[发明专利]一种基于随机集理论的分布式融合方法

说明书

技术领域

本发明属于多传感器融合领域，它特别涉及了随机集理论下多目标跟踪和分布式多传感器融合技术领域。

背景技术

隐身技术的飞速发展使雷达探测技术面临巨大挑战。目标隐身设计针对单站雷达基于后向散射的探测机理，可显著减少被单站雷达捕获的后向散射能量，使单个雷达威力陡降，“威力清零”。现代战争军用电子干扰与城市民用电磁信号干扰是雷达探测技术面临的挑战之一。分布式多传感器网络探测技术能够充分利用空间多节点布局形态，有效地利用节点多频、多极化和目标的多向散射能量，实现复杂环境下隐身目标的探测。因此，多传感器目标融合技术成为传感器探测技术不可或缺的一部分。

多传感器融合技术已不是一个新的话题，其研究历史可追溯到1990年，许多学者对该技术进行了大量研究并取得了相应研究成果，为多传感器在用民用无线传感器网络和军用雷达网络等的实际应奠定了理论基础。传统多传感器融合算法的假设条件多为传感器间相互独立，然而这一假设在实际场景中往往是不成立的，因为当两个不同传感器观测统一目标时，传感器间是存未知水平的相关性。在传统多传感器跟踪领域，基于传感器间相关性的假设已有学者做了相关研究，但是，传统多传感器多目标融合算法存在一些问题：1)存在大量的数据关联算法：目标与量测的数据关联和传感器间目标的数据关联；2)由于传感器间存在相关性，在进行目标融合时，需要大量运算以计算该相关性。然而数据关联的计算量很大，且当目标个数较多并存杂波和虚警较高时，数据关联本身就会出现问题，比如组合爆炸，计算量呈指数形增长等问题。再加上计算相关性所需的计算资源，使得传统多传感器融合问题变得十分困难。

基于随机集理论的多目标跟踪问题中，将目标与量测分别建模成集合的形式，处理过程以集合为单位，不在考虑集合中元素之间的关系，可以避免数据关联，适用于目标个数较多以及杂波和虚警较高的情况。另外，基于随机集的跟踪算法还可以对目标个数进行实时的估计，适用于目标个数未知且时变的情况。在随机集框架下，由于基于广义协方差交叉信息准则的概率假设密度、基数化的概率假设密度和伯努利三种滤波器分布式融合闭合解表达式已存在，因此三种滤波器的分布式融合分别在2013、2013、2014年被实现。另外，多目标-伯努利滤波器仅仅需要递归一组伯努利参数，避免了集合积分，大大减少了计算量，具有很强的实用价值。相比上面提到的三种滤波器形式，在粒子滤波实现时无需聚类等额外处理一提取目标状态，因此性能更佳。但是由于在广义协方差交叉信息融合表达式中求和项的分数阶指数次幂的问题，我们很难得到闭合解形式的多目标伯努利分布式融合表达式。

发明内容

为了实现基于广义协方差交叉信息融合的多目标伯努利滤波器分布式融合，本发明提供了一种随机集框架下的分布式融合方法。该方法存在两步近似,在非标号的δ-广义多目标伯努利分布近似阶段，该方法假设目标状态之间是分离的，对求和项的分数阶指数次幂进行化简，使得多目标伯努利的分布式融合成为可能，并利用建立的传感器间航迹关系映射集合将融合后的分布近似为非标号的δ-广义多目标伯努利分布，实现了两个传感器间多目标伯努利分布式融合；在多目标伯努利分布近似阶段，该方法根据非标号的δ-广义多目标伯努利分布与多目标伯努利分布一阶统计特性相匹配特点，将其近似为多目标伯努利分布，解决了传感器网络多个传感器融合问题和带反馈形式的分布式融合问题。该方法具近似代价小、可以在多传感器网络中和带反馈工作模式的分布式融合下实现多目标伯努利融合等特点。

本发明提供了一种随机集理论下分布式融合方法，它包括以下步骤：

步骤1、选定多传感器融合准则：