CN114185842B - 一种基于片上网络的分布式数据级融合系统及方法 - Google Patents
一种基于片上网络的分布式数据级融合系统及方法 Download PDFInfo
- Publication number
- CN114185842B CN114185842B CN202111444927.0A CN202111444927A CN114185842B CN 114185842 B CN114185842 B CN 114185842B CN 202111444927 A CN202111444927 A CN 202111444927A CN 114185842 B CN114185842 B CN 114185842B
- Authority
- CN
- China
- Prior art keywords
- data
- fusion
- chip
- network
- processing module
- 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 104
- 238000000034 method Methods 0.000 title abstract description 14
- 238000012545 processing Methods 0.000 claims abstract description 103
- 238000007499 fusion processing Methods 0.000 claims abstract description 66
- 238000004364 calculation method Methods 0.000 claims abstract description 24
- 238000007781 pre-processing Methods 0.000 claims abstract description 12
- 238000003860 storage Methods 0.000 claims description 15
- 238000007500 overflow downdraw method Methods 0.000 claims description 14
- 238000004891 communication Methods 0.000 claims description 12
- 238000009825 accumulation Methods 0.000 claims description 11
- 238000012216 screening Methods 0.000 claims description 9
- 238000004806 packaging method and process Methods 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 abstract description 6
- 230000002411 adverse Effects 0.000 abstract description 3
- 230000000694 effects Effects 0.000 abstract description 3
- 230000009286 beneficial effect Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000002542 deteriorative effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F15/00—Digital computers in general; Data processing equipment in general
- G06F15/76—Architectures of general purpose stored program computers
- G06F15/78—Architectures of general purpose stored program computers comprising a single central processing unit
- G06F15/7807—System on chip, i.e. computer system on a single chip; System in package, i.e. computer system on one or more chips in a single package
- G06F15/7825—Globally asynchronous, locally synchronous, e.g. network on chip
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F15/00—Digital computers in general; Data processing equipment in general
- G06F15/16—Combinations of two or more digital computers each having at least an arithmetic unit, a program unit and a register, e.g. for a simultaneous processing of several programs
- G06F15/163—Interprocessor communication
- G06F15/173—Interprocessor communication using an interconnection network, e.g. matrix, shuffle, pyramid, star, snowflake
- G06F15/17306—Intercommunication techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F7/00—Methods or arrangements for processing data by operating upon the order or content of the data handled
- G06F7/38—Methods or arrangements for performing computations using exclusively denominational number representation, e.g. using binary, ternary, decimal representation
- G06F7/48—Methods or arrangements for performing computations using exclusively denominational number representation, e.g. using binary, ternary, decimal representation using non-contact-making devices, e.g. tube, solid state device; using unspecified devices
- G06F7/57—Arithmetic logic units [ALU], i.e. arrangements or devices for performing two or more of the operations covered by groups G06F7/483 – G06F7/556 or for performing logical operations
Abstract
本发明公开了一种基于片上网络的分布式数据级融合系统及方法，通过构建数据采集模块、前端处理模块、改进片上网络、融合处理模块，数据采集模块与前端处理模块连接，用于采集原始数据，并将采集的原始数据传递给前端处理模块；前端处理模块与改进片上网络连接，用于对采集的原始数据进行预处理；改进片上网络与融合处理模块连接，用于对预处理的数据进行二次处理；融合处理模块，用于根据原始数据对二次处理后的数据进行最终数据融合；本发明将数据级融合的计算任务按照数据流向特点和计算复杂度进行分配，大大缓解融合中心的计算压力，提高数据融合的效率，并通过引入记忆衰减因子改进融合算法减弱旧数据带来的不利影响，节约计算资源。
Description
技术领域
本发明涉及分布式数据级融合系统设计领域，具体涉及一种基于片上网络的分布式数据级融合系统及方法。
背景技术
传统的检测装置都采用集中式融合系统来融合原始数据，即先将传感器的采集到的数据利用通信网络全部传输至融合中心，然后在融合中心一起进行融合。数据在传输过程中未得到任何处理，不仅会对通信网络造成巨大的传输开销，同时会导致数据融合中心的存在沉重的计算负担。传统的集中式融合系统已极大的限制多源多模态数据在数据融合与集成技术的发展。尤其是对于数据传输量和处理量都有着巨大需求的数据级融合技术，“集中式融合”的不足就更加突出。
为了缓解上述问题，部分研究者提出采用特征级或决策级数据融合方式来降低系统的传输量和运算量。但由于这两种方式均不同程度的丢失了原始数据的部分信息，所以会降低数据融合的精度，甚至影响融合结果的准确性。因此，需要探索一种“传算一体”的数据层融合系统。
发明内容
针对现有技术中的上述不足，本发明提供了一种基于片上网络的分布式数据级融合方法及系统。
为了达到上述发明目的，本发明采用的技术方案为：
一方面，一种基于片上网络的分布式数据级融合系统，包括：数据采集模块、前端处理模块、改进片上网络、融合处理模块；
所述数据采集模块与所述前端处理模块通信连接，包括预设数量的传感器，用于采集原始数据，并将采集的原始数据传递给所述前端处理模块；
所述前端处理模块与所述改进片上网络通信连接，包括与预设数量传感器一一对应的处理器，用于对采集的原始数据进行预处理，并将预处理后的数据以及原始数据传递给所述改进片上网络；
所述改进片上网络与所述融合处理模块通信连接，用于对预处理后的数据进行二次处理；将接收的原始数据传递给所述融合处理模块，并将所述融合处理模块的最终融合结果反馈给所述前端处理模块；
所述融合处理模块包括主处理器，用于接收原始数据并根据原始数据和二次处理后的数据进行剩余融合处理，得到最终融合结果；并将最终融合结果传递给所述改进片上网络。
优选地，所述改进片上网络包括依次连接的数据包缓冲区、算术逻辑单元ALU、累加寄存器；
所述数据包缓冲区，用于接收并存储预处理后的数据以及原始数据，并筛选出需要进行二次处理的数据传输到所述算术逻辑单元ALU；
所述算术逻辑单元ALU用于接收需要进行二次处理的数据，并对其进行二次处理，将二次处理后得到的数据传输到累加寄存器；
所述累加寄存器用于暂存所述算术逻辑单元ALU传输的二次处理后得到的数据。
该优选方案具有以下有益效果：
通过对片上网络内路由器进行改造，增加算术逻辑单元(ALU),使片上网络具备对数据进行简单处理的能力。
优选地，所述改进片上网络采用树状拓扑结构。
该优选方案具有以下有益效果：
方便适应数据融合过程中的数据流向具有多点采集、逐层汇聚的特点。
优选地，所述数据包缓冲区具体为：
包括：
所述数据包缓冲暂存单元，与解码器连接，用于接收并存储所述改进片上网络传递的预处理后数据以及原始数据；
所述解码器，分别与所述数据包缓冲暂存单元、所述算术逻辑单元ALU连接，用于根据所述数据包缓冲暂存单元中经过预处理后的数据筛选出需要进行二次处理的数据，并对原始数据进行打包；将打包的原始数据以及筛选的需要进行二次处理的数据，传递至所述算术逻辑单元ALU。
该优选方案具有以下有益效果：
便于实现片上网络内处理，进而实现分布式数据融合。
另一方面，一种基于片上网络的分布式数据级融合方法，包括以下步骤：
S1、利用数据采集模块中预设数量的传感器采集原始数据；
S2、利用前端处理模块中处理器对原始数据进行预处理，得到各原始数据所对应的方差倒数；
S3、利用改进片上网络根据各原始数据所对应的方差倒数计算总的方差倒数之和，得到二次处理后的数据；
S4、利用融合处理模块根据二次处理后的数据与原始数据进行剩余融合处理，得到最终融合结果。
优选地，步骤S2具体为：
利用前端处理模块中各传感器对应的处理器结合上一次融合过程中融合数据对原始数据进行预处理，计算得到各原始数据所对应的方差倒数，方差计算式表示为：
其中，α为记忆衰减因子，xs(k)为第k次融合过程中第s个传感器采集到的原始数据；为第k-1次融合过程中第s个传感器采集数据的方差；Xf(k-1)为第k-1次融合过程的最终融合结果值；/>为第k次融合过程中第s个传感器采集数据的方差估计值。
该优选方案具有以下有益效果：
通过引入记忆衰减因子对算法进行改进，以减弱旧数据带来的偏差。
优选地，步骤S3具体包括以下分步骤：
步骤S3具体包括以下分步骤：
S31、利用解码器从数据包缓冲暂存单元中筛选需要进行二次处理的预处理后数据；
S32、利用算术逻辑单元ALU根据本次处理所需的预处理后数据计算总的方差倒数之和。
该优选方案具有以下有益效果：
利用改进片上网络中新增的算术逻辑单元ALU并结合片上网络特有的底层硬件结构与数据处理方式完成对应的数据处理，可以大大缓解融合中心的计算压力，提高数据融合的效率。
优选地，步骤S32具体为：
利用算术逻辑单元ALU将解码器筛选的本次处理所需的预处理后数据按照改进片上网络的树状结构将各原始数据所对应的方差倒数进行成对相加，然后将各自的计算结果传递至下一层网络节点进行成对相加，直至遍布改进片上网络中树状结构的全部节点，得到总的方差倒数之和。
该优选方案具有以下有益效果：
可以降低片上网络的通信负担，还可以让片上网络内的空闲资源得到利用。在相同的功耗下可以执行更多的任务，提升了系统的能耗比。
优选地，步骤S4具体包括以下分步骤：
S41、根据各原始数据所对应的方差倒数以及总的方差倒数之和计算各传感器所对应的融合权值；
S42、根据原始数据与融合权值计算融合结果，得到最终融合结果，最终融合结果计算式表示为：
其中，Xf(k)为第k次融合过程的最终融合结果值，xs(k)为第k次融合中第s个传感器采集的原始数据值，Ws(k)为第k次融合中第s个传感器的融合权值，n为传感器的总数量。
该优选方案具有以下有益效果：
可以有效地捕获传感器的故障特征，并及时调整传感器融合权重值，在多传感器数据融合的准确性和传感器故障容错性方面都取得了令人满意的性能。
优选地，步骤S41中融合权值的计算式表示为：
其中，Ws(k)为第k次融合过程中第s个传感器的融合权值，为第k次融合过程中第s个传感器采集数据的方差估计值。
该优选方案具有以下有益效果：
根据相关系数估计传感器的方差，再根据各个传感器自身方差估计及时自适应地调整传感器的融合权值。考虑了各个传感器的相关性，同时避免因存在干扰、传感器性能退化或出现故障时恶化数据融合结果的情况。
本发明具有以下有益效果：
通过构建数据采集模块、前端处理模块、改进片上网络、融合处理模块，数据采集模块包括预设数量的传感器，与前端处理模块连接，用于采集原始数据，并将采集的原始数据传递给前端处理模块；前端处理模块包括与预设数量传感器一一对应的处理器，与改进片上网络连接，用于对采集的原始数据进行预处理，并将预处理后的数据和原始数据传递给改进片上网络；改进片上网络与融合处理模块连接，用于对预处理后的数据进行二次处理；并将二次处理后得到的数据和接收的原始数据传递给融合处理模块，并将融合处理模块的最终融合结果反馈给前端处理模块；融合处理模块包括主处理器，用于接收原始数据并根据原始数据和经过二次处理后的数据进行剩余的数据融合处理；将最终融合结果传递给改进片上网络，将数据级融合的计算任务按照数据流向特点和计算复杂度进行分配，每个组成部分都承担数据融合过程中适合自己执行的计算任务，相比于集中式融合系统，可以大大缓解融合中心的计算压力，提高数据融合的效率；并基于分布式数据级融合系统创建分布式数据级融合方法，在引入记忆衰减因子的基础上结合原始数据计算融合结果，以减弱旧数据带来的不利影响。
附图说明
图1为本发明提供的一种基于片上网络的分布式数据级融合系统的结构示意图；
图2为本发明中改进片上网络的结构示意图；
图3为本发明提供的一种基于片上网络的分布式数据级融合方法的步骤流程图；
图4为本发明提供的一种基于片上网络的分布式数据级融合方法的数据流图；
图5为本发明中步骤S3的分步骤流程图；
图6为本发明中步骤S4的分步骤流程图。
具体实施方式
下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
一方面，如图1所示，一种基于片上网络的分布式数据级融合系统，包括：数据采集模块、前端处理模块、改进片上网络、融合处理模块；
数据采集模块与前端处理模块通信连接，包括预设数量的传感器，用于采集原始数据，并将采集的原始数据传递给前端处理模块；
前端处理模块与改进片上网络通信连接，包括与预设数量传感器一一对应的处理器，用于对采集的原始数据进行预处理，并将预处理后的数据和原始数据传递给改进片上网络；
改进片上网络与融合处理模块通信连接，用于对预处理后得到的数据进行二次处理；并将经过二次处理后的数据和接收的原始数据传递给融合处理模块，并将融合处理模块的最终融合结果反馈给前端处理模块；
融合处理模块包括主处理器，用于接收原始数据并根据原始数据和二次处理后得到的数据进行剩余融合处理，得到最终融合结果；并将最终融合结果传递给改进片上网络。
可选的，前端处理模块中的传感器以及与传感器对应的处理器均可以结合实际情况适当更改数量，并与之对应修改片上网络的对应节点数量。
优选地，如图2所示，改进片上网络包括依次连接的数据包缓冲区、算术逻辑单元ALU、累加寄存器；
改进片上网络包括依次连接的数据包缓冲区、算术逻辑单元ALU、累加寄存器；
数据包缓冲区，用于接收并存储预处理后的数据以及原始数据，并筛选出需要进行二次处理的数据传输到所述算术逻辑单元ALU；
实际中，改进片上网络可将传感器采集到的原始数据传输至融合处理模块，且在融合处理模块执行完剩余的融合步骤后将本次融合结果直接广播至与前端处理模块直接相连的路由器，再回送给前端处理模块，为下一次预处理操做铺垫。
优选地，数据包缓冲区具体为：
包括：
数据包缓冲暂存单元，与解码器连接，用于接收并存储改进片上网络传递的预处理后的数据以及原始数据；
解码器，分别与数据包缓冲暂存单元、算术逻辑单元ALU连接，用于根据数据包缓冲暂存单元中预处理后的数据筛选出需要进行二次处理的数据，并对原始数据进行打包；将打包的原始数据以及筛选的需要进行二次处理的数据，传递至算术逻辑单元ALU。
可选的，解码器对数据包缓冲暂存单元中预处理后的数据进行译码检测，筛选出需要进行二次处理的数据传递到进一步融合处理过程，其中，二次处理所需的数据包括两部分，一部分是用于算术逻辑单元ALU进行数据处理的预处理后的数据；另一部分是对应传感器检测到的原始数据，但仅仅对该数据进行打包即可；当解码器进行筛选时，未进行匹配的数据仍然存储到数据包缓冲暂存单元，解码器继续检测下一个数据，直到匹配到本次数据处理所需的数据为止。
算术逻辑单元ALU用于接收需要进行二次处理的数据，并对其进行二次处理，将经过二次处理后的数据传输到累加寄存器；
累加寄存器用于暂存算术逻辑单元ALU传输的经过二次处理后的数据。
可选的，本发明为了使片上网络具有数据处理能力，对路由器进行改进，使其成为片上网络内的计算单元，改进后的路由器包括数据包缓冲区和算数逻辑单元ALU；
其具体的工作流程为：传递的数据会通过虚拟通道进入改进片上网络，首先会进入数据包缓冲区进行暂存，然后通过解码器对数据包进行译码检测，筛选出本次处理过程所需的数据，并利用算术逻辑单元ALU对本次处理过程所需的数据进行运算处理，最后将运算处理结果暂存到累加寄存器或直接进行下一个逻辑单元进行数据处理，直到本次片上网络所有的计算任务完成后，改进片上网络会将最终的结果送至融合处理模块进行剩余融合处理。
优选地，改进片上网络采用树状拓扑结构。
如图3所示，另一方面，一种基于片上网络的分布式数据级融合方法，包括以下步骤：
S1、利用数据采集模块中预设数量的传感器采集原始数据；
S2、利用前端处理模块中处理器对原始数据进行预处理，得到各原始数据所对应的方差倒数；
优选地，步骤S2具体为：
利用前端处理模块中各传感器对应的处理器结合上一次融合过程中融合数据对原始数据进行预处理，计算得到各原始数据所对应的方差倒数，方差计算式表示为：
其中，α为记忆衰减因子，反映了旧数据对本次融合结果影响强度的衰减速度；xs(k)为第k次融合过程中第s个传感器采集到的原始数据；为第k-1次融合过程中第s个传感器采集数据的方差；Xf(k-1)为第k-1次融合过程的最终融合结果值；/>为第k次融合过程中第s个传感器采集数据的方差估计值，也称为准方差。
如图4所示，左边的第一个黑框所示的计算是求得单个传感器的测量方差的导数，这部分的运算都是单个传感器采集的数据在进行自我运算，并未涉及到其他的传感器数据，直接通过传感器对应的处理器则可以进行处理，在计算完成后将预处理后的原始数据，即获得的方差倒数传输到改进的片上网络进行数据处理。
S3、利用改进片上网络根据各原始数据所对应的方差倒数计算总的方差倒数之和，得到二次处理后的数据；
如图5所示，优选地，步骤S3具体包括以下分步骤：
S31、利用解码器从数据包缓冲暂存单元中筛选本次处理所需的预处理后的数据；
S32、利用算术逻辑单元ALU根据本次处理所需的预处理后数据计算总的方差倒数之和。
优选地，步骤S32具体为：
利用算术逻辑单元ALU将解码器筛选的本次处理所需的预处理后数据按照改进片上网络的树状结构将各原始数据所对应的方差倒数进行成对相加，然后将各自的计算结果传递至下一层网络节点进行成对相加，直至遍布改进片上网络中树状结构的全部节点，得到总的方差倒数之和。
可选的，改进片上网络可结合如图1所示的片上网络树状结构，将多个传感器的倒数方差先进行成对相加，直到求出预设数量的所有传感器的方差倒数之和，并将得到的总的方差倒数之和以及采集的原始数据传递给融合处理模块进行下一步融合处理。
S4、利用融合处理模块根据二次处理数据与原始数据进行剩余融合处理，得到最终融合结果。
如图6所示，优选地，步骤S4具体包括以下分步骤：
S41、根据各原始数据所对应的方差倒数以及总的方差倒数之和计算各传感器所对应的融合权值；
优选地，步骤S41中融合权值的计算式表示为：
其中，Ws(k)为第k次融合过程中第s个传感器的融合权值，为第k次融合过程中第s个传感器采集数据的方差估计值。
S42、根据原始数据与融合权值计算融合结果，得到最终融合结果，最终融合结果计算式表示为：
其中，Xf(k)为第k次融合过程的最终融合结果值，xs(k)为第k次融合中第s个传感器采集的原始数据值，Ws(k)为第k次融合中第s个传感器的融合权值，n为传感器的总数量。
如图4所示，本发明提供的一种基于片上网络的分布式数据级融合方法采用数据流图进行表示，通过数据融合算法首先基于传感器上一次测量数据的融合结果值和方差来评估传感器的方差，并引入记忆衰减因子进行算法改进，以减弱旧数据带来的不利影响；
可选的，由于片上网络特有的底层硬件结构以及数据处理方法，采用数据流图的形式表征算法更利于将算法映射到基于片上网络的分布式数据级融合系统的节点上实现。
本发明是参照根据本发明实施例的方法、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。
本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。
Claims (7)
1.一种基于片上网络的分布式数据级融合系统，其特征在于，包括：数据采集模块、前端处理模块、改进片上网络、融合处理模块；
所述数据采集模块与所述前端处理模块通信连接，包括预设数量的传感器，用于采集数据级融合所需的原始数据，并将采集的数据级融合所需的原始数据传递给所述前端处理模块；
所述前端处理模块与所述改进片上网络通信连接，包括与预设数量传感器一一对应的处理器，用于对采集的数据级融合所需的原始数据进行预处理，并将预处理后的数据以及数据级融合所需的原始数据传递给所述改进片上网络；
所述改进片上网络与所述融合处理模块通信连接，用于对预处理后的数据进行二次处理；并将二次处理后得到的数据和接收的数据级融合所需的原始数据传递给所述融合处理模块，并将所述融合处理模块的最终融合结果反馈给所述前端处理模块；
所述改进片上网络采用树状拓扑结构；
所述改进片上网络包括依次连接的数据包缓冲区、算术逻辑单元ALU、累加寄存器；
所述数据包缓冲区，用于接收并存储预处理后的数据以及原始数据，并筛选出需要进行二次处理的数据传输到所述算术逻辑单元ALU；
所述数据包缓冲区具体为：
包括：
所述数据包缓冲暂存单元，与解码器连接，用于接收并存储所述改进片上网络传递的预处理后的数据以及原始数据；
所述解码器，分别与所述数据包缓冲暂存单元、所述算术逻辑单元ALU连接，用于根据所述数据包缓冲暂存单元中预处理后的数据筛选出需要进行二次处理的数据，并对原始数据进行打包；将打包的原始数据以及筛选的需要进行二次处理的数据，传递至所述算术逻辑单元ALU；
所述算术逻辑单元ALU用于接收需要进行二次处理的数据，并对其进行二次处理，将得到二次处理后得到的数据传输到累加寄存器；
所述累加寄存器用于暂存所述算术逻辑单元ALU传输的二次处理后得到的数据；
所述融合处理模块包括主处理器，用于接收数据级融合所需的原始数据并根据数据级融合所需的原始数据和经过二次处理后的数据进行剩余融合处理，得到最终融合结果；并将最终融合结果传递给所述改进片上网络。
2.一种基于片上网络的分布式数据级融合方法，应用于权利要求1所述的基于片上网络的分布式数据级融合系统，其特征在于，包括以下步骤：
S1、利用数据采集模块中预设数量的传感器采集原始数据；
S2、利用前端处理模块中处理器对原始数据进行预处理，得到各原始数据所对应的方差倒数；
S3、利用改进片上网络根据各原始数据所对应的方差倒数计算总的方差倒数之和，得到二次处理后的数据；
S4、利用融合处理模块根据二次处理后的数据与原始数据进行剩余融合处理，得到最终融合结果。
3.根据权利要求2所述的基于片上网络的分布式数据级融合方法，其特征在于，步骤S2具体为：
利用前端处理模块中各传感器对应的处理器结合上一次融合过程中融合结果对原始数据进行预处理，计算得到各原始数据所对应的方差倒数，方差计算式表示为：
其中，α为记忆衰减因子，xs()为第k次融合过程中第s个传感器采集到的原始数据；为第k-1次融合过程中第s个传感器采集数据的方差；Xf(-1)为第k-1次融合过程的最终融合结果值；/>为第k次融合过程中第s个传感器采集数据的方差估计值。
4.根据权利要求2所述的基于片上网络的分布式数据级融合方法，其特征在于，步骤S3具体包括以下分步骤：
S31、利用解码器从数据包缓冲暂存单元中筛选本次融合需要进行二次处理的数据；
S32、利用算术逻辑单元ALU根据本次处理所需的预处理后数据计算总的方差倒数之和。
5.根据权利要求4所述的基于片上网络的分布式数据级融合方法，其特征在于，步骤S32具体为：
利用算术逻辑单元ALU将解码器筛选的本次处理所需的预处理后的数据按照改进片上网络的树状结构将各原始数据所对应的方差倒数进行成对相加，然后将各自的计算结果传递至下一层网络节点进行成对相加，直至遍布改进片上网络中树状结构的全部节点，得到总的方差倒数之和。
6.根据权利要求2所述的基于片上网络的分布式数据级融合方法，其特征在于，步骤S4具体包括以下分步骤：
S41、根据各原始数据所对应的方差倒数以及总的方差倒数之和计算各传感器所对应的融合权值；
S42、根据原始数据与融合权值计算融合结果，其融合结果计算式表示为：
其中，Xf()为第k次融合过程的最终融合结果值，xs()为第k次融合中第s个传感器采集的原始数据值，Ws()为第k次融合中第s个传感器的融合权值，n为传感器的总数量。
7.根据权利要求6所述的基于片上网络的分布式数据级融合方法，其特征在于，步骤S41中融合权值的计算式表示为：
其中，Ws(k)为第k次融合过程中第s个传感器的融合权值，为第k次融合过程中第s个传感器采集数据的方差估计值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111444927.0A CN114185842B (zh) | 2021-11-30 | 2021-11-30 | 一种基于片上网络的分布式数据级融合系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111444927.0A CN114185842B (zh) | 2021-11-30 | 2021-11-30 | 一种基于片上网络的分布式数据级融合系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114185842A CN114185842A (zh) | 2022-03-15 |
| CN114185842B true CN114185842B (zh) | 2024-01-30 |
Family
ID=80603097
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111444927.0A Active CN114185842B (zh) | 2021-11-30 | 2021-11-30 | 一种基于片上网络的分布式数据级融合系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114185842B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109951807A (zh) * | 2019-02-27 | 2019-06-28 | 西北师范大学 | 基于WiFi信号的融合RSS和CSI室内定位方法 |
| CN110163270A (zh) * | 2019-05-10 | 2019-08-23 | 北京易控智驾科技有限公司 | 多传感器数据融合方法及系统 |
| CN110874603A (zh) * | 2018-08-30 | 2020-03-10 | 沈阳航空航天大学 | 一种认知信息对抗中深度置信网络情报提取装置及方法 |
| CN112016828A (zh) * | 2020-08-26 | 2020-12-01 | 中国特种设备检测研究院 | 基于流式大数据的工业设备健康管理云平台架构 |
-
2021
- 2021-11-30 CN CN202111444927.0A patent/CN114185842B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110874603A (zh) * | 2018-08-30 | 2020-03-10 | 沈阳航空航天大学 | 一种认知信息对抗中深度置信网络情报提取装置及方法 |
| CN109951807A (zh) * | 2019-02-27 | 2019-06-28 | 西北师范大学 | 基于WiFi信号的融合RSS和CSI室内定位方法 |
| CN110163270A (zh) * | 2019-05-10 | 2019-08-23 | 北京易控智驾科技有限公司 | 多传感器数据融合方法及系统 |
| CN112016828A (zh) * | 2020-08-26 | 2020-12-01 | 中国特种设备检测研究院 | 基于流式大数据的工业设备健康管理云平台架构 |
Non-Patent Citations (1)
| Title |
|---|
| "多传感器自主跟踪中的数据融合方法";单海蛟 等;《液晶与显示》;第801-809页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114185842A (zh) | 2022-03-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11158044B2 (en) | Battery detection method and device | |
| CN108268869A (zh) | 目标检测方法、装置及系统 | |
| CN103595981B (zh) | 基于非局部低秩的色彩滤波阵列图像去马赛克方法 | |
| CN110213327A (zh) | 一种基于边缘计算的资源调度方法、装置及系统 | |
| CN112799599B (zh) | 一种数据存储方法、计算核、芯片和电子设备 | |
| CN109743356A (zh) | 工业互联网数据采集方法及装置、可读存储介质和终端 | |
| CN114185842B (zh) | 一种基于片上网络的分布式数据级融合系统及方法 | |
| CN111831359B (zh) | 权重精度配置方法、装置、设备及存储介质 | |
| CN109726353A (zh) | 卷积运算装置和方法 | |
| CN111831354A (zh) | 数据精度配置方法、装置、芯片、芯片阵列、设备及介质 | |
| WO2015131840A1 (zh) | 一种mimo系统的检测方法及装置 | |
| CN108491927A (zh) | 一种基于神经网络的数据处理方法和装置 | |
| CN107528731B (zh) | 应用于ns3并行仿真的网络分割优化算法 | |
| CN105681425B (zh) | 基于分布式存储系统的多节点修复方法及其系统 | |
| CN107179895A (zh) | 一种应用复合指令加快数据流结构中指令执行速度的方法 | |
| CN108614703B (zh) | 基于嵌入式平台的算法移植系统及其算法移植方法 | |
| CN215120852U (zh) | 基于泛在电力物联网的配电柜柜外电量表图像采集装置 | |
| CN106331680A (zh) | 一种手机端2d转3d自适应云卸载方法和系统 | |
| CN113870162A (zh) | 一种融合光照和反射的低光图像增强方法 | |
| CN105516283B (zh) | 一种提高云计算环境稳定性的装置 | |
| CN107330211A (zh) | 用于调整空调机组摆放位置的方法、装置以及存储介质 | |
| CN114185843A (zh) | 一种用于分布式数据融合系统的片上网络接口 | |
| CN206021198U (zh) | 一种三维空间手势识别系统 | |
| WO2022222983A1 (zh) | 视差估计方法、装置、图像处理设备及存储介质 | |
| CN117557770A (zh) | 一种基于存算一体架构的目标检测方法和系统 |
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 |