CN108874871A - 实时pnt服务数据溯源方法及装置 - Google Patents
实时pnt服务数据溯源方法及装置 Download PDFInfo
- Publication number
- CN108874871A CN108874871A CN201810378217.4A CN201810378217A CN108874871A CN 108874871 A CN108874871 A CN 108874871A CN 201810378217 A CN201810378217 A CN 201810378217A CN 108874871 A CN108874871 A CN 108874871A
- Authority
- CN
- China
- Prior art keywords
- data
- pnt
- source
- preferred
- service
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 70
- 230000004927 fusion Effects 0.000 claims abstract description 93
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 90
- 238000007499 fusion processing Methods 0.000 claims abstract description 47
- 230000008569 process Effects 0.000 claims description 26
- 238000004590 computer program Methods 0.000 claims description 18
- 238000003860 storage Methods 0.000 claims description 10
- 238000009826 distribution Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 3
- 230000001052 transient effect Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 description 27
- 238000010586 diagram Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 6
- 238000009434 installation Methods 0.000 description 6
- 238000011160 research Methods 0.000 description 5
- 230000000717 retained effect Effects 0.000 description 5
- 238000012804 iterative process Methods 0.000 description 4
- 238000003672 processing method Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 235000013399 edible fruits Nutrition 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- MOVRNJGDXREIBM-UHFFFAOYSA-N aid-1 Chemical compound O=C1NC(=O)C(C)=CN1C1OC(COP(O)(=O)OC2C(OC(C2)N2C3=C(C(NC(N)=N3)=O)N=C2)COP(O)(=O)OC2C(OC(C2)N2C3=C(C(NC(N)=N3)=O)N=C2)COP(O)(=O)OC2C(OC(C2)N2C3=C(C(NC(N)=N3)=O)N=C2)COP(O)(=O)OC2C(OC(C2)N2C(NC(=O)C(C)=C2)=O)COP(O)(=O)OC2C(OC(C2)N2C3=C(C(NC(N)=N3)=O)N=C2)COP(O)(=O)OC2C(OC(C2)N2C3=C(C(NC(N)=N3)=O)N=C2)COP(O)(=O)OC2C(OC(C2)N2C3=C(C(NC(N)=N3)=O)N=C2)COP(O)(=O)OC2C(OC(C2)N2C(NC(=O)C(C)=C2)=O)COP(O)(=O)OC2C(OC(C2)N2C3=C(C(NC(N)=N3)=O)N=C2)COP(O)(=O)OC2C(OC(C2)N2C3=C(C(NC(N)=N3)=O)N=C2)COP(O)(=O)OC2C(OC(C2)N2C3=C(C(NC(N)=N3)=O)N=C2)COP(O)(=O)OC2C(OC(C2)N2C(NC(=O)C(C)=C2)=O)COP(O)(=O)OC2C(OC(C2)N2C3=C(C(NC(N)=N3)=O)N=C2)COP(O)(=O)OC2C(OC(C2)N2C3=C(C(NC(N)=N3)=O)N=C2)COP(O)(=O)OC2C(OC(C2)N2C3=C(C(NC(N)=N3)=O)N=C2)CO)C(O)C1 MOVRNJGDXREIBM-UHFFFAOYSA-N 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000013506 data mapping Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000014759 maintenance of location Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000002441 reversible effect Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000010429 evolutionary process Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Abstract
本发明实施例公开一种实时PNT服务数据溯源方法及装置，能对实时PNT服务进行数据溯源。方法包括：S1、获取PNT服务终端提供PNT服务的过程中采集的PNT数据对应的数据源类型标识，以及每次数据优选后得到的数据所属的数据源的类型标识、针对每次数据优选结果的每次数据融合采用的算法标识、每次数据融合过程中各类数据所占权重；S2、根据步骤S1获取的数据，解译出所述PNT数据所属的数据源、每次数据优选后得到的数据所属的数据源和每次数据融合采用的算法；S3、获取PNT服务的服务结果，根据所述每次数据融合过程中各类数据所占权重、所述服务结果和解译结果生成所述PNT服务的数据溯源信息。
Description
技术领域
本发明实施例涉及PNT(Positioning,Navigation and Timing，定位导航与授时)领域，具体涉及一种实时PNT服务数据溯源方法及装置。
背景技术
PNT体系结构研究是美国从2005年开始的一项研究工作，旨在整合各种可用PNT资源，灵活组合，互为冗余，实现优势互补，弥补单一系统能力缺陷与不足，提供具有更高可用性、完好性、强健性的PNT能力。PNT体系鼓励利用“多现象学”手段和“可互换”方案发展PNT服务。“多现象学”是指多种不同的物理现象，如射频传感器、惯性传感器，以及利用那些物理现象(如多种射频)的多种数据源和数据传输路径，美国国家PNT体系结构鼓励利用多现象学，确保更强的可用性，解决在物理和电磁受阻环境中工作的能力不足。“可互换”方案是指美国国家PNT体系结构鼓励不同方案之间的互换，以提高效率，充分利用信息源的多样性，各种可互换方案具有一定程度的兼容性和互操作性，从而允许组合利用多种信息源，以获得一种更有优势的PNT方案。
2016年，杨元喜院士在《综合PNT体系及其关键技术》一文中给出的综合PNT定义为：“基于不同原理的多种PNT信息源，经过云平台控制、多传感器的高度集成和多源数据融合，生成时空基准统一的，且具有抗干扰、防欺骗、稳健、可用、连续、可靠的PNT服务信息。”
实际应用过程中，PNT服务终端会根据具体的使用场景，从采集到的多种数据源中择优选择，再运用适当的算法进行处理，最终给出PNT服务结果。
每个时刻的PNT服务结果都可能是数据经历了多次格式转换、坐标系转换、滤波、筛选、融合等诸多处理过程后的结果，若无专门分析说明，单纯从服务结果中很难判断最终结果的演化历程。随着时间推移，PNT服务结果序列的演化历程就更加难以追溯，尤其在连续经历复杂环境的情况下，PNT服务的数据演化历程可能会频繁发生无法预知的变化。
对实时PNT服务进行数据溯源在改善PNT服务质量、提高PNT服务安全性等方面具有重要意义，在实际应用中也有巨大需求。
目前关于PNT服务的研究大多集中于PNT体系结构概念、可融入PNT体系的技术手段等方面，关于PNT服务数据溯源的研究很少。其他领域的数据溯源研究也不是很多，主要集中在数据库、工作流等领域。
在数据库领域，比较成熟的数据溯源方法主要有两种。一是基于注释的方法，这是一种简单有效的数据追溯方法，即在注释中记录关于数据出处、作者及其演变历史等辅助信息，并使注释与数据一起传播，用户可直接通过查看目标数据的注释获得数据的起源信息。二是基于逆置的方法，通过逆向查询或者构造逆向函数对查询求逆，由结果追溯到源数据，一般在需要用到数据起源信息时才进行计算。
科学工作流的数据溯源一般有两种方法。一是从日志文件中解析，这种方式只能得到较为简单的溯源信息，且不能实现工作流的任意修改逆流，应用范围有限。二是在设计工作流引擎时就充分考虑到数据起源的追溯需求，将数据起源信息记录到工作流引擎中，使得数据起源信息的管理变得相对容易。
其他领域的研究成果没有根据实时PNT服务的特点进行有针对性的处理。
现有技术中，注释法适合小型系统，难以为大型系统的细粒度数据提供详细的数据起源信息，而且需要较大的存储开销和数据库查询语言的支持；逆置法实现复杂，用户需要提供逆置函数和相对应的验证函数，计算时间开销大；工作流日志解析的方法只能得到较为简单粗糙的信息，不能满足细粒度的数据追溯需求；重新设计工作流引擎的方法对于已经投入运行的系统而言可行性较差。
因此，已有的数据溯源方法难以满足实时PNT服务数据溯源的需求。
发明内容
针对现有技术存在的不足和缺陷，本发明实施例提供一种实时PNT服务数据溯源方法及装置。
一方面，本发明实施例提出一种实时PNT服务数据溯源方法，包括：
S1、获取PNT服务终端提供PNT服务的过程中采集的PNT数据对应的数据源类型标识，以及每次数据优选后得到的数据所属的数据源的类型标识、针对每次数据优选结果的每次数据融合采用的算法标识、每次数据融合过程中各类数据所占权重；
S2、根据所述PNT数据对应的数据源类型标识，以及每次数据优选后得到的数据所属的数据源的类型标识、针对每次数据优选结果的每次数据融合采用的算法标识、每次数据融合过程中各类数据所占权重，解译出所述PNT数据所属的数据源、每次数据优选后得到的数据所属的数据源和每次数据融合采用的算法；
S3、获取PNT服务的服务结果，根据所述每次数据融合过程中各类数据所占权重、所述服务结果和解译结果生成所述PNT服务的数据溯源信息，其中，所述服务结果包括定位结果和授时结果。
另一方面，本发明实施例提出一种实时PNT服务数据溯源装置，包括：
获取单元，用于获取PNT服务终端提供PNT服务的过程中采集的PNT数据对应的数据源类型标识，以及每次数据优选后得到的数据所属的数据源的类型标识、针对每次数据优选结果的每次数据融合采用的算法标识、每次数据融合过程中各类数据所占权重；
解译单元，用于根据所述PNT数据对应的数据源类型标识，以及每次数据优选后得到的数据所属的数据源的类型标识、针对每次数据优选结果的每次数据融合采用的算法标识、每次数据融合过程中各类数据所占权重，解译出所述PNT数据所属的数据源、每次数据优选后得到的数据所属的数据源和每次数据融合采用的算法；
生成单元，用于获取PNT服务的服务结果，根据所述每次数据融合过程中各类数据所占权重、所述服务结果和解译结果生成所述PNT服务的数据溯源信息，其中，所述服务结果包括定位结果和授时结果。
第三方面，本发明实施例提供一种电子设备，包括：处理器、存储器、总线及存储在存储器上并可在处理器上运行的计算机程序；
其中，所述处理器，存储器通过所述总线完成相互间的通信；
所述处理器执行所述计算机程序时实现上述方法。
第四方面，本发明实施例提供一种非暂态计算机可读存储介质，所述存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述方法。
本发明实施例提供的实时PNT服务数据溯源方法及装置，首先获取PNT服务终端提供PNT服务的过程中采集的PNT数据对应的数据源信息，然后根据所述数据源信息，解译出所述PNT数据所属的数据源、每次数据优选后得到的数据所属的数据源和每次数据融合采用的算法；最后获取PNT服务的服务结果，根据所述每次数据融合过程中各类数据所占权重、所述服务结果和解译结果生成所述PNT服务的数据溯源信息，从而能够对实时PNT服务进行数据溯源。
附图说明
图1为实时PNT服务流程图；
图2为本发明实时PNT服务数据溯源方法一实施例的流程示意图；
图3为PNT服务过程的数据源信息记录的流程图；
图4为标识分配流程图；
图5为采集优选初始化设置流程图；
图6为融合处理初始化设置流程图；
图7为本发明实时PNT服务数据溯源装置一实施例的结构示意图；
图8为本发明实施例提供的一种电子设备的实体结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明实施例保护的范围。
本文将PNT体系中所说的“互换”看作融合的一种特殊方式，若PNT服务的数据源由T1时刻的数据源1置换为T2时刻的数据源2，则可以看作在T1时刻，数据源1所占权重为100％，数据源2～数据源n所占权重均为0，而在T2时刻，数据源2所占权重为100％，其他各数据源所占权重均为0。为叙述方便，本文后文均用“融合”进行说明，若无特殊需要则不再专门强调“互换”。实时PNT服务流程图可参见图1所示，本文要解决的问题可以看作对PNT服务结果的逆向追溯过程，即已知某一时刻某PNT服务终端输出的结果，需要反推该结果的构成及演化过程。
由于PNT服务过程中每种单一数据源的处理都已有了很多研究，因此本文重点强调PNT服务中多种类型数据的识别、优化与融合过程，对各种单一数据源的数据处理不做详细展开说明。
一般来讲，数据溯源是数据在整个生命周期内所发生的变化和结果处理的信息。根据数据溯源的“7W”理论，数据溯源信息大体包括数据处理动作(What)、数据处理地点(Where)、数据处理时间(When)、数据处理者(Who)、数据处理工具(Which)、数据处理原因(Why)以及数据处理方式(How)等七个方面信息。
对于某个具体的PNT服务终端的实时PNT服务而言，其数据处理者(该服务终端)、数据处理工具(该服务终端内嵌的硬件、软件)和数据处理原因(提供PNT服务)都是明确的，变化的信息是数据处理动作、数据处理方式、数据处理地点和数据处理时间。由于PNT服务就是为用户提供定位、导航、授时服务，实时情况下，PNT服务的结果数据(定位结果、授时结果)本身就反映了数据处理地点和数据处理时间。因此，对实时PNT服务的数据溯源主要是对数据处理动作和数据处理方式的追溯。考虑到PNT服务中数据处理动作和数据处理方式与PNT终端的数据源息息相关，且“多现象学”是PNT服务的特征之一，因此，对实时PNT服务数据溯源的重点就转化成了对PNT服务中各种数据源的追溯以及根据不同数据源所选择的算法的追溯。
在此分析基础上，本文针对实时PNT服务中数据源信息、采用的处理算法以及处理迭代过程进行编码记录，再进行匹配解析，以达到数据溯源的目的。
参看图2，本实施例公开一种实时PNT服务数据溯源方法，包括：
S1、获取PNT服务终端提供PNT服务的过程中采集的PNT数据对应的数据源类型标识，以及每次数据优选后得到的数据所属的数据源的类型标识、针对每次数据优选结果的每次数据融合采用的算法标识、每次数据融合过程中各类数据所占权重；
S2、根据所述PNT数据对应的数据源类型标识，以及每次数据优选后得到的数据所属的数据源的类型标识、针对每次数据优选结果的每次数据融合采用的算法标识、每次数据融合过程中各类数据所占权重，解译出所述PNT数据所属的数据源、每次数据优选后得到的数据所属的数据源和每次数据融合采用的算法；
S3、获取PNT服务的服务结果，根据所述每次数据融合过程中各类数据所占权重、所述服务结果和解译结果生成所述PNT服务的数据溯源信息，其中，所述服务结果包括定位结果和授时结果。
本发明实施例提供的实时PNT服务数据溯源方法，首先获取PNT服务终端提供PNT服务的过程中采集的PNT数据对应的数据源信息，然后根据所述数据源信息，解译出所述PNT数据所属的数据源、每次数据优选后得到的数据所属的数据源和每次数据融合采用的算法；最后获取PNT服务的服务结果，根据所述每次数据融合过程中各类数据所占权重、所述服务结果和解译结果生成所述PNT服务的数据溯源信息，从而能够对实时PNT服务进行数据溯源。
在前述方法实施例的基础上，在所述S1之前，还可以包括：
记录所述PNT服务终端提供所述PNT服务的过程中采集的PNT数据对应的数据源类型标识，以及每次数据优选后得到的数据所属的数据源的类型标识、针对每次数据优选结果的每次数据融合采用的算法标识、每次数据融合过程中各类数据所占权重，每次数据优选后得到的数据所属的数据源的类型标识存储在该次数据优选对应的数据源列表中，该次数据优选对应的数据源列表的列表空间是根据该次数据优选后的数据源数量从预设的数据源列表中申请的，每次数据融合过程中各类数据所占权重存储在该次数据融合对应的权重列表中，该次数据融合对应的权重列表的列表空间是根据该次数据融合对应的数据优选后的数据源数量从预设的权重列表中申请的。
本实施例中，因数据优化选择迭代次数、每次优化选择后的数据源数量以及数据融合处理迭代次数都是随着具体应用场景变动的，因此，通过采用动态空间申请的方式申请每次数据优选对应的数据源列表的列表空间和每次数据融合对应的权重列表的列表空间，能够更为高效地利用存储空间。
在前述方法实施例的基础上，所述S2，可以包括：
根据所述PNT数据对应的数据源类型标识，以及每次数据优选后得到的数据所属的数据源的类型标识、针对每次数据优选结果的每次数据融合采用的算法标识、每次数据融合过程中各类数据所占权重，并采用数据类型标识分配算法和数据融合处理算法标识分配算法解译出所述PNT数据所属的数据源、每次数据优选后得到的数据所属的数据源和每次数据融合采用的算法。
本实施例中，对于标识分配算法，可以根据实际需求选择数据类型标识分配算法和数据融合处理算法标识分配算法外的其它算法，此处不作具体限定。
下面对本发明进行详细说明。
本文首先设计标识分配算法，为PNT服务终端能够接入的各种数据源分配数据类型标识(假设PNT服务终端能够接入n种数据源类型，则分配给每种数据源的数据源类型标识分别记为SID1，SID2，…，SIDn)，也为参与数据融合处理的各种算法分配算法标识(假设PNT服务终端共有m种数据融合处理算法，则分配给每种数据融合处理算法的算法标识分别记为AID1，AID2，…，AIDm)。为了避免歧义，要求分配给各种数据源的数据源类型标识和分配给各种算法的标识是唯一的，无二义性。
PNT服务终端每次提供PNT服务过程中，首先进行PNT数据采集，并识别出各个数据对应的数据源类型，假设共计识别出Cntsrc种不同的数据源，则记录采集到的数据所属的数据源源数量为Cntsrc，并在原始数据源列表(记为RList)中记录Cntsrc种数据源对应的数据源类型标识。
采集到的数据源经过优化选择后留存的数据源列表记为IList(数据源优化选择过程会剔除掉部分质量较差的数据)，针对第i次数据源优化选择(实际场景中可能会有多次优化选择迭代过程)，统计优化选择后留存的数据源数量(记为ICnti)，根据ICnti在IList中申请本次优选后的数据源列表的列表空间(对应的数据源列表记为IListi)，在IListi中记录本次优选留存的各个数据源类型标识。
针对第i次数据源优化选择结果的融合处理次数记为FCnti(实际场景中可能会有多次迭代过程)，融合算法中各数据源所占的权重列表记为WListi。针对第i次数据源优化选择结果的第j次数据融合处理，记录采用的算法标识AIDij，AIDij属于集合{AID1，AID2，…，AIDm}，根据ICnti在WListi中申请本次融合处理的权重列表的列表空间(对应的权重列表记为WListij)，在WListij中记录本次融合过程中每种数据源所占的权重。
若需要对数据优化选择过程或数据融合处理过程进行迭代，则分别记录数据优化选择迭代次数(记为Cntimp)和针对每次数据优选结果的融合处理迭代次数(FCnti)，并按照前述方式记录每次迭代处理过程中的ICnti、IListi、AIDij、WListij。
上述过程中，考虑到数据优化选择迭代次数和数据融合处理迭代次数都是随着具体应用场景变动的，每次优化选择后的数据源数量也是随着具体应用场景变动的，因此，本文采用动态空间申请的方式，以适应上述变化。
在数据溯源匹配解析阶段，可以从上述变量中得到采集到的数据源类型标识列表、每次数据优选后的数据源类型标识列表、针对每次数据优选结果的每次数据融合采用的算法标识、每次数据融合过程中各类数据所占权重；再根据数据类型标识分配算法、数据融合处理算法标识分配算法，把采集到的数据源类型标识、每次优化选择后留存的数据源类型标识与具体的数据源关联起来，把融合处理算法标识与具体的融合处理算法关联起来；将PNT服务结果中的定位结果、授时结果与上述每次数据融合过程中各类数据所占权重、数据源信息、数据处理算法信息关联起来，形成实时PNT服务的数据溯源信息。
本发明实施例中PNT服务过程的数据源信息记录的具体实现步骤可参见图3所示：
标识分配：为PNT服务终端能够接入的每一种数据源分配唯一的数据源类型标识，为PNT服务终端的每一种数据融合处理算法分配唯一的算法标识，具体流程可参见图4所示；
采集优选初始化设置：针对每次PNT服务，首先进行初始化设置，包括：Cntsrc＝0；RList＝空表；Cntimp＝0；IList＝空表，具体流程可参见图5所示；
对采集到的各类数据进行类型识别，如果是一种新的数据源，则增加采集到的数据类型计数，并在RList中记录该数据的数据类型标识；
各单源数据处理器分别处理采集到的单源PNT数据；
根据实际场景对采集到的各种数据进行优化、选择，剔除质量较差的数据类型，得到优选后的数据组合，并记录优选后留存的数据源数量ICnti；
根据ICnti在IList中申请本次数据优选后的数据源列表(记为IListi)空间，在IListi中记录本次留存的各个数据源类型标识；
融合处理初始化设置：针对本次数据优选结果进行初始化，融合处理迭代次数FCnti＝0；本次融合处理算法标识AIDij＝0；申请本次融合处理的权重列表空间WListij，WListij中的所有元素均等于0，具体流程可参见图6所示；
根据每次优选后的数据组合选择适当的数据融合处理算法，将各类数据进行融合处理计算；
记录本次采用的融合处理算法标识AIDij以及算法中各类数据所占权重WListij；
若需要迭代处理，则迭代进行数据优选过程或者融合处理过程，并记录迭代次数以及历次迭代过程中的数据源信息。
本发明实施例中PNT服务数据源识别分析阶段的处理过程如下：
从PNT服务终端读取数据源信息；
从终端的数据源信息中解析出采集到的数据源类型标识列表(RList)、每次数据优选后的数据源类型标识列表(IListi)、每次数据融合采用的算法标识(AIDij)、每次数据融合过程中各类数据所占权重(WListij)；
根据数据类型标识分配算法、数据融合处理算法标识分配算法，逐一解译出采集到的PNT数据所属的数据源、每次优化选择后留存的数据源类型标识列表中的每种数据源、数据融合采用的算法；
将PNT服务结果中的定位结果、授时结果与上述每次数据融合过程中各类数据所占权重、数据源信息、数据处理算法信息关联起来；
将上述信息整理形成实时PNT服务的数据溯源信息。
参看图7，本实施例公开一种实时PNT服务数据溯源装置，包括：
获取单元1，用于获取PNT服务终端提供PNT服务的过程中采集的PNT数据对应的数据源类型标识，以及每次数据优选后得到的数据所属的数据源的类型标识、针对每次数据优选结果的每次数据融合采用的算法标识、每次数据融合过程中各类数据所占权重；
解译单元2，用于根据所述PNT数据对应的数据源类型标识，以及每次数据优选后得到的数据所属的数据源的类型标识、针对每次数据优选结果的每次数据融合采用的算法标识、每次数据融合过程中各类数据所占权重，解译出所述PNT数据所属的数据源、每次数据优选后得到的数据所属的数据源和每次数据融合采用的算法；
生成单元3，用于获取PNT服务的服务结果，根据所述每次数据融合过程中各类数据所占权重、所述服务结果和解译结果生成所述PNT服务的数据溯源信息，其中，所述服务结果包括定位结果和授时结果。
具体地，所述获取单元1获取PNT服务终端提供PNT服务的过程中采集的PNT数据对应的数据源类型标识，以及每次数据优选后得到的数据所属的数据源的类型标识、针对每次数据优选结果的每次数据融合采用的算法标识、每次数据融合过程中各类数据所占权重；所述解译单元2根据所述PNT数据对应的数据源类型标识，以及每次数据优选后得到的数据所属的数据源的类型标识、针对每次数据优选结果的每次数据融合采用的算法标识、每次数据融合过程中各类数据所占权重，解译出所述PNT数据所属的数据源、每次数据优选后得到的数据所属的数据源和每次数据融合采用的算法；所述生成单元3获取PNT服务的服务结果，根据所述每次数据融合过程中各类数据所占权重、所述服务结果和解译结果生成所述PNT服务的数据溯源信息，其中，所述服务结果包括定位结果和授时结果。
本发明实施例提供的实时PNT服务数据溯源装置，首先获取PNT服务终端提供PNT服务的过程中采集的PNT数据对应的数据源信息，然后根据所述数据源信息，解译出所述PNT数据所属的数据源、每次数据优选后得到的数据所属的数据源和每次数据融合采用的算法；最后获取PNT服务的服务结果，根据所述每次数据融合过程中各类数据所占权重、所述服务结果和解译结果生成所述PNT服务的数据溯源信息，从而能够对实时PNT服务进行数据溯源。
在前述装置实施例的基础上，所述装置还可以包括：
记录单元，用于在所述获取单元工作之前，记录所述PNT服务终端提供所述PNT服务的过程中采集的PNT数据对应的数据源类型标识，以及每次数据优选后得到的数据所属的数据源的类型标识、针对每次数据优选结果的每次数据融合采用的算法标识、每次数据融合过程中各类数据所占权重，每次数据优选后得到的数据所属的数据源的类型标识存储在该次数据优选对应的数据源列表中，该次数据优选对应的数据源列表的列表空间是根据该次数据优选后的数据源数量从预设的数据源列表中申请的，每次数据融合过程中各类数据所占权重存储在该次数据融合对应的权重列表中，该次数据融合对应的权重列表的列表空间是根据该次数据融合对应的数据优选后的数据源数量从预设的权重列表中申请的。
在前述装置实施例的基础上，所述解译单元，具体可以用于：
根据所述PNT数据对应的数据源类型标识，以及每次数据优选后得到的数据所属的数据源的类型标识、针对每次数据优选结果的每次数据融合采用的算法标识、每次数据融合过程中各类数据所占权重，并采用数据类型标识分配算法和数据融合处理算法标识分配算法解译出所述PNT数据所属的数据源、每次数据优选后得到的数据所属的数据源和每次数据融合采用的算法。
本实施例的实时PNT服务数据溯源装置，可以用于执行前述方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。
图8示出了本发明实施例提供的一种电子设备的实体结构示意图，如图8所示，该电子设备可以包括：处理器11、存储器12、总线13及存储在存储器12上并可在处理器11上运行的计算机程序；
其中，所述处理器11，存储器12通过所述总线13完成相互间的通信；
所述处理器11执行所述计算机程序时实现上述各方法实施例所提供的方法，例如包括：获取PNT服务终端提供PNT服务的过程中采集的PNT数据对应的数据源类型标识，以及每次数据优选后得到的数据所属的数据源的类型标识、针对每次数据优选结果的每次数据融合采用的算法标识、每次数据融合过程中各类数据所占权重；根据所述PNT数据对应的数据源类型标识，以及每次数据优选后得到的数据所属的数据源的类型标识、针对每次数据优选结果的每次数据融合采用的算法标识、每次数据融合过程中各类数据所占权重，解译出所述PNT数据所属的数据源、每次数据优选后得到的数据所属的数据源和每次数据融合采用的算法；获取PNT服务的服务结果，根据所述每次数据融合过程中各类数据所占权重、所述服务结果和解译结果生成所述PNT服务的数据溯源信息。
本发明实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例所提供的方法，例如包括：获取PNT服务终端提供PNT服务的过程中采集的PNT数据对应的数据源类型标识，以及每次数据优选后得到的数据所属的数据源的类型标识、针对每次数据优选结果的每次数据融合采用的算法标识、每次数据融合过程中各类数据所占权重；根据所述PNT数据对应的数据源类型标识，以及每次数据优选后得到的数据所属的数据源的类型标识、针对每次数据优选结果的每次数据融合采用的算法标识、每次数据融合过程中各类数据所占权重，解译出所述PNT数据所属的数据源、每次数据优选后得到的数据所属的数据源和每次数据融合采用的算法；获取PNT服务的服务结果，根据所述每次数据融合过程中各类数据所占权重、所述服务结果和解译结果生成所述PNT服务的数据溯源信息。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。术语“上”、“下”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
本发明的说明书中，说明了大量具体细节。然而能够理解的是，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。类似地，应当理解，为了精简本发明公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释呈反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。本发明并不局限于任何单一的方面，也不局限于任何单一的实施例，也不局限于这些方面和/或实施例的任意组合和/或置换。而且，可以单独使用本发明的每个方面和/或实施例或者与一个或更多其他方面和/或其实施例结合使用。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (8)
1.一种实时PNT服务数据溯源方法，其特征在于，包括：
S1、获取PNT服务终端提供PNT服务的过程中采集的PNT数据对应的数据源类型标识，以及每次数据优选后得到的数据所属的数据源的类型标识、针对每次数据优选结果的每次数据融合采用的算法标识、每次数据融合过程中各类数据所占权重；
S2、根据所述PNT数据对应的数据源类型标识，以及每次数据优选后得到的数据所属的数据源的类型标识、针对每次数据优选结果的每次数据融合采用的算法标识、每次数据融合过程中各类数据所占权重，解译出所述PNT数据所属的数据源、每次数据优选后得到的数据所属的数据源和每次数据融合采用的算法；
S3、获取PNT服务的服务结果，根据所述每次数据融合过程中各类数据所占权重、所述服务结果和解译结果生成所述PNT服务的数据溯源信息，其中，所述服务结果包括定位结果和授时结果。
2.根据权利要求1所述的方法，其特征在于，在所述S1之前，还包括：
记录所述PNT服务终端提供所述PNT服务的过程中采集的PNT数据对应的数据源类型标识，以及每次数据优选后得到的数据所属的数据源的类型标识、针对每次数据优选结果的每次数据融合采用的算法标识、每次数据融合过程中各类数据所占权重，每次数据优选后得到的数据所属的数据源的类型标识存储在该次数据优选对应的数据源列表中，该次数据优选对应的数据源列表的列表空间是根据该次数据优选后的数据源数量从预设的数据源列表中申请的，每次数据融合过程中各类数据所占权重存储在该次数据融合对应的权重列表中，该次数据融合对应的权重列表的列表空间是根据该次数据融合对应的数据优选后的数据源数量从预设的权重列表中申请的。
3.根据权利要求2所述的方法，其特征在于，所述S2，包括：
根据所述PNT数据对应的数据源类型标识，以及每次数据优选后得到的数据所属的数据源的类型标识、针对每次数据优选结果的每次数据融合采用的算法标识、每次数据融合过程中各类数据所占权重，并采用数据类型标识分配算法和数据融合处理算法标识分配算法解译出所述PNT数据所属的数据源、每次数据优选后得到的数据所属的数据源和每次数据融合采用的算法。
4.一种实时PNT服务数据溯源装置，其特征在于，包括：
获取单元，用于获取PNT服务终端提供PNT服务的过程中采集的PNT数据对应的数据源类型标识，以及每次数据优选后得到的数据所属的数据源的类型标识、针对每次数据优选结果的每次数据融合采用的算法标识、每次数据融合过程中各类数据所占权重；
解译单元，用于根据所述PNT数据对应的数据源类型标识，以及每次数据优选后得到的数据所属的数据源的类型标识、针对每次数据优选结果的每次数据融合采用的算法标识、每次数据融合过程中各类数据所占权重，解译出所述PNT数据所属的数据源、每次数据优选后得到的数据所属的数据源和每次数据融合采用的算法；
生成单元，用于获取PNT服务的服务结果，根据所述每次数据融合过程中各类数据所占权重、所述服务结果和解译结果生成所述PNT服务的数据溯源信息，其中，所述服务结果包括定位结果和授时结果。
5.根据权利要求4所述的装置，其特征在于，还包括：
记录单元，用于在所述获取单元工作之前，记录所述PNT服务终端提供所述PNT服务的过程中采集的PNT数据对应的数据源类型标识，以及每次数据优选后得到的数据所属的数据源的类型标识、针对每次数据优选结果的每次数据融合采用的算法标识、每次数据融合过程中各类数据所占权重，每次数据优选后得到的数据所属的数据源的类型标识存储在该次数据优选对应的数据源列表中，该次数据优选对应的数据源列表的列表空间是根据该次数据优选后的数据源数量从预设的数据源列表中申请的，每次数据融合过程中各类数据所占权重存储在该次数据融合对应的权重列表中，该次数据融合对应的权重列表的列表空间是根据该次数据融合对应的数据优选后的数据源数量从预设的权重列表中申请的。
6.根据权利要求5所述的装置，其特征在于，所述解译单元，具体用于：
根据所述PNT数据对应的数据源类型标识，以及每次数据优选后得到的数据所属的数据源的类型标识、针对每次数据优选结果的每次数据融合采用的算法标识、每次数据融合过程中各类数据所占权重，并采用数据类型标识分配算法和数据融合处理算法标识分配算法解译出所述PNT数据所属的数据源、每次数据优选后得到的数据所属的数据源和每次数据融合采用的算法。
7.一种电子设备，其特征在于，包括：处理器、存储器、总线及存储在存储器上并可在处理器上运行的计算机程序；
其中，所述处理器，存储器通过所述总线完成相互间的通信；
所述处理器执行所述计算机程序时实现如权利要求1-3中任一项所述的方法。
8.一种非暂态计算机可读存储介质，其特征在于，所述存储介质上存储有计算机程序，该计算机程序被处理器执行时实现如权利要求1-3中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810378217.4A CN108874871B (zh) | 2018-04-25 | 2018-04-25 | 实时pnt服务数据溯源方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810378217.4A CN108874871B (zh) | 2018-04-25 | 2018-04-25 | 实时pnt服务数据溯源方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108874871A true CN108874871A (zh) | 2018-11-23 |
| CN108874871B CN108874871B (zh) | 2020-08-07 |
Family
ID=64326795
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810378217.4A Expired - Fee Related CN108874871B (zh) | 2018-04-25 | 2018-04-25 | 实时pnt服务数据溯源方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108874871B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112669983A (zh) * | 2020-12-30 | 2021-04-16 | 华南师范大学 | 基于不完整数据深度学习的传染病协同预测方法和机器人 |
| CN112788536A (zh) * | 2020-12-28 | 2021-05-11 | 中国科学院空天信息创新研究院 | 基于工作流的可信pnt服务数据追溯方法及装置 |
| CN113918622A (zh) * | 2021-10-22 | 2022-01-11 | 南京理工大学 | 基于区块链的信息溯源方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120203782A1 (en) * | 2011-02-07 | 2012-08-09 | Yahoo! Inc. | Method and system for data provenance management in multi-layer systems |
| CN106991196A (zh) * | 2017-05-02 | 2017-07-28 | 山东浪潮通软信息科技有限公司 | 一种通用的数据追溯方法及系统 |
| US9811573B1 (en) * | 2013-09-27 | 2017-11-07 | EMC IP Holding Company LLC | Lineage information management in data analytics |
| CN107704504A (zh) * | 2017-08-29 | 2018-02-16 | 中国科学院光电研究院 | 一种rinex文件溯源信息提取方法及系统 |
-
2018
- 2018-04-25 CN CN201810378217.4A patent/CN108874871B/zh not_active Expired - Fee Related
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120203782A1 (en) * | 2011-02-07 | 2012-08-09 | Yahoo! Inc. | Method and system for data provenance management in multi-layer systems |
| US9811573B1 (en) * | 2013-09-27 | 2017-11-07 | EMC IP Holding Company LLC | Lineage information management in data analytics |
| CN106991196A (zh) * | 2017-05-02 | 2017-07-28 | 山东浪潮通软信息科技有限公司 | 一种通用的数据追溯方法及系统 |
| CN107704504A (zh) * | 2017-08-29 | 2018-02-16 | 中国科学院光电研究院 | 一种rinex文件溯源信息提取方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 密鸿吉: "溯源数据精简方法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112788536A (zh) * | 2020-12-28 | 2021-05-11 | 中国科学院空天信息创新研究院 | 基于工作流的可信pnt服务数据追溯方法及装置 |
| CN112788536B (zh) * | 2020-12-28 | 2022-12-20 | 中国科学院空天信息创新研究院 | 基于工作流的可信pnt服务数据追溯方法及装置 |
| CN112669983A (zh) * | 2020-12-30 | 2021-04-16 | 华南师范大学 | 基于不完整数据深度学习的传染病协同预测方法和机器人 |
| CN112669983B (zh) * | 2020-12-30 | 2023-08-04 | 华南师范大学 | 基于不完整数据深度学习的传染病协同预测方法和机器人 |
| CN113918622A (zh) * | 2021-10-22 | 2022-01-11 | 南京理工大学 | 基于区块链的信息溯源方法及系统 |
| CN113918622B (zh) * | 2021-10-22 | 2022-04-19 | 南京理工大学 | 基于区块链的信息溯源方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108874871B (zh) | 2020-08-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6032467B2 (ja) | 時空間データ管理システム、時空間データ管理方法、及びそのプログラム | |
| CN105446966B (zh) | 生成关系数据转换为rdf格式数据的映射规则的方法和装置 | |
| CN102521412B (zh) | 数据关联装置和数据关联方法 | |
| CN105653560B (zh) | 数据归档方法和装置 | |
| CN108681590A (zh) | 增量数据处理方法及装置、计算机设备、计算机存储介质 | |
| CN108874871A (zh) | 实时pnt服务数据溯源方法及装置 | |
| CN105446991A (zh) | 数据存储方法、查询方法及设备 | |
| KR20130113653A (ko) | 대용량 데이터의 클러스터 결과 분석 시스템 및 방법 | |
| CN103946831A (zh) | 用于模板的成本感知的选择以供应共享资源的系统、方法和程序产品 | |
| CN103617295A (zh) | 一种地理信息矢量数据处理的方法和装置 | |
| CN109522382A (zh) | 空间数据网格化统计方法及装置 | |
| CN107609217A (zh) | 碰撞校核数据的处理方法及装置 | |
| CN103677821A (zh) | 软件开发工具代码发布的方法和装置 | |
| CN106294825A (zh) | 一种excel数据管理方法及系统、客户端、服务端 | |
| CN108319608A (zh) | 访问日志存储查询的方法、装置及系统 | |
| CN103425692A (zh) | 数据导出方法和装置 | |
| CN101645062B (zh) | 一种报表生成方法、系统 | |
| CN104008209A (zh) | 以GeoJSON格式结构化方式存储地理数据的MongoDB集群的地理数据读写方法 | |
| CN102932416A (zh) | 一种信息流任务的中间数据存储方法、处理方法及装置 | |
| Xi et al. | A blockchain dynamic sharding scheme based on hidden Markov model in collaborative IoT | |
| Moloney et al. | Quality data for strategic infrastructure decisions in Ireland | |
| CN108399175A (zh) | 一种数据存储、查询方法及其装置 | |
| CN102722621A (zh) | 一种有限元法计算结果的可视化处理方法 | |
| CN104572921A (zh) | 一种跨数据中心的数据同步方法和装置 | |
| CN111984657B (zh) | 数据归集方法、装置、存储介质及计算机设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200807 |