CN103926564A - 一种多源监视数据的融合方法及装置 - Google Patents

Abstract

本发明提供了一种多源监视数据的融合方法及装置。上述方法包括：定位目标所在的单位区域，获取该单位区域对应的多个监视源的静态权重；根据实时质量监控结果、系统状态协方差估计值以及上一周期融合效果获取所述单位区域对应的动态权重；根据所述静态权重和所述动态权重获取所述单位区域对应的综合权重；采用综合权重对所述单位区域内的多源监视数据进行融合。根据本发明提供的技术方案，考虑到各个监视传感器的实时状态、单个数据源与多源数据融合的结果的差异情况，结合静态权重和动态权重加权的融合算法有效地跟踪了雷达精度的变化，实时性得到保障。

Description

一种多源监视数据的融合方法及装置

技术领域

本发明涉及通信领域，具体而言，涉及一种多源监视数据的融合方法及装置。

背景技术

多源监视数据融合是空管自动化系统中的核心算法之一。如果在空中飞行的航空器目标可以被多部监视源探测到，则该目标的位置应该由探测到它的多个监视数据共同确定，该确定过程即可视为数据融合。

相关技术中，多源数据融合算法通常采用静态权重进行加权融合，但是这种传统的静态权重融合算法没有考虑在实际运行过程中监视传感器(如雷达)精度的变化情况。

目前，一些行业内通用的融合采用动态加权融合，主要根据单个数据源与多源数据融合的结果比较来计算权重。然而这种加权融合算法忽略了监视传感器的经验性数据，同时其动态权重只是顾及了部分的监视传感器状态，对各类因素的兼顾不够全面。

发明内容

本发明提供了一种多源监视数据的融合方法及装置，以至少解决上述问题之一。

根据本发明的一个方面，提供了一种多源监视数据的融合方法。

根据本发明的多源监视数据的融合方法包括：定位目标所在的单位区域，获取该单位区域对应的多个监视源的静态权重；根据实时质量监控结果、系统状态协方差估计值以及上一周期融合效果获取上述单位区域对应的动态权重；根据上述静态权重和上述动态权重获取上述单位区域对应的综合权重；采用综合权重对上述单位区域内的多源监视数据进行融合。

根据本发明的另一方面，提供了多源监视数据的融合装置。

根据本发明的多源监视数据的融合装置包括：定位模块，用于定位目标所在的单位区域，获取该单位区域对应的多个监视源的静态权重；第一获取模块，用于根据实时质量监控结果、系统状态协方差估计值以及上一周期融合效果获取上述单位区域对应的动态权重；第二获取模块，用于根据上述静态权重和上述动态权重获取上述单位区域对应的综合权重；数据融合模块，用于采用综合权重对上述单位区域内的多源监视数据进行融合。

由于采用了上述技术方案，本发明的有益效果是：结合静态权重和动态权重加权的融合算法有效地跟踪了雷达精度的变化，实时性得到保障。

附图说明

图1为根据本发明实施例的多源监视数据的融合方法的流程图；

图2为根据本发明优选实施例的IMM算法基本流程的示意图；

图3为根据本发明优选实施例的多源监视数据的融合方法的流程图；

图4为根据本发明实施例的多源监视数据的融合装置的结构框图；以及

图5为根据本发明优选实施例的多源监视数据的融合装置的结构框图。

具体实施方式

下面通过具体的实施例子并结合附图对本发明做进一步的详细描述。

图1为根据本发明实施例的多源监视数据的融合方法的流程图。如图1所示，该多源监视数据的融合方法包括：

步骤S101：定位目标所在的单位区域，获取该单位区域对应的多个监视源的静态权重；

步骤S103：根据实时质量监控结果、系统状态协方差估计值以及上一周期融合效果获取上述单位区域对应的动态权重；

步骤S105：根据上述静态权重和上述动态权重获取上述单位区域对应的综合权重；

步骤S107：采用综合权重对上述单位区域内的多源监视数据进行融合。

相关技术中，静态权重的融合算法没有考虑在实际运行过程中监视传感器(如雷达)精度的变化情况。而普通的加权融合算法则忽略了监视传感器的经验性数据，同时其动态权重只是顾及了部分的监视传感器状态，对各类因素的兼顾不够全面。在图1所示的方法中，考虑到各个监视传感器的实时状态、单个数据源与多源数据融合的结果的差异情况，结合静态权重和动态权重加权的融合算法有效地跟踪了雷达精度的变化，实时性得到保障。

其中，步骤S101中涉及的静态权重划分可以通过马赛克的方式来实现。选择将管制区域划分为特定大小的马赛克区域(例如4Km×4Km)。在每个马赛克区域内，考虑该马赛克区域与监视源的距离、监视设备本身的精度等因素，对覆盖该马赛克区域内的每部监视源的权重分别进行设置。由此可见，静态权重值可以根据经验进行动态设置。

优选地，上述实时质量监控结果包括：通道状态检查结果以及测试目标验证结果，其中，上述通道状态检查结果包括：监视数据正常周期与监视数据延迟值的比值，上述测试目标验证结果包括：设定的测试目标根据雷达信号确定的距离与该测试目标的真实距离的比值。

在优选实施过程中，实时质量监控(RTQC)主要监视各类监视数据的接口状态来修正监视数据的误差。RTQC功能包括通道状态检查、帧校验、服务信息连续性检验、数据必备项检查、测试目标验证、数据项有效性检验、航迹连续性检验。其中，对动态权重有贡献的主要是通道状态检查和测试目标验证。

通道状态检查主要是根据目标到达正北的时间，以及同一目标在不同周期到达的时间等信息所决定的数据的延迟来反映该监视源的质量好坏。延迟值相对于正常周期的比例越大，监视源可用性越差；延迟值相对于正常周期的比例越小，监视源质量越好。这一因子用周期对延迟值的比来表示，记为DL_i。

测试目标验证主要是根据所设定好的测试目标在雷达信号的位置信息，与该测试目标设定的准确位置进行比较，来反映该监视源测量精度的情况。两者位置越接近，监视源质量越好；两者位置偏离越大，监视源质量越差。这一因子用监视设备测量到的距离对测试目标的真实距离的比表示，记为TO_i。

在空管自动化系统中存在一个特定时间长度的质量监控窗口(该窗口的长度可配)，监视数据前置处理(surveillance Data FrontProcess，简称为SDFP)会将所有经过该监控窗口的质量监测指标进行统计后作为动态权重的参考因素。

优选地，上述系统状态协方差估计值通过交互式多模型(Interactive Multi-Model，简称为IMM)算法获取。

在优选实施过程中，单监视源目标跟踪处理功能由监视数据处理(surveillance Data Process，简称为SDP)实现。SDP采用交互式多模型(Interacting Multiple Model，简称为IMM)算法对单监视源航迹数据进行滤波处理。

IMM算法的本质思想是同时维护几个滤波，每个滤波各自都有对特定运动优化了的动态模型，利用同一目标的测量值来更新模型的状态值和目标变量的估计值以及相应的协方差矩阵。根据空中交通管制的实际要求，在空管自动化系统中采用两个标准CT模型和一个CV模型，其中两个对称的转弯模型(CT模型)分别对应目标的逆时针和顺时针转弯运动，CV对应目标的直线运动。滤波算法可以采用Kalman滤波。以下结合图2进行描述。

图2为根据本发明优选实施例的IMM算法基本流程的示意图。如图2所示，X_i表示模型M_i的状态估计值，P_i表示模型M_i的状态协方差估计值，i＝0,1,2，X_0i表示模型M_i的交互状态估计值，P_0i表示模型M_i的交互状态协方差估计值，U_i代表模型M_i的初始概率，A_i代表模型M_i的似然函数，X表示系统状态估计值(空管自动化系统中，跟踪的目标状态变量表示为(x,V_x,y,V_y,ω,z)^T；其中x、表示X和Y方向的距离，z表示高度，V_x、V_y为X和Y方向上的速度值，ω为转弯速率)。P表示系统状态协方差估计值。Filter0、Fileter1、Filter2分别代表直线模型、左转弯模型和右转弯模型的Kalman滤波。每次滤波运算的结果作为本次状态估计值更新，同时作为下一次运算的输入交互的初始值，循环进行。

由图2可见，在上述处理流程中，状态输出由两部分组成：X(K)为表示系统状态估计值，P(K)为系统状态协方差估计值。而P变量的物理意义则是表明了IMM算法对该目标机动状态描述的准确程度。空管自动化系统采用P^T(即P的转置矩阵)作为另一个决定动态权重的因素。

优选地，上述上一周期融合效果通过上一周期单监视源航迹相对于多源融合航迹的偏离值来体现。

在优选实施过程中，空管自动化系统除了考虑通道传输质量、测量精度、IMM算法跟踪质量外，还考虑了单监视源信息偏离多源融合信息的程度。根据空管自动化系统融合算法得到系统融合航迹值之后，如果单监视源航迹越接近融合航迹，则该监视源的权重值应该越高；如果单监视源航迹越偏离融合航迹，则该雷达的权重值应该越低。这一因子用上一周期单监视源航迹相对于多源融合航迹的偏离值的倒数来表示，记为Dev_i。

优选地，通过以下公式获取上述单位区域对应的动态权重DWi：

DW_i＝DL_i·TO_i·Dev_i·P^T；

其中，DLi为监视数据正常周期与监视数据延迟值的比值，TOi为设定的测试目标根据雷达信号确定的距离与该测试目标的真实距离的比值，Devi为上一周期单监视源航迹相对于多源融合航迹的偏离值的倒数，PT为系统状态协方差估计值的转置矩阵。

优选地，通过以下公式获取上述单位区域对应的综合权重Wi：

$W_i=\frac{{\mathrm{SW}}_i\·{\mathrm{DW}}_i}{\underset{\mathrm{radars}}{\mathrm{\Σ}}{\mathrm{SW}}_i\·{\mathrm{DW}}_i};$

其中，SWi为上述单位区域对应的多个监视源的静态权重，DWi为上述单位区域对应的动态权重，radars为参加多源监视数据融合的雷达数目。

优选地，通过以下公式对上述单位区域内的多源监视数据进行融合：

X＝∑W_iX_i；

其中，X表示上述单位区域内的多源监视数据融合结果，Wi为上述单位区域对应的综合权重，Xi为各个上述监视源所对应的监视数据。

以下结合图3的示例进一步描述上述优选实施方式。

图3为根据本发明优选实施例的多源监视数据的融合方法的流程图。如图3所示，该多源监视数据的融合方法包括以下处理：

步骤S301：定位目标所在的马赛克区域(即单位区域)，得到该马赛克区域对应的多个监视源的静态权重SW_i；

步骤S303：根据SDFP所提供的通道状态检查结果DL_i和测试目标验证结果TO_i、统状态协方差估计值的转置矩阵P^T、以及上一周期单监视源航迹相对于多源融合航迹的偏离值Dev_i，计算得到单位区域对应的多个监视源的动态权重DW_i；

DW_i＝DL_i·TO_i·Dev_i·P^T

步骤S305：结合动态权重DW_i和静态权重SW_i，计算综合权重系数W_i；

$W_i=\frac{{\mathrm{SW}}_i\·{\mathrm{DW}}_i}{\underset{\mathrm{radars}}{\mathrm{\Σ}}{\mathrm{SW}}_i\·{\mathrm{DW}}_i};$

其中，radars为参加融合的雷达数目。

步骤S307：上述单位区域内的多源监视数据进行融合，得到融合数据X：

X＝∑W_iX_i

图4为根据本发明实施例的多源监视数据的融合装置的结构框图。如图4所示，该多源监视数据的融合装置包括：第一获取模块40，用于定位目标所在的单位区域，获取该单位区域对应的多个监视源的静态权重；第二获取模块42，用于根据实时质量监控结果、系统状态协方差估计值以及上一周期融合效果获取上述单位区域对应的动态权重；第三获取模块44，用于根据上述静态权重和上述动态权重获取上述单位区域对应的综合权重；数据融合模块46，用于采用综合权重对上述单位区域内的多源监视数据进行融合。

根据图4所示的装置，考虑到各个监视传感器的实时状态、单个数据源与多源数据融合的结果的差异情况，结合静态权重和动态权重加权的融合算法有效地跟踪了雷达精度的变化，实时性得到保障。

优选地，上述实时质量监控结果包括：通道状态检查结果以及测试目标验证结果，其中，上述通道状态检查结果包括：监视数据正常周期与监视数据延迟值的比值，上述测试目标验证结果包括：设定的测试目标根据雷达信号确定的距离与该测试目标的真实距离的比值；

上述系统状态协方差估计值通过交互式多模型IMM算法获取；以及

上述上一周期融合效果通过上一周期单监视源航迹相对于多源融合航迹的偏离值来体现。

优选地，如图5所示，上述第二获取模块42包括：第一计算单元420；其中，上述第一计算单元420用于通过以下公式获取上述单位区域对应的动态权重DW_i：

DW_i＝DL_i·TO_i·Dev_i·P^T；

其中，DL_i为监视数据正常周期与监视数据延迟值的比值，TO_i为设定的测试目标根据雷达信号确定的距离与该测试目标的真实距离的比值，Dev_i为上一周期单监视源航迹相对于多源融合航迹的偏离值的倒数，P^T为系统状态协方差估计值的转置矩阵。

优选地，如图5所示，上述第三获取模块44包括：第二计算单元440；其中，上述第二计算单元用于通过以下公式获取上述单位区域对应的综合权重W_i：

$W_i=\frac{{\mathrm{SW}}_i\·{\mathrm{DW}}_i}{\underset{\mathrm{radars}}{\mathrm{\Σ}}{\mathrm{SW}}_i\·{\mathrm{DW}}_i};$

其中，SW_i为上述单位区域对应的多个监视源的静态权重，DW_i为上述单位区域对应的动态权重，radars为参加多源监视数据融合的雷达数目。

优选地，如图5所示，上述数据融合模块46包括：第三计算单元460；其中，上述第三计算单元460，用于通过以下公式对上述单位区域内的多源监视数据进行融合：

X＝∑W_iX_i；

其中，X表示上述单位区域内的多源监视数据融合结果，W_i为上述单位区域对应的综合权重，X_i为各个上述监视源所对应的监视数据。

上述装置中的各模块各单元的优选实施方式具体可以参见图1至图2，此处不再赘述。

综上上述，借助本发明提供的实施例，在对多源监视数据融合之前，配置每部监视源在各个区域的静态权重；融合过程中，影响监视传感器状态的各个指标因子(如单雷达测试目标偏移量、通道延时等)，以及单监视源目标进行滤波产生的协方差，可形成动态权重。结合静态权重和动态权重，采用加权融合的方式来确定目标的准确位置。本发明实施例，不仅考虑传统的静态权重，同时还考虑到各个监视数据传感器的实时状态、单个数据源与多源数据融合的结果的差异情况。因此，结合静态权重和动态权重加权的多源监视数据的融合方案有效地跟踪了雷达精度的变化，实时性得到保障。该方案可有效应用于民航区域管制中心空管自动化系统、民航空管分局(站)空管自动化系统的监视数据处理系统中。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (12)

1.一种多源监视数据的融合方法，其特征在于，包括：

定位目标所在的单位区域，获取该单位区域对应的多个监视源的静态权重；

根据实时质量监控结果、系统状态协方差估计值以及上一周期融合效果获取所述单位区域对应的动态权重；

根据所述静态权重和所述动态权重获取所述单位区域对应的综合权重；

采用综合权重对所述单位区域内的多源监视数据进行融合。

2.根据权利要求1所述的方法，其特征在于，所述实时质量监控结果包括：通道状态检查结果以及测试目标验证结果，其中，所述通道状态检查结果包括：监视数据正常周期与监视数据延迟值的比值，所述测试目标验证结果包括：设定的测试目标根据雷达信号确定的距离与该测试目标的真实距离的比值。

3.根据权利要求1所述的方法，其特征在于，所述系统状态协方差估计值通过交互式多模型IMM算法获取。

4.根据权利要求1所述的方法，其特征在于，所述上一周期融合效果通过上一周期单监视源航迹相对于多源融合航迹的偏离值来体现。

5.根据权利要求1至4中任一项所述的方法，其特征在于，通过以下公式获取所述单位区域对应的动态权重DW_i：

DW_i＝DL_i·TO_i·Dev_i·P^T；

其中，DL_i为监视数据正常周期与监视数据延迟值的比值，TO_i为设定的测试目标根据雷达信号确定的距离与该测试目标的真实距离的比值，Dev_i为上一周期单监视源航迹相对于多源融合航迹的偏离值的倒数，P^T为系统状态协方差估计值的转置矩阵。

6.根据权利要求1至4中任一项所述的方法，其特征在于，通过以下公式获取所述单位区域对应的综合权重W_i：

$W_i=\frac{{\mathrm{SW}}_i\·{\mathrm{DW}}_i}{\underset{\mathrm{radars}}{\mathrm{\Σ}}{\mathrm{SW}}_i\·{\mathrm{DW}}_i};$

其中，SW_i为所述单位区域对应的多个监视源的静态权重，DW_i为所述单位区域对应的动态权重，radars为参加多源监视数据融合的雷达数目。

7.根据权利要求1至4中任一项所述的方法，其特征在于，通过以下公式对所述单位区域内的多源监视数据进行融合：

X＝∑W_iX_i；

其中，X表示所述单位区域内的多源监视数据融合结果，W_i为所述单位区域对应的综合权重，X_i为各个所述监视源所对应的监视数据。

8.一种多源监视数据的融合装置，其特征在于，包括：

第一获取模块，用于定位目标所在的单位区域，获取该单位区域对应的多个监视源的静态权重；

第二获取模块，用于根据实时质量监控结果、系统状态协方差估计值以及上一周期融合效果获取所述单位区域对应的动态权重；

第三获取模块，用于根据所述静态权重和所述动态权重获取所述单位区域对应的综合权重；

数据融合模块，用于采用综合权重对所述单位区域内的多源监视数据进行融合。

9.根据权利要求8所述的装置，其特征在于，所述实时质量监控结果包括：通道状态检查结果以及测试目标验证结果，其中，所述通道状态检查结果包括：监视数据正常周期与监视数据延迟值的比值，所述测试目标验证结果包括：设定的测试目标根据雷达信号确定的距离与该测试目标的真实距离的比值；

所述系统状态协方差估计值通过交互式多模型IMM算法获取；以及

所述上一周期融合效果通过上一周期单监视源航迹相对于多源融合航迹的偏离值来体现。

10.根据权利要求8或9所述的装置，其特征在于，所述第二获取模块包括：第一计算单元；所述第一计算单元用于通过以下公式获取所述单位区域对应的动态权重DW_i：

DW_i＝DL_i·TO_i·Dev_i·P^T；

其中，DL_i为监视数据正常周期与监视数据延迟值的比值，TO_i为设定的测试目标根据雷达信号确定的距离与该测试目标的真实距离的比值，Dev_i为上一周期单监视源航迹相对于多源融合航迹的偏离值的倒数，P^T为系统状态协方差估计值的转置矩阵。

11.根据权利要求8或9所述的装置，其特征在于，所述第三获取模块包括：第二计算单元；所述第二计算单元用于通过以下公式获取所述单位区域对应的综合权重W_i：

$W_i=\frac{{\mathrm{SW}}_i\·{\mathrm{DW}}_i}{\underset{\mathrm{radars}}{\mathrm{\Σ}}{\mathrm{SW}}_i\·{\mathrm{DW}}_i};$

其中，SW_i为所述单位区域对应的多个监视源的静态权重，DW_i为所述单位区域对应的动态权重，radars为参加多源监视数据融合的雷达数目。

12.根据权利要求8或9所述的装置，其特征在于，所述数据融合模块包括：第三计算单元；所述第三计算单元，用于通过以下公式对所述单位区域内的多源监视数据进行融合：

X＝∑W_iX_i；

其中，X表示所述单位区域内的多源监视数据融合结果，W_i为所述单位区域对应的综合权重，X_i为各个所述监视源所对应的监视数据。