CN111950613B - 多源引导信息星上实时融合处理方法及系统 - Google Patents

多源引导信息星上实时融合处理方法及系统 Download PDF

Info

Publication number
CN111950613B
CN111950613B CN202010753139.9A CN202010753139A CN111950613B CN 111950613 B CN111950613 B CN 111950613B CN 202010753139 A CN202010753139 A CN 202010753139A CN 111950613 B CN111950613 B CN 111950613B
Authority
CN
China
Prior art keywords
fusion
target
satellite
fusion area
area
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
Application number
CN202010753139.9A
Other languages
English (en)
Other versions
CN111950613A (zh
Inventor
崔本杰
郑峰
杨勇
仲惟超
伍国威
陈荷
曹岸杰
钱丰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Institute of Satellite Engineering
Original Assignee
Shanghai Institute of Satellite Engineering
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Institute of Satellite Engineering filed Critical Shanghai Institute of Satellite Engineering
Priority to CN202010753139.9A priority Critical patent/CN111950613B/zh
Publication of CN111950613A publication Critical patent/CN111950613A/zh
Application granted granted Critical
Publication of CN111950613B publication Critical patent/CN111950613B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/25Fusion techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Radio Relay Systems (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本发明提供了一种多源引导信息星上实时融合处理方法及系统。在对多载荷目标定位数据进行处理时,考虑到数据量大、星上计算能力有限等问题,对目标进行分区域管理,星上通过获取当前轨道数据、融合处理开始时间、滚动触发周期及任务规划结束时间,递推卫星未来时刻位置、速度,计算星地交点,作为各区域边界。融合区目标进行新目标存储、临近判断和融合、队列筛选排序等、生成目标态势引导队列。该方法面向多星多载荷在轨自主协同工作的星上态势实时处理需求,解决多信息源相同目标多批次送出的目标定位信息重复或虚警情况,提高对星下态势实时描述的准确度,为星上自主任务规划后续环节,对多目标的成像优选提供重要参考。

Description

多源引导信息星上实时融合处理方法及系统
技术领域
本发明涉及星上态势融合处理领域,具体地,涉及一种多源引导信息星上实时融合处理方法及系统。
背景技术
随着人们对空间信息支持的依赖越来越大,通过单一载荷、单一卫星或某一类卫星来获取局部或全球信息已远远不够。多载荷、多星编队或组网进行协同探测,已成为对地遥感发展的必然趋势。多载荷多星协同系统,通过单星携带多种载荷或携带多种载荷的多个卫星编队,通过在轨信息互联,在轨信息处理,在轨态势融合,在轨协同任务规划,相较于传统单星单载荷,多载荷多星协同系统具有更好的冗余性、鲁棒性和遂行任务能力。
其中,星上态势融合协同任务规划的一个重要环节,即在轨目标引导信息的星上实时融合处理,是指将多种具备在轨实时目标搜索发现的载荷输出的原始多目标定位数据(电磁波探测定位信息、图像目标识别定位信息、AIS船舶位置信息、ADS-B飞机位置信息等),对多种传感器对多目标的定位数据,进行同目标实时融合批处理,可解决多信息源相同目标多批次送出的目标重复或虚警情况,有利于重要目标的识别,有利于提高星上执行多目标分配给多颗成像卫星的自主成像任务规划时的运行效率。实现多星多载荷系统对多目标的在轨搜索发现和重要目标引导成像。
目前,多星多载荷在轨自主协同为新兴领域,星载态势实时处理研究处于起步阶段,在论文“电子载荷与成像载荷协同高效应用思考”中(航天电子对抗,2016.4),邓武东等阐述了多体制载荷全方位多角度信息获取,可显著提升对地观测综合效能,提出了电子载荷与光学成像协同应用融合的设想,但未给出星上具体融合处理算法。在论文“船载AIS和雷达数据关联及融合”中(声学与电子工程,2018.4),俞金龙阐述了将AIS和地基雷达获取的周边海域船只同一目标信息融合,以获取目标航迹,在论文“战场电磁态势融合感知技术框架研究”中(指挥控制与仿真,2016.4),薛磊等基于电磁实体序列识别形成观测态势。
目前,尚未见快速高效的多源引导信息星上实时融合处理方法。以往处理方法多为地面态势处理,与在轨实时态势融合的需求差异显著,计算量大,未考虑星上有限的计算资源,无法满足实时引导成像任务规划的批处理要求。
发明内容
本发明提出了一种多源引导信息星上实时融合处理方法及系统,该方法面向多星多载荷在轨自主协同工作的星上态势实时处理需求,解决多信息源相同目标多批次送出的目标定位信息重复或虚警情况,提高对星下态势实时描述的准确度,为星上自主任务规划后续环节,对多目标的成像优选提供重要参考。在对多载荷目标定位数据进行处理时,考虑到数据量大、星上计算能力有限等问题,对目标进行分区域管理,划分融合区、丢弃区。星上通过获取当前轨道数据、融合处理开始时间、滚动触发周期及任务规划结束时间,递推卫星未来时刻位置、速度,计算星地交点,作为各区域边界,对丢弃区目标进行剔除,融合区目标进行新目标存储、临近判断和融合、队列筛选排序等、生成目标态势引导队列。
根据本发明的一个方面,提供一种多源引导信息星上实时融合处理方法,包括如下步骤:
融合区参数初始化步骤:对多载荷目标进行分区域管理,划分融合区和丢弃区,计算融合区个数、每个融合区边界点经纬度,进行融合区队列缓存初始化;
融合区确定步骤:对当前轨道数据各信息源进行轮询处理,对每个信息源的引导数据包中目标逐一处理,确定目标所属融合区;
新目标存储融合步骤:先判断所述融合区确定步骤确定的新目标融合区是否为空,若融合区为空,则执行新目标存储,若融合区已存有目标,则将新入目标与已有所有目标依次进行临近检测,进行临近目标融合批处理;
目标队列取出步骤:星上时间到达一次任务触发时刻,T0、T0+Δt、T0+2Δt、…、T0+NΔt,T0为引导队列生成触发时刻,Δt为一次滚动规划时间间隔,N为计算分区数目,取出当前最小编号的融合区目标队列,进行下一步处理,若时间未到,返回融合区确定步骤;
目标队列筛选步骤:对取出的当前最小编号的融合区目标队列进行目标筛选;
目标队列输出步骤:对目标筛选得到的目标队列首先进行排序,将重要目标放在队列前面,再按照输出队列最大个数进行截断,然后执行该融合区目标队列输出;
融合区域更新步骤:融合区目标队列输出后,对融合区域进行更新,将当前最小编号融合区置无效,将当前最小编号融合区数值进行“加1”操作,而后重新开始执行融合区确定步骤,直至第N个融合区无效。
优选地,在所述融合区参数初始化步骤中,引导信息融合任务启动,首先将地表目标区域进行划分,将目标区域分为融合区和丢弃区,申请星载计算机内存空间,初始化融合区缓存队列,确定初始各融合区编号。
优选地,融合区和缓存区边界在进行划分时需确定各自边界点经纬度,确定卫星工作视场范围,对融合区引导信息进行融合,对丢弃区引导信息进行丢弃处理。
优选地,融合区边界点的确定方法是,星上时间到达自主任务规划触发时刻时,根据星上一次滚动规划时间间隔Δt,读取引导队列生成触发时刻T0和任务规划结束时刻Tend,计算融合区个数N=(Tend-T0)/Δt,若不整除,对N进行向上取整;
获取当前时刻卫星轨道数据,根据融合区近端边界ΔT1,根据递推卫星在T0+ΔT1、T0+ΔT1+Δt、T0+ΔT1+2Δt、…、T0+ΔT1+NΔt时刻卫星位置,设卫星参考视线指向地心,视线绕卫星滚动轴侧摆最大角度阈值,计算以上时刻左右侧摆后,卫星参考视线与地表交点{PL0,PR0}、{PL1,PR1}、{PL2,PR2}、…、{PLN,PRN}。PL0为卫星在T0+ΔT1时刻卫星参考视线与地表在卫星前进方向左侧交点,PL1为卫星在T0+ΔT1+Δt时刻卫星参考视线与地表在卫星前进方向左侧交点,PL2为卫星在T0+ΔT1+2Δt时刻卫星参考视线与地表在卫星前进方向左侧交点,PLN为卫星在T0+ΔT1+NΔt时刻卫星参考视线与地表在卫星前进方向左侧交点,PR0为卫星在T0+ΔT1时刻卫星参考视线与地表在卫星前进方向右侧交点,PR1为卫星在T0+ΔT1+Δt时刻卫星参考视线与地表在卫星前进方向右侧交点,PR2为卫星在T0+ΔT1+2Δt时刻卫星参考视线与地表在卫星前进方向右侧交点,PRN为卫星在T0+ΔT1+NΔt时刻卫星参考视线与地表在卫星前进方向右侧交点,相邻的两组点围成的四边形区域即为一个目标融合区,所有融合区外为目标丢弃区;
优选地,在所述融合区确定步骤中,信息源目标数据包信息域由包计数、包内有效目标个数、目标信息域组成;目标信息域由目标编号、经纬度、重要度、置信度、定位误差估计等组成;
当引导信息源不唯一时,依次对各信息源进行轮询处理,判断信息源数据是否更新,更新判据为:数据包包计数增加、包内有效目标数不为0、包内首个目标经纬度与上一包不同;
当轮询到的信息源有新目标送来时,对包内有效目标经纬度通过所属融合区四边形检测,若新目标在某一融合区内,则进行新目标存储融合步骤处理,若新目标不在任一融合区,则丢弃,继续轮询下一目标;
优选地,判断所属融合区的方法是,可判断目标是否在由该四个边界点组成的融合区四边形中,即判断该目标是否在该区域中,检测可将问题转换为平面上点是否在四边形内的判断问题(地表近似为平面);
平面上点在四边形中判断方法:已知四边形的四个顶点A、B、C、D(按逆时针顺序)的坐标,求点P是否在ABCD所围成的四边形内,可通过向量叉乘的方法实现。假设四个顶点依次为A(x1,y1)、B(x2,y2)、C(x3,y3)、D(x4,y4),x1为A点的横坐标,y1为A点的纵坐标,x2为B点横坐标,y2为B点纵坐标,x3为C点横坐标,y3为C点纵坐标,x4为D点横坐标,y4为D点纵坐标,判断的点为P(x,y),x为P点横坐标,y为P点纵坐标。若点P在四边形内部,则
Figure BDA0002610678990000041
同向,
定义:
Figure BDA0002610678990000042
令:X1=(x2-x1)(y-y1)-(y2-y1)(x-x1)、X2=(x3-x2)(y-y2)-(y3-y2)(x-x2)X3=(x4-x3)(y-y3)-(y4-y3)(x-x3)、X4=(x1-x4)(y-y4)-(y1-y4)(x-x4)
若:
Figure BDA0002610678990000043
Figure BDA0002610678990000044
或Sgn(X1)*Sgn(X2)*Sgn(X3)*Sgn(X4)=0
则判定点P在四边形ABCD内部。
优选地,在所述新目标存储融合步骤中,新目标确定其所属融合区之后,判断该融合区是否存在目标,当融合区不存在目标,则直接对新目标进行存储;当融合区存有目标时,则将新入目标与已有所有目标依次进行临近检测,进行临近目标融合处理。
在所述新目标存储融合步骤中,临近目标融合批处理具体为,若新目标与所属融合区已有目标临近,则执行临近目标融合,当前新目标处理完毕,继续处理下一新目标直至处理完毕;若不临近,则跳过当前已有目标,检测下一已有目标,直至已有目标处理完毕。
在所述新目标存储融合步骤中,临近目标融合,融合后目标的各参数赋值遵循以下原则:重要度取较大者,目标编号取重要度较大者,置信度取较大者,定位误差取较小者,经纬度取定位误差较小者。
优选地,所述目标临近检测,即地球表面上两个目标之间的距离小于其定位误差半径之和时,判定两个目标为同一目标。目标判定邻近后,进行融合处理。判断的方法如下:
假设,Target1=(lon1,lat1),Target2=(lon2,lat2)
其中,(loni,lati)表示目标的经纬度坐标。令
Errlat=be*|lat1-lat2|*π/180,Errlon=be*|lon1-lon2|*cos(lat2)*π/180
其中,be为地球赤道半径,π/180是度转弧度。
Figure BDA0002610678990000051
则认定两个目标为相同目标,进行融合处理。
优选地,在所述目标队列筛选步骤中,为提高任务分配的效率,减小星上计算量,对融合后的目标队列进行目标筛选,目标队列筛选遵循以下规则:剔除小于重要度阈值的目标;剔除小于置信度阈值的目标;剔除定位精度大于上限的目标,若剔除后目标数量不为0,进行下一步,若为0,执行融合区域更新步骤。
根据本发明的另一个方面,提供了一种多源引导信息星上实时融合处理系统,包括如下模块:
融合区参数初始化模块:对多载荷目标进行分区域管理,划分融合区和丢弃区,计算融合区个数、每个融合区边界点经纬度,进行融合区队列缓存初始化;
融合区确定模块:对当前轨道数据各信息源进行轮询处理,对每个信息源的引导数据包中目标逐一处理,确定目标所属融合区;
新目标存储融合模块:先判断所述融合区确定模块确定的新目标融合区是否为空,若融合区为空,则执行新目标存储,若融合区已存有目标,则将新入目标与已有所有目标依次进行临近检测,进行临近目标融合批处理;
目标队列取出模块:星上时间到达一次任务触发时刻,T0、T0+Δt、T0+2Δt、…、T0+NΔt,T0为引导队列生成触发时刻,Δt为一次滚动规划时间间隔,N为计算分区数目,取出当前最小编号的融合区目标队列,进行下一步处理,若时间未到,返回融合区确定模块;
目标队列筛选模块:对取出的当前最小编号的融合区目标队列进行目标筛选;
目标队列输出模块:对目标筛选得到的目标队列首先进行排序,将重要目标放在队列前面,再按照输出队列最大个数进行截断,然后执行该融合区目标队列输出;
融合区域更新模块:融合区目标队列输出后,对融合区域进行更新,将当前最小编号融合区置无效,将当前最小编号融合区数值进行“加1”操作,而后重新开始执行融合区确定模块,直至第N个融合区无效。
与现有技术相比,本发明具有如下的有益效果:
1.通过对多种传感器对多目标的定位数据进行同目标实时融合合批处理,解决了多信息源相同目标多批次送出的目标重复或虚警情况;
2.有利于重要目标的识别,提高星上执行多目标分配给多颗成像卫星的自主成像任务规划时的运行效率;
3.实现多星多载荷系统对多目标的在轨搜索发现、重要目标引导成像。本发明算法简捷,星上计算复杂度低,运行高效。
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为算法流程图;
图2为区域划分示意图;
图3为目标邻近判断;
图4为融合处理结果示意图。
具体实施方式
本实施例在以本发明技术方案为前提下进行实施,给出了详细的实施方式和具体的操作过程。如图1所示,本实施例提供了一种多源引导信息星上实时处理方法,该方法面向多星多载荷在轨自主协同工作的星上态势实时处理需求,解决多信息源相同目标多批次送出的目标定位信息重复或虚警情况,提高对星下态势实时描述的准确度,为星上自主任务规划后续环节,对多目标的成像优选提供重要参考。算法简捷,星上计算复杂度低,运行高效,可有效解决多星自主任务规划引导信息预处理问题。在本方法中,多载荷定位数据实时分区处理,一个任务规划周期内触发一次,对地表目标区域进行划分,划分为目标融合区、目标丢弃区,对目标进行动态管理,任务分发滚动周期触发一次,生成融合区目标引导队列。
为详细说明本实施例的技术内容、构造特征、所达成目的及有益效果,下面结合附图对本实施例予以详细说明,图1给出了一种多源引导信息星上实时处理方法流程图;图2给出了地表目标所属区域划分,分为:融合域、丢弃区,对融合区引导数据进行融合,对丢弃区引导数据进行丢弃;图3给出了临近目标判断方法;图4给出了引导目标融合处理结果示意图。为提升任务效率,对地表多目标进行分区、分时段处理,对超出市场外的目标进行丢弃剔除,对同目标进行融合处理,为提升成像收益,对目标队列进行筛选、排序。包括以下步骤:
融合区参数初始化步骤:融合区参数初始化,计算融合区个数、每个融合区边界点经纬度,进行融合区队列缓存初始化;
如图2所示,在该步骤中,星上时间到达自主任务规划触发时刻,获取当前时刻卫星轨道数据,获取读取一次滚动规划时间间隔Δt,读取引导队列生成触发时刻T0和任务规划结束时刻Tend,计算缓存区数目N。递推卫星在T0、T0+Δt、T0+2Δt、…、T0+NΔt时刻的卫星位置r0、r1、r2、…、rN,速度v0、v1、v2、…、vN,进而求得在各个时刻卫星在左、右侧摆角为
Figure BDA0002610678990000071
下的左右(卫星飞行方向)星地交点{PL0,PR0}、{PL1,PR1}、{PL2,PR2}、…、{PLN,PRN},PL0为卫星在T0+ΔT1时刻卫星参考视线与地表在卫星前进方向左侧交点,PL1为卫星在T0+ΔT1+Δt时刻卫星参考视线与地表在卫星前进方向左侧交点,PL2为卫星在T0+ΔT1+2Δt时刻卫星参考视线与地表在卫星前进方向左侧交点,PLN为卫星在T0+ΔT1+NΔt时刻卫星参考视线与地表在卫星前进方向左侧交点,PR0为卫星在T0+ΔT1时刻卫星参考视线与地表在卫星前进方向右侧交点,PR1为卫星在T0+ΔT1+Δt时刻卫星参考视线与地表在卫星前进方向右侧交点,PR2为卫星在T0+ΔT1+2Δt时刻卫星参考视线与地表在卫星前进方向右侧交点,PRN为卫星在T0+ΔT1+NΔt时刻卫星参考视线与地表在卫星前进方向右侧交点。如图2所示,PL0为T0时刻星地左交点,PL1为T0+Δt时刻星地左交点,PL2为T0+2Δt时刻星地左交点,PLN为T0+NΔt时刻星地左交点,PR0为T0时刻星地右交点,PR1为T0+Δt时刻星地右交点,PR2为T0+2Δt时刻星地右交点,PRN为T0+NΔt时刻星地左右点。相邻的两组点围成的四边形区域即为一个目标融合区,所有融合区构成目标融合区,其余地表区域为目标丢弃区,对丢弃区目标进行剔除。当下距卫星星下点最近融合区作为最小编号融合区,而后依次对剩余融合区进行编号,初始化融合区缓存队列,即设立融合区队列缓存空间。
融合区确定步骤:对个信息源进行轮询处理,对每个信息源的引导数据包中目标逐一处理,确定目标所属融合区;
在该步骤中,中枢星实时接收、处理各载荷目标定位数据,将星内、星间载荷进行统一编号:load1、load2、…、loadm,周期性依次轮询,判断该周期内是否有新的目标定位数据,约束设置为:包计数增加、包内有效目标数不为0、包内首目标编号与上一包不同。当载荷loadk有新目标送来时,对包内有效目标依次进行处理,通过四边形检测,判断目标所属分区。
判断所属融合区,可判断目标是否在由该四个边界点组成的融合区四边形中,即判断该目标是否在该区域中。检测可将问题转换为平面上点是否在四边形内的判断问题(地表近似为平面)。
平面上点在四边形中判断方法:已知四边形的四个顶点A、B、C、D(按逆时针顺序)的坐标,求点P是否在ABCD所围成的四边形内,可通过向量叉乘的方法实现。建立平面直角坐标系,x为横轴,y代表纵轴,假设四边形的四个顶点依次为A(x1,y1)、B(x2,y2)、C(x3,y3)、D(x4,y4),x1为A点的横坐标,y1为A点的纵坐标,x2为B点横坐标,y2为B点纵坐标,x3为C点横坐标,y3为C点纵坐标,x4为D点横坐标,y4为D点纵坐标,判断的点为P(x,y),x为P点横坐标,y为P点纵坐标。若点P在四边形内部,则
Figure BDA0002610678990000081
同向。
定义:
Figure BDA0002610678990000082
令:X1=(x2-x1)(y-y1)-(y2-y1)(x-x1)、X2=(x3-x2)(y-y2)-(y3-y2)(x-x2)X3=(x4-x3)(y-y3)-(y4-y3)(x-x3)、X4=(x1-x4)(y-y4)-(y1-y4)(x-x4)
若:
Figure BDA0002610678990000083
Figure BDA0002610678990000084
或Sgn(X1)*Sgn(X2)*Sgn(X3)*Sgn(X4)=0
则判定点P在四边形ABCD内部。
新目标存储融合步骤:新目标存储、融合处理,对上述步骤确定的新目标所述融合区,若融合区为空,则执行新目标存储,若融合区已存有目标,则将新入目标与已有所有目标依次进行临近检测,进行临近目标融合批处理;
在该步骤中,将融合区新接入目标依次与已存目标进行临近判断,即地球表面上两个目标之间的距离小于其定位误差半径之和时,判定两个目标为同一目标。目标判定邻近后,进行融合处理。如图3所示,判断的方法如下:
假设,
Target1=(lon1,lat1)
Target2=(lon2,lat2)
其中,(loni,lati)表示目标的经纬度坐标。令
Errlat=be*|lat1-lat2|*π/180
Errlon=be*|lon1-lon2|*cos(lat2)*π/180
其中,be为地球赤道半径,π/180是度转弧度。
Figure BDA0002610678990000091
成立,则认定两个目标为相同目标,进行融合处理。
临近目标融合时,遵循以下原则:
(1)原始目标编号记录;
(2)信源组合模式根据规则对应位置‘1’;
(3)重要度、置信度取大;
(4)定位误差取小;
(5)经纬度继承定位误差小的目标经纬度;
(6)成像偏好继承重要度高的目标成像偏好。
若新目标与所属分区已存所有目标均不邻近,则对该目标进行存储。
目标队列取出步骤:星上时间到达一次任务触发时刻,T0、T0+Δt、T0+2Δt…T0+NΔt,取出当前最小编号的融合区目标队列,进行下一步处理,若时间未到,继续进行融合区确定步骤;
在该步骤中,需判断星上时间是否到达新一次任务触发时刻,时间到达,则取出当前最小编号融合区目标,进行下一步处理,若时间未到,继续重新从融合区确定步骤开始执行。
目标队列筛选步骤:对当前最小编号融合区的目标队列进行目标筛选;
在该步骤中,目标队列筛选,遵循以下规则:剔除小于重要度阈值的目标;剔除小于置信度阈值的目标;剔除定位精度大于上限的目标,若剔除后目标数量不为0,进行下一步,若为0,执行融合区域更新步骤。
目标队列输出步骤:目标队列输出,对目标队列输出步骤得到的目标队列首先进行排序,将较重要目标放在队列前面。再按照输出队列最大个数进行截断,执行该融合区目标队列输出;
在该步骤中,根据预设的排序原则,可选择单一属性或组合属性多级排序;单一属性排序,可按重要度大到小排序,置信度大到小排序,定位误差小到大排序等;组合属性多级排序,可按照重要度、置信度、定位误差顺序,首先按重要度由大到小排序,重要度相同的,按照置信度由大到小排序,重要度和置信度都相同的按照定位误差有小到大排序,以上举例,也可使用其他优先顺序的多级排序。排序后,将重要的目标放在了队列前面,进行输出时,按设置最大输出目标数对目标队列进行截取,若队列长度未超限,则不截取,生成输出队列,存入指定缓存区。
融合区域更新步骤:融合区域更新,融合区目标输出后,该融合区置无效,将有效融合区最小编号+1,执行融合区确定步骤,直至第N个融合区无效;
在该步骤中,目标队列输出后,对融合区域进行更新,方法是,将当前最小编号融合区置无效,并对其内引导信息进行清零,将当前最小编号融合区数值进行“加1”操作,而后重新开始执行融合区确定步骤,直至第N个融合区无效。
以下述场景为例,星上对4类引导信息源输出数据进行实时融合处理,如图4所示,“□”代表载荷1定位坐标、“+”代表载荷2定位坐标、“*”代表载荷3定位坐标、“×”代表载荷4定位坐标,引导融合结果用“·”表示。
根据本发明的另一个方面,提供了一种多源引导信息星上实时融合处理系统,其特征在于,包括:
融合区参数初始化模块:计算融合区个数、每个融合区边界点经纬度,进行融合区队列缓存初始化;
融合区确定模块:对各信息源进行轮询处理,对每个信息源的引导数据包中目标逐一处理,确定目标所属融合区;
新目标存储融合模块:先判断所述融合区确定模块确定的新目标融合区是否为空,若融合区为空,则执行新目标存储,若融合区已存有目标,则将新入目标与已有所有目标依次进行临近检测,进行临近目标融合批处理;
目标队列取出模块:星上时间到达一次任务触发时刻,T0、T0+Δt、T0+2Δt、…、T0+NΔt,T0为引导队列生成触发时刻,Δt为一次滚动规划时间间隔,N为计算分区数目,取出当前最小编号的融合区目标队列,进行下一步处理,若时间未到,返回融合区确定模块;
目标队列筛选模块:对取出的当前最小编号的融合区目标队列进行目标筛选;
目标队列输出模块:对目标筛选模块得到的目标队列首先进行排序,将重要目标放在队列前面,再按照输出队列最大个数进行截断,然后执行该融合区目标队列输出;
融合区域更新模块:融合区目标输出后,对融合区域进行更新,将当前最小编号融合区置无效,将当前最小编号融合区数值进行“加1”操作,而后重新开始执行融合区确定模块,直至第N个融合区无效。
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及其各个装置、模块、单元以外,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及其各个装置、模块、单元以逻辑门、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功能。所以,本发明提供的系统及其各项装置、模块、单元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功能的装置、模块、单元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装置、模块、单元视为既可以是实现方法的软件模块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 (10)

1.一种多源引导信息星上实时融合处理方法,其特征在于,包括:
融合区参数初始化步骤:对多载荷目标进行分区域管理,划分融合区和丢弃区,计算融合区个数、每个融合区边界点经纬度,进行融合区队列缓存初始化;
融合区确定步骤:对当前轨道数据各信息源进行轮询处理,对每个信息源的引导数据包中目标逐一处理,确定目标所属融合区;
新目标存储融合步骤:先判断所述融合区确定步骤确定的新目标融合区是否为空,若融合区为空,则执行新目标存储;若融合区已存有目标,则将新入目标与已有所有目标依次进行临近检测,进行临近目标融合批处理;
目标队列取出步骤:星上时间到达一次任务触发时刻,T0、T0+Δt、T0+2Δt、…、T0+NΔt,T0为引导队列生成触发时刻,Δt为一次滚动规划时间间隔,N为计算分区数目,取出当前最小编号的融合区目标队列,进行下一步处理,若时间未到,返回融合区确定步骤;
目标队列筛选步骤:对取出的当前最小编号的融合区目标队列进行目标筛选;
目标队列输出步骤:对目标筛选得到的目标队列首先进行排序,将重要目标放在队列前面,再按照输出队列最大个数进行截断,然后执行该融合区目标队列输出;
融合区域更新步骤:融合区目标队列输出后,对融合区域进行更新,将当前最小编号融合区置无效,将当前最小编号融合区数值进行“加1”操作,而后重新开始执行融合区确定步骤,直至第N个融合区无效。
2.如权利要求1所述的多源引导信息星上实时融合处理方法,其特征在于,在所述融合区参数初始化步骤中,引导信息融合任务启动,首先将地表目标区域进行划分,将目标区域分为融合区和丢弃区,申请星载计算机内存空间,初始化融合区缓存队列,确定初始各融合区编号。
3.如权利要求2所述的多源引导信息星上实时融合处理方法,其特征在于,融合区、缓存区边界在进行划分时需确定各自边界点经纬度,确定卫星工作视场范围,对融合区引导信息进行融合,对丢弃区引导信息进行丢弃处理。
4.如权利要求3所述的多源引导信息星上实时融合处理方法,其特征在于,融合区边界点的确定方法是,读取当前轨道数据、一次滚动规划时间间隔Δt、引导队列生成触发时刻T0和任务规划结束时刻Tend,计算分区数目N:
Figure FDA0003614194990000021
式中,ceil()表示向上取整,
递推卫星在T0、T0+Δt、T0+2Δt、…、T0+NΔt时刻的卫星位置和速度,计算各时刻卫星最大侧摆时星地交点,所述星地交点为卫星参考视线与地表在卫星前进方向的交点,交点即边界点。
5.如权利要求1所述的多源引导信息星上实时融合处理方法,其特征在于,在所述融合区确定步骤步骤中,中枢星周期性接收星群系统各信息源引导信息,并周期性各对个信息源引导信息进行轮询处理,接着对各信息源的引导数据包中目标逐一进行处理,并确定目标所属融合区。
6.如权利要求5所述的多源引导信息星上实时融合处理方法,其特征在于,确定目标所属融合区的方法是,视地球小块曲面为平面,将目标位置点逐一轮询融合区边界,进行四边形检测,当目标点位于某四边形内部时,确定该目标属于该四边形边界确定的融合区。
7.如权利要求1所述的多源引导信息星上实时融合处理方法,其特征在于,在所述新目标存储融合步骤中,新目标确定其所属融合区之后,判断该融合区是否存在目标,当融合区不存在目标,则直接对新目标进行存储;当融合区存有目标时,则将新入目标与已有所有目标依次进行临近检测,进行临近目标融合处理。
8.如权利要求7所述的多源引导信息星上实时融合处理方法,其特征在于,目标邻近检测的方法是,地球表面上两个目标之间的距离小于其定位误差半径之和时,判定两个目标为同一目标,否则判定两目标为不同目标。
9.如权利要求1所述的多源引导信息星上实时融合处理方法,其特征在于,在所述目标队列筛选步骤中,为提高任务分配的效率,减小星上计算量,对融合后的目标队列进行目标筛选,目标队列筛选遵循以下规则:剔除小于重要度阈值的目标;剔除小于置信度阈值的目标;剔除定位精度大于上限的目标,若剔除后目标数量不为0,进行下一步,若为0,执行融合区域更新步骤。
10.一种多源引导信息星上实时融合处理系统,其特征在于,包括:
融合区参数初始化模块:对多载荷目标进行分区域管理,划分融合区和丢弃区,计算融合区个数、每个融合区边界点经纬度,进行融合区队列缓存初始化;
融合区确定模块:对当前轨道数据各信息源进行轮询处理,对每个信息源的引导数据包中目标逐一处理,确定目标所属融合区;
新目标存储融合模块:先判断所述融合区确定模块确定的新目标融合区是否为空,若融合区为空,则执行新目标存储,若融合区已存有目标,则将新入目标与已有所有目标依次进行临近检测,进行临近目标融合批处理;
目标队列取出模块:星上时间到达一次任务触发时刻,T0、T0+Δt、T0+2Δt、…、T0+NΔt,T0为引导队列生成触发时刻,Δt为一次滚动规划时间间隔,N为计算分区数目,取出当前最小编号的融合区目标队列,进行下一步处理,若时间未到,返回融合区确定模块;
目标队列筛选模块:对取出的当前最小编号的融合区目标队列进行目标筛选;
目标队列输出模块:对目标筛选得到的目标队列首先进行排序,将重要目标放在队列前面,再按照输出队列最大个数进行截断,然后执行该融合区目标队列输出;
融合区域更新模块:融合区目标队列输出后,对融合区域进行更新,将当前最小编号融合区置无效,将当前最小编号融合区数值进行“加1”操作,而后重新开始执行融合区确定模块,直至第N个融合区无效。
CN202010753139.9A 2020-07-30 2020-07-30 多源引导信息星上实时融合处理方法及系统 Active CN111950613B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010753139.9A CN111950613B (zh) 2020-07-30 2020-07-30 多源引导信息星上实时融合处理方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010753139.9A CN111950613B (zh) 2020-07-30 2020-07-30 多源引导信息星上实时融合处理方法及系统

Publications (2)

Publication Number Publication Date
CN111950613A CN111950613A (zh) 2020-11-17
CN111950613B true CN111950613B (zh) 2022-08-12

Family

ID=73338714

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010753139.9A Active CN111950613B (zh) 2020-07-30 2020-07-30 多源引导信息星上实时融合处理方法及系统

Country Status (1)

Country Link
CN (1) CN111950613B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2610636A1 (en) * 2011-12-29 2013-07-03 Windward Ltd. Providing near real-time maritime insight from satellite imagery and extrinsic data
CN105654133A (zh) * 2015-12-31 2016-06-08 中船重工(昆明)灵湖科技发展有限公司 基于多源数据的船只轨迹融合系统及其实现方法
CN108280442A (zh) * 2018-02-10 2018-07-13 西安交通大学 一种基于轨迹匹配的多源目标融合方法
WO2018176926A1 (zh) * 2017-04-01 2018-10-04 上海讯陌通讯技术有限公司 自学习多路图像融合的实时矫正方法及系统
CN109214564A (zh) * 2018-08-30 2019-01-15 北京控制工程研究所 一种具有多种规划模式的对地遥感卫星自主任务规划方法
CN109981162A (zh) * 2019-03-27 2019-07-05 北京空间飞行器总体设计部 适用于惯性空间指向空间天文卫星的数据处理与传输系统
CN110262280A (zh) * 2019-02-26 2019-09-20 北京控制工程研究所 航天器交会对接飞行控制智能数据分析与决策支持系统
CN110377593A (zh) * 2019-06-29 2019-10-25 中国人民解放军军事科学院国防科技创新研究院 一种低轨多功能卫星对侦察目标的处理及筛选方法
CN110866942A (zh) * 2019-11-15 2020-03-06 国家卫星气象中心(国家空间天气监测预警中心) 一种多源目标融合的在轨辐射响应跟踪方法及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019513315A (ja) * 2016-02-29 2019-05-23 ウルグス ソシエダード アノニマ 惑星規模解析のためのシステム

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2610636A1 (en) * 2011-12-29 2013-07-03 Windward Ltd. Providing near real-time maritime insight from satellite imagery and extrinsic data
CN105654133A (zh) * 2015-12-31 2016-06-08 中船重工(昆明)灵湖科技发展有限公司 基于多源数据的船只轨迹融合系统及其实现方法
WO2018176926A1 (zh) * 2017-04-01 2018-10-04 上海讯陌通讯技术有限公司 自学习多路图像融合的实时矫正方法及系统
CN108280442A (zh) * 2018-02-10 2018-07-13 西安交通大学 一种基于轨迹匹配的多源目标融合方法
CN109214564A (zh) * 2018-08-30 2019-01-15 北京控制工程研究所 一种具有多种规划模式的对地遥感卫星自主任务规划方法
CN110262280A (zh) * 2019-02-26 2019-09-20 北京控制工程研究所 航天器交会对接飞行控制智能数据分析与决策支持系统
CN109981162A (zh) * 2019-03-27 2019-07-05 北京空间飞行器总体设计部 适用于惯性空间指向空间天文卫星的数据处理与传输系统
CN110377593A (zh) * 2019-06-29 2019-10-25 中国人民解放军军事科学院国防科技创新研究院 一种低轨多功能卫星对侦察目标的处理及筛选方法
CN110866942A (zh) * 2019-11-15 2020-03-06 国家卫星气象中心(国家空间天气监测预警中心) 一种多源目标融合的在轨辐射响应跟踪方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Battery prognostics with uncertainty fusion for aerospace applications;Datong Liu,et al;《2015 Annual Reliability and Maintainability Symposium (RAMS)》;20150511;全文 *
基于天基信息港的多源信息融合任务调度模型及算法研究;王之;《中国优秀硕博士学位论文全文数据库(硕士士) 信息科技辑》;20200215;全文 *

Also Published As

Publication number Publication date
CN111950613A (zh) 2020-11-17

Similar Documents

Publication Publication Date Title
Kim et al. Probabilistic vehicle trajectory prediction over occupancy grid map via recurrent neural network
Cox A review of statistical data association techniques for motion correspondence
Liu et al. A Vision‐Based Target Detection, Tracking, and Positioning Algorithm for Unmanned Aerial Vehicle
CN111354022B (zh) 基于核相关滤波的目标跟踪方法及系统
CN114740846A (zh) 面向拓扑-栅格-度量混合地图的分层路径规划方法
CN110046677B (zh) 数据预处理方法、地图构建方法、回环检测方法及系统
CN115855022A (zh) 使用深度神经网络执行自主路径导航
CN111950613B (zh) 多源引导信息星上实时融合处理方法及系统
Saldana et al. A distributed multi-robot approach for the detection and tracking of multiple dynamic anomalies
Kaufmann et al. Shadow-based matching for precise and robust absolute self-localization during lunar landings
CN117389305A (zh) 一种无人机巡检路径规划方法、系统、设备及介质
CN112965530B (zh) 一种多无人机自适应变尺度动态目标搜索方法
Cao et al. Research on the method of searching and tracking of the time-sensitive target through the mega-constellation
Yue et al. A new search scheme using multi‐bee‐colony elite learning method for unmanned aerial vehicles in unknown environments
Skuratov et al. Application of kohonen self-organizing map to search for region of interest in the detection of objects
Madhavan et al. Moving object prediction for off-road autonomous navigation
Yazdanpanah et al. Real-time horizon line detection based on fusion of classification and clustering
Mei et al. Improved Satellite Scheduling Algorithm for Moving Target
Niedfeldt et al. Integrated sensor guidance using probability of object identification
Siew et al. Extended target tracking and shape estimation via random finite sets
Flint et al. Approximate dynamic programming methods for cooperative UAV search
Johnson et al. Real-time vision-based relative navigation
Petersen et al. Tracking multiple unmanned aerial vehicles on se (3) using a monocular camera
Wang et al. Cooperative Task Assignment of Multi-UAV in Road-network Reconnaissance Using Customized Genetic Algorithm
CN115016543B (zh) 基于人工标量场模型的无人机集群持续侦察和避障方法

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