CN104240542B - 一种基于地磁传感器网络的机场场面机动目标识别方法 - Google Patents

Abstract

本发明公开了一种基于地磁传感器网络的机场场面机动目标识别方法。该方法通过将多组AMR地磁传感器布置于跑道中线获得机场场面机动目标的磁信号，依次利用时域及频域方法提取X、Y、Z三个轴向目标信号特征，并分别识别三个轴向目标信号特征得到单传感器的单轴向识别结果，对单传感器的单轴向识别结果先后进行一级多传感器单轴向数据融合和二级多传感器多轴向数据融合，根据二级融合结果做出决策获得最终识别结果。本发明首次提出一套完整的基于地磁传感器网络机动目标识别方法并将其运用到机场场面机动目标识别中，特征参数丰富，处理数据量小，可靠性高。

Description

一种基于地磁传感器网络的机场场面机动目标识别方法

技术领域

本发明涉及机场管制技术领域，特别是一种机场场面机动目标识别领域的识别方法。

背景技术

由于飞机起降架次及人为错误等原因，跑道入侵成为影响机场场面安全的重大隐患，预防跑道入侵成为重要问题。跑道入侵防御系统分为目标检测识别、目标跟踪及入侵控制三个部分。目标检测识别作为系统的监视功能部分，通过非协作式机场场面活动目标的检测和识别方法，为跑道入侵防御提供信息支持。

目前应用于机场目标识别的雷达监视技术和视频识别技术，实施工程量大，处理数据复杂，且视频识别技术易受天气因素影响。基于地磁传感器的识别技术处理数据简单，稳定性高。目前，大多数的目标分类识别研究主要集中在特征提取或者目标识别中，没有将检测方式、特征提取及目标识别及多传感器数据融合有效结合起来。而应用于机场场面的目标识别方案中，需要考虑机场特殊的环境因素，选择一种合理的布置方式及检测方式，并在此基础上提出一套系统的特征提取方法和目标识别方法。

发明内容

要解决的技术问题：针对现有技术的不足，本发明提出一种基于地磁传感器网络的机场场面机动目标识别方法，解决现有的机场目标识别中使用的雷达监视技术和视频识别技术所带来的实施工程量大、处理数据复杂、且视频识别技术易受天气因素影响的技术问题。

技术方案：为解决上述技术问题，本发明采用以下技术方案：

一种基于地磁传感器网络的机场场面机动目标识别方法，在跑道中线上沿跑道中线所在方向布置至少3组AMR地磁传感器，每组AMR地磁传感器中包含2个AMR地磁传感器且沿跑道中线所在方向分布；按照以下步骤顺序进行识别：

步骤1、每个AMR地磁传感器作为单传感器感知目标的磁信号并提取磁信号的时域特征和频域特征共同构成目标的轴向信号的全部特征；

步骤2、利计算目标的各轴向信号的特征隶属度，完成单传感器的单轴向目标识别；

步骤3、将多个单传感器单轴向的识别结果进行一级数据融合，得到多传感器的单轴向识别结果；

步骤4、将多传感器的单轴向识别结果进行二级数据融合并进行决策，从而得到最终识别结果。

进一步的，在本发明的步骤1中，对于提取到的目标的磁信号，首先获取X、Y、Z三轴的时域部分的目标长度作为唯一时域特征，接着根据目标长度进行时域信号的规整，然后对规整后的时域信号进行小波多尺度变换，获得频域特征，最后把各轴向信号的时域特征与频域特征结合起来共同构成目标的各轴向信号的全部特征。

进一步的，在本发明中，步骤2中，将各轴向信号的特征与特征库的模板类型比对，利用模式识别方式计算各传感器各轴向信号特征隶属度，其对于多特征的目标识别，能够对目标做出全面有效的评价。

模式识别为现有技术，具体过程如下：

第1步：计算单个传感器的单个轴向信号特征参数的对某一个目标模板的隶属度函数；

第2步：根据隶属度函数构建目标类型综合隶属度函数矩阵；

第3步：建立单优化模型，获得该目标模板的特征权重；

第4步：重复第3步获得单个传感器的单个轴向信号的综合决策向量；

第5步：对单个传感器的单个轴向信号的综合决策向量归一化处理得到单个传感器的单个轴向信号的识别概率，完成单传感器单轴向识别。

进一步的，在本发明的步骤,3中，一级数据融合的方法如下：利用Lefevre合成规则将各单传感器相同轴向的识别结果进行数据融合，分别获得多传感器的X、Y、Z三轴方向的识别结果。Lefevre合成规则的既能合理处理各证据间的冲突，且融合结果与证据合成顺序无关。

进一步的，在本发明的步骤4中，二级数据融合的方法如下：利用加乘综合法将多传感器的X、Y、Z三轴方向的识别结果进行数据融合，三轴向证据权重不同，加乘综合法依照三个轴向分配权重进行数据融合，使融合结果更准确。

这里的二级数据融合方法为现有技术，具体过程如下：

第1步:根据多传感器单轴向识别的结果，分别确定多传感器的X、Y、Z三轴的证据权重。

第2步：利用加乘综合法融合多传感器单轴向识别结果，依据决策规则做出决策，最终得到多传感器的多轴向目标识别结果。

有益效果：

本发明首次提出一套完整的基于地磁传感器网络的目标识别方法，并将其运用到机场场面机动目标识别中，并首次提出利用时域与频域结合的特征提取方法分别提取地磁传感器的三个轴向信号特征，特征参数丰富，处理数据量小，且其检测方式不易受环境影响；

根据AMR地磁传感器的三轴检测特性及传感器网络的特点，利用二次数据融合方式依次融合单传感器单轴向识别结果及多传感器单轴向识别结果，从而获得最终识别结果，提高目标的分辨能力，减少模糊性。

附图说明

图1是AMR地磁传感器的布置方式示意图；

图2是本发明的总的流程示意图；

图3是本发明中单传感器的目标识别流程示意图；

图4是本发明中数据融合流程示意图。

具体实施方式

下面结合附图对本发明作更进一步的说明。

本发明是一种基于地磁传感器网络的机场场面机动目标识别方法，图1为AMR地磁传感器的布置方式示意图，将三组AMR地磁传感器依次布置于跑道中线上，每组中包含2个AMR地磁传感器，则共有6个AMR地磁传感器。如图1所示，AMR地磁传感器s₁、AMR地磁传感器s₂为第一组，且AMR地磁传感器s₁、AMR地磁传感器s₂之间固定距离为5m，以机场场面的飞机/车辆等为待识别的目标，如图1左侧所示。

图2为本发明的流程图，具体可包括以下步骤：

步骤1、针对每个待识别的目标，每个AMR地磁传感器作为单传感器感知目标的磁信号，先后提取磁信号X、Y、Z三轴的时域特征和频域特征，把各轴向信号的时域特征与频域特征结合起来共同构成目标的各轴向信号的全部特征；

步骤2、将目标的各轴向信号的特征与特征库的模板类型比对，利用模式识别方式计算目标各轴向信号的特征隶属度，完成单传感器的单轴向目标识别；

步骤3、将多个单传感器单轴向的识别结果利用Lefevre合成规则进行融合，得到多传感器的X、Y、Z三轴各自的识别结果，即多传感器单轴向识别结果；

步骤4、确定多传感器的X、Y、Z三轴各自的识别结果的权重，将多传感器的单轴向识别结果利用加乘综合法进行融合得到多传感器的多轴向识别结果，并利用决策规则进行决策，从而得到最终识别结果。

图3为步骤1和步骤2的具体流程示意图，包括顺次执行的以下步骤：

步骤11：多个单传感器都分别测得目标的磁信号，首先对磁信号中的时域信号进行时域特征提取，具体以第一组AMR地磁传感器为例，由于AMR地磁传感器s₁、AMR地磁传感器s₂之间的距离为l＝5m，目标先后经过二者的时间差为Dt＝0.58s，并且目标经过任意一个AMR地磁传感器的时间检测域宽度为t_s＝0.56s，根据三个轴向的任一轴向的时域信号可以获得目标长度作为时域特征，依据目标长度规整X、Y、Z三个轴向时域信号宽度，使得同长度的目标其时域信号宽度也相同，消除速度对信号检测宽度的影响。

步骤12：对规整后的时域信号进行频域特征提取。AMR地磁传感器的采样频率为75HZ，以下以AMR地磁传感器s₁为例进行展开。

提取AMR地磁传感器s₁的X轴向信号，利用db5小波进行三层信号分解，X轴向信号总能量值为并且有其中，X轴向近似信号能量值X轴向第一层、第二层、第三层小波能量值 分别为1182.835、8865.241、3216.532，归一化X轴向近似信号能量值及各层小波能量值，即将X轴向近似信号能量值和三层小波能量值分别与X轴向信号总能量作比，得到归一化X轴向近似信号能量比及三层小波能量比并将其作为X轴向信号的频域特征，即 $\[E_{CD1}^X/E_0^X,\mathrm{...}{E}_{CD3}^X/E_0^X,E_{CA3}^X/E_0^X\]=\[D_1^X,\mathrm{...}{D}_3^X,D_a^X\]=\[0.00075,0.00564,0.00205,0.99150\]$

结合时域特征，得到AMR地磁传感器s₁的X轴信号特征为X^X＝{4.8,0.00075,0.00564,0.00205,0.99150}；

步骤13：由于AMR地磁传感器为三轴地磁传感器，重复步骤12的方法依次提取AMR地磁传感器s₁的Y、Z两轴的轴向信号的频域特征，从而获得AMR地磁传感器s₁完整的X、Y、Z三轴信号时域特征及频域特征。

步骤21：利用模式识别方式识别目标，计算AMR地磁传感器s₁的X轴向目标信号的隶属度，得到单传感器单轴向的识别结果。特征库中目标的模板类型集合Θ＝{A₁,A₂,A₃,A₄,A₅,A₆,A₇,A₈,A₉,O}代表了{机场引导车，食品升降车，客梯车，行李传送车，牵引车，摆渡车，大型飞机，中型飞机，小型飞机，其他}，结合步骤12得到待测信号X轴信号特征X^X＝{4.8,0.00075,0.00564,0.00205,0.99150}，已知A₁类型所代表的机场引导车的X轴向模板特征为建立隶属度函数模型如下：

$\left\{\begin{array}{c}{\mathrm{\μ}}_{k1}^X=\exp \[-{\left(\frac{L-L_k}{b_1}\right)}^2\]\\ {\mathrm{\μ}}_{k2}^X=\exp \[-{\left(\frac{D_1^X-D_{1k}^X}{b_2}\right)}^2\]\\ {\mathrm{\μ}}_{k3}^X=\exp \[-{\left(\frac{D_2^X-D_{2k}^X}{b_3}\right)}^2\]\\ {\mathrm{\μ}}_{k4}^X=\exp \[-{\left(\frac{D_3^X-D_{3k}^X}{b_4}\right)}^2\]\\ {\mathrm{\μ}}_{k5}^X=\exp \[-{\left(\frac{D_a^X-D_{ak}^X}{b_5}\right)}^2\]\end{array}\right.$

其中，

L、分别为待测信号的目标长度、X轴向第一层小波能量比、X轴向第二层小波能量比、X轴向第三层小波能量比和X轴向近似信号能量比；

L_k、为分别为第k类(k＝1,2..10)目标模板的目标长度、X轴向第一层小波能量比、X轴向第二层小波能量比、X轴向第三层小波能量比和X轴向近似信号能量比；

b₁、b₂、b₃、b₄、b₅为各特征隶属度函数参数；

为待测信号各特征值对第k类(k＝1,2..10)目标模板的各特征隶属度。

根据隶属度函数模型求得AMR地磁传感器s₁的X轴向信号特征对A₁类型各特征隶属度为{0.956,0.819,0.919,0.804,0.888}。

按照上述方法依次对每一个目标类型计算隶属度，得到AMR地磁传感器s₁的X轴向信号对十种目标类型综合隶属度函数矩阵为

其中i＝1,...5,j＝1,...10，表示AMR地磁传感器s₁的X轴向信号第i个特征对A_j类型的第i个特征的隶属度。

特征参数的综合权重矩阵，

其中i＝1,...5,j＝1,...10，w_ji表示第j类目标的第i个特征权重，确定权重阈值范围如下：

$\begin{array}{cccc}0.1\≤w_{j1}^X\≤0.3,& 0.15\≤w_{j2}^X\≤0.25,& 0.15\≤w_{j3}^X\≤0.25,& 0.15\≤w_{j4}^X\≤0.25,\end{array}$ $0.05\≤w_{j5}^X\≤0.1;$

设j＝1，建立对A₁类型建立单优化模型如下：

${\mathrm{maxz}}_1=\underset{i=1}{\overset{5}{\Σ}}{w}_{1i}^X{\mathrm{\μ}}_{i1}^X=0.956w_{11}^X+0.819w_{12}^X+...+0.888w_{15}^X,$ 满足 $\underset{i=1}{\overset{5}{\Σ}}{w}_{1i}^X=1$

其中z₁为AMR地磁传感器s₁的X轴向信号特征对A₁类型综合隶属度，求解得到A₁类型的特征权重向量 $w_1^X=\[w_{11}^X,w_{12}^X,...,w_{15}^X\]=\[0.3,0.25,0.2,0.2,0.05\],$ 同理可求得AMR地磁传感器s₁的X轴向信号对其他类型的特征权重。

根据 $p=diag\left(WP\right)=\[\underset{i=1}{\overset{5}{\Σ}}{w}_{1i}{\mathrm{\μ}}_{i1},\underset{i=1}{\overset{5}{\Σ}}{w}_{2i}{\mathrm{\μ}}_{i2},...\underset{i=1}{\overset{5}{\Σ}}{w}_{10i}{\mathrm{\μ}}_{i10}\],$ 求出待测信号对各模板类型的综合决策向量p＝[0.8329,0.5096,0.4232,...0.0012]；

根据归一化综合决策向量p，求得AMR地磁传感器s₁的X轴向信号为各模板类型的概率为

{0.271,0.166,0.138,0.122,0.107,0.115,0.024,0.017,0.007,0.034}

同理可求得其他AMR地磁传感器的X轴向信号为各模板类型的概率。

以各单传感器X轴向信号对各模板类型的概率作为单传感器的X轴向目标识别结果并制成表1，表1的横轴表示各模板类型，表1的纵轴表示各传感器的X轴向识别结果。

表1

数据融合是将来自多个信息源的数据进行相关、整合，以获得目标精确的位置、身份，最后对目标进行完整精确的评价的一种技术。证据理论在多传感器数据融合中，已经成为一种基本的数据融合算法。

图4为步骤3中所述的数据融合流程示意图，具体包括以下步骤：

步骤31：将表1中6个单传感器的X轴向识别结果利用Lefevre合成规则进行一级数据融合，具体按照以下方法进行：

证据及支持A₁类型，证据和支持A₂类型，证据间存在冲突，根据Lefevre合成规则：

假定识别框架即模板类型集合Θ下的n个证据E₁和E₂，其相应的基本信任分配函数为m₁,m₂，焦元分别为和其中i＝1,2..10,j＝1,2..10，产生冲突的焦元分别为H₁,H₂,...H_l，有

其中为分配冲突信任，为冲突度。

求出冲突度K＝0.999679，分配的冲突信任分别为 概率由于很小，概率m(A_i)几乎等于冲突信任将上述概率作为6个单传感器X轴识别结果，制成表2。

表2

	A1	A2	A3	A4	A5	A6	A7	A8	A9	O
											mX	0.250	0.209	0.129	0.120	0.102	0.097	0.032	0.014	0.005	0.042

同理，可得到多传感器的Y轴识别结果与多传感器的Z轴识别结果；将多传感器的X、Y、Z单轴向识别结果列于表3。

表3

	A1	A2	A3	A4	A5	A6	A7	A8	A9	O
											mX	0.250	0.209	0.129	0.120	0.102	0.097	0.032	0.014	0.005	0.042
mY	0.225	0.212	0.123	0.114	0.107	0.085	0.039	0.025	0.013	0.057
											mZ	0.237	0.215	0.116	0.108	0.107	0.076	0.042	0.037	0.018	0.044

步骤32：将多传感器的单轴向识别结果进行二级融合，得到多传感器的多轴向融合结果列于表4。

表4

	A1	A2	A3	A4	A5	A6	A7	A8	A9	O
											mXYZ	0.241	0.210	0.125	0.116	0.105	0.089	0.036	0.022	0.010	0.047

然后根据决策规则对多传感器的多轴向识别结果做出决策得到最终判定结果，具体方法为：确定X轴向、Y轴向、Z轴向的证据可靠性分别为λ₁＝0.5、λ₂＝0.3、λ₃＝0.2。根据加乘综合法合成规则，X轴向、Y轴向、Z轴向三组证据E₁，E₂，E₃，其基本信任分配函数为m_X，m_Y，m_Z，焦元A_j信任分配值为j＝1,2,...,10其中，m_ij为第i个证据对焦元A_j的信任分配值。决策规则的模型为

$m\left(A^{\′}\right)=max\{m\left(A_j\right),A_j\⋐\mathrm{\Θ},j=1,2,\mathrm{..10}\}$

满足 $\left\{\begin{array}{c}m\left(A^{\&prime;}\right)-m\left(A^{\&prime;\&prime;}\right)>{\mathrm{\&epsiv;}}_1\\ m\left(\mathrm{\&Theta;}\right)<{\mathrm{\&epsiv;}}_2,\\ m\left(A^{\&prime;}\right)>m\left(\mathrm{\&Theta;}\right)\end{array}\right.,$ 且目标类别的可信度大于不确定性区间的长度，

其中A',A”∈Θ，ε₁为目标具有最大可信度阈值，ε₂不确定性的区间长度阈值，根据经验值，设定ε₁＝0.03，ε₂＝0.05。

根据决策规则可判断出多传感器的识别结果的最终类型为A₁类型，为机场引导车。

以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (5)

1.一种基于地磁传感器网络的机场场面机动目标识别方法，其特征在于：在跑道中线上沿跑道中线所在方向布置至少3组AMR地磁传感器，每组AMR地磁传感器中包含2个AMR地磁传感器且沿跑道中线所在方向分布；按照以下步骤顺序进行识别：

步骤1、每个AMR地磁传感器作为单传感器感知目标的磁信号并提取磁信号的时域特征和频域特征共同构成目标的轴向信号的全部特征；

步骤2、计算目标的各轴向信号的特征隶属度，获得单传感器单轴向的识别结果，完成单传感器的单轴向目标识别；

步骤3、将多个单传感器单轴向的识别结果进行一级数据融合，得到多传感器的单轴向识别结果；

步骤4、将多传感器的单轴向识别结果进行二级数据融合并进行决策，从而得到最终识别结果。

2.根据权利要求1所述的基于地磁传感器网络的机场场面机动目标识别方法，其特征在于：步骤1中，对于提取到的目标的磁信号，首先分别获取X、Y、Z三轴的时域部分的目标长度作为唯一时域特征，接着根据目标长度进行时域信号的规整，然后对规整后的时域信号进行小波多尺度变换，获得频域特征，最后把各轴向信号的时域特征与频域特征结合起来共同构成目标的各轴向信号的全部特征。

3.根据权利要求1所述的基于地磁传感器网络的机场场面机动目标识别方法，其特征在于：步骤2中，将各轴向信号的特征与特征库的模板类型比对，利用模式识别方式计算各传感器各轴向信号特征隶属度。

4.根据权利要求1所述的基于地磁传感器网络的机场场面机动目标识别方法，其特征在于：步骤3中，一级数据融合的方法如下：利用Lefevre合成规则将各单传感器相同轴向的识别结果进行数据融合，分别获得多传感器的X、Y、Z三轴方向的识别结果。

5.根据权利要求4所述的基于地磁传感器网络的机场场面机动目标识别方法，其特征在于：步骤4中，二级数据融合的方法如下：利用加乘综合法将多传感器的X、Y、Z三轴方向的识别结果进行数据融合。