jìn)行順序估計(jì)的序貫估計(jì)方法，它通過遞推的方式將多傳感器數(shù)據(jù)進(jìn)行對齊，有效地解決了異步傳感器網(wǎng)絡(luò)中的數(shù)據(jù)融合問題。但是該方法將后驗(yàn)分布概率密度函數(shù)直接近似為高斯分布，存在精度損失的問題，特別在非高斯場景下，高斯近似造成精度損失的問題將導(dǎo)致多傳感器數(shù)據(jù)融合的精度較低；文獻(xiàn)“asynchronousparticlefilterfortrackingusingnon-synchronoussensornetworks，signalprocessmag，spm-91，2304-2313，apr.2011”提出了一種聯(lián)合一段時(shí)間異步數(shù)據(jù)對同一目標(biāo)狀態(tài)進(jìn)行估計(jì)的方法，它通過引入一種利用目標(biāo)狀態(tài)轉(zhuǎn)移特性的對齊策略，有效地解決了異步傳感器網(wǎng)絡(luò)中異步數(shù)據(jù)難以融合的問題，精度較高且計(jì)算量小。但是該方法是一種集中式估計(jì)融合方法，可擴(kuò)展性和魯棒性較弱，不能直接推廣到分布式傳感器網(wǎng)絡(luò)中，并且傳感器節(jié)點(diǎn)之間傳輸?shù)臄?shù)據(jù)是原始量測，需要消耗大量的能量與帶寬等通信資源。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明為解決上述技術(shù)問題，提出了一種多項(xiàng)式參數(shù)化似然函數(shù)的分布式批估計(jì)數(shù)據(jù)融合方法，并采用批估計(jì)融合方法融合多傳感器的近似似然函數(shù)，有效地解決了異步傳感器網(wǎng)絡(luò)中由于采樣速率和初始偏差不同導(dǎo)致的異步數(shù)據(jù)難以融合的問題。

本發(fā)明采用的技術(shù)方案是：一種多項(xiàng)式參數(shù)化似然函數(shù)的分布式批估計(jì)數(shù)據(jù)融合方法，包括：

s1、根據(jù)本地傳感器的采樣速率或數(shù)據(jù)更新的實(shí)際需求設(shè)定批估計(jì)更新周期，并初始化當(dāng)前迭代時(shí)間t＝0；

s2、判斷t值是否等于本地傳感器接收到當(dāng)前量測的時(shí)間；若是則執(zhí)行步驟s4；否則執(zhí)行步驟s3；

s3、在一個(gè)批估計(jì)更新周期內(nèi)，依次接收和存儲當(dāng)前迭代對應(yīng)的其他傳感器的多項(xiàng)式參數(shù)，并更新t值，然后返回步驟s2；

s4、從本地傳感器讀取當(dāng)前量測，利用粒子濾波算法進(jìn)行本地濾波，獲得本地傳感器當(dāng)前組粒子樣本近似的似然函數(shù)，然后執(zhí)行步驟s5；

s5、采用多項(xiàng)式近似對步驟s4得到的本地傳感器當(dāng)前組粒子樣本近似的似然函數(shù)進(jìn)行參數(shù)化表征；采用最小二乘近似法求解得到本地傳感器的多項(xiàng)式參數(shù)；然后將本地傳感器的多項(xiàng)式參數(shù)發(fā)送至其他傳感器；

s6、根據(jù)步驟s3存儲的其他傳感器的多項(xiàng)式參數(shù)，恢復(fù)得到當(dāng)前迭代其他各傳感器對應(yīng)組的粒子樣本近似的似然函數(shù)；

s7、對步驟s6得到的其他各傳感器對應(yīng)組的粒子樣本近似的似然函數(shù)，以及步驟s4得到的本地傳感器當(dāng)前組粒子樣本近似的似然函數(shù)進(jìn)行批估計(jì)數(shù)據(jù)融合，得到本地傳感器當(dāng)前組粒子樣本的權(quán)值；

s8、根據(jù)步驟s7得到的本地傳感器當(dāng)前組粒子樣本的權(quán)值輸出目標(biāo)狀態(tài)；然后執(zhí)行步驟s9；

s9、執(zhí)行l(wèi)＝l+1，然后判斷l(xiāng)是否小于或等于l，若是則結(jié)束；否則執(zhí)行步驟s2；

其中，l表示當(dāng)前量測，1≤l≤l，l表示本地傳感器在觀測總時(shí)間內(nèi)接收到的總的量測個(gè)數(shù)。

進(jìn)一步地，所述步驟s1之前還包括初始化系統(tǒng)參數(shù)，包括：監(jiān)測平面大小、傳感器總個(gè)數(shù)、觀測總時(shí)間以及目標(biāo)初始狀態(tài)。

進(jìn)一步地，所述更新t值具體為：t＝t+δt，δt為設(shè)定的時(shí)間間隔。

更進(jìn)一步地，所述δt＝批估計(jì)更新周期/p，p為整數(shù)。

本發(fā)明的有益效果：本發(fā)明的方法，首先根據(jù)本地雷達(dá)的采樣速率或數(shù)據(jù)更新的實(shí)際需求設(shè)定批估計(jì)更新周期，并利用粒子濾波算法獲得多傳感器中粒子樣本近似的本地似然函數(shù)，然后采用多項(xiàng)式近似方法對本地傳感器近似似然函數(shù)進(jìn)行參數(shù)化表示，之后通過最小二乘近似方法求解得到本地傳感器的多項(xiàng)式參數(shù)，最后利用多項(xiàng)式參數(shù)恢復(fù)得到粒子樣本近似的多傳感器近似似然函數(shù)，并采用批估計(jì)融合方法融合多傳感器的近似似然函數(shù)，有效地解決了異步傳感器網(wǎng)絡(luò)中由于采樣速率和初始偏差不同導(dǎo)致的異步數(shù)據(jù)難以融合的問題；并且具備以下優(yōu)點(diǎn)：

(1)本發(fā)明的方法操作簡單，只需要按照一個(gè)簡單的對齊策略將異步數(shù)據(jù)同步即可；

(2)與現(xiàn)有的一些序貫估計(jì)方法相比，本發(fā)明的方法不需要頻繁地進(jìn)行更新：序貫估計(jì)方法是每當(dāng)有量測到來就需要對目標(biāo)狀態(tài)進(jìn)行更新，因此當(dāng)傳感器網(wǎng)絡(luò)較大，傳感器采樣速率較快時(shí)，序貫估計(jì)方法就需要十分頻繁地對目標(biāo)狀態(tài)進(jìn)行更新；本申請根據(jù)傳感器采樣速率或?qū)嶋H更新速率設(shè)定批估計(jì)更新周期，并聯(lián)合更新周期內(nèi)的多個(gè)量測對目標(biāo)狀態(tài)進(jìn)行更新，因此有效地避免了每個(gè)量測到來的時(shí)候都進(jìn)行目標(biāo)狀態(tài)的更新；

(3)本發(fā)明的方法是對一段時(shí)間內(nèi)的數(shù)據(jù)進(jìn)行處理的(批處理)，因此在這一段時(shí)間內(nèi)的異步數(shù)據(jù)是怎樣的時(shí)序?qū)τ谌诤暇鹊挠绊懯潜容^小的，因而本發(fā)明的方法可以對任意時(shí)序的量測都有較高的融合精度；

(4)本申請通過在個(gè)傳感器節(jié)點(diǎn)之間傳輸多項(xiàng)式參數(shù)，相比于直接傳輸原始量測的通信量更低；

(5)本申請相比于后驗(yàn)方法的精度更高。

附圖說明

圖1為本發(fā)明實(shí)施例提供的方法流程圖。

圖2為本發(fā)明實(shí)施例提供的傳感器網(wǎng)絡(luò)場景與目標(biāo)軌跡示意圖。

圖3為本發(fā)明方法與基于量測方法，基于后驗(yàn)方法的跟蹤精度對比圖。

圖4為本發(fā)明方法與基于量測方法，基于后驗(yàn)方法的航跡丟失率對比圖。

具體實(shí)施方式

為便于本領(lǐng)域技術(shù)人員理解本發(fā)明的技術(shù)內(nèi)容，下面結(jié)合附圖對本發(fā)明內(nèi)容進(jìn)一步闡釋。

如圖1所示為本發(fā)明的方案流程圖；本發(fā)明的技術(shù)方案為：一種多項(xiàng)式參數(shù)化似然函數(shù)的分布式批估計(jì)數(shù)據(jù)融合方法，本發(fā)明首先初始化系統(tǒng)參數(shù)，包括：觀測平面大??；傳感器個(gè)數(shù)ni；傳感器i,i＝1,2,...,ni；觀測總時(shí)間ttotal；當(dāng)前量測序號l＝1；t＝0s；目標(biāo)的初始狀態(tài)其中(x(0),y(0))表示目標(biāo)的初始位置，表示目標(biāo)的初始速度；目標(biāo)初始狀態(tài)偏差服從高斯分布

如圖2所示，n＝25部傳感器對一個(gè)觀測平面大小為200km×200km的二維平面區(qū)域一運(yùn)動(dòng)目標(biāo)進(jìn)行監(jiān)視，目標(biāo)的初始狀態(tài)x(0)＝(30,0.3,25,0.3)′；即，目標(biāo)的初始位置是(30,25)，并以(0.3,0.3)的速度運(yùn)動(dòng)，圖2給出了觀測總時(shí)間ttotal＝400s的跟蹤結(jié)果。目標(biāo)初始狀態(tài)偏差服從高斯分布并且c0＝diag(1,0.05,1,0.05)。

具體方案如下：

s1、根據(jù)本地雷達(dá)的采樣速率或數(shù)據(jù)更新的實(shí)際需求設(shè)定更新周期，為了便于理解本發(fā)明的技術(shù)內(nèi)容，本實(shí)施例中根據(jù)本地雷達(dá)的采樣速率設(shè)定更新周期，具體以本地雷達(dá)相鄰兩個(gè)量測的間隔為更新周期。

現(xiàn)有的序貫估計(jì)方法是每當(dāng)有量測到來就需要對目標(biāo)狀態(tài)進(jìn)行更新，因此當(dāng)傳感器網(wǎng)絡(luò)較大，傳感器采樣速率較快時(shí)，序貫估計(jì)方法就需要十分頻繁地對目標(biāo)狀態(tài)進(jìn)行更新；本申請根據(jù)傳感器采樣速率或?qū)嶋H更新速率設(shè)定批估計(jì)更新周期，并聯(lián)合更新周期內(nèi)的多個(gè)量測對目標(biāo)狀態(tài)進(jìn)行更新，因此有效地避免了每個(gè)量測到來的時(shí)候都進(jìn)行目標(biāo)狀態(tài)的更新。

s2、判斷t值是否等于本地傳感器接收到當(dāng)前量測的時(shí)間ti,l；若是則執(zhí)行步驟s4；否則執(zhí)行步驟s3；

其中，ti,l表示本地傳感器i接收到第l個(gè)量測的時(shí)間，1≤i≤ni，1≤l≤l，l表示傳感器i在ttotal時(shí)間內(nèi)接收到的總的量測個(gè)數(shù)。初始時(shí)t＝0s≠ti,l，因此本申請首先執(zhí)行步驟s3，接收存儲其他傳感器的多項(xiàng)式參數(shù)。然后再讀取本地量測。

s3、在一個(gè)批估計(jì)更新周期內(nèi)，依次接收和存儲其他傳感器的多項(xiàng)式參數(shù)，并更新t值，然后返回步驟s2；

在一個(gè)批估計(jì)周期內(nèi)，即(ti,l-1,ti,l)時(shí)間內(nèi)，ti,l-1表示本地傳感器i接收到第l-1個(gè)量測的時(shí)間，本地傳感器i共接收到ni-1個(gè)其他傳感器發(fā)送來的近似似然函數(shù)參數(shù)，這些近似似然函數(shù)產(chǎn)生的時(shí)間與他們對應(yīng)的量測產(chǎn)生的時(shí)間相同；由于量測異步，因此這些似然函數(shù)參數(shù)也存在時(shí)間先后順序；按照他們到達(dá)本地傳感器i的時(shí)間先后順序有：j＝1,2,...,ni-1；其中，ξj,i表示第j個(gè)近似似然函數(shù)產(chǎn)生的時(shí)間，考慮第j個(gè)近似似然函數(shù)傳感器n的第k個(gè)量測獲得的濾波結(jié)果，因此ξj,i＝tn,k，n＝1,2,...,ni,n≠i。

所述更新t值具體為：t＝t+δt，δt為設(shè)定的時(shí)間間隔；δt＝批估計(jì)更新周期/p，p為整數(shù)。

s4、從本地傳感器讀取當(dāng)前量測，利用粒子濾波算法進(jìn)行本地濾波，獲得本地傳感器當(dāng)前組粒子樣本近似的似然函數(shù)；然后執(zhí)行步驟s5；

其中，x(ti,l)表示在ti,l時(shí)刻的目標(biāo)狀態(tài)；x^(q)(ti,l)表示目標(biāo)狀態(tài)x(ti,l)的第q個(gè)粒子樣本，q＝1,2,...,q，q表示總的粒子樣本數(shù)量；

若ti,l＝0s，對于粒子樣本有：

ω^(q)(ti,l)＝1/q；

若ti,l>0s，對于粒子樣本有：

x^(q)(ti,l)～p(x(ti,l)|x(ti,l-1))，其中，～表示采樣，即從高斯分布p(x(ti,l)|x(ti,l-1))中采樣出x^(q)(ti,l)，p(x(ti,l)|x(ti,l-1))根據(jù)目標(biāo)狀態(tài)轉(zhuǎn)移方程可得；

其中，p(x(ti,l)|x(ti,l-1))表示的是在ti,l-1時(shí)刻的目標(biāo)狀態(tài)x(ti,l-1)轉(zhuǎn)移到在ti,l時(shí)刻的目標(biāo)狀態(tài)x(ti,l)的條件概率密度函數(shù)，該密度函數(shù)可以通過目標(biāo)的狀態(tài)轉(zhuǎn)移方程可得。

ω^(q)(ti,l)＝ω^(q)(ti,l-1)·p(z(ti,l)|x^(q)(ti,l))，其中，z(ti,l)表示本地傳感器i的第l個(gè)量測；p(z(ti,l)|x(ti,l))根據(jù)觀測方程可得。

s5、采用多項(xiàng)式近似對步驟s4得到的本地傳感器當(dāng)前組粒子樣本近似的似然函數(shù)進(jìn)行參數(shù)化表征；采用最小二乘近似法求解得到當(dāng)前迭代對應(yīng)的本地傳感器的多項(xiàng)式參數(shù)；然后將本地傳感器的多項(xiàng)式參數(shù)發(fā)送至其他傳感器；相比于在傳感器節(jié)點(diǎn)之間直接傳輸粒子樣本，本申請傳輸?shù)亩囗?xiàng)式參數(shù)可以節(jié)省很多的通信量。

將本地似然函數(shù)的對數(shù)值可以近似表示為

這里第q個(gè)粒子樣本對應(yīng)的基函數(shù)選用多項(xiàng)式函數(shù)，則

其中，表示定義，即將r定義為(r1,r2,...,rm)∈{0，1，...,rp}，m表示目標(biāo)狀態(tài)的維度，rp表示多項(xiàng)式的度數(shù)，即多項(xiàng)式的最高次數(shù)，表示λi,l,r(z(ti,l))表示多項(xiàng)式近似的膨脹系數(shù)，并且多項(xiàng)共有項(xiàng)系數(shù)。

構(gòu)造對數(shù)權(quán)值組成的向量ai,l和基函數(shù)組成的矩陣φi,l，并用于求取多項(xiàng)式參數(shù)。

ai,l＝(log(ω⁽¹⁾(ti,l)),log(ω⁽²⁾(ti,l)),…,log(ω^(q)(ti,l)))

其中，表示第q個(gè)粒子樣本對應(yīng)的基函數(shù)，這里的基函數(shù)是多項(xiàng)式函數(shù)。

根據(jù)最小二乘近似方法，有：

λ(z(ti,l))＝((φi,l)′φi,l)^-1(φi,l)′ai,l

s6、根據(jù)步驟s3存儲的其他傳感器的多項(xiàng)式參數(shù)，恢復(fù)得到對應(yīng)的其他各傳感器對應(yīng)組的粒子樣本近似的似然函數(shù)；

步驟s3中接收到的其他傳感器的多項(xiàng)式參數(shù)，恢復(fù)得到其他各傳感器對應(yīng)的粒子樣本近似的似然函數(shù)，具體為：將λ(z(tn,k))恢復(fù)成似然函數(shù)：

x^(q)(tn,k)～p(x(tn,k|tn,k-1))

s7、對步驟s6得到的其他各傳感器對應(yīng)組的粒子樣本近似的似然函數(shù)，以及步驟s4得到的本地傳感器當(dāng)前組粒子樣本近似的似然函數(shù)進(jìn)行批估計(jì)數(shù)據(jù)融合，得到本地傳感器當(dāng)前組粒子樣本的權(quán)值；

利用批估計(jì)融合得到粒子樣本的權(quán)值更新公式：

其中，p(x(tn,k)|x(ti,l-1),x(ti,l))是服從均值為e(x(tn,k)|x(ti,0:l))，方差為cov(x(tn,k)|x(ti,0:l))的高斯分布。

均值和方差分別由下式給出：

e(x(tn,k)|x(ti,0:l))＝e(x(tn,k)|x(ti,0:l-1))+ψs^-1(x(ti,l)-e(x(ti,l)|x(ti,0:l-1)))

cov(x(tn,k)|x(ti,0:l))＝cov(x(tn,k)|x(ti,0:l-1))-ψs^-1ψ′

其中，s＝cov(x(ti,l)|x(ti,0:l-1))，ψ＝cov(x(tn,k),x(ti,l)|x(ti,0:l-1))，而參量e(x(tn,k)|x(ti,0:l-1))，e(x(ti,l)|x(ti,0:l-1))，cov(x(tn,k)|x(ti,0:l-1))，s，ψ均可通過狀態(tài)轉(zhuǎn)移方程計(jì)算得到。

s8、根據(jù)步驟s7得到的本地傳感器當(dāng)前組粒子樣本的權(quán)值輸出目標(biāo)狀態(tài)；然后執(zhí)行步驟s9；til時(shí)刻目標(biāo)的狀態(tài)為

s9、執(zhí)行l(wèi)＝l+1，然后判斷l(xiāng)是否小于或等于l，若是則結(jié)束；否則執(zhí)行步驟s2。

圖3給出了基于后驗(yàn)、基于似然、基于量測三種方法的跟蹤精度對比圖。其中，跟蹤精度通過估計(jì)航跡與真實(shí)航跡的均方根誤差進(jìn)行描述。從圖3可以看出，由于基于后驗(yàn)方法直接將后驗(yàn)分布概率密度函數(shù)近似為高斯分布，存在精度的損失，因此其均方根誤差相比基于似然方法更大，跟蹤精度更低。同時(shí)，基于似然方法的跟蹤精度與理想的基于量測方法相近，因此也可以獲得基于似然方法跟蹤精度較高的結(jié)論。

此外，圖4給出了基于后驗(yàn)、基于似然、基于量測三種方法的航跡丟失率大小的對比圖。從圖4可以看出，由于基于后驗(yàn)方法跟蹤精度較低，導(dǎo)致航跡容易丟失，因此基于似然方法的航跡丟失率相比基于后驗(yàn)方法更低。并且基于似然方法的航跡丟失率與基于量測方法也較為相近，因此基于似然方法在目標(biāo)的航跡丟失率這一指標(biāo)上相比基于后驗(yàn)方法更具優(yōu)勢。

此外，通過理論分析可以知道，盡管基于量測方法在跟蹤精度和航跡丟失率上均具有優(yōu)勢。但是，由于傳感器對單一目標(biāo)的觀測通常不止一個(gè)(存在多個(gè)虛假量測，即虛警)，并且觀測結(jié)果的維度通常較高，主要包括位置、速度、加速度、多普勒等多個(gè)維度，因此基于量測方法在傳感器節(jié)點(diǎn)間傳輸量測存在通信限制的問題。

綜上，本申請通過綜合考慮目標(biāo)跟蹤精度、目標(biāo)航跡丟失率以及通信限制等問題，提出的一種多項(xiàng)式參數(shù)化似然函數(shù)的分布式批估計(jì)數(shù)據(jù)融合方法相比基于量測以及基于后驗(yàn)方法存在優(yōu)勢。

本領(lǐng)域的普通技術(shù)人員將會意識到，這里所述的實(shí)施例是為了幫助讀者理解本發(fā)明的原理，應(yīng)被理解為本發(fā)明的保護(hù)范圍并不局限于這樣的特別陳述和實(shí)施例。對于本領(lǐng)域的技術(shù)人員來說，本發(fā)明可以有各種更改和變化。凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的權(quán)利要求范圍之內(nèi)。