[发明专利]一种有源无源数据融合方法

说明书

本发明提供了一种有源无源数据融合方法，通过模糊聚类的方法，在时间维度和空间维度上根据有源数据和无源数据之间的相似度，在时间维上数据对准，空间维上模糊聚类，进行数据子集划分和关联隶属度计算。与现有技术相比，灵活性好，相较于现有方法中融合结果的好坏取决于角度差阈值门限的选取，不再需要设置专门的融合门限，使用更加灵活化；融合误差低，大大提高了融合可靠性，降低了融合误差；适应性好，可适用于所有的有源/无源数据融合系统，对于多种传感器的数据融合系统也可适用，具有很好的系统适用性。

技术领域

本发明涉及一种有源无源数据融合方法，涉及雷达/电子战数据融合领域。

背景技术

近年来，随着武器装备的提升和信息化作战能力的提高，雷达、电子战一体化的系统成为发展趋势，使得基于有源数据与无源数据的融合技术成为研究重点。数据融合技术的本质是通过融合算法将不同传感器的信息融合到一起，从而获得比单一传感器更精确的信息。通过数据融合处理技术，可以扩展系统的时空覆盖范围，增强系统的稳定性和可靠性，同时增强对目标的跟踪能力和识别能力。

但是，由于有源传感器与无源传感器之间存在感知范围不匹配、感知维度不匹配、信息获取丢失等原因，导致目前并没有一种适用于有源传感器与无源传感器数据融合行之有效的方法。通常，有源传感器可以提供较为精确的目标位置信息，而无源传感器可以提供丰富的辐射源属性信息，但其提供的辐射源位置能力较弱，仅能给出到达角，且精度较差。现有的数据融合手段多是基于位置信息进行融合，通过对比有源与无源角度量测值，按照设定的角度差阈值门限进行融合判定，其融合结果受限于角度差阈值门限取值，可靠性低，误差大，极大的限制了该技术的应用范围。

发明内容

本发明要解决的技术问题是提供一种有源无源数据融合方法，能够克服现有方法受限于角度差阈值门限值设定导致的数据融合结果可靠性低、误差大的不足，降低了有源数据和无源数据的融合误差，提供了融合可靠性。

本发明采用的技术方案如下：

一种有源无源数据融合方法，通过模糊聚类的方法，在时间维度和空间维度上根据有源数据和无源数据之间的相似度，在时间维上数据对准，空间维上模糊聚类，进行数据子集划分和关联隶属度计算。

具体方法包括，

对有源数据和无源数据进行时间融合(1)，对在不同的观测时间和扫描周期内获取的有源数据和无源数据在时间维度上进行数据整合，包括时间片划分和时间对准；其中，所述时间对准是指，在选择的时间片内，对有源数据和无源数据量测时刻进行统一排序，形成量测时刻统一排序的有源量测数据和无源量测数据；

获取隶属关系表(3)，基于模糊聚类方法，按照对应量测时刻，计算同一量测时刻对应的有源数据与无源数据的空间统计距离，并构造模糊矩阵，获取隶属度关系表；

关联融合(4)，根据隶属度关系表，对有源数据与无源数据进行关联融合。

所述方法还包括，补全有源数据(2)，时间融合后，按照统一排序的量测时刻，查询该时刻是否存在量测的有源数据，如果是，则基于模糊聚类方法获取隶属关系表，如果否，则推算该时刻的有源数据。

推算有源数据的具体方法为，按照融合后的时间序列，通过内插或外推的方法，补足对应所有无源数据量测时刻的有源数据。

所述时间片划分以具体时间的运动属性确定，目标速度越快，划分的时间片越短。

获取隶属关系表的具体方法包括，

根据同一量测时刻某一有源数据对应的所有无源数据，得到该时刻有源数据与其所对应的所有无源数据的距离模糊子集；所述距离模糊子集中的距离根据有源数据与无源数据的空间位置的距离平方差确定；

根据有源数据与无源数据之间各个距离的关联程度，选择至少两种隶属度函数进行度量；