專利名稱：基于傳感器網(wǎng)絡(luò)的復(fù)雜環(huán)境下多目標(biāo)信息融合方法
技術(shù)領(lǐng)域：
本發(fā)明涉及的是一種目標(biāo)跟蹤與識(shí)別領(lǐng)域的信息融合方法。
背景技術(shù)：
目標(biāo)的跟蹤與識(shí)別是傳感器網(wǎng)絡(luò)的主要用途之一，也是一個(gè)難點(diǎn)和關(guān)鍵問題，在許多領(lǐng)域例如交通監(jiān)控、機(jī)構(gòu)安全和戰(zhàn)場狀況獲取等方面具有廣闊的應(yīng)用前景。在信息時(shí)代，傳感器網(wǎng)絡(luò)所提供的信息量很大，電磁環(huán)境十分復(fù)雜，這就要求信息融合裝置必須具有高靈敏度(作用距離遠(yuǎn))、高準(zhǔn)確率、高穩(wěn)定性和高可靠性。一個(gè)傳感器網(wǎng)絡(luò)往往可以獲得關(guān)于目標(biāo)的多個(gè)特征信息，如目標(biāo)的中心頻率、脈寬、脈沖重復(fù)周期、脈沖到達(dá)時(shí)間等，而一般的信息融合裝置只利用了很少的一部分信息，從而造成了傳感器信息的大量浪費(fèi)。另外，由于信息的利用率不足，判決依據(jù)單一，往往容易造成誤判和錯(cuò)判，會(huì)對(duì)整個(gè)跟蹤和識(shí)別過程產(chǎn)生重大影響。因而綜合利用傳感器網(wǎng)絡(luò)提供的多個(gè)特征信息是十分必要的，這樣既不浪費(fèi)信息，又能保證信息融合裝置的高靈敏度、高準(zhǔn)確率、高穩(wěn)定性和高可靠性。

發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種高靈敏度、高精度、高準(zhǔn)確率、高穩(wěn)定性和高可靠性的基于傳感器網(wǎng)絡(luò)的復(fù)雜環(huán)境下多目標(biāo)信息融合方法。本發(fā)明的目的是這樣實(shí)現(xiàn)的本發(fā)明基于傳感器網(wǎng)絡(luò)的復(fù)雜環(huán)境下多目標(biāo)信息融合方法，其特征是(1)選用小波基函數(shù)將量測數(shù)據(jù)分解在尺度上；(2)在每個(gè)尺度上的低頻子空間信號(hào)利用卡爾曼算法進(jìn)行濾波離散系統(tǒng)在尺度i下的狀態(tài)方程和量測方程為
權(quán)利要求
1.基于傳感器網(wǎng)絡(luò)的復(fù)雜環(huán)境下多目標(biāo)信息融合方法，其特征是(1)選用小波基函數(shù)將量測數(shù)據(jù)分解在尺度上；(2)在每個(gè)尺度上的低頻子空間信號(hào)利用卡爾曼算法進(jìn)行濾波 離散系統(tǒng)在尺度i下的狀態(tài)方程和量測方程為Jx(/·, k+l) = Φ(/, k+H Λ)Χ(/, k)+G(/, k、w(i, k) [Z(i, k) = H(/, k)X(i, k)+v(/, k)，在尺度i下，X(i，k)為k時(shí)刻的η維狀態(tài)矢量，也是被估計(jì)矢量；Z(i，k)為k時(shí)刻的 m維量測矢量；Φ (i，k+l/k)為k到k+l時(shí)刻的一步轉(zhuǎn)移矩陣(nXn階)；w(i，k)為k時(shí)刻的系統(tǒng)噪聲；H(i，k)為k時(shí)刻的量測矩陣(mXn階)；G(i，k)是系統(tǒng)噪聲的加權(quán)噪聲；v(i， k)為k時(shí)刻的m維量測噪聲，w (i，k)和v(i，k)滿足如下條件 E[w(i,k)wT(iJ)] = Q(i,k)S^< E[y(i, k)yT (/，j)] = R(/，k)Sk]rQ (眾類))可w(U)V(/J)] = 0^ = {i (k = j)；其中Q(i，k)和R(i，k)分別為系統(tǒng)噪聲和量測噪聲的方差矩陣，它們分別是已知非負(fù)陣和正定陣；S kJ是Kronecker函數(shù)，卡爾曼濾波濾波包括時(shí)間更新和量測更新時(shí)間更新即預(yù)測估計(jì)X(i,k/k-l) = 0(i,k/k-l)X(i,k-i/k-l)P(i, k/k-1) = Φ (i, k/k-l)P(i, k-l/k-l) Φτ( , k/k-1) +G(i, k-l)Q(i, k-l)GT(i, k-1)量測更新即濾波估計(jì)K(i，k) = P(i，k/k-1)Ht(i, k) X [H(i，k) XP(i，k/k-1)Ht(i, k)+R(i，k) Γ1%,kl k)=%,kl k-\)+nj,k)V7{i,k)-nj,k)%,kl k-風(fēng)P(i，k/k) = (I-K(i，k)XH(i，k)]P(i，k/k-1) 式中K(i，k)為濾波增益陣；(3)將每個(gè)尺度上的高頻子空間中細(xì)節(jié)信號(hào)的極大值點(diǎn)去掉，得到新的濾波數(shù)據(jù)；(4)將每個(gè)尺度上處理后的數(shù)據(jù)通過小波重構(gòu)方法，得到原始量測數(shù)據(jù)在不同尺度上濾波后的結(jié)果所述的小波重構(gòu)方法為通過一個(gè)脈沖響應(yīng)為h(l)的低通濾波器可以從尺度i上獲得尺度i_l上的低頻子空間信號(hào)&(i_l，k)，通過一個(gè)脈沖響應(yīng)為g(l)的高通濾波器可以獲得尺度i_l上的高頻子空間信號(hào)A(i_l，k) xL(i-l，k) =Σ ^(I)X(Uk-I) xH(i-l, k) =Σ lg(l)x(i，2k-l)。
全文摘要
本發(fā)明的目的在于提供基于傳感器網(wǎng)絡(luò)的復(fù)雜環(huán)境下多目標(biāo)信息融合方法，分為以下步驟選用適當(dāng)?shù)男〔ɑ瘮?shù)將量測數(shù)據(jù)分解在若干個(gè)尺度上，在每個(gè)尺度上的低頻子空間信號(hào)利用卡爾曼算法進(jìn)行濾波，得到新的濾波數(shù)據(jù)，將每個(gè)尺度上的高頻子空間中細(xì)節(jié)信號(hào)的極大值點(diǎn)去掉，得到新的濾波數(shù)據(jù)，將每個(gè)尺度上處理后的數(shù)據(jù)通過小波重構(gòu)算法，得到原始量測數(shù)據(jù)在不同尺度上濾波后的結(jié)果。本發(fā)明具有高靈敏度、高精度、高準(zhǔn)確率、高穩(wěn)定性和高可靠性等特點(diǎn)。
文檔編號(hào)G06F19/00GK102509020SQ20111036160
公開日2012年6月20日 申請(qǐng)日期2011年11月15日 優(yōu)先權(quán)日2011年11月15日
發(fā)明者葉方, 康健, 李一兵, 李靖超, 林云, 田雪宜, 葛娟 申請(qǐng)人:哈爾濱工程大學(xué)