CN103729357A - 一种分布式传感器系统数据关联方法 - Google Patents
一种分布式传感器系统数据关联方法 Download PDFInfo
- Publication number
- CN103729357A CN103729357A CN201210384700.6A CN201210384700A CN103729357A CN 103729357 A CN103729357 A CN 103729357A CN 201210384700 A CN201210384700 A CN 201210384700A CN 103729357 A CN103729357 A CN 103729357A
- Authority
- CN
- China
- Prior art keywords
- sensor
- center
- fusion center
- data association
- localized
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种分布式传感器系统数据关联方法,该方法步骤如下:(1)选择离各传感器距离最近的一个局部传感器作为融合中心;(2)融合中心求出待检单元矩形中心点;(3)局部传感器计算中心点在各局部传感器极坐标系中的分辨单元;(4)局部传感器将计算出的分辨单元的数据传给融合中心;(5)融合中心采用各局部传感器的数据进行数据关联。本发明具有易分析,易实现的特点,可以有效的提高测量,估计和决策的可靠性。
Description
技术领域
本发明涉及一种分布式传感器系统数据关联方法,更具体来说,涉及一种具有融合中心和多个局部传感器的分布式传感器系统。
背景技术
分布式传感器网络是由一组传感器构成的有线或无线网络,能协作地采集和处理网络覆盖地理区域中所感知对象的信息。例如,传感器网络可以对感兴趣区域内的车辆,行人等进行目标定位和检测,从而进行动态规划。传感器网络工作方式是将很多传感器节点放到感兴趣的区域,各个独立的传感器根据接收到的信号进行独立检测和判断,再将结果传递到融合中心。融合中心利用这些物理量的附加信息,依靠传感器网络中各节点的协同感知和计算能力做出最终的判断。
数据关联是根据合理的方法寻求不同传感器对同一事物或者现象的观测数据和处理结果,将寻求到的结果传送给后级进行数据融合。只有正确地实现数据关联,数据融合才能有效地进行。
分布式检测系统是利用多部局部传感器来进行统一检测的系统。因此数据关联方法的目的就是如何获取各局部传感器对同一目标的原始观测数据。如果数据关联正确,则后级的数据融合能够提高检测性能;相反,若某局部传感器数据关联错误,其用于融合的数据就不包含目标信号而仅仅是噪声,融合这些数据会对整体检测性能造成恶化。可见,数据关联方法的好坏直接影响着最终的融合性能。
过去分布式检测系统的研究主要集中在数据融合即如何寻求好的融合准则来进行检测上面,这些方法都假设数据关联能够完全正确地实现,而对具体数据关联方法关注则很少。但很显然两方面原因决定了数据关联是不可或缺的工作,一是完全正确的数据关联方法几乎不可能实现,实际情况总是有错误关联情况的,这些错误会对检测方法产生影响。原来表现较好的检测方法由于其稳健性能差可能就不再适合了,因此需要重新检验各检测方法的性能;二是分布式检测系统最后应该是要投入实用的,而系统要实用化就必须实现数据关联。
发明内容
本发明针对现有技术的不足,提出了一种低复杂度的关联方法,该方法具有易分析,易实现的特点。可以有效的提高测量,估计和决策的可靠性。
分布式传感器系统有一个融合中心,由融合中心进行目标最终位置的判断。目标位置采用极坐标表示。检测将按照分辨单元进行,分辨单元大小由融合中心采用的距离分辨率和角度分辨率决定。
每一局部传感器单独扫描场景,获得回波,当有目标时该回波为噪声叠加目标信号,无目标时为纯噪声。同样局部传感器也采用极坐标,其分辨单元大小由自身的距离分辨率和角度分辨率决定。它的数据是以分辨单元来进行存储或者处理。
融合中心当前考察的检测单元称为待检单元,矩形中心决定法即是利用了分辨单元的中心点来进行数据关联的方法,其步骤如下:
1.选择离各传感器距离最近的一个局部传感器作为融合中心;
2.融合中心将待检单元近似为矩形,并求出该矩形单元中心点;
3.局部传感器计算中心点在各局部传感器极坐标系中的分辨单元;
4.局部传感器将计算出的分辨单元的数据传给融合中心;
5.融合中心采用各局部传感器的数据进行数据关联。
步骤1中,融合中心的选择依据是使得融合中心到各局部传感器的距离之和最小。
步骤2中,待检测单元的中心点为该矩形的几何中心点。
步骤3中,将各局部传感器的的坐标改为极坐标系,计算几何中心点在极坐标系中的分辨单位位置。
附图说明
图1是示出根据本发明实施例的中心决定关联方法结构图
图2是示出根据本发明实施例的中心决定关联方法流程图
图3是示出根据本发明实施例的分辨单元矩形近似方法
具体实施方式
下面结合附图和实施例进一步说明本发明的技术方案。
图1给出了采用2个传感器进行数据关联的结构图。每个传感器有自己的分辨单元,传感器需要找出正确的分辨单元,并将该分辨单元的数据传给融合中心。
图2给出了采用2个传感器进行数据关联的方法。步骤210,在图1只有2个传感器的情况下,任意选择其中一个作为融合中心,假设右侧传感器为融合中心,对分辨单元(粗实线标出)进行检测。
在步骤220中,融合中心将待检单元近似为矩形,计算得出M为该分辨单元的矩形中心点,P11-P14为传感器1的分辨单元中心点,M,P11-P14表示它们各自所在的分辨单元。
图3为将分辨单位近似为矩形的方法。分辨单元有四个顶点A,B,C,D。连接AB和CD,由顶点A和C分别向线段CD做垂线,得到顶点C’和D’。连接ABD’C得到矩形。该矩形中心点为M点。
为关联传感器1的数据,在步骤230中,确定M点在传感器1极坐标中所处的分辨单元,图中给出是P11。传感器1对P11单元的观测数据进行关联,在步骤240中,传感器1将P11单元的数据传给融合中心。在步骤250中,融合中心利用P11单元和M单元的数据进行计算,这样就完成了分辨单元M和局部传感器1的数据关联。
如果传感器的个数大于3,则选择距离各传感器距离最近的传感器作为融合中心。
中心决定方法的主要特点是:第一,它保证对融合中心的每一待检单元关联的数据有且仅有N个,N为局部传感器数目。第二,该方法实现简单,它不需要关注融合中心以及各局部传感器的分辨率、周期,目标运动速度、方向等参数。
考虑三传感器分布式检测系统,先假设三部传感器在一条直线上,中间传感器和两侧传感器间距均为20km,比较两种配置:a)融合中心建立在中间传感器上,b)融合中心建立在两侧中的某一部传感器上。然后假设三部传感器构成一个“L”形,同样中间传感器相距两侧传感器为20km,也比较两种配置:c)融合中心建立在中间传感器,d)融合中心建立在端上的局部传感器。目标和融合方法等设置和前述两传感器系统相同。由于是三传感器,关联情况共有四种:3部传感器均关联正确;仅2部传感器关联正确;仅1部传感器关联正确;无传感器关联正确。
假设三个传感器的虚警概率分别为0.1874×10-6,0.3396×10-6,0.4633×10-6。四种情况下对应的关联概率见下表。
Pc0 | Pc1 | Pc2 | Pc3 | PD | |
(a) | 0 | 0.2727 | 0.4611 | 0.2662 | 0.3310 |
(b) | 0 | 0.3799 | 0.3662 | 0.2539 | 0.3131 |
(c) | 0 | 0.2825 | 0.4436 | 0.2739 | 0.3305 |
(d) | 0 | 0.3341 | 0.4007 | 0.2652 | 0.3215 |
从关联结果来看,尽管两种配置都将融合中心建立在局部传感器上面,配置(a),(c)性能好于配置(b),(d),这是由于配置(a)和(c)中的融合中心与各局部传感器的距离更小,(a)和(c)这3个距离是0km,20km和20km,而(b)中这3个距离是0km,20km和40km,(d)中则是0km,20km和28km。这表明把融合中心选择在距各传感器都比较接近的一个局部传感器上面可以获得更好的关联概率,并进而提高系统检测概率。
尽管已经示出并描述了本发明的一些实施例,但是本领域的技术人员应认识到:在不脱离本发明的原理和精神情况下,可以对这些实施例进行改变,其中,本发明的范围在权力要求极其等同物中限定。
Claims (4)
1.一种分布式传感器系统数据关联方法,其特征在于:
(1)选择离各传感器距离最近的一个局部传感器作为融合中心;
(2)融合中心求出待检单元中心点;
(3)局部传感器计算中心点在各局部传感器极坐标系中的分辨单元;
(4)局部传感器将计算出的分辨单元的数据传给融合中心;
(5)融合中心采用各局部传感器的数据进行数据关联。
2.根据权利要求1所述的方法,在步骤(1)中,融合中心位于某个局部传感器上,且该传感器到其他传感器的距离之和最小。
3.根据权利要求1所述的方法,在步骤(2)中,融合中心将待检测单元近似为矩形,中心点为该矩形的几何中心点。
4.根据权利要求1所述的方法,在步骤(3)中,将各局部传感器的的坐标改为极坐标系,计算矩形几何中心点在极坐标系中的分辨单位位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210384700.6A CN103729357A (zh) | 2012-10-12 | 2012-10-12 | 一种分布式传感器系统数据关联方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210384700.6A CN103729357A (zh) | 2012-10-12 | 2012-10-12 | 一种分布式传感器系统数据关联方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103729357A true CN103729357A (zh) | 2014-04-16 |
Family
ID=50453435
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210384700.6A Pending CN103729357A (zh) | 2012-10-12 | 2012-10-12 | 一种分布式传感器系统数据关联方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103729357A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106535248A (zh) * | 2016-08-11 | 2017-03-22 | 青岛大学 | 无线传感器网络基于数据驱动策略的鲁棒状态融合方法 |
CN109343051A (zh) * | 2018-11-15 | 2019-02-15 | 众泰新能源汽车有限公司 | 一种用于高级辅助驾驶的多传感器数据融合方法 |
-
2012
- 2012-10-12 CN CN201210384700.6A patent/CN103729357A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106535248A (zh) * | 2016-08-11 | 2017-03-22 | 青岛大学 | 无线传感器网络基于数据驱动策略的鲁棒状态融合方法 |
CN106535248B (zh) * | 2016-08-11 | 2019-10-15 | 青岛大学 | 无线传感器网络基于数据驱动策略的鲁棒状态融合方法 |
CN109343051A (zh) * | 2018-11-15 | 2019-02-15 | 众泰新能源汽车有限公司 | 一种用于高级辅助驾驶的多传感器数据融合方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101350389B1 (ko) | 무선 센서 네트워크를 이용한 무선 측위 방법 및 그 장치 | |
CN105338498A (zh) | 一种WiFi室内定位系统中指纹库的构建方法 | |
CN106257301B (zh) | 基于统计推断的分布式时空关联模型轨迹跟踪方法 | |
WO2019165779A1 (zh) | 一种定位方法及系统 | |
CN104793183A (zh) | 一种基于交点判定的三边定位方法 | |
CN105425206B (zh) | 一种非同步无线网络中的稳健最小二乘定位方法 | |
Chen et al. | Efficient localization scheme with ring overlapping by utilizing mobile anchors in wireless sensor networks | |
CN103442437A (zh) | 一种基于可信邻居距离的无线传感网节点定位校准方法 | |
CN105163382A (zh) | 一种室内区域定位优化方法及系统 | |
CN103327603A (zh) | 用于无线传感器网的基于apit的节点三维定位法 | |
CN105334497A (zh) | 一种三维定位方法和装置 | |
CN105203994B (zh) | 一种电子标签定位方法、装置、服务器及系统 | |
CN107222925A (zh) | 一种基于聚类优化的节点定位方法 | |
CN103729357A (zh) | 一种分布式传感器系统数据关联方法 | |
CN103002570B (zh) | 一种基于集合运算的无线定位方法 | |
CN107613502B (zh) | 一种传感器网络非规则区域节点定位方法及其装置 | |
Kaur et al. | Review on localization techniques in wireless sensor networks | |
CN102170695A (zh) | 一种基于球壳交集的无线传感器网络三维定位方法 | |
CN107003377A (zh) | 用于经由超级区的交叉的细化定位的方法和系统 | |
CN106937298B (zh) | 一种改进的无线传感器网络三维定位方法 | |
CN105203992A (zh) | 一种以到信标点估算距离为搜寻准则的DV-Hop定位方法 | |
CN103945528A (zh) | 无线传感器网络中的单目标定位方法 | |
CN103731848A (zh) | 一种多传感器分布式系统的数据融合方法 | |
Sivakumar | Artificial bee colony algorithm for localization in wireless sensor networks | |
CN104101860A (zh) | 一种基于正交投影能够检测无线传感网络节点翻转模糊的定位器 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20140416 |