一種基于隨機集理論的分布式融合方法
【技術領域】
[0001] 本發(fā)明屬于多傳感器融合領域，它特別涉及了隨機集理論下多目標跟蹤和分布式 多傳感器融合技術領域。
【背景技術】
[0002] 隱身技術的飛速發(fā)展使雷達探測技術面臨巨大挑戰(zhàn)。目標隱身設計針對單站雷達 基于后向散射的探測機理，可顯著減少被單站雷達捕獲的后向散射能量，使單個雷達威力 陡降，"威力清零"?，F(xiàn)代戰(zhàn)爭軍用電子干擾與城市民用電磁信號干擾是雷達探測技術面臨 的挑戰(zhàn)之一。分布式多傳感器網(wǎng)絡探測技術能夠充分利用空間多節(jié)點布局形態(tài)，有效地利 用節(jié)點多頻、多極化和目標的多向散射能量，實現(xiàn)復雜環(huán)境下隱身目標的探測。因此，多傳 感器目標融合技術成為傳感器探測技術不可或缺的一部分。
[0003] 多傳感器融合技術已不是一個新的話題，其研宄歷史可追溯到1990年，許多學者 對該技術進行了大量研宄并取得了相應研宄成果，為多傳感器在用民用無線傳感器網(wǎng)絡和 軍用雷達網(wǎng)絡等的實際應奠定了理論基礎。傳統(tǒng)多傳感器融合算法的假設條件多為傳感器 間相互獨立，然而這一假設在實際場景中往往是不成立的，因為當兩個不同傳感器觀測統(tǒng) 一目標時，傳感器間是存未知水平的相關性。在傳統(tǒng)多傳感器跟蹤領域，基于傳感器間相 關性的假設已有學者做了相關研宄，但是，傳統(tǒng)多傳感器多目標融合算法存在一些問題：1) 存在大量的數(shù)據(jù)關聯(lián)算法：目標與量測的數(shù)據(jù)關聯(lián)和傳感器間目標的數(shù)據(jù)關聯(lián)；2)由于傳 感器間存在相關性，在進行目標融合時，需要大量運算以計算該相關性。然而數(shù)據(jù)關聯(lián)的計 算量很大，且當目標個數(shù)較多并存雜波和虛警較高時，數(shù)據(jù)關聯(lián)本身就會出現(xiàn)問題，比如組 合爆炸，計算量呈指數(shù)形增長等問題。再加上計算相關性所需的計算資源，使得傳統(tǒng)多傳感 器融合問題變得十分困難。
[0004] 基于隨機集理論的多目標跟蹤問題中，將目標與量測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系，可以避免數(shù)據(jù)關聯(lián)，適用于目標個 數(shù)較多以及雜波和虛警較高的情況。另外，基于隨機集的跟蹤算法還可以對目標個數(shù)進行 實時的估計，適用于目標個數(shù)未知且時變的情況。在隨機集框架下，由于基于廣義協(xié)方差交 叉信息準則的概率假設密度、基數(shù)化的概率假設密度和伯努利三種濾波器分布式融合閉合 解表達式已存在，因此三種濾波器的分布式融合分別在2013、2013、2014年被實現(xiàn)。另外， 多目標-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，大大減少了計算 量，具有很強的實用價值。相比上面提到的三種濾波器形式，在粒子濾波實現(xiàn)時無需聚類等 額外處理一提取目標狀態(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式中 求和項的分數(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伯努利分布式融合表 達式。

【發(fā)明內容】

[0005] 為了實現(xiàn)基于廣義協(xié)方差交叉信息融合的多目標伯努利濾波器分布式融合，本發(fā) 明提供了一種隨機集框架下的分布式融合方法。該方法存在兩步近似，在非標號的S-廣 義多目標伯努利分布近似階段，該方法假設目標狀態(tài)之間是分離的，對求和項的分數(shù)階指 數(shù)次冪進行化簡，使得多目標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 關系映射集合將融合后的分布近似為非標號的S-廣義多目標伯努利分布，實現(xiàn)了兩個 傳感器間多目標伯努利分布式融合；在多目標伯努利分布近似階段，該方法根據(jù)非標號的 S-廣義多目標伯努利分布與多目標伯努利分布一階統(tǒng)計特性相匹配特點，將其近似為多 目標伯努利分布，解決了傳感器網(wǎng)絡多個傳感器融合問題和帶反饋形式的分布式融合問 題。該方法具近似代價小、可以在多傳感器網(wǎng)絡中和帶反饋工作模式的分布式融合下實現(xiàn) 多目標伯努利融合等特點。
[0006] 本發(fā)明提供了一種隨機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則：
【主權項】
1. 一種隨機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則：
其中，Z:)表示第s (S = 1，2)的個傳感器k時刻的后驗概率分布；；IZ:) 表示融合后的后驗概率密度分布；X表示目標狀態(tài)集合X = Ix1，…，xn}，Xn表示第η個目標 的狀態(tài)；Z表示傳感器的量測集合；〇3表示該融合準則的參數(shù)，滿足〇 < ω 1，ω JCO2 = 1，這個參數(shù)決定了其相應后驗合分布在融合時的權重，δ表不集合變量的微分符號； 步驟2、各傳感器接收回波信號，并采用多目標伯努利濾波器進行本地濾波，由此各傳 感器得到的本地后驗概率密度分布都為多目標伯努利分布；
其中，Ms為第s個傳感器伯努利分量個數(shù)；#表示第s個傳感器第i伯努利分量的存 在概率，(X)為其相應的概率密度函數(shù)；S為傳感器個數(shù)。 步驟3、定夕
為分數(shù)階指數(shù)次冪和
；稱為實數(shù)的分數(shù)階指數(shù)次冪的求 和；設目標間的狀態(tài)是分離的，將各傳感器的多目標伯努利分布的分數(shù)階指數(shù)次冪的形 式：
步驟4、獲得多目標伯努利分布的廣義協(xié)方差交叉信息融合閉合表達式的閉合表達 式； 4. 1、將廣義協(xié)方差交叉信息融合表達式的分母項定義為一常數(shù)K ; 4. 2、將步驟2得到的傳感器1和傳感器2的多目標伯努利分布式帶入廣義協(xié)方差交叉 信息融合表達式的分子項，獲得廣義協(xié)方差交叉信息融合表達式分子項的閉合表達式；
步驟5、建立傳感器1到傳感器2的假設航跡映射關系集合； 步驟6、利用步驟5建立的假設航跡映射集合，將步驟4得到的閉合表達式轉換成非標 號版本的δ-廣義多目標伯努利分布； 步驟7、通過對非標號版本的δ -廣義伯努利分布進行集合積分，利用積分為1的特點， 獲得常數(shù)項K的閉合形式表達式，并將其代入步驟6的非標號版本的δ -廣義伯努利分布； 步驟8、利用多目標伯努利分布與δ -廣義伯努利分布的一階統(tǒng)計特性相匹配特點，將 步驟6得到的δ -廣義伯努利分布近似為多目標伯努利分布，該分布為傳感器1和傳感器 2的融合多目標伯努利分布； 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的融合多目標伯努利 分布與傳感器3的多目標伯努利分布進行融合；按照該方法進一步融合后序所有傳感器的 多目標伯努利分布； 步驟10、利用序列蒙特卡洛方法實現(xiàn)步驟9得到的多目標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則的多目標伯努利分布 式融合的閉合表達式，并可以實現(xiàn)多目標伯努利分布分布式融合。
2.如權利要求書1所述的一種隨機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的假設航跡映射關系；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分別表不多目標伯努利分布1和2的伯 努利分量的個數(shù)，每個伯努利分量表示一個假設航跡，不失一般性假設M1S M2; 7(A)表示 所有I1子集的集合，I為任意目標個數(shù)（彡M1)的集合； 5. 2將4. 1建立傳感器1到傳感器2的所有航跡映射關系Θ組成一個大集合Θ (I)。
【專利摘要】該發(fā)明公開了一種隨機集理論下分布式融合方法，該方法屬于多傳感器融合領域，它特別涉及了隨機集理論下多目標跟蹤和分布式多傳感器融合技術領域。通過兩步近似推導出閉合解形式的多目標伯努利分布式融合的表達式，為實現(xiàn)多目標伯努利分布式融合提供了先驅條件；近似步驟8多目標伯努利的近似可以實現(xiàn)多傳感器網(wǎng)絡中傳感器個數(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)點在于提供了多目標伯努利分布式融合閉合解形式表達式的先驅條件，并可以在傳感器個數(shù)大于2的多傳感器網(wǎng)絡中和帶反饋工作模式的分布式融合下實現(xiàn)分布式融合。
【IPC分類】G06F19-00
【公開號】CN104680002
【申請?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
【申請人】電子科技大學
【公開日】2015年6月3日
【申請日】2015年2月10日