CN111948687B - 一种适用于多星编队的分布式多源信息融合系统 - Google Patents
一种适用于多星编队的分布式多源信息融合系统 Download PDFInfo
- Publication number
- CN111948687B CN111948687B CN202010786767.7A CN202010786767A CN111948687B CN 111948687 B CN111948687 B CN 111948687B CN 202010786767 A CN202010786767 A CN 202010786767A CN 111948687 B CN111948687 B CN 111948687B
- Authority
- CN
- China
- Prior art keywords
- star
- fusion
- target
- source information
- information
- 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.)
- Active
Links
- 230000004927 fusion Effects 0.000 title claims abstract description 85
- 230000015572 biosynthetic process Effects 0.000 title claims abstract description 50
- 230000010365 information processing Effects 0.000 claims abstract description 29
- 238000001514 detection method Methods 0.000 claims abstract description 24
- 238000000605 extraction Methods 0.000 claims abstract description 22
- 238000007499 fusion processing Methods 0.000 claims abstract description 17
- 238000004364 calculation method Methods 0.000 claims abstract description 8
- 238000007500 overflow downdraw method Methods 0.000 claims abstract description 7
- 230000005540 biological transmission Effects 0.000 claims description 19
- 238000007726 management method Methods 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000009826 distribution Methods 0.000 claims description 7
- 238000000034 method Methods 0.000 abstract description 6
- 230000004048 modification Effects 0.000 description 7
- 238000012986 modification Methods 0.000 description 7
- 238000003786 synthesis reaction Methods 0.000 description 4
- 230000004075 alteration Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001094 effect on targets Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
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
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
-
- 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
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/03—Cooperating elements; Interaction or communication between different cooperating elements or between cooperating elements and receivers
- G01S19/10—Cooperating elements; Interaction or communication between different cooperating elements or between cooperating elements and receivers providing dedicated supplementary positioning signals
- G01S19/12—Cooperating elements; Interaction or communication between different cooperating elements or between cooperating elements and receivers providing dedicated supplementary positioning signals wherein the cooperating elements are telecommunication base stations
-
- 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
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/13—Receivers
- G01S19/35—Constructional details or hardware or software details of the signal processing chain
- G01S19/37—Hardware or software details of the signal processing chain
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/253—Fusion techniques of extracted features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Signal Processing (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Navigation (AREA)
Abstract
本发明提供了一种适用于多星编队的分布式多源信息融合系统及方法,包括:模块M1:编队成员星信息处理单元作为局部信息处理节点,负责完成单源信息的目标检测与特征提取;模块M2:各成员星将单源信息的目标检测与特征提取发送至中枢星信息融合单元进行多源信息融合处理,完成各成员星计算负载平衡,实现空间分布式环境下的协同处理。本发明可以充分利用多星系统各成员星配置不同类型传感器的优势,采用多源数据信息融合手段实现多源数据在轨综合处理,具有处理实时性强、自主化程度高、结果信息丰富等特点,尤其适用于多星编队下的多源信息融合。
Description
技术领域
本发明涉及宇航飞行器,具体地,涉及种适用于多星编队的分布式多源信息融合系统。
背景技术
多源信息融合又称为多传感器信息融合,是20世纪70年代提出来的,军事应用是该技术诞生的起因,多源信息融合主要是指利用多种信息源如传感器、数据库、知识库等来获取信息,并进行滤波、相关和集成,从而形成一个表示架构,这种架构适合于获取有关决策、对信息的解释达到目标识别、系统控制等目的。近年来,多传感器信息融合技术不论在军事领域还是民事领域都受到了广泛的关注,这一技术正在广泛应用于自动目标识别、自动飞行器导航、机器人、遥感、图像处理、模式识别和复杂工业过程控制等领域。虽然在我国天基信息领域各种探测手段卫星繁多,但天基信息多源异构,各类卫星自成体系,获取的多源天基信息难以融合应用。因此,提升天基信息资源的融合使用效能需求迫切。多颗卫星上部署不同类型传感器,可对目标信息进行多维度、多层次、多手段获取,综合应用这些信息能极大的提高对目标的探测效果。多星组网下的多源信息融合处理同时面临着星上处理资源有限、星间数据交互困难、信息多源异构等问题,需要提出一种高实时、集约化、智能化的方案。
专利申请号为CN106874962A,发明名称为“多源卫星数据的融合方法及装置”的专利,提出了一种在地面实现对多路卫星数据接收的装置,同时依据多路卫星数据之间的字节长度相似程度来进行冗余数据的剔除,此发明在地面实现多路卫星载荷数据冗余剔除,实现数据量精简,但此发明无法实现多星组网下的多源信息融合。
发明内容
针对现有技术中的缺陷,本发明的目的是提供一种适用于多星编队的分布式多源信息融合系统及方法。
根据本发明提供的一种适用于多星编队的分布式多源信息融合系统,包括:
模块M1:编队成员星信息处理单元作为局部信息处理节点,负责完成单源信息的目标检测与特征提取;
模块M2:各成员星将单源信息的目标检测与特征提取发送至中枢星信息融合单元进行多源信息融合处理,完成各成员星计算负载平衡,实现空间分布式环境下的协同处理。
优选地,所述模块M1包括:编队成员采用星型拓扑数传网络。
优选地,所述模块M2包括:编队各成员星配置星间高速发射终端和星间高速天线;中枢星配置星间高速接收终端和星间高速天线,实现编队各成员星与中枢星间高速数据传输。
优选地,所述模块M2包括:中枢星配置数据服务器,采用文件管理系统,实现多源数据的检索与读写。
优选地,所述模块M2包括:中枢星根据各成员星底图配准信息,建立各成员星提取目标的关联关系,通过决策级融合及特征级融合,实现目标的多源信息融合处理。
优选地,所述模块M1中编队成员星信息处理单元包括:各成员星的信息处理单元接收本星传感器图像,完成对不同场景下图像的目标检测、识别、状态分析与定位、目标切片获取和目标图像特征信息的提取。
优选地,所述模块M2包括:
模块M2.1:中枢星信息融合单元将多源信息基于包括目标位置、几何属性和目标分布拓扑关系建立关联关系,形成多源目标匹配链;
模块M2.2:完成多源目标匹配后采用多层次分级决策融合,首先对目标存在层进行融合决策实现目标存在性判定;
模块M2.3:对判定存在的目标再采用决策及级特征级融合方式进行目标身份识别层融合;
模块M2.4:对决策级、特征级融合后的结果再进行融合决策。
根据本发明提供的一种适用于多星编队的分布式多源信息融合方法,包括:
步骤M1:编队成员星信息处理单元作为局部信息处理节点,负责完成单源信息的目标检测与特征提取;
步骤M2:各成员星将单源信息的目标检测与特征提取发送至中枢星信息融合单元进行多源信息融合处理,完成各成员星计算负载平衡,实现空间分布式环境下的协同处理。
优选地,所述步骤M1包括:编队成员采用星型拓扑数传网络;
所述步骤M1中编队成员星信息处理单元包括:各成员星的信息处理单元接收本星传感器图像,完成对不同场景下图像的目标检测、识别、状态分析与定位、目标切片获取和目标图像特征信息的提取。
优选地,所述步骤M2包括:编队各成员星配置星间高速发射终端和星间高速天线;中枢星配置星间高速接收终端和星间高速天线,实现编队各成员星与中枢星间高速数据传输;
中枢星配置数据服务器,采用文件管理系统,实现多源数据的检索与读写;
中枢星根据各成员星底图配准信息,建立各成员星提取目标的关联关系,通过决策级融合及特征级融合,实现目标的多源信息融合处理;
所述步骤M2包括:
步骤M2.1:中枢星信息融合单元将多源信息基于包括目标位置、几何属性和目标分布拓扑关系建立关联关系,形成多源目标匹配链;
步骤M2.2:完成多源目标匹配后采用多层次分级决策融合,首先对目标存在层进行融合决策实现目标存在性判定;
步骤M2.3:对判定存在的目标再采用决策及级特征级融合方式进行目标身份识别层融合;
步骤M2.4:对决策级、特征级融合后的结果再进行融合决策。
与现有技术相比,本发明具有如下的有益效果:
1、本发明实现多源信息在轨融合处理,具备实时性好、智能化程度高、系统集约化程度高等特点;
2、本发明系统采用多星处理资源分布式配置、计算负载平衡设计,星上资源利用合理高效;
3、本发明系统具备弹性、灵活、自主的特点;
4、本发明可以充分利用多星系统各成员星配置不同类型传感器的优势,采用多源数据信息融合手段实现多源数据在轨综合处理,具有处理实时性强、自主化程度高、结果信息丰富等特点,尤其适用于多星编队下的多源信息融合。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为多星编队的分布式多源信息融合系统组成示意图;
图2为空间分布式环境下的协同处理示意图;
图3为星型拓扑结构的数传网示意图;
图4为为决策级、特征级融合综合处理流程图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变化和改进。这些都属于本发明的保护范围。
实施例1
根据本发明提供的一种适用于多星编队的分布式多源信息融合系统,包括:如图1-2所示,
模块M1:编队成员星信息处理单元作为局部信息处理节点,负责完成单源信息的目标检测与特征提取;
模块M2:各成员星将单源信息的目标检测与特征提取发送至中枢星信息融合单元进行多源信息融合处理,完成各成员星计算负载平衡,实现空间分布式环境下的协同处理。
具体地,所述模块M1包括:编队成员采用星型拓扑数传网络。如图3所示,
具体地,所述模块M2包括:编队各成员星配置星间高速发射终端和星间高速天线;中枢星配置星间高速接收终端和星间高速天线,实现编队各成员星与中枢星间高速数据传输。
具体地,所述模块M2包括:中枢星配置数据服务器,采用文件管理系统,根据文件号、文件来源、文件时间等属性对数据进行检索、存储与读写等,实现多传感器信息的灵活检索与读写。
具体地,所述模块M2包括:中枢星根据各成员星底图配准信息,建立各成员星提取目标的关联关系,通过决策级融合及特征级融合,实现目标的多源信息融合处理。
具体地,所述模块M1中编队成员星信息处理单元包括:各成员星的信息处理单元接收本星传感器图像,完成对不同场景下图像的目标检测、识别、状态分析与定位、目标切片获取和目标图像特征信息的提取。
具体地,所述模块M2包括:如图4所示,
模块M2.1:中枢星信息融合单元将多源信息基于包括目标位置、几何属性和目标分布拓扑关系建立关联关系,形成多源目标匹配链;
模块M2.2:完成多源目标匹配后采用多层次分级决策融合,首先对目标存在层进行融合决策实现目标存在性判定;
模块M2.3:对判定存在的目标再采用决策及级特征级融合方式进行目标身份识别层融合;
模块M2.4:对决策级、特征级融合后的结果再进行融合决策,实现目标的高置信度识别与多维度状态综合。
根据本发明提供的一种适用于多星编队的分布式多源信息融合方法,包括:如图1-2所示,
步骤M1:编队成员星信息处理单元作为局部信息处理节点,负责完成单源信息的目标检测与特征提取;
步骤M2:各成员星将单源信息的目标检测与特征提取发送至中枢星信息融合单元进行多源信息融合处理,完成各成员星计算负载平衡,实现空间分布式环境下的协同处理。
具体地,所述步骤M1包括:编队成员采用星型拓扑数传网络,如图3所示。
具体地,所述步骤M2包括:编队各成员星配置星间高速发射终端和星间高速天线;中枢星配置星间高速接收终端和星间高速天线,实现编队各成员星与中枢星间高速数据传输。
具体地,所述步骤M2包括:中枢星配置数据服务器,采用文件管理系统,根据文件号、文件来源、文件时间等属性对数据进行检索、存储与读写等,实现多传感器信息的灵活检索与读写。
具体地,所述步骤M2包括:中枢星根据各成员星底图配准信息,建立各成员星提取目标的关联关系,通过决策级融合及特征级融合,实现目标的多源信息融合处理。
具体地,所述步骤M1中编队成员星信息处理单元包括:各成员星的信息处理单元接收本星传感器图像,完成对不同场景下图像的目标检测、识别、状态分析与定位、目标切片获取和目标图像特征信息的提取。
具体地,所述步骤M2包括:如图4所示,
步骤M2.1:中枢星信息融合单元将多源信息基于包括目标位置、几何属性和目标分布拓扑关系建立关联关系,形成多源目标匹配链;
步骤M2.2:完成多源目标匹配后采用多层次分级决策融合,首先对目标存在层进行融合决策实现目标存在性判定;
步骤M2.3:对判定存在的目标再采用决策及级特征级融合方式进行目标身份识别层融合;
步骤M2.4:对决策级、特征级融合后的结果再进行融合决策,实现目标的高置信度识别与多维度状态综合。
实施例2
实施例2是实施例1的变化例
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变化和改进。
这些都属于本发明的保护范围
如图1所示,本发明实施例提供了一种适用于多星编队的分布式多源信息融合系统。多星分布式协同处理设计:编队各成员星信息处理单元作为局部信息处理节点,负责完成单源信息的目标检测与特征提取,并通过星间链路将单源处理结果送至中枢星进行多源信息融合处理,完成各成员星计算负载平衡,实现空间分布式环境下的协同处理;星间高速数传网及数据灵活管理设计:编队采用星型拓扑数传网络,编队各成员星配置星间高速终端、星间高速天线实现与中枢星间高速数据传输,中枢星采用文件管理系统,实现多源数据的灵活检索与读取;决策级、特征级融合综合处理设计:中枢星根据各成员星高精度底图配准信息,建立各成员星提取目标的关联关系,通过决策级融合及特征级融合综合处理,实现目标的高置信度识别与多维度状态综合。
具体的,采用多星分布式协同处理设计,如图2所示,各成员星配置的信息处理单元作为单元处理节点,接收本星传感器获取图像,依据配置的传感器类型采用不同的处理算法,适应载荷不同工作模式,完成对图像中的目标检测、识别、状态分析和定位,目标切片获取,目标长宽比、灰度直方图、LBP特征、SIFT-BoW特征、HOG特征等信息的提取;中枢星作为核心处理节点,接收各单元处理节点处理的信息,核心处理节点负责完成后续的成员星信息的目标关联及多源信息融合,生成高置信、多维度的融合结果。
具体的,采用星间高速数传网及数据灵活管理设计,如图3所示,多星构成星型拓扑结构的X频段数传网络,以中枢星为主节点,实现成员星信息向中枢星传输;成员星配置星间高速发射终端、星间高速天线完成信号的加扰、编码、调制、上变频及发射,中枢星配置星间高速接收终端、星间高速天线完成信号的接收、下变频、解调、译码及解扰;中枢星配置具备文件管理功能的数据服务器,可根据文件号、文件来源、文件时间等多种属性组合对数据进行检索、存储、读写等,实现多传感器信息的灵活检索与读写。
具体的,采用决策级、特征级融合处理综合设计,如图4所示,中枢星信息融合单元将多源信息基于目标位置、几何属性、目标分布拓扑关系利用多目标匹配算法形成多源目标匹配链,完成多源目标匹配后采用多层次分级决策融合,先对目标存在层进行融合决策实现目标存在性判定,对判定存在的目标再采用决策级及特征级融合方式进行目标身份识别层融合,对决策级、特征级融合后的结果再进行融合决策,实现对目标的高置信度识别与多维度状态综合。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变化或修改,这并不影响本发明的实质内容。在不冲突的情况下,本申请的实施例和实施例中的特征可以任意相互组合。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。
本领域技术人员知道,除了以纯计算机可读程序代码方式实现本发明提供的系统、装置及其各个模块以外,完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统、装置及其各个模块以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同程序。所以,本发明提供的系统、装置及其各个模块可以被认为是一种硬件部件,而对其内包括的用于实现各种程序的模块也可以视为硬件部件内的结构;也可以将用于实现各种功能的模块视为既可以是实现方法的软件程序又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变化或修改,这并不影响本发明的实质内容。在不冲突的情况下,本申请的实施例和实施例中的特征可以任意相互组合。
Claims (9)
1.一种适用于多星编队的分布式多源信息融合系统,其特征在于,包括:
模块M1:编队成员星信息处理单元作为局部信息处理节点,负责完成单源信息的目标检测与特征提取;
模块M2:各成员星将单源信息的目标检测与特征提取发送至中枢星信息融合单元进行多源信息融合处理,完成各成员星计算负载平衡,实现空间分布式环境下的协同处理;
所述模块M2包括:
模块M2.1:中枢星信息融合单元将多源信息基于包括目标位置、几何属性和目标分布拓扑关系建立关联关系,形成多源目标匹配链;
模块M2.2:完成多源目标匹配后采用多层次分级决策融合,首先对目标存在层进行融合决策实现目标存在性判定;
模块M2.3:对判定存在的目标再采用决策及级特征级融合方式进行目标身份识别层融合;
模块M2.4:对决策级、特征级融合后的结果再进行融合决策。
2.根据权利要求1所述的适用于多星编队的分布式多源信息融合系统,其特征在于,所述模块M1包括:编队成员采用星型拓扑数传网络。
3.根据权利要求1所述的适用于多星编队的分布式多源信息融合系统,其特征在于,所述模块M2包括:编队各成员星配置星间高速发射终端和星间高速天线;中枢星配置星间高速接收终端和星间高速天线,实现编队各成员星与中枢星间高速数据传输。
4.根据权利要求1所述的适用于多星编队的分布式多源信息融合系统,其特征在于,所述模块M2包括:中枢星配置数据服务器,采用文件管理系统,实现多源数据的检索与读写。
5.根据权利要求1所述的适用于多星编队的分布式多源信息融合系统,其特征在于,所述模块M2包括:中枢星根据各成员星底图配准信息,建立各成员星提取目标的关联关系,通过决策级融合及特征级融合,实现目标的多源信息融合处理。
6.根据权利要求1所述的适用于多星编队的分布式多源信息融合系统,其特征在于,所述模块M1中编队成员星信息处理单元包括:各成员星的信息处理单元接收本星传感器图像,完成对不同场景下图像的目标检测、识别、状态分析与定位、目标切片获取和目标图像特征信息的提取。
7.一种适用于多星编队的分布式多源信息融合方法,其特征在于,包括:
步骤M1:编队成员星信息处理单元作为局部信息处理节点,负责完成单源信息的目标检测与特征提取;
步骤M2:各成员星将单源信息的目标检测与特征提取发送至中枢星信息融合单元进行多源信息融合处理,完成各成员星计算负载平衡,实现空间分布式环境下的协同处理;
所述步骤M2包括:
步骤M2.1:中枢星信息融合单元将多源信息基于包括目标位置、几何属性和目标分布拓扑关系建立关联关系,形成多源目标匹配链;
步骤M2.2:完成多源目标匹配后采用多层次分级决策融合,首先对目标存在层进行融合决策实现目标存在性判定;
步骤M2.3:对判定存在的目标再采用决策及级特征级融合方式进行目标身份识别层融合;
步骤M2.4:对决策级、特征级融合后的结果再进行融合决策。
8.根据权利要求7所述的适用于多星编队的分布式多源信息融合方法,其特征在于,所述步骤M1包括:编队成员采用星型拓扑数传网络;
所述步骤M1中编队成员星信息处理单元包括:各成员星的信息处理单元接收本星传感器图像,完成对不同场景下图像的目标检测、识别、状态分析与定位、目标切片获取和目标图像特征信息的提取。
9.根据权利要求7所述的适用于多星编队的分布式多源信息融合方法,其特征在于,所述步骤M2包括:编队各成员星配置星间高速发射终端和星间高速天线;中枢星配置星间高速接收终端和星间高速天线,实现编队各成员星与中枢星间高速数据传输;
中枢星配置数据服务器,采用文件管理系统,实现多源数据的检索与读写;
中枢星根据各成员星底图配准信息,建立各成员星提取目标的关联关系,通过决策级融合及特征级融合,实现目标的多源信息融合处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010786767.7A CN111948687B (zh) | 2020-08-07 | 2020-08-07 | 一种适用于多星编队的分布式多源信息融合系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010786767.7A CN111948687B (zh) | 2020-08-07 | 2020-08-07 | 一种适用于多星编队的分布式多源信息融合系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111948687A CN111948687A (zh) | 2020-11-17 |
CN111948687B true CN111948687B (zh) | 2024-04-23 |
Family
ID=73331725
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010786767.7A Active CN111948687B (zh) | 2020-08-07 | 2020-08-07 | 一种适用于多星编队的分布式多源信息融合系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111948687B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114485668B (zh) * | 2022-01-17 | 2023-09-22 | 上海卫星工程研究所 | 光学双星定位多运动目标关联方法及系统 |
CN114509063B (zh) * | 2022-01-17 | 2024-01-30 | 上海卫星工程研究所 | 多星分布式信息融合系统的多星联合测试方法及系统 |
CN114660634B (zh) * | 2022-02-23 | 2022-12-13 | 航天东方红卫星有限公司 | 一种提高卫星多源遥感数据记放比的方法 |
CN115576998B (zh) * | 2022-12-09 | 2023-02-17 | 国网浙江省电力有限公司金华供电公司 | 一种基于多维信息融合的配电网数据整合方法及系统 |
CN117523410A (zh) * | 2023-11-10 | 2024-02-06 | 中国科学院空天信息创新研究院 | 基于多终端协同感知分布式大模型的图像处理及构建方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1389710A (zh) * | 2002-07-18 | 2003-01-08 | 上海交通大学 | 多传感器多目标信息融合方法 |
CN106845452A (zh) * | 2017-02-23 | 2017-06-13 | 中国公路工程咨询集团有限公司 | 基于北斗的高分遥感数据处理方法 |
CN107578066A (zh) * | 2017-09-07 | 2018-01-12 | 南京莱斯信息技术股份有限公司 | 基于多源信息融合的民防综合态势展现系统及方法 |
CN107704508A (zh) * | 2017-08-31 | 2018-02-16 | 北京空间飞行器总体设计部 | 多类型海量空间目标数据的数据融合与数据挖掘方法 |
CN107992904A (zh) * | 2017-12-22 | 2018-05-04 | 重庆邮电大学 | 基于多源信息融合的林业生态环境人机交互方法 |
CN108557114A (zh) * | 2018-04-18 | 2018-09-21 | 上海微小卫星工程中心 | 一种分布式遥感卫星 |
CN108827321A (zh) * | 2018-06-14 | 2018-11-16 | 上海卫星工程研究所 | 一种多星协同动目标自适应测向定位与跟踪方法 |
CN108847881A (zh) * | 2018-06-15 | 2018-11-20 | 上海卫星工程研究所 | 一种基于集群编队的多路由星间通信链路 |
CN110186820A (zh) * | 2018-12-19 | 2019-08-30 | 河北中科遥感信息技术有限公司 | 多源数据融合与环境污染源及污染物分布分析方法 |
CN110389366A (zh) * | 2019-08-05 | 2019-10-29 | 中国人民解放军军事科学院国防科技创新研究院 | 一种基于多源sar卫星的海上目标运动估计方法 |
-
2020
- 2020-08-07 CN CN202010786767.7A patent/CN111948687B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1389710A (zh) * | 2002-07-18 | 2003-01-08 | 上海交通大学 | 多传感器多目标信息融合方法 |
CN106845452A (zh) * | 2017-02-23 | 2017-06-13 | 中国公路工程咨询集团有限公司 | 基于北斗的高分遥感数据处理方法 |
CN107704508A (zh) * | 2017-08-31 | 2018-02-16 | 北京空间飞行器总体设计部 | 多类型海量空间目标数据的数据融合与数据挖掘方法 |
CN107578066A (zh) * | 2017-09-07 | 2018-01-12 | 南京莱斯信息技术股份有限公司 | 基于多源信息融合的民防综合态势展现系统及方法 |
CN107992904A (zh) * | 2017-12-22 | 2018-05-04 | 重庆邮电大学 | 基于多源信息融合的林业生态环境人机交互方法 |
CN108557114A (zh) * | 2018-04-18 | 2018-09-21 | 上海微小卫星工程中心 | 一种分布式遥感卫星 |
CN108827321A (zh) * | 2018-06-14 | 2018-11-16 | 上海卫星工程研究所 | 一种多星协同动目标自适应测向定位与跟踪方法 |
CN108847881A (zh) * | 2018-06-15 | 2018-11-20 | 上海卫星工程研究所 | 一种基于集群编队的多路由星间通信链路 |
CN110186820A (zh) * | 2018-12-19 | 2019-08-30 | 河北中科遥感信息技术有限公司 | 多源数据融合与环境污染源及污染物分布分析方法 |
CN110389366A (zh) * | 2019-08-05 | 2019-10-29 | 中国人民解放军军事科学院国防科技创新研究院 | 一种基于多源sar卫星的海上目标运动估计方法 |
Non-Patent Citations (1)
Title |
---|
面向多源信息的智能决策系统;魏瑾;电脑与信息技术;第21卷(第5期);33-35 * |
Also Published As
Publication number | Publication date |
---|---|
CN111948687A (zh) | 2020-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111948687B (zh) | 一种适用于多星编队的分布式多源信息融合系统 | |
US9586314B2 (en) | Graphical rendition of multi-modal data | |
Girisha et al. | Uvid-net: Enhanced semantic segmentation of uav aerial videos by embedding temporal information | |
CN111950874B (zh) | 卫星自主任务规划星载知识库设计方法及系统 | |
CN115907009A (zh) | 一种自动驾驶感知模型的迁移方法、装置、设备和介质 | |
CN116012880A (zh) | 分布式边缘协同推理的行人重识别方法、系统及装置 | |
CN112344938A (zh) | 基于指向和势场参数的空间环境路径生成及规划方法 | |
Acevedo et al. | A 4D grid based approach for efficient conflict detection in large-scale multi-UAV scenarios | |
Cao et al. | Template matching based on convolution neural network for UAV visual localization | |
Yin et al. | A survey on global lidar localization | |
Gudur et al. | A vision-based deep on-device intelligent bus stop recognition system | |
CN113657389A (zh) | 一种软件定义卫星语义分割方法、装置和介质 | |
CN117710255A (zh) | 一种基于教师-学生网络与课程学习的点云补全方法 | |
CN107170004A (zh) | 一种无人车单目视觉定位中对匹配矩阵的图像匹配方法 | |
Nguyen et al. | Robust vehicle detection under adverse weather conditions using auto-encoder feature | |
CN115773744A (zh) | 模型训练和路网处理方法、装置、设备、介质和产品 | |
Song | MBC-Net: long-range enhanced feature fusion for classifying remote sensing images | |
Fan et al. | A voting-based star identification algorithm utilizing local and global distribution | |
AlDahoul et al. | RGB-D based multimodal convolutional neural networks for spacecraft recognition | |
CN111947624B (zh) | 时变态势矩阵驱动的天基广域分布式态势感知方法及系统 | |
Mastrofini et al. | Yolo v4 based algorithm for resident space object detection and tracking | |
Song et al. | Recalling direct 2d-3d matches for large-scale visual localization | |
Hu et al. | LGNet: Location-Guided Network for Road Extraction From Satellite Images | |
CN110019830B (zh) | 语料处理、词向量获取方法及装置、存储介质及设备 | |
Ziliang et al. | An all-sky autonomous star map identification algorithm |
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 |