CN112887262B - 一种基于多源信息融合的汽车信息安全防护方法及装置 - Google Patents

一种基于多源信息融合的汽车信息安全防护方法及装置 Download PDF

Info

Publication number
CN112887262B
CN112887262B CN202011578461.9A CN202011578461A CN112887262B CN 112887262 B CN112887262 B CN 112887262B CN 202011578461 A CN202011578461 A CN 202011578461A CN 112887262 B CN112887262 B CN 112887262B
Authority
CN
China
Prior art keywords
data
threshold
acceleration
vehicle
filtering
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
CN202011578461.9A
Other languages
English (en)
Other versions
CN112887262A (zh
Inventor
吴新开
王朋成
张少伟
陈恒威
彭晶
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.)
Beihang University
Original Assignee
Beihang University
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 Beihang University filed Critical Beihang University
Priority to CN202011578461.9A priority Critical patent/CN112887262B/zh
Publication of CN112887262A publication Critical patent/CN112887262A/zh
Application granted granted Critical
Publication of CN112887262B publication Critical patent/CN112887262B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/12—Applying verification of the received information
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Computing Systems (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请公开了一种基于多源信息融合的汽车信息安全防护方法及装置，用于提高汽车数据信息的安全性。本申请公开的基于多源信息融合的汽车信息安全防护方法包括：获取车载传感器测量的第一数据和车联网通信获得的第二数据；对所述第一数据和所述第二数据进行一致性检验，得到信任值；若所述信任值大于等于第一门限，则对所述第一数据和所述第二数据进行滤波处理和融合处理；若所述信任值小于第一门限且大于等于第二门限，则对所述第二数据进行加速度突变检验和修正得到第三数据，对所述第一数据和所述第三数据进行滤波处理和融合处理；若所述信任值小于第二门限，则剔除所述第二数据，仅对所述第一数据进行滤波处理。本申请还提供了一种基于多源信息融合的汽车信息安全防护装置。

Description

一种基于多源信息融合的汽车信息安全防护方法及装置
技术领域
本申请涉及汽车安全领域，尤其涉及一种基于多源信息融合的汽车信息安全防护方法及装置。
背景技术
随着汽车智能化和网联化技术的不断推进，无人驾驶已经是未来发展的必然趋势。高级驾驶辅助系统(ADAS,Advanced Driver Assistance System)和V2X技术(Vechileto Everything)分别是实现无人驾驶的内部和外部技术。ADAS是利用车载端多传感器收集周围环境的数据，与高精度地图的实时数据进行匹配，从而进行计算决策，预先为驾驶者判断可能发生的危险，保证行车的安全性；V2X技术以联网通信的模式强化感知，实现人、车、路和环境的协同。智能网联汽车依托车载传感器和V2X通信技术，实现无人驾驶。
但是网络攻击问题的出现，使得智能网联汽车和智能交通系统的发展受阻，如何抑制甚至消除网络攻击给车辆系统和交通系统带来的不稳定因素，如何利用车辆自身的传感器数据和通信数据实现车辆驾驶的安全性是亟待解决的问题。
发明内容
针对上述技术问题，本申请实施例提供了一种基于多源信息融合的汽车信息安全防护方法及装置，用以在车车之间的通信信息被攻击者篡改、欺骗和干扰后，剔除粗糙及错误信息，并融合多源数据，获取更为精准的信息，提高安全性。
第一方面，本申请实施例提供的一种基于多源信息融合的汽车信息安全防护方法，包括：
获取车载传感器测量的第一数据和车联网通信获得的第二数据；
对所述第一数据和所述第二数据进行一致性检验，得到信任值；
若所述信任值大于第一门限，则对所述第一数据和所述第二数据进行滤波处理和融合处理；
若所述信任值小于等于第一门限且大于等于第二门限，则对所述第二数据进行加速度突变检验和修正得到第三数据，对所述第一数据和所述第三数据进行滤波处理和融合处理；
若所述信任值小于第二门限，则剔除所述第二数据，仅对所述第一数据进行滤波处理；
其中，所述第一门限和第二门限是预先设置的。
进一步的，所述对所述第一数据和所述第二数据进行滤波处理和融合处理包括：
对所述第一数据进行卡尔曼滤波得到第四数据，对所述第二数据进行卡尔曼滤波得到第五数据，并对所述第四数据和第五数据进行融合处理。
进一步的，所述对所述第一数据和所述第三数据进行滤波处理和融合处理包括：
对所述第一数据进行卡尔曼滤波得到第四数据，对所述第三数据进行卡尔曼滤波得到第六数据，并对所述第四数据和第六数据进行融合处理。
进一步的，所述仅对所述第一数据进行滤波处理包括：
对所述第一数据进行卡尔曼滤波。
优选的，所述车载传感器测量的第一数据包括：
通过车载毫米波雷达测量得到的与前车的位置；
通过车载毫米波雷达测量得到的前车的速度；
通过车载毫米波雷达测量得到的前车的加速度。
优选的，所述车联网通信获得的第二数据包括：
通过车联网通信获得的前车的位置；
通过车联网通信获得的前车的速度；
通过车联网通信获得的前车的加速度。
优选的，所述进行一致性检验包括：
通过置信测度函数p(xi,xj)∈(0,1]对第一数据xi和第二数据xj的一致性进行检验；
其中，
Figure GDA0003019442450000031
Figure GDA0003019442450000032
Figure GDA0003019442450000033
Figure GDA0003019442450000034
Figure GDA0003019442450000035
σi为车载传感器对第一数据的测量标准差；
σj为前车车载传感器对第二数据的测量标准差。
进一步的，所述对所述第一数据和所述第二数据进行一致性检验，得到信任值，包括：
所述置信测度函数的值为信任值，所述信任值大于等于0小于等于1；
所述第一门限的值为0.40；
所述第二门限的值为0.80。
优选的，所述融合处理包括：
融合前的数据为xi和xj；
融合后的θ为：
Figure GDA0003019442450000041
其中，σii为xi经过卡尔曼滤波后得到的方差，σjj为xj经过卡尔曼滤波后得到的方差。
进一步的，所述进行加速度突变检验和修正包括：
若所述加速度大于第一加速度阈值，则将所述加速度修正为等于第一加速度阈值；
若所述加速度小于第二加速度阈值，则将所述加速度修正为等于第二加速度阈值；
若所述加速度大于等于第二加速度阈值且小于等于第一加速度阈值，则不对所述加速度进行处理；
其中，所述第一加速度阈值大于所述第二加速度阈值。
优选的，本申请提供的汽车信息安全防护方法还包括：将处理后的数据输入车辆控制和决策系统中。
使用本发明提供的基于多源信息融合的汽车信息安全防护方法，首先对数据一致性进行检验，若检验结果为充分相信，则直接对车载传感器测量的数据和车联网通信获得的数据进行滤波和融合处理；若检验结果为相信，则先对车联网通信获得的数据进行加速度突变检验和修正，然后再进行滤波和融合处理；若检验结果为不相信，则直接剔除车联网通信获得的数据。通过本发明的处理，在车车之间的通信信息被攻击者篡改、欺骗和干扰后，剔除粗糙及错误信息，并融合多源数据，获取更为精准的信息，从而提高安全性。
第二方面，本申请实施例还提供一种基于多源信息融合的汽车信息安全防护装置，包括：
数据获取模块，用于获取车载传感器测量的第一数据和车联网通信获得的第二数据；
检验处理模块，用于对所述第一数据和所述第二数据进行一致性检验，得到信任值；
滤波模块，用于对数据进行卡尔曼滤波处理；
融合模块，用于对数据进行融合处理；
加速度突变检验和修复模块，用于对加速度进行突变检验和修复；
输出模块，用于将处理后的数据输入车辆控制和决策系统中。
第三方面，本申请实施例还提供一种基于多源信息融合的汽车信息安全防护装置，包括：存储器、处理器和用户接口；
所述存储器，用于存储计算机程序；
所述用户接口，用于与用户实现交互；
所述处理器，用于读取所述存储器中的计算机程序，所述处理器执行所述计算机程序时，实现本发明提供的基于多源信息融合的汽车信息安全防护方法。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅是本申请的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的基于多源信息融合的汽车信息安全防护方法流程示意图；
图2为本申请实施例提供的另一种基于多源信息融合的汽车信息安全防护方法流程示意图；
图3为本申请实施例提供的加速度突变检测和修正示意图；
图4为本申请实施例提供的卡尔曼滤波示意图；
图5为本申请实施例提供的基于多源信息融合的汽车信息安全防护装置组成示意图；
图6为本申请实施例提供的另一种基于多源信息融合的汽车信息安全防护装置结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明一部份实施例，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它实施例，都属于本发明保护的范围。
下面对文中出现的一些词语进行解释：
1、本发明实施例中术语“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
2、本申请实施例中术语“多个”是指两个或两个以上，其它量词与之类似。
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，并不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
需要说明的是，本申请实施例的展示顺序仅代表实施例的先后顺序，并不代表实施例所提供的技术方案的优劣。
实施例一
参见图1，本申请实施例提供的一种基于多源信息融合的汽车信息安全防护方法示意图，如图1所示，该方法包括步骤S101到S103：
S101，获取车载传感器测量的第一数据和车联网通信获得的第二数据；
S102，对所述第一数据和所述第二数据进行一致性检验，得到信任值；
S103，若所述信任值大于等于第一门限，则对所述第一数据和所述第二数据进滤波处理和融合处理；若所述信任值小于第一门限且大于等于第二门限，则对所述第二数据进行加速度突变检验和修正得到第三数据，对所述第一数据和所述第三数据进行滤波处理和融合处理；若所述信任值小于第二门限，则剔除所述第二数据，仅对所述第一数据进行滤波处理。
其中，所述第一门限和第二门限是预先设置的，具体的值根据需求确定。
上述步骤S101中，汽车通过自身搭载的车载传感器获取第一数据，第一数据可以包括以下之一或者组合：与前车的距离，前车的速度，前车的加速度等；
作为一种优选示例，可以通过车载毫米波雷达测量得到与前车的距离和前车的速度；
作为一种优选示例，可以通过车载全球卫星定位系统GPS获得本车的位置，同时可以结合上述与前车的距离，计算出前车的位置；
作为一种优选示例，可以通过车载测速仪测量获得本车的速度，可以通过车载陀螺仪测量获得本车的加速度。
上述步骤S101中，汽车通过车载的车联网通信装置，在车联网通信过程中获的第二数据，第二数据可以包括以下之一或者组合：前车的速度，前车的位置，前车的加速度等。
需要说明的是，前车可以首先通过前车自身搭载的传感器测量获得前车自身的速度，位置，加速度等，然后通过车联网将测量结果传输到当前车辆。作为一种优选示例，传输的内容还可以包括前车自身的有关参数，例如包括但不限于：前车车载传感器的测量标准差，传感器的型号，传感器的功耗，车辆的长度，车辆的宽度，车辆的高度等。
上述步骤S102中，对所述第一数据和所述第二数据进行一致性检验，得到信任值，即对第一数据和第二数据中，相同的测量量，对两个来源的结果进行一致性检验。例如，对通过车载传感器获得前车的位置和通过车联网通信获得的前车的位置，进行一致性检验；再例如，对通过车载传感器获得前车的速度和通过车联网通信获得的前车的速度，进行一致性检验。
下面以前车的位置的一致性检验为例，给出检验过程，其他测量量一致性检验过程相同。
通过置信测度函数p(xi,xj)∈(0,1]对第一数据xi和第二数据xj的一致性进行检验，具体表达式为：
Figure GDA0003019442450000081
其中，
Figure GDA0003019442450000082
Figure GDA0003019442450000083
σi和σj分别为自车车载传感器和前车车载传感器对位置的测量标准差，由两车的固件本身性质所决定。
p(xi,xj)可以用来衡量xi和xj一致的程度。当xi＝xj时，有p(xi,xj)＝1，表示xi和xj完全一致；当xi＞＞xj或xi＜＜xj时，p(xi,xj)＝0，表示xi和xj十分不一致。
需要说明的是，进行一致性检验时，第一数据和第二数据需是相同的测量量，即若第一数据为位置，第二数据也是位置；若第一数据为速度，第二数据也是速度；若第一数据为加速度，第二数据也是加速度。
具体的，将p(xi,xj)的值作为信任值，并设置不同的信任值门限，对检验结果进行分类处理。作为一种优选示例，可以是如S103所示：
若所述信任值大于第一门限，则对所述第一数据和所述第二数据进滤波处理和融合处理；
若所述信任值小于等于第一门限且大于等于第二门限，则对所述第二数据进行加速度突变检验和修正得到第三数据，对所述第一数据和所述第三数据进行滤波处理和融合处理；
若所述信任值小于第二门限，则剔除所述第二数据，仅对所述第一数据进行滤波处理。
例如，第一门限和第二门限分别设置为0.80，第二门限设置为0.40，则对检验结果进行分类处理如下表1所示：
表1：
Figure GDA0003019442450000091
当p(xi,xj)＞0.80时，即信任值大于第一门限，充分相信通信数据；当0.40≤p(xi,xj)≤0.80时，信任值小于等于第一门限且大于等于第二门限，选择相信通信数据，但需要对数据进行进一步处理；当p(xi,xj)＜0.4时，即信任值小于第二门限，拒绝相信通信数据。
上述步骤S103中，作为一种优选示例，滤波处理可以是卡尔曼滤波，即所述对所述第一数据和所述第二数据进行滤波处理和融合处理包括：
对所述第一数据进行卡尔曼滤波得到第四数据，对所述第二数据进行卡尔曼滤波得到第五数据，并对所述第四数据和第五数据进行融合处理。
作为一种优选示例，所述对所述第一数据和所述第三数据进行滤波处理和融合处理包括：
对所述第一数据进行卡尔曼滤波得到第四数据，对所述第三数据进行卡尔曼滤波得到第六数据，并对所述第四数据和第六数据进行融合处理。
作为一种优选示例，所述仅对所述第一数据进行滤波处理包括：
对所述第一数据进行卡尔曼滤波。
具体的，本申请实施例提供的卡尔曼滤波过程如图4所示：
卡尔曼滤波以迭代方式对目标状态进行预测和更新，状态更新方程和观测方程是卡尔曼滤波中的组成单元，离散线性系统的状态空间可表示成：
Xk＝Fk-1Xk-1+Gk-1Uk-1+Wk-1
其中观测输出变量为：
Zk＝HkXk+Vk
其中Xk是系统的n维状态向量，Fk∈Rn×n表示系统的状态转移矩阵，Uk∈Rp×p是已知的控制输入，Zk∈Rm是系统状态Xk的观测输出，Hk∈Rm×n表示系统相应的观测矩阵，Gk∈Rn×p是已知的输入量与系统状态之间的转移矩阵，Wk-1∈Rn是系统的n维过程噪声，Vk∈Rm是系统的m维的观测噪声。
假定系统的过程噪声W(k)和观测噪声V(k)都是零均值的白噪声序列，且初始状态之间互不相关。若各参数满足上述的约束条件，且已知k-1时刻Xk-1最优状态估计
Figure GDA0003019442450000101
则Xk的估计值
Figure GDA0003019442450000102
可通过如下的步骤求解：
(1)系统状态一步估计预测方程：
Figure GDA0003019442450000103
(2)一步预测协方差矩阵：
Figure GDA0003019442450000104
(3)滤波增益方程：
Figure GDA0003019442450000105
(4)状态更新：
Figure GDA0003019442450000106
(5)协方差矩阵更新：
Pk∣k＝Pk∣k-1-KkHkPk∣k-1
其中，
Figure GDA0003019442450000107
表示系统状态向量XkXk的先验估计值，Pk|k-1表示先验估计误差协方差矩阵，
Figure GDA0003019442450000108
表示Xk的后验估计值，Pk|k是后验估计值误差协方差矩阵。
只要给出了输入的初始状态，即只要确定初值X0和P0，依照时间k所示的观测值Zk，通过递推求解该时段的状态估计值
Figure GDA0003019442450000111
作为一种优选示例，上述步骤S103中，对所述第一数据和所述第二数据进行融合处理，与对所述第一数据和所述第三数据进行融合处理，融合处理的方法是相同的，即对两个来源的数据进行相同的融合处理操作。具体的，两个来源测量的数据分别为xi和xj，其经过卡尔曼滤波之后得到的方差分别为σii和σjj。令，
Figure GDA0003019442450000112
Figure GDA0003019442450000113
则似然函数为：
L(xi,xj；θ)＝p(xi|θ)·p(xj|θ)，
对上式进行求解，得到：
Figure GDA0003019442450000114
需要说明的是，对位置，速度等数据的融合，都可以采用上述相同的方法，即两个来源的数据xi和xj可以是两个来源的位置，也可以是两个来源的速度等。
作为一种优选示例，上述步骤S103中，对所述第二数据进行加速度突变检验和修正，可以是：
若所述加速度大于第一加速度阈值，则将所述加速度修正为等于第一加速度阈值；
若所述加速度小于第二加速度阈值，则将所述加速度修正为等于第二加速度阈值；
若所述加速度大于等于第二加速度阈值且小于等于第一加速度阈值，则不对所述加速度进行处理；
其中，所述第一加速度阈值大于所述第二加速度阈值。
上述加速度突变检验和修正方法如图3所示，amax和bmax分别表示车辆最大的加速度和最大的减速度。
在车辆行驶过程中，根据动力学队列控制IDM模型，每辆车的动力学更新方程可以用以下公式表示：
Figure GDA0003019442450000121
Figure GDA0003019442450000122
其中vn(t+Δt)和xn(t+Δt)表示新时刻(即t+Δt时刻)的速度和位移，vn(t)和xn(t)表示上一时刻(即t时刻)的速度和位移，
Figure GDA0003019442450000123
表示上一时刻的加速度，Δt表示更新步长。
在足够小的时间步长下，令：
Figure GDA0003019442450000124
每辆车都有最大加速度与最大减速度的阈值。对加速度的突变性检验方程为：
Figure GDA0003019442450000125
其中amax和bmax分别表示车辆最大的加速度和最大的减速度。车辆的加速度只要在该范围内都是可信任的。超出该范围后，则对数据进行修正。具体的如图3所示：
(1)若加速度变化符合阈值范围，即
Figure GDA0003019442450000126
则无需修正；
(2)若加速度超出阈值，则对加速度进行修正，使其满足阈值。即当
Figure GDA0003019442450000127
时，修正为
Figure GDA0003019442450000128
当
Figure GDA0003019442450000129
时，修正为
Figure GDA00030194424500001210
作为一种优选示例，在上述步骤S103后，还包括：将处理后的数据输入车辆控制和决策系统中。具体的，可以是以下之一：
若所述信任值大于第一门限，对所述第一数据进行卡尔曼滤波得到第四数据，对所述第二数据进行卡尔曼滤波得到第五数据，并对所述第四数据和第五数据进行融合处理，得到第七数据，将第七数据输入车辆控制和决策系统中；
若所述信任值小于等于第一门限且大于等于第二门限，则对所述第二数据进行加速度突变检验和修正得到第三数据，对所述第一数据进行卡尔曼滤波得到第四数据，对所述第三数据进行卡尔曼滤波得到第六数据，并对所述第四数据和第六数据进行融合处理，得到第八数据，将第八数据输入车辆控制和决策系统中；
若所述信任值小于第二门限，则剔除所述第二数据，仅对所述第一数据进行滤波处理，得到第九数据，将第九数据输入车辆控制和决策系统中。
下面结合图2，对上述汽车信息安全防护方法给出一个示例：
S201，获取数据；该步骤同S101，在此不再赘述；
S202，进行一致性检验；该步骤同S102，在此不再赘述；
S203，判断是否通过一致性检验，若是则执行S205，否则执行S204；本步骤中，通过一致性检验是指信任值大于第一门限；没有通过一致性检验是指信任值小于等于第一门限；
S204，判断是否信任数据；若信任则执行S207，否则执行S211；本步骤中，信任数据是指，信任值小于等于第一门限且大于等于第二门限；不信任数据是指，信任值小于第二门限；
S205，进行卡尔曼滤波；本步骤中，卡尔曼滤波的方法，与S103中的卡尔曼滤波方法相同，在此不再赘述；
S206，进行数据融合处理；本步骤中，数据融合处理方法，与S103中的数据融合处理方法相同，在此不再赘述；
S207，进行加速度突变检验和修复；本步骤中，加速度突变检验和修复的方法，与S103中加速度突变检验和修复方法相同，在此不再赘述；
S208，进行卡尔曼滤波；同S205；
S209，进行数据融合处理；同S206；
S210，剔除车联网通信数据；即将车联网通信数据直接抛弃；
S211，进行卡尔曼滤波；同S205；
S212，输出结果；即将处理后的数据输入车辆控制和决策系统中。
使用本发明提供的基于多源信息融合的汽车信息安全防护方法，首先对数据一致性进行检验，若检验结果为充分相信，则直接对车载传感器测量的数据和车联网通信获得的数据进行滤波和融合处理；若检验结果为相信，则先对车联网通信获得的数据进行加速度突变检验和修正，然后再进行滤波和融合处理；若检验结果为不相信，则直接剔除车联网通信获得的数据。通过本发明的处理，在车车之间的通信信息被攻击者篡改、欺骗和干扰后，剔除粗糙及错误信息，并融合多源数据，获取更为精准的信息，从而提高安全性。
实施例二
基于同一个发明构思，本发明实施例还提供了一种基于多源信息融合的汽车信息安全防护装置，如图5所示，该装置包括：
数据获取模块501，用于获取车载传感器测量的第一数据和车联网通信获得的第二数据；
检验处理模块502，用于对所述第一数据和所述第二数据进行一致性检验，得到信任值；
滤波模块503，用于对数据进行卡尔曼滤波处理；
融合模块504，用于对数据进行融合处理；
加速度突变检验和修复模块506，用于对加速度进行突变检验和修复；
输出模块505，用于将处理后的数据输入车辆控制和决策系统中。
需要说明的是，本实施例提供的数据获取模块501，能实现实施例一中步骤S101包含的全部功能，解决相同技术问题，达到相同技术效果，在此不再赘述；
相应的，本实施例提供的检验处理模块502，能实现实施例一中步骤S102包含的全部功能，解决相同技术问题，达到相同技术效果，在此不再赘述；
相应的，本实施例提供的滤波模块503，能实现实施例一中步骤S103中滤波处理的全部功能，解决相同技术问题，达到相同技术效果，在此不再赘述；
相应的，本实施例提供的融合模块504，能实现实施例一中步骤S103中融合处理的全部功能，解决相同技术问题，达到相同技术效果，在此不再赘述；
相应的，本实施例提供的加速度突变检验和修复模块506，能实现实施例一中步骤S103中加速度突变检验和修复的全部功能，解决相同技术问题，达到相同技术效果，在此不再赘述；
相应的，本实施例提供的输出模块505，能实现实施例一中将处理后的数据输入车辆控制和决策系统中的全部功能，解决相同技术问题，达到相同技术效果，在此不再赘述；
需要说明的是，实施例二提供的装置与实施例一提供的方法属于同一个发明构思，解决相同的技术问题，达到相同的技术效果，实施例二提供的装置能实现实施例一的所有方法，相同之处不再赘述。
实施例三
基于同一个发明构思，本发明实施例还提供了一种基于多源信息融合的汽车信息安全防护装置，如图6所示，该装置包括：
包括存储器602、处理器601和用户接口603；
所述存储器602，用于存储计算机程序；
所述用户接口603，用于与用户实现交互；
所述处理器601，用于读取所述存储器602中的计算机程序，所述处理器601执行所述计算机程序时，实现：
获取车载传感器测量的第一数据和车联网通信获得的第二数据；
对所述第一数据和所述第二数据进行一致性检验，得到信任值；
若所述信任值大于第一门限，则对所述第一数据和所述第二数据进行滤波处理和融合处理；
若所述信任值小于等于第一门限且大于等于第二门限，则对所述第二数据进行加速度突变检验和修正得到第三数据，对所述第一数据和所述第三数据进行滤波处理和融合处理；
若所述信任值小于第二门限，则剔除所述第二数据，仅对所述第一数据进行滤波处理。
所述处理器601还用于：
将处理后的数据输入车辆控制和决策系统中。
其中，在图6中，总线架构可以包括任意数量的互联的总线和桥，具体由处理器601代表的一个或多个处理器和存储器602代表的存储器的各种电路链接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口提供接口。处理器601负责管理总线架构和通常的处理，存储器602可以存储处理器601在执行操作时所使用的数据。
处理器601可以是CPU、ASIC、FPGA或CPLD，处理器601也可以采用多核架构。
处理器601执行存储器602存储的计算机程序时，实现实施例一中的任一汽车信息安全防护的方法。
需要说明的是，实施例三提供的装置与实施例一提供的方法属于同一个发明构思，解决相同的技术问题，达到相同的技术效果，实施例三提供的装置能实现实施例一的所有方法，相同之处不再赘述。
本申请还提出一种处理器可读存储介质。其中，该处理器可读存储介质存储有计算机程序，所述处理器执行所述计算机程序时实现实施例一中的任一基于多源信息融合的汽车信息安全防护方法。
需要说明的是，本申请实施例中对单元的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
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和光学存储器等)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。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (12)

1.一种基于多源信息融合的汽车信息安全防护方法，其特征在于，包括：
获取车载传感器测量的第一数据和车联网通信获得的第二数据；
对所述第一数据和所述第二数据进行一致性检验，得到信任值；
若所述信任值大于第一门限，则对所述第一数据和所述第二数据进行滤波处理和融合处理；
若所述信任值小于等于第一门限且大于等于第二门限，则对所述第二数据进行加速度突变检验和修正得到第三数据，对所述第一数据和所述第三数据进行滤波处理和融合处理；
若所述信任值小于第二门限，则剔除所述第二数据，仅对所述第一数据进行滤波处理；
其中，所述第一门限和第二门限是预先设置的；
所述进行一致性检验包括：
通过置信测度函数p(xi,xj)∈(0,1]对第一数据xi和第二数据xj的一致性进行检验；
其中，
Figure FDA0003241892680000011
Figure FDA0003241892680000012
Figure FDA0003241892680000013
Figure FDA0003241892680000014
Figure FDA0003241892680000015
σi为车载传感器对第一数据的测量标准差；
σj为前车车载传感器对第二数据的测量标准差；
所述置信测度函数的值为信任值，所述信任值大于等于0小于等于1。
2.根据权利要求1所述的方法，其特征在于，所述对所述第一数据和所述第二数据进行滤波处理和融合处理包括：
对所述第一数据进行卡尔曼滤波得到第四数据，对所述第二数据进行卡尔曼滤波得到第五数据，并对所述第四数据和第五数据进行融合处理。
3.根据权利要求1所述的方法，其特征在于，所述对所述第一数据和所述第三数据进行滤波处理和融合处理包括：
对所述第一数据进行卡尔曼滤波得到第四数据，对所述第三数据进行卡尔曼滤波得到第六数据，并对所述第四数据和第六数据进行融合处理。
4.根据权利要求1所述的方法，其特征在于，所述仅对所述第一数据进行滤波处理包括：
对所述第一数据进行卡尔曼滤波。
5.根据权利要求1到4之一所述的方法，其特征在于，所述车载传感器测量的第一数据包括：
通过车载毫米波雷达测量得到的与前车的位置；
通过车载毫米波雷达测量得到的前车的速度；
通过车载毫米波雷达测量得到的前车的加速度。
6.根据权利要求1到4之一所述的方法，其特征在于，所述车联网通信获得的第二数据包括：
通过车联网通信获得的前车的位置；
通过车联网通信获得的前车的速度；
通过车联网通信获得的前车的加速度。
7.根据权利要求1所述的方法，其特征在于，
所述第一门限的值为0.40；
所述第二门限的值为0.80。
8.根据权利要求1到3之一所述的方法，其特征在于，所述融合处理包括：
融合前的数据为xi和xj；
融合后的数据θ为：
Figure FDA0003241892680000031
其中，σii为xi经过卡尔曼滤波后得到的方差，σjj为xj经过卡尔曼滤波后得到的方差。
9.根据权利要求1到3之一所述的方法，其特征在于，所述进行加速度突变检验和修正包括：
若所述加速度大于第一加速度阈值，则将所述加速度修正为等于第一加速度阈值；
若所述加速度小于第二加速度阈值，则将所述加速度修正为等于第二加速度阈值；
若所述加速度大于等于第二加速度阈值且小于等于第一加速度阈值，则不对所述加速度进行处理；
其中，所述第一加速度阈值和第二加速度阈值是预先设置的，所述第一加速度阈值大于所述第二加速度阈值。
10.根据权利要求1到4之一所述的方法，其特征在于，还包括：
将处理后的数据输入车辆控制和决策系统中。
11.一种基于多源信息融合的汽车信息安全防护装置，其特征在于，包括：
数据获取模块，用于获取车载传感器测量的第一数据和车联网通信获得的第二数据；
检验处理模块，用于对所述第一数据和所述第二数据进行一致性检验，得到信任值；
滤波模块，用于对数据进行卡尔曼滤波处理；
融合模块，用于对数据进行融合处理；
加速度突变检验和修复模块，用于对加速度进行突变检验和修复；
输出模块，用于将处理后的数据输入车辆控制和决策系统中；
所述进行一致性检验包括：
通过置信测度函数p(xi,xj)∈(0,1]对第一数据xi和第二数据xj的一致性进行检验；
其中，
Figure FDA0003241892680000041
Figure FDA0003241892680000042
Figure FDA0003241892680000043
Figure FDA0003241892680000044
Figure FDA0003241892680000045
σi为车载传感器对第一数据的测量标准差；
σj为前车车载传感器对第二数据的测量标准差；
所述置信测度函数的值为信任值，所述信任值大于等于0小于等于1；
若所述信任值大于第一门限，则对所述第一数据和所述第二数据进行滤波处理和融合处理；
若所述信任值小于等于第一门限且大于等于第二门限，则对所述第二数据进行加速度突变检验和修正得到第三数据，对所述第一数据和所述第三数据进行滤波处理和融合处理；
若所述信任值小于第二门限，则剔除所述第二数据，仅对所述第一数据进行滤波处理；
其中，所述第一门限和第二门限是预先设置的。
12.一种基于多源信息融合的汽车信息安全防护装置，其特征在于，包括存储器、处理器和用户接口；
所述存储器，用于存储计算机程序；
所述用户接口，用于与用户实现交互；
所述处理器，用于读取所述存储器中的计算机程序，所述处理器执行所述计算机程序时，实现如权利要求1到10之一所述的基于多源信息融合的汽车信息安全防护方法。
CN202011578461.9A 2020-12-28 2020-12-28 一种基于多源信息融合的汽车信息安全防护方法及装置 Active CN112887262B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011578461.9A CN112887262B (zh) 2020-12-28 2020-12-28 一种基于多源信息融合的汽车信息安全防护方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011578461.9A CN112887262B (zh) 2020-12-28 2020-12-28 一种基于多源信息融合的汽车信息安全防护方法及装置

Publications (2)

Publication Number Publication Date
CN112887262A CN112887262A (zh) 2021-06-01
CN112887262B true CN112887262B (zh) 2021-11-23

Family

ID=76043920

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011578461.9A Active CN112887262B (zh) 2020-12-28 2020-12-28 一种基于多源信息融合的汽车信息安全防护方法及装置

Country Status (1)

Country Link
CN (1) CN112887262B (zh)

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019215473A1 (en) * 2018-05-10 2019-11-14 Olympus Corporation Multisensor data fusion systems and methods
EP3702802A1 (en) * 2019-03-01 2020-09-02 Aptiv Technologies Limited Method of multi-sensor data fusion
CN111024067B (zh) * 2019-12-17 2021-09-28 国汽(北京)智能网联汽车研究院有限公司 一种信息处理方法、装置、设备及计算机存储介质
CN111507429B (zh) * 2020-05-29 2023-08-01 智慧航海（青岛）科技有限公司 智能船舶多源感知数据船端融合方法、装置和决策系统
CN111881955B (zh) * 2020-07-15 2023-07-04 北京经纬恒润科技股份有限公司 多源传感器信息融合方法及装置

Also Published As

Publication number Publication date
CN112887262A (zh) 2021-06-01

Similar Documents

Publication Publication Date Title
US10408638B2 (en) System and method for controlling a vehicle under sensor uncertainty
CN106059987B (zh) 车载网络入侵检测系统及其控制方法
CN109000643B (zh) 导航参数获取方法、车辆急速转弯判断方法、系统、装置
CN113169927B (zh) 判定装置、判定程序、判定方法及神经网络模型的生成方法
CN112109804A (zh) 车辆方向盘角度修正方法、车辆及可读存储介质
CN113830073B (zh) 横摆角速度补偿方法、系统、车辆和计算机可读存储介质
CN110909718A (zh) 驾驶状态识别方法、装置及车辆
CN108809783B (zh) 用于诊断控制器区域网络的方法和系统
CN112887262B (zh) 一种基于多源信息融合的汽车信息安全防护方法及装置
US11893004B2 (en) Anomaly detection in multidimensional sensor data
CN116853263A (zh) 一种道路模型生成方法、装置、计算机设备及存储介质
CN117029857A (zh) 基于高精地图的车辆感知融合方法、设备及存储介质
CN112874528B (zh) 车速确定方法、车速确定装置、车载终端及存储介质
CN113325415B (zh) 车辆雷达数据和相机数据的融合方法及系统
WO2021149340A1 (ja) 異常検知装置、異常検知方法、および、プログラム
JP7031625B2 (ja) グラフ構造推定装置、ｓｌａｍ装置、グラフ構造推定方法、コンピュータプログラム、および記憶媒体
US20240240965A1 (en) Map information correction device and map information correction system
CN117590441B (zh) 一种完好性保护水平计算方法及相关设备
CN113299095B (zh) 车辆校准提醒方法、装置、电子设备及存储介质
CN112863175B (zh) 汽车道路监测数据处理方法、装置、设备及存储介质
WO2023035234A1 (zh) 车辆状态参数估计方法及装置
CN116224349A (zh) 一种机器人的定位方法、系统及电子是设备
JP2023131329A (ja) 運転評価システム、運転を評価する方法、及びコンピュータプログラム
CN117622163A (zh) 横摆角速度补偿值确定方法及相关设备
CN112328970A (zh) 基于车辆性能参数的事故预测方法和系统

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