CN110442567A - 一种用于机场自动观测系统的数据融合方法 - Google Patents

Abstract

本发明公开了一种用于机场自动观测系统的数据融合方法，涉及数据融合领域。所述数据融合步骤为：S1：设置前序接收装置，通过前序接收装置采集原始测量数据，再将原始测量数据传送至数据预处理模块；S2：数据预处理模块对原始测量数据进行有效性判断，标识或剔除采集过程中的异常数据，再对剩余数据进行整合，得到优化数据，再将优化数据传送至数据融合模块；S3：数据融合模块采用多传感器数据融合方法对优化数据进行处理，得到格式化数据，并对格式化数据增加时效性标记；S4：将格式化数据传送至各个应用。

Description

一种用于机场自动观测系统的数据融合方法

技术领域

本发明涉及数据融合领域，特别涉及一种用于机场自动观测系统的数据融合方法。

背景技术

数据融合技术是指利用计算机对按时序获得的若干观测信息，在一定准则下加以自动分析、综合，以完成所需的决策和评估任务而进行的信息处理技术。

目前的民航机场，特别是吞吐量较大的机场，一般建设有多个观测系统，其目的除了对比观测，更重要的是对其观测系统的备份。大部分情况下，建设的各观测系统来自不同的厂家，各系统互相独立。目前机场探测部门主要利用主用设备进行业务作业，当主用设备故障时，业务切换至备用设备或者参考备用设备应用，切换时存在切换不成功或切换时间不可控的风险，当某一气象要素异常时存在不易察觉的风险。

发明内容

本发明的目的在于：提供了一种用于机场自动观测系统的数据融合方法，解决了目前机场探测部门主要利用主用设备进行业务作业，当主用设备故障时，业务切换至备用设备或者参考备用设备应用，切换时存在切换不成功或切换时间不可控的风险，当某一气象要素异常时存在不易察觉的风险的问题。

本发明采用的技术方案如下：

一种用于机场自动观测系统的数据融合方法，所述数据融合步骤为：

S1：设置前序接收装置，通过前序接收装置采集原始测量数据，再将原始测量数据传送至数据预处理模块；

S2：数据预处理模块对原始测量数据进行有效性判断，标识或剔除采集过程中的异常数据，再对剩余数据进行整合，得到优化数据，再将优化数据传送至数据融合模块；

S3：数据融合模块采用多传感器数据融合方法对优化数据进行处理，得到格式化数据，并对格式化数据增加时效性标记；

S4：将格式化数据传送至各个应用。

本发明针对存在多重观测设备的机场，在其业务应用，如对比观测、对外发布实况、联动报警等应用场景下，提出了一套新数据融合方法。第一，本发明增加前置接收装置，该装置可采用软件程序或者硬件如协议转换器组成，主要负责各设备数据的数据引入；第二，增加了数据预处理模块，进行数据处理，主要负责数据的解析及标准化；第三，采用多种手段进行数据融合，对数据进行数据格式化，增加效性标记，如数值有效和时效的标记；第四，向各个应用推送格式化后的数据。

本发明可有效解决存在多套观测设备情况下，当主用设备故障时，业务切换至备用设备或者参考备用设备应用，切换时存在切换不成功或切换时间不可控的风险，当某一气象要素异常时存在不易察觉的风险。应用场景包括观测编发报、预报发报，比对观测及观测告警预警业务。

进一步地，所述S1中的前序接收设备为软件程序。

进一步地，所述S1中的前序接收设备为硬件设备。

进一步地，所述S2中数据预处理模块的运行步骤为：

S5：根据数据预处理请求，将原始测量数据进行数据清洗，去掉数据噪声和无用数据；

S6：通过数据变换将清洗完毕的多个数据源中的数据整合到一个数据库中一致性存储；

S7：对现有的数据按照不同维度进行汇总以得到不同层次的方体，所有的方体联合起来构成数据立方体；

S8：将得到的数据立方体压缩表示，以减小数据量，可得到相近或相同的结果，并进行离散化和概念分层，最终得到预处理后的数据。

进一步地，所述S3中多传感器数据融合方法的步骤为：

S9：采用自适应加权数据融合算法对来自多个前序接收装置的优化数据分配相应的权数；

S10：采用卡尔曼滤波算法对所述相应权数的优化数据进行最优估计，得到局部融合后的优化数据；

S11：采用D-S理论估计算法对所述局部融合后的优化数据中不确定的数据的进行区间估计；

S12：采用多贝叶斯估计算法对所述进行区间估计后的数据进行单独的关联概率分布，以合成一个联合的后验的概率分布函数；

S13：利用联合分布函数输出优化数据的最终融合值。

综上所述，由于采用了上述技术方案，本发明的有益效果是：

1.本发明一种用于机场自动观测系统的数据融合方法，增加前置接收装置，该装置可采用软件程序或者硬件如协议转换器组成，主要负责各设备数据的数据引入；第二，增加了数据预处理模块，进行数据处理，主要负责数据的解析及标准化；第三，采用多种手段进行数据融合，对数据进行数据格式化，增加效性标记，如数值有效和时效的标记；第四，向各个应用推送格式化后的数据。能够有效解决多套观测设备下，数据融合利用问题。

2.本发明一种用于机场自动观测系统的数据融合方法，采用多传感器数据融合方法，可以解决单传感器系统精度低、信息单一以及数据融合计算量大的问题，应用场景包括观测编发报、预报发报，比对观测及观测告警预警业务。

附图说明

本发明将通过例子并参照附图的方式说明，其中：

图1是本发明的流程图。

具体实施方式

本说明书中公开的所有特征，或公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合。

需要说明的是，术语“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。

下面结合图1对本发明作详细说明。

实施例1

一种用于机场自动观测系统的数据融合方法，所述数据融合步骤为：

S1：设置前序接收装置，通过前序接收装置采集原始测量数据，再将原始测量数据传送至数据预处理模块；

S2：数据预处理模块对原始测量数据进行有效性判断，标识或剔除采集过程中的异常数据，再对剩余数据进行整合，得到优化数据，再将优化数据传送至数据融合模块；

S3：数据融合模块采用多传感器数据融合方法对优化数据进行处理，得到格式化数据，并对格式化数据增加时效性标记；

S4：将格式化数据传送至各个应用。

实施例2

所述S2中数据预处理模块的运行步骤为：

S5：根据数据预处理请求，将原始测量数据进行数据清洗，去掉数据噪声和无用数据；

S6：通过数据变换将清洗完毕的多个数据源中的数据整合到一个数据库中一致性存储；

S7：对现有的数据按照不同维度进行汇总以得到不同层次的方体，所有的方体联合起来构成数据立方体；

S8：将得到的数据立方体压缩表示，以减小数据量，可得到相近或相同的结果，并进行离散化和概念分层，最终得到预处理后的数据。

其中S5中，数据清洗的方式包括对缺失值的除了和去除噪声数据两大部分；对与缺失值，可采用忽略元组、人工填写、全局常量填充、属性中心度量填充、最可能的值填充等方法；对于去除噪声数据可采用数据光滑技术，通过分箱、回归、离群点分析等方式。

实施例3

所述S3中多传感器数据融合方法的步骤为：

S9：采用自适应加权数据融合算法对来自多个前序接收装置的优化数据分配相应的权数；

S10：采用卡尔曼滤波算法对所述相应权数的优化数据进行最优估计，得到局部融合后的优化数据；

S11：采用D-S理论估计算法对所述局部融合后的优化数据中不确定的数据的进行区间估计；

S12：采用多贝叶斯估计算法对所述进行区间估计后的数据进行单独的关联概率分布，以合成一个联合的后验的概率分布函数；

S13：利用联合分布函数输出优化数据的最终融合值。

本发明采用多传感器数据融合方法，可以解决单传感器系统精度低、信息单一以及数据融合计算量大的问题。其中：

卡尔曼滤波主要用于融合低层次实时动态多传感器冗余数据。它的递推特性使系统处理过程中不需要进行大量的数据存储和计算，而且还能为融合数据提供唯一统计意义下的最优估计。

D-S理论估计算法作用是把来自独立传感器的观测结果合成为一个总的输出结果，再将获得传感器的观测结果并进行推断,将传感器观测结果扩展成目标报告。

多贝叶斯估计算法使得传感器信息依据概率原则进行组合，测量不确定性以条件概率表示，当传感器组的观测坐标一致时，可以直接对传感器的数据进行融合。因为通过使用联合分布函数的似然函数为最小，因此最后能提供多传感器信息的最终的置信度、可靠度高的融合值。

以上所述，仅为本发明的优选实施方式，但本发明的保护范围并不局限于此，任何熟悉本领域的技术人员在本发明所揭露的技术范围内，可不经过创造性劳动想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求书所限定的保护范围为准。

Claims (5)

1.一种用于机场自动观测系统的数据融合方法，其特征在于：所述数据融合步骤为：

S1：设置前序接收装置，通过前序接收装置采集原始测量数据，再将原始测量数据传送至数据预处理模块；

S2：数据预处理模块对原始测量数据进行有效性判断，标识或剔除采集过程中的异常数据，再对剩余数据进行整合，得到优化数据，再将优化数据传送至数据融合模块；

S3：数据融合模块采用多传感器数据融合方法对优化数据进行处理，得到格式化数据，并对格式化数据增加时效性标记；

S4：将格式化数据传送至各个应用。

2.根据权利要求1所述的一种用于机场自动观测系统的数据融合方法，其特征在于：所述S1中的前序接收设备为软件程序。

3.根据权利要求1所述的一种用于机场自动观测系统的数据融合方法，其特征在于：所述S1中的前序接收设备为硬件设备。

4.根据权利要求1所述的一种用于机场自动观测系统的数据融合方法，其特征在于：所述S2中数据预处理模块的运行步骤为：

S5：根据数据预处理请求，将原始测量数据进行数据清洗，去掉数据噪声和无用数据；

S6：通过数据变换将清洗完毕的多个数据源中的数据整合到一个数据库中一致性存储；

S7：对现有的数据按照不同维度进行汇总以得到不同层次的方体，所有的方体联合起来构成数据立方体；

S8：将得到的数据立方体压缩表示，以减小数据量，可得到相近或相同的结果，并进行离散化和概念分层，最终得到预处理后的数据。

5.根据权利要求1所述的一种用于机场自动观测系统的数据融合方法，其特征在于：所述S3中多传感器数据融合方法的步骤为：

S9：采用自适应加权数据融合算法对来自多个前序接收装置的优化数据分配相应的权数；

S10：采用卡尔曼滤波算法对所述相应权数的优化数据进行最优估计，得到局部融合后的优化数据；

S11：采用D-S理论估计算法对所述局部融合后的优化数据中不确定的数据的进行区间估计；

S12：采用多贝叶斯估计算法对所述进行区间估计后的数据进行单独的关联概率分布，以合成一个联合的后验的概率分布函数；

S13：利用联合分布函数输出优化数据的最终融合值。