[发明专利]基于分布式浮标探测的多源信息融合方法

权利要求书

1.基于分布式浮标探测的多源信息融合方法，其特征在于，所述多源信息融合方法包括以下步骤：

步骤一：对观测数据进行预处理，对含有噪声和杂波的观测数据的有效性进行判断，选择一个阈值，根据所述阈值去除掉环境干扰造成的有误差的不合理数据值；

步骤二：选择合适的神经网络类型，构建多层神经网络模型，通过对输入数据的学习、训练，经过调整系统的参数和反馈信息，得出最佳估计的融合模型；

步骤三：将经过预处理的观测数据输入最佳估计的融合模型，得出最佳判决；

步骤一中，具体的，设当表示第i-1点的坐标滤波值，表示第i-1点的速度滤波值，ΔS_wx,i-1表示第i-1点至i点的目标航程在X轴上的分量，ΔT表示滤波采样间隔时间，那么表示第i-1点对i点的线性外推值为

当输入的采样点X_i满足

则认为该采样点X_i为合理点，机器予以接收，否则认为是不合理点，予以剔除，而用点代替采样点X_i，ΔX是采样点与线性外推值的差值，δ_j表示观测误差均方差，下标j为连续剔点个数，采样点为合理点时，要清楚连续剔点信息和计数。

2.根据权利要求1所述的基于分布式浮标探测的多源信息融合方法，其特征在于，步骤二中，具体的，如果待估计参数是θ，而经预处理后的观测资料是x_i，i＝1,…,N，并且已知这种估计是无偏的，即E[x_i]＝θ，i＝1,…,N，以向量表示

x＝[x₁,...,x_N]^T

寻求加权系数

令

x_new＝w^Ｔx

使得

I＝E[w^T(x-Ex)]²

极小，约束条件是

w^TU＝1

其中U^T＝[1,...1]，因此有

I＝w^TR_xxw

其中

R_xx＝E[(x-Ex)(x-Ex)^T]

是输入向量x的相关矩阵，在观测资料相互独立的情况下，R_xx为一个对角矩阵，用Lagrange乘子法，求条件极值，引入参数λ，考虑

z＝w^TR_xxw+λw^TU

求偏微商得到

令上式为0，求出最佳融合下的加权系数为：

再用约束条件求解λ，得到

可以证明，对任何i

由上式可知，不管观测数据的数量有多少，不管观测资料是独立的还是相关的，最佳线性融合的结果从统计平均意义上来说，比任何单个观测量的估计误差都要小。