數(shù)據(jù)融合知識參考

數(shù)據(jù)融合數(shù)據(jù)融合1數(shù)據(jù)融合定義數(shù)據(jù)融合的定義數(shù)據(jù)融合是面對不同級別， 不同層次的對數(shù)據(jù)的處理流程， 它的功能主要表現(xiàn)在將來自相異數(shù)據(jù)源的信息自動地做預處理， 關(guān)聯(lián)預測更新和整合等相關(guān)處理為了正規(guī)化管理數(shù)據(jù)融合中的專屬詞匯， 美國國家安全部專門成立了一個特別的行動組織團體進行這項工作， 從而實現(xiàn)了對數(shù)據(jù)融合的研究目的， 定義和它的相關(guān)功能的預研究目的。隨后數(shù)據(jù)融合的相關(guān)定義又被華爾茲和利納斯進行了改進和補充。簡而言之，人類本身就好比是一個天然的數(shù)據(jù)融合系統(tǒng)， 我們的子，嘴巴，耳朵，四肢以及眼睛就好比是一個個傳感器，它們將各自獲取的“數(shù)據(jù)”先進行“預處理”，也就是靠各自單一的感官去感覺，最后反饋給大腦這個中央處理器，大腦再對這些多源的“數(shù)據(jù)”進行處理，濾波和估計。 m數(shù)據(jù)融合的定義基本上體現(xiàn)了數(shù)據(jù)融合的三個關(guān)鍵功能 :(1) 由于每個層級表示信息處理的不同級別，因此數(shù)據(jù)融合是在若干個層級上對空間分布的信息源進行操作的;(2) 數(shù)據(jù)融合的本質(zhì)其實就是對鎖定的目標進行觀測， 追蹤，狀態(tài)測和整合;(3) 在數(shù)據(jù)融合操作完畢后會得到的高關(guān)聯(lián)正確率的狀態(tài)估計以及實時的威脅判斷，這些處理結(jié)果將成為用戶有價值的先驗知識， 從而使決策者做正確的操作。a由數(shù)據(jù)融合的定義也可以看出， 數(shù)據(jù)融合的過程是依托不同的層次來逐步完成的，一般主要由四層來共同完成。 第一層主要是把各個傳感器上獲取的觀測數(shù)據(jù)進行預處理，包括時間空間校對，坐標系變換等等 ;第二層主要是評估低層上得到的數(shù)據(jù)信息的態(tài)勢，包括對現(xiàn)階段態(tài)勢的判斷和未來時間的態(tài)勢預測 ;第層是面向整體態(tài)勢的一種評估， 其中有對總體態(tài)勢的把握以及威脅級別的估計等等一系列。第四層主要是制定相關(guān)的補充計劃。 klq9Aug。數(shù)據(jù)融合模型在不同的應用范圍，數(shù)據(jù)融合有不同的理論模型。 在我們這個特定的數(shù)據(jù)融合系統(tǒng)中，通過用戶在態(tài)勢模擬服務器端自定義的起始點屬性， 傳感器參數(shù)，置信息來仿真?zhèn)鞲衅鳙@取的局部航跡數(shù)據(jù)，并且保存在后臺的理論航跡數(shù)據(jù)庫中，然后分別傳送到相應的終端節(jié)點， 進行局部航跡的時間校對， 空間校對等據(jù)預處理過程，然后生成局部的態(tài)勢信息。 接著通過與其它終端節(jié)點間的相互通信來共享彼此的局部態(tài)勢信息，最后綜合處理得到全局的態(tài)勢信息和威脅評估，存入航跡數(shù)據(jù)庫。具體模型如圖 2一1所示：。2數(shù)據(jù)融合的分類級別和次序來劃分，可按高級，中級以及低級來劃分。目前應用較為廣泛的是將數(shù)據(jù)融合分為像素級融合，特征級融合和決策級融合。。像素級融合像素級融合是指不對傳感器接收到的信息進行處理， 但在融合過程中要求到一個像素的精準度。它的主要優(yōu)缺點如下表 :Diaz4Ya。特征級融合特征級融合主要是指從不同傳感器中提取局部的有代表性的數(shù)據(jù)， 然后根據(jù)這些局部數(shù)據(jù)組合得到具有顯著特征的矢量。 這種層次的融合在多層人工神經(jīng)網(wǎng)絡中有很好的應用，從毫米波雷達和激光雷達數(shù)據(jù)中獲取需要的代表性數(shù)據(jù)， 入到神經(jīng)網(wǎng)絡中的數(shù)據(jù)就是由這些獲取的代表性數(shù)據(jù)融合得到。 為了在大量干擾目標中識別出我們所關(guān)注的特定目標， 這些特征矢量需要由神經(jīng)網(wǎng)絡進行離線訓練這樣的操作流程就可以實現(xiàn)以較高的精準度和概率分辨出該代表性矢量的類別但是需要注意的是該訓練結(jié)果由所有的傳感器參與融合而得到的， 因此一其中的某個傳感器被替代成其他種類，那么需要重復收集數(shù)據(jù)和離線訓練的操作。vrWsBE。決策級融合決策級融合主要是指先單獨處理來自于各個傳感器的目標信息， 接著再對各個傳感器的局部結(jié)果進行處理， 從而得出整個系統(tǒng)的綜合結(jié)果。 決策融合，決及其可信度融合和概率融合是決策級融合的三種主要的種類。 其主要優(yōu)缺點如下表:d三個融合層次優(yōu)缺點的比較如下：3數(shù)據(jù)融合技術(shù)數(shù)據(jù)融合中的狀態(tài)估計和跟蹤算法傳統(tǒng)的狀態(tài)預測和跟蹤算法主要包含數(shù)據(jù)信息校對;將目標和數(shù)據(jù)信息聯(lián)系起來估計跟蹤范圍數(shù)據(jù)之間的關(guān)聯(lián)度量將數(shù)據(jù)進行關(guān)聯(lián)找出航跡間的聯(lián)系實現(xiàn)目標定位，屬性以及性能的預測統(tǒng)中，跟蹤算法主要是針對局部航跡信息處理的， 它的基本流程是根據(jù)獲取的本地觀測數(shù)據(jù)得到航跡的初始狀態(tài)， 經(jīng)過關(guān)聯(lián)處理把得到的局部航跡數(shù)據(jù)傳遞給融合模塊進行融合處理。數(shù)據(jù)預處理模塊，航跡起始模塊，點跡航跡關(guān)聯(lián)模塊和跡管理模塊是組成跟蹤算法的四個基本元素，其處理流程如圖 2一。。跟蹤算法把從傳感器經(jīng)由專用通信信道傳輸而得到的觀測數(shù)據(jù)交給點跡預處理模塊進行數(shù)據(jù)類型轉(zhuǎn)換等一系列預處理操作。 數(shù)據(jù)流經(jīng)過處理以后將會在跡起始模塊和點跡航跡關(guān)聯(lián)模塊中進行運算， 航跡管理模塊對航跡信息更新的依據(jù)就是這里得到的運算結(jié)果，然后航跡管理模塊中的航跡信息會被傳送給融合算法進行融合處理。 。圖2一3詳細地描述了航跡起始模塊從點跡預處理模塊和點跡航跡關(guān)聯(lián)模塊獲取數(shù)據(jù)后進行航跡起始運算的流程。 傳遞給點跡航跡關(guān)聯(lián)模塊的新航跡是為未來的點跡航跡關(guān)聯(lián)做好預備工作。 點跡航跡關(guān)聯(lián)模塊不僅從航跡起始模塊獲取新的航跡，同時對現(xiàn)有航跡和獲取的航跡數(shù)據(jù)進行關(guān)聯(lián)運算， 最后搜索出關(guān)聯(lián)流中從未曾被航跡關(guān)聯(lián)到的點跡再次交給航跡起始模塊進行處理。 。航跡管理模塊一并把由點跡航跡關(guān)聯(lián)模塊與航跡起始模塊獲取的數(shù)據(jù)加更新的航跡組成一個整體，把這個整體傳遞給融合模塊處理。 w數(shù)據(jù)融合中的融合算法時間空間校對、航跡與航跡之間的關(guān)聯(lián)、對航跡態(tài)勢進行融合以及整體航跡態(tài)勢的管理是融合算法的四大功能。 對于相異的數(shù)據(jù)融合系統(tǒng)， 都有各自相異的最好的融合方法。在分布式數(shù)據(jù)融合系統(tǒng)中運用航跡間融合的方法比較適合， 為航跡間融合的運算量比較小并且傳送速度快。 對于集中式數(shù)據(jù)融合系統(tǒng)， 最好的融合方法是點跡融合，點跡融合的規(guī)則是把所有傳感器的觀察數(shù)據(jù)交給融合中心進行點跡與航跡融合，但是這種方法的明顯劣勢是傳感器觀察的數(shù)據(jù)量比較大，在強干擾波區(qū)會生成許多由干擾波造成的點跡， 使得融合魯棒性不足。 因此航跡處理問題是不同數(shù)據(jù)融合系統(tǒng)中均存在的問題， 無論是分布式數(shù)據(jù)融合系統(tǒng)還是集中式數(shù)據(jù)融合系統(tǒng)， 唯一的區(qū)別是完成處理工作是在相異的節(jié)點上。 因生成航跡存儲航跡以及刪除航跡的規(guī)范是航跡處理過程中的一個異常關(guān)鍵的問題，同時也是對目標進行不間斷跟蹤的核心技術(shù)。 kyxIpV6。數(shù)據(jù)預處理和數(shù)據(jù)關(guān)聯(lián)是數(shù)據(jù)融合之前必要的準備工作。 數(shù)據(jù)預處理主要包括點跡過濾和坐標轉(zhuǎn)換兩個方面。 在多傳感器體系中，有用的目標回波生成的同時往往伴隨著很多低速目標回波和非動態(tài)目標回波， 但是就是這些無效的干擾波造成了運算繁瑣從而加重了系統(tǒng)負擔。 因此系統(tǒng)必須找到一類有效的點跡過濾方法來減少許多由干擾波造成的獨立點跡和虛點跡， 有效的過濾方法不僅能減少無用波引發(fā)的干擾因素，同時也能提升系統(tǒng)的狀態(tài)預測準度， 改善系統(tǒng)性能。點濾波主要是根據(jù)非動態(tài)目標和動態(tài)目標在跨周期特性上的差異然后運用一定的判斷策略來判斷數(shù)據(jù)的跨周期性， 以此來區(qū)分非動態(tài)目標和動態(tài)目標。 點跡過主要是針對點跡過濾，點跡組合和去野值這三個方面來進行操作。 點跡過濾的主要功能是劃分傳感器觀察數(shù)據(jù)的種類， 點跡組合是將對相同觀察目標的幾個觀察數(shù)據(jù)組合成為一個整體數(shù)據(jù)，去野值就是摒棄些嚴重不合理或者發(fā)生明顯錯誤的數(shù)據(jù)對象。另外一方面的坐標轉(zhuǎn)換就是把由傳感器傳送過來的數(shù)據(jù)進行坐標轉(zhuǎn)換，從而成為數(shù)據(jù)融合系統(tǒng)中所需要的笛卡爾坐標系。 yI6sgty。對數(shù)據(jù)對象進行數(shù)據(jù)關(guān)聯(lián)的時候，面對不同的系統(tǒng)需求，會運用不同類型的數(shù)據(jù)關(guān)聯(lián)算法，然而數(shù)據(jù)關(guān)聯(lián)算法有很多種， 這里只列出比較常用的四類。 這類常用的數(shù)據(jù)關(guān)聯(lián)算法的主要優(yōu)缺點如表 2一4所示。nJs1i5G。本系統(tǒng)采用快速最鄰近聯(lián)合數(shù)據(jù)關(guān)聯(lián)算法，從傳感器端獲取了觀察數(shù)據(jù)以后，需要檢查航跡隊列，判斷是否需要將當前航跡加入航跡起始隊列， 常見的航跡起始方法有批量處理和按次序處理兩大類， 然后設置航跡的關(guān)聯(lián)限定， 判斷跡是否落在關(guān)聯(lián)范圍內(nèi)，接著計算航跡和觀察值的關(guān)聯(lián)概率并選取關(guān)聯(lián)概率最大的點跡作為航跡下一個時刻的狀態(tài)，最后濾波并且將更新的航跡數(shù)據(jù)進行發(fā)送。sIBH3nR。在多傳感器融合系統(tǒng)中，局部航跡和全局航跡是兩個非常關(guān)鍵的組成因素，局部航跡又叫傳感器航跡是由不同傳感器的跟蹤模塊所生成， 全局航跡又叫系統(tǒng)航跡是由一切局部航跡經(jīng)過航跡融合以后生成的航跡， 它本質(zhì)上即是傳感器的狀態(tài)估計融合，主要由局部傳感器分別和局部傳感器狀態(tài)估計的融合， 全局傳感器狀態(tài)估計的融合兩個方面組成。 偽測量融合法，信息矩陣融合法以及基于模糊理論集的模糊航跡融合法是當前在不同融合體系中應用比較廣泛的幾種融合方法，前三種方法是基于統(tǒng)計學理論的， 后一種方法是基于模糊關(guān)聯(lián)理論的。 在目標度很大或者運動隨機性較強的背景下， 這三種基于統(tǒng)計學理論的融合方法通常準確率較低，是因為受到傳感器差異，目標機動性強弱以及數(shù)據(jù)處理機制的差異等條件的制約，基于統(tǒng)計學的方法對于分辨兩個局部的航跡是否對應相同目標是相當有難度的。由于在航跡關(guān)聯(lián)判斷中航跡有著相當大的不確定性， 因此運用模糊關(guān)聯(lián)方法是一種比較可行的選擇。本系統(tǒng)提出了基于假定航跡關(guān)聯(lián)的傳遞性 (果X和Y關(guān)聯(lián)，Y和Z關(guān)聯(lián)，可得Z一定關(guān)聯(lián))四元數(shù)模糊關(guān)聯(lián)方法，這種方法僅僅關(guān)注航跡之間的模糊因素， 摒棄了傳統(tǒng)的模糊方法中為計算兩個航跡的關(guān)聯(lián)性需要考慮與其它所有航跡的模糊因素， 這種方法用一個四元數(shù)結(jié)構(gòu)來表示任意兩個航跡模糊因素的運算隸屬度， 大大降低了航跡間關(guān)聯(lián)性的運算量， 使得航跡關(guān)聯(lián)的實時性得到了提升。 EsXTKa。航跡融合的兩個階段航跡相關(guān)性:航跡相關(guān)性的定義在航跡融合中包含兩個方面，一個方面是按照相同的批次對所有傳感器傳來的目標屬性依據(jù)特定的規(guī)律進行合并， 然后歸為一個航跡，這稱為全局航跡亦是系統(tǒng)航跡。 另外一個方面是根據(jù)已有的航跡狀態(tài)在所有傳感器傳來的局部航跡中搜索與之匹配的對象， 這樣的操作確保了匹配后的目標狀態(tài)和全局航跡中的狀態(tài)均來自相同批次的目標。 IjIAbYP。航跡融合:匹配成功的局部航跡狀態(tài)在經(jīng)過相關(guān)性聯(lián)系之后被分發(fā)給相應的全局航跡，生成更新的全局航跡，融合模塊用這樣的操作來達到對全局航跡的更新的目的。EJxS0d8。融合算法的步驟和流程圖 2一5如下:階段l: 關(guān)聯(lián)矩陣，隸屬度矩陣以及全局航跡管理矩陣被輸入，對該時間點的一切點跡的長度進行定義，設置計數(shù)器。階段2:鑒定點跡i是不是進行了分類，如果是跳到階段 3，不是就跳到階段 7.階段3:計數(shù)器進行自增階段4:鑒定計數(shù)器是不是小于上限，如果是跳到階段 2，不是就跳到階段 5.階段5:全局航跡管理矩陣被輸出階段6:結(jié)束.階段7:搜索與點跡 i有互聯(lián)關(guān)系的一切點跡，將它們進行分階段8:把分類后的一切點跡融合成整體點跡。階段9:鑒定全局航跡管理矩陣中是不是有與整體點跡有互聯(lián)關(guān)系的舊航跡，果是跳到階段 11，不是就跳到階段 。階段10:新建一條航跡加入全局航跡管理矩陣，跳到階段 12.階段11:全局航跡管理矩陣中的相關(guān)舊航跡被進行更新 .階段12:鑒定全局航跡管理矩陣中是不是每條航跡都被更新，如果航邊， ‘無折就把其未更新次數(shù)設為 不是的話未更新次數(shù)加 。階段13:鑒定全局航跡管理矩陣中每條航跡的未更新次數(shù)是不是大于 如果就判定該航跡撤銷，并將該航跡發(fā)回服務端。跳到階段 3.3.實時數(shù)據(jù)處理技術(shù)實時數(shù)據(jù)的定義實時數(shù)據(jù)即是一種帶有時態(tài)性的數(shù)據(jù)， 它與普通的靜態(tài)數(shù)據(jù)最大的區(qū)別在于實時數(shù)據(jù)帶有嚴格的時間限制， 一旦處于有效時間之外， 數(shù)據(jù)會變得無效。在實生活中，實時數(shù)據(jù)與傳統(tǒng)的靜態(tài)數(shù)據(jù)同樣不可缺少， 比如證券交易所實時更新的數(shù)據(jù)，中央氣象臺的實時天氣數(shù)據(jù)， 交通管理部門對各個街道車流量的實時統(tǒng)計數(shù)據(jù)等等。隨著時間的推移，這些實時的數(shù)據(jù)會變成歷史數(shù)據(jù)被存儲在特定的環(huán)境下，以備以后查詢統(tǒng)計的需求。 3nqgroZ。具體到每個特定的數(shù)據(jù)對象，它的實時性表現(xiàn)在當場輸入 /輸出數(shù)據(jù)的更周期，對于每個數(shù)據(jù)對象均有三個分量 (X，，它們分別代表當前的數(shù)據(jù)對象值數(shù)據(jù)對象的更新時間間隔和數(shù)據(jù)對象所對應的上層實體對象狀態(tài)變化的時間間隔。此外實時的數(shù)據(jù)對象還需要從三個不同的層級來滿足數(shù)據(jù)的一致性。 文根據(jù)數(shù)據(jù)融合系統(tǒng)對數(shù)據(jù)的實時性的需求，將數(shù)據(jù)對象的三個分量做如下定義。X——當前的數(shù)據(jù)對象值。例如系統(tǒng)中后臺數(shù)據(jù)庫中的方位角，仰角，掃描頻率以及徑向距離等等。數(shù)據(jù)對象的更新時間間隔。這里將系統(tǒng)中的服務器端和終端節(jié)點一成功的數(shù)據(jù)通信的時間設定為數(shù)據(jù)對象的采樣周期。 。Z——上層實體對象狀態(tài)變化的時間間隔，這里設定為進入下一次采樣的截止時間。要從三個不同的層級來驗證系統(tǒng)中的數(shù)據(jù)對象是不是均滿足數(shù)據(jù)的一致性。在系統(tǒng)內(nèi)部數(shù)據(jù)對象跟靜態(tài)數(shù)據(jù)在關(guān)系數(shù)據(jù)庫中的存儲模式類似， 很明顯是滿足數(shù)據(jù)正確性的，因此數(shù)據(jù)在內(nèi)部層級上是滿足一致性的。 在系統(tǒng)外部，數(shù)據(jù)對對應的上層實體狀態(tài)變化的時間間隔是由系統(tǒng)的當前時間和數(shù)據(jù)對象的更新時間間隔共同決定的，所以按照這種設計思路內(nèi)部的數(shù)據(jù)對象和對應的外部實體對象的狀態(tài)是一致的，如此數(shù)據(jù)在外部層級上亦滿足一致性。 在系統(tǒng)相互關(guān)系這個層級上，由于內(nèi)部數(shù)據(jù)對象更新的時間間隔與外部實體對象是相同的， 而且數(shù)對象被導出的周期也是等同的， 內(nèi)部數(shù)據(jù)對象和外部數(shù)據(jù)對象之間嚴格滿足了一一映射的機制，因此在相互關(guān)系這個層級上， 數(shù)據(jù)也滿足了相關(guān)的一致性。。實時事務的分類與并發(fā)控制實時事務是指有一定時間限制的系統(tǒng)事務。這類事務不但要求事務滿足業(yè)務上的邏輯正確，同時也要滿足系統(tǒng)的時間限制。然而對于實時事務類型的劃分亦是多樣的，依據(jù)各異的劃分標準，會有不同的分類結(jié)果。eEjBMJi。根據(jù)對數(shù)據(jù)對象的操作方法的差異進行劃分，我們可以把實時事務分為:(1)只寫事務，這類事務只負責寫入數(shù)據(jù)到特定的存儲區(qū)間 ;(2) 只讀事務，這類事務只允許讀取特定存儲區(qū)間中的數(shù)據(jù)對象 ;(3) 修改事務，這類事務較之前兩種復雜，它不但可以讀取數(shù)據(jù)對象， 還可以對這些數(shù)據(jù)對象進行推導， 并且把推導來的數(shù)據(jù)結(jié)論寫入特定的存儲區(qū)間。 kRhXO3O根據(jù)錯過截止時間而造成的后果劃分， 我們可以把實時事務分為 :(1) 硬實性事務，這類事務如果錯過其截止時間， 會帶來相當嚴重的后果， 甚至是毀滅性的后果(如圖 3一1)，比如火災和地震報警系統(tǒng)，重癥病人監(jiān)控系統(tǒng)等等一系列;(2) 軟實時性事務，這類事務如果錯過其截止時間， 后果沒有硬實時性事務那么嚴重，但是事務的有效性也會逐步降低直至完全為零 (如圖3一2);(3) 固實性事務，這類事務如果錯過其截止時間，事務的有效性會馬上變成零 (如圖3一3)，比如股票證券交易系統(tǒng)。 0xplbvJ。根據(jù)事務的完成時間來分類，我們可以把實時事務分為 :(1) 周期性事務，這類事務一般都是頻繁地周期性地發(fā)生， 在相同的周期內(nèi)會被反復地執(zhí)行。 比如通監(jiān)控系統(tǒng)在交通高峰時間對路況數(shù)據(jù)的收集， 工業(yè)制造在產(chǎn)品的同一制造階段對產(chǎn)品數(shù)據(jù)的讀取等等 ;(2) 非周期性事務，這類事務相比周期性事務不具有可循的規(guī)律性，一般都是為了適應特定的系統(tǒng)需求 ;(3) 零星事務，這類事務一般較發(fā)生。xq5suj9。然而在不同的應用范疇或者領(lǐng)域中， 面對同一數(shù)據(jù)對象，不同的事務可能會同時需要對數(shù)據(jù)進行操作， 如果沒有合理的控制策略， 這時就會發(fā)生沖突，將會引起系統(tǒng)功能無法實現(xiàn)甚至系統(tǒng)癱瘓。 因此需要引入實時并發(fā)控制協(xié)議來解決這個矛盾點，并發(fā)控制協(xié)議主要是通過協(xié)調(diào)各個事務之間的關(guān)系， 合理的分配等待和執(zhí)行的時間次序，從而確保所有事務對數(shù)據(jù)對象的操作均是有序的， 并且共享數(shù)據(jù)也是滿足一致性的。常見的實時并發(fā)控制協(xié)議主要有 :(1) 優(yōu)先級繼承，這種并發(fā)控制協(xié)議的核心思路是為了讓較低優(yōu)先級的事務盡快執(zhí)行完畢或者夭折， 它升級為同時申請鎖的高優(yōu)先級事務的級別。 這種并發(fā)控制協(xié)議是存在一定的缺陷的，因為它實際上是延遲了高優(yōu)先級事務， 從而形成了優(yōu)先級倒置的問題。 但如此，低優(yōu)先級事務還可能被其它更低優(yōu)先級的事務所延遲， 從而造成高優(yōu)先級的事務遲遲得不到執(zhí)行，這樣的控制機制對系統(tǒng)的性能會產(chǎn)生嚴重的影響。 (2)高優(yōu)先級兩段鎖，這種并發(fā)控制協(xié)議與優(yōu)先級繼承最大的區(qū)別在于它不會讓高優(yōu)先級事務等待，而是讓較低優(yōu)先級事務延遲， 保證高優(yōu)先級事務得到執(zhí)行。 這種并發(fā)控制協(xié)議也是存在一定的不足的，尤其對于那些即將完成的低優(yōu)先級事務，在馬上就要結(jié)束的時候被延遲了， 這對系統(tǒng)的資源實際上是一種浪費， 會導致個系統(tǒng)的效率降低。 (3)分布式高優(yōu)先級兩段鎖，這種協(xié)議將前面兩種并發(fā)控制協(xié)議進行了整合，它的主要思想是如果申請鎖的事務是低優(yōu)先級事務， 那么低先級事務等待直到高優(yōu)先級事務執(zhí)行完畢， 低優(yōu)先級事務才能得到高優(yōu)先級事務釋放的鎖。如果申請鎖的事務是高優(yōu)先級事務， 則需要判斷擁有鎖的事務有沒有提交，提交了也只能等待擁有鎖的事務執(zhí)行完畢， 并且賦予它和高優(yōu)先級事務一樣的級別，沒有提交還需要判斷擁有鎖的事務是不是本地事務， 是本地事務就在本地重啟事務，不是本地事務就全局重啟事務。 這是一種比較復雜的并發(fā)控制協(xié)議因此它具有一定的優(yōu)勢，不但具備優(yōu)先級繼承的優(yōu)點同時還盡可能保證了高優(yōu)先級事務得到執(zhí)行，這樣最大化地避免了沖突， 使得系統(tǒng)的整體性能得到極大地優(yōu)化。(4)優(yōu)先級頂，這種并發(fā)控制協(xié)議的基本思路是一個事務要申請鎖并且得到數(shù)據(jù)操作權(quán)限的話，必須要高于所有其他事務中的優(yōu)先級， 否則它就被延遲。d實時數(shù)據(jù)處理技術(shù)在數(shù)據(jù)融合系統(tǒng)中的優(yōu)勢實時數(shù)據(jù)與傳統(tǒng)的靜態(tài)數(shù)據(jù)主要的區(qū)別在于實時數(shù)據(jù)具有明顯的時效性， 在一定的周期時間內(nèi)不斷更新的， 因此實時數(shù)據(jù)也可以理解為是一種周期性更新的數(shù)據(jù)流。然而數(shù)據(jù)融合系統(tǒng)的核心部分就是數(shù)據(jù)融合算法， 這里的數(shù)據(jù)融合算法的主要步驟是時間空間校對， 航跡之間的互聯(lián)，對航跡狀態(tài)的預測，航跡融合以及全局航跡管理。其中關(guān)鍵的步驟是把更新后的航跡信息， 通過粒子濾波算法得到待分發(fā)的航跡信息。傳統(tǒng)的粒子濾波算法是由歌鄧在一九九三年提出的， 它是以孟特咖絡為理論基礎的最優(yōu)回歸貝耶絲算法。 這種算法的主要步驟是將一組帶有權(quán)值的狀態(tài)矢量作為研究對象亦可稱樣本， 然后對這些帶權(quán)值的狀態(tài)矢量進行狀態(tài)預測，只要當樣本容量很大的時候， 這些狀態(tài)矢量的估計結(jié)果就跟后驗概率密度相同。但是這種粒子濾波算法也存在著明顯的不足， 就是經(jīng)過若干次的運算后，權(quán)值的多樣化特征會慢慢消失， 這樣會帶來樣本退化的問題。 雖然重采樣算法會在一定程度上緩解了樣本退化， 但是同時也引發(fā)了樣本枯竭的新瓶頸。 本數(shù)據(jù)融合系統(tǒng)中采用的是自適應的咔爾漫粒子濾波算法， 但同樣也存在著以上問題因此如何保持樣本的不斷更新， 如何保持權(quán)值的多樣化不會慢慢減退成了關(guān)鍵問題。4t6bYJI。不斷更新的數(shù)據(jù)流不但一直為樣本注入新鮮血液，同時由于數(shù)據(jù)流的隨機也是為進一步的屬性融合打下了極好的基礎。這里的粒子濾波算法的主要流程如下首先要估測V+l時刻的目標狀態(tài)x(v+1/v)，然后運算估側(cè)協(xié)方差矩陣數(shù)據(jù)融合數(shù)據(jù)融合M(v+1/v)，接著運算觀察的估測數(shù)值 z(v+1/v) ，再運算經(jīng)過更新的協(xié)方差矩陣s(v+l) ，運算增益值 k(v+l) ，緊接著運算未來時間的濾波估計值 x(v+l/v+1) 最后計算誤差協(xié)方差矩陣 M(v+l/v+l) ，如此循環(huán)。TUbZRh?，F(xiàn)在為了驗證實時更新的數(shù)據(jù)流對數(shù)據(jù)融合算法良好的支持性， 我們將這周期性更新的數(shù)據(jù)流與靜態(tài)的數(shù)據(jù)流做一個性能比較。 設定靜態(tài)粒子的初始狀態(tài)X等于0.1，動態(tài)更新的粒子初始值也等于 0.1，采樣周期等于 0.1秒，粒子數(shù)等于0作為實驗室的初始條件。結(jié)果如圖 3一:AQ6PXt。通過仿真結(jié)果表明不斷更新的數(shù)據(jù)流樣本分布均勻， 狀態(tài)估計較為準確，以在本數(shù)據(jù)融合系統(tǒng)中采用實時數(shù)據(jù)處理技術(shù)實現(xiàn)了對數(shù)據(jù)融合算法的良好支持，提升了系統(tǒng)的整體性能。 kQklPjb。衛(wèi)生管理制度1 總則1.1 為了加強公司的環(huán)境衛(wèi)生管理，創(chuàng)造一個整潔、文明、溫馨的購物、辦公環(huán)境，根據(jù)《公共場所衛(wèi)生管理條例》的要求，特制定本制度。1.2 集團公司的衛(wèi)生管理部門設在企管部，并負責將集團公司的衛(wèi)生區(qū)域詳細劃分到各部室，各分公司所轄區(qū)域衛(wèi)生由分公司客服部負責劃分，確保無遺漏。2 衛(wèi)生標準2.1 室內(nèi)衛(wèi)生標準2.1.1 地面、墻面：無灰塵、無紙屑、無痰跡、無泡泡糖等粘合物、無積水，墻角無灰吊、無蜘蛛網(wǎng)。2.1.2 門、窗、玻璃、鏡子、柱子、電梯、樓梯、燈具等，做到明亮、無灰塵、無污跡、無粘合物，特別是玻璃，要求兩面明亮。2.1.3 柜臺、貨架：清潔干凈，貨架、柜臺底層及周圍無亂堆亂放現(xiàn)象、無灰塵、無粘合物，貨架頂部、背部和底部干凈，不存放雜物和私人物品。2.1.4 購物車（筐）、直接接觸食品的售貨工具（包括刀、叉等）：做到內(nèi)外潔凈，無污垢和粘合物等。購物車（筐）要求每天營業(yè)前簡單清理，周五全面清理消毒；售貨工具要求每天消毒，并做好記錄。2.1.5 商品及包裝：商品及外包裝清潔無灰塵（外包裝破損的或破舊的不得陳列）。2.1.6 收款臺、服務臺、辦公櫥、存包柜：保持清潔、無灰塵，臺面和側(cè)面無灰塵、無灰吊和蜘蛛網(wǎng)。桌面上不得亂貼、亂畫、亂堆放物品，用具擺放有序且干凈，除當班的購物小票收款聯(lián)外，其它單據(jù)不得存放在桌面上。2.1.7 垃圾桶：桶內(nèi)外干凈，要求營業(yè)時間隨時清理，不得溢出，每天下班前徹底清理，不得留有垃圾過夜。2.1.8 窗簾：定期進行清理，要求干凈、無污漬。2.1.9 吊飾：屋頂?shù)牡躏椧鬅o灰塵、無蜘蛛網(wǎng)，短期內(nèi)不適用的吊飾及時清理徹底。2.1.10 內(nèi)、外倉庫：半年徹底清理一次，無垃圾、無積塵、無蜘蛛網(wǎng)等。2.1.11 室內(nèi)其他附屬物及工作用具均以整潔為準，要求無灰塵、無粘合物等污垢。2.2 室外衛(wèi)生標準2.2.1 門前衛(wèi)生：地面每天班前清理，平時每一小時清理一次，每周四營業(yè)結(jié)束后有條件的用水沖洗地面（冬季可根據(jù)情況適當清理），墻面干凈且無亂貼亂畫。2.2.2 院落衛(wèi)生：院內(nèi)地面衛(wèi)生全天保潔，果皮箱、消防器械、護欄及配電箱等設施每周清理干凈。垃圾池周邊衛(wèi)生清理徹底，不得有垃圾溢出。2.2.3 綠化區(qū)衛(wèi)生：做到無雜物、無紙屑、無塑料袋等垃圾。3 清理程序3.1 室內(nèi)和門前院落等區(qū)域衛(wèi)生：每天營業(yè)前提前10分鐘把所管轄區(qū)域內(nèi)衛(wèi)生清理完畢，營業(yè)期間隨時保潔。下班后5-10分鐘清理桌面及衛(wèi)生區(qū)域。3.2 綠化區(qū)衛(wèi)生：每周徹底清理一遍，隨時保持清潔無垃圾。4 管理考核4.1 實行百分制考核，每月一次（四個分公司由客服部分別考核、集團職能部室由企管部統(tǒng)一考核）。不符合衛(wèi)生標準的，超市內(nèi)每處扣0.5分，超市外每處扣1分。4.2 集團堅持定期檢查和不定期抽查的方式監(jiān)督各分公司、部門的衛(wèi)生工作。每周五為衛(wèi)生檢查日，集團檢查結(jié)果考核至各分公司，各分公司客服部的檢查結(jié)果考核至各部門。4.3 集團公司每年不定期組織衛(wèi)生大檢查活動，活動期間的考核以通知為準。1數(shù)據(jù)融合定義數(shù)據(jù)融合的定義數(shù)據(jù)融合是面對不同級別， 不同層次的對數(shù)據(jù)的處理流程， 它的功能主要表現(xiàn)在將來自相異數(shù)據(jù)源的信息自動地做預處理， 關(guān)聯(lián)預測更新和整合等相關(guān)處理為了正規(guī)化管理數(shù)據(jù)融合中的專屬詞匯， 美國國家安全部專門成立了一個特別的行動組織團體進行這項工作， 從而實現(xiàn)了對數(shù)據(jù)融合的研究目的， 定義和它的相關(guān)功能的預研究目的。隨后數(shù)據(jù)融合的相關(guān)定義又被華爾茲和利納斯進行了改進和補充。簡而言之，人類本身就好比是一個天然的數(shù)據(jù)融合系統(tǒng)， 我們的子，嘴巴，耳朵，四肢以及眼睛就好比是一個個傳感器，它們將各自獲取的“數(shù)據(jù)”先進行“預處理”，也就是靠各自單一的感官去感覺，最后反饋給大腦這個中央處理器，大腦再對這些多源的“數(shù)據(jù)”進行處理，濾波和估計。 m數(shù)據(jù)融合的定義基本上體現(xiàn)了數(shù)據(jù)融合的三個關(guān)鍵功能 :(1) 由于每個層級表示信息處理的不同級別，因此數(shù)據(jù)融合是在若干個層級上對空間分布的信息源進行操作的;(2) 數(shù)據(jù)融合的本質(zhì)其實就是對鎖定的目標進行觀測， 追蹤，狀態(tài)測和整合;(3) 在數(shù)據(jù)融合操作完畢后會得到的高關(guān)聯(lián)正確率的狀態(tài)估計以及實時的威脅判斷，這些處理結(jié)果將成為用戶有價值的先驗知識， 從而使決策者做正確的操作。a由數(shù)據(jù)融合的定義也可以看出， 數(shù)據(jù)融合的過程是依托不同的層次來逐步完成的，一般主要由四層來共同完成。 第一層主要是把各個傳感器上獲取的觀測數(shù)據(jù)進行預處理，包括時間空間校對，坐標系變換等等 ;第二層主要是評估低層上得到的數(shù)據(jù)信息的態(tài)勢，包括對現(xiàn)階段態(tài)勢的判斷和未來時間的態(tài)勢預測 ;第層是面向整體態(tài)勢的一種評估， 其中有對總體態(tài)勢的把握以及威脅級別的估計等等一系列。第四層主要是制定相關(guān)的補充計劃。 klq9Aug。數(shù)據(jù)融合模型在不同的應用范圍，數(shù)據(jù)融合有不同的理論模型。 在我們這個特定的數(shù)據(jù)融合系統(tǒng)中，通過用戶在態(tài)勢模擬服務器端自定義的起始點屬性， 傳感器參數(shù)，置信息來仿真?zhèn)鞲衅鳙@取的局部航跡數(shù)據(jù)，并且保存在后臺的理論航跡數(shù)據(jù)庫中，然后分別傳送到相應的終端節(jié)點， 進行局部航跡的時間校對， 空間校對等據(jù)預處理過程，然后生成局部的態(tài)勢信息。 接著通過與其它終端節(jié)點間的相互通信來共享彼此的局部態(tài)勢信息，最后綜合處理得到全局的態(tài)勢信息和威脅評估，存入航跡數(shù)據(jù)庫。具體模型如圖 2一1所示：。2數(shù)據(jù)融合的分類級別和次序來劃分，可按高級，中級以及低級來劃分。目前應用較為廣泛的是將數(shù)據(jù)融合分為像素級融合，特征級融合和決策級融合。。像素級融合像素級融合是指不對傳感器接收到的信息進行處理， 但在融合過程中要求到一個像素的精準度。它的主要優(yōu)缺點如下表 :Diaz4Ya。特征級融合特征級融合主要是指從不同傳感器中提取局部的有代表性的數(shù)據(jù)， 然后根據(jù)這些局部數(shù)據(jù)組合得到具有顯著特征的矢量。 這種層次的融合在多層人工神經(jīng)網(wǎng)絡中有很好的應用，從毫米波雷達和激光雷達數(shù)據(jù)中獲取需要的代表性數(shù)據(jù)， 入到神經(jīng)網(wǎng)絡中的數(shù)據(jù)就是由這些獲取的代表性數(shù)據(jù)融合得到。 為了在大量干擾目標中識別出我們所關(guān)注的特定目標， 這些特征矢量需要由神經(jīng)網(wǎng)絡進行離線訓練這樣的操作流程就可以實現(xiàn)以較高的精準度和概率分辨出該代表性矢量的類別但是需要注意的是該訓練結(jié)果由所有的傳感器參與融合而得到的， 因此一其中的某個傳感器被替代成其他種類，那么需要重復收集數(shù)據(jù)和離線訓練的操作。vrWsBE。決策級融合決策級融合主要是指先單獨處理來自于各個傳感器的目標信息， 接著再對各個傳感器的局部結(jié)果進行處理， 從而得出整個系統(tǒng)的綜合結(jié)果。 決策融合，決及其可信度融合和概率融合是決策級融合的三種主要的種類。 其主要優(yōu)缺點如下表:d三個融合層次優(yōu)缺點的比較如下：3數(shù)據(jù)融合技術(shù)數(shù)據(jù)融合中的狀態(tài)估計和跟蹤算法傳統(tǒng)的狀態(tài)預測和跟蹤算法主要包含數(shù)據(jù)信息校對;將目標和數(shù)據(jù)信息聯(lián)系起來估計跟蹤范圍數(shù)據(jù)之間的關(guān)聯(lián)度量將數(shù)據(jù)進行關(guān)聯(lián)找出航跡間的聯(lián)系實現(xiàn)目標定位，屬性以及性能的預測統(tǒng)中，跟蹤算法主要是針對局部航跡信息處理的， 它的基本流程是根據(jù)獲取的本地觀測數(shù)據(jù)得到航跡的初始狀態(tài)， 經(jīng)過關(guān)聯(lián)處理把得到的局部航跡數(shù)據(jù)傳遞給融合模塊進行融合處理。數(shù)據(jù)預處理模塊，航跡起始模塊，點跡航跡關(guān)聯(lián)模塊和跡管理模塊是組成跟蹤算法的四個基本元素，其處理流程如圖 2一。。跟蹤算法把從傳感器經(jīng)由專用通信信道傳輸而得到的觀測數(shù)據(jù)交給點跡預處理模塊進行數(shù)據(jù)類型轉(zhuǎn)換等一系列預處理操作。 數(shù)據(jù)流經(jīng)過處理以后將會在跡起始模塊和點跡航跡關(guān)聯(lián)模塊中進行運算， 航跡管理模塊對航跡信息更新的依據(jù)就是這里得到的運算結(jié)果，然后航跡管理模塊中的航跡信息會被傳送給融合算法進行融合處理。 。圖2一3詳細地描述了航跡起始模塊從點跡預處理模塊和點跡航跡關(guān)聯(lián)模塊獲取數(shù)據(jù)后進行航跡起始運算的流程。 傳遞給點跡航跡關(guān)聯(lián)模塊的新航跡是為未來的點跡航跡關(guān)聯(lián)做好預備工作。 點跡航跡關(guān)聯(lián)模塊不僅從航跡起始模塊獲取新的航跡，同時對現(xiàn)有航跡和獲取的航跡數(shù)據(jù)進行關(guān)聯(lián)運算， 最后搜索出關(guān)聯(lián)流中從未曾被航跡關(guān)聯(lián)到的點跡再次交給航跡起始模塊進行處理。 。航跡管理模塊一并把由點跡航跡關(guān)聯(lián)模塊與航跡起始模塊獲取的數(shù)據(jù)加更新的航跡組成一個整體，把這個整體傳遞給融合模塊處理。 w數(shù)據(jù)融合中的融合算法時間空間校對、航跡與航跡之間的關(guān)聯(lián)、對航跡態(tài)勢進行融合以及整體航跡態(tài)勢的管理是融合算法的四大功能。 對于相異的數(shù)據(jù)融合系統(tǒng)， 都有各自相異的最好的融合方法。在分布式數(shù)據(jù)融合系統(tǒng)中運用航跡間融合的方法比較適合， 為航跡間融合的運算量比較小并且傳送速度快。 對于集中式數(shù)據(jù)融合系統(tǒng)， 最好的融合方法是點跡融合，點跡融合的規(guī)則是把所有傳感器的觀察數(shù)據(jù)交給融合中心進行點跡與航跡融合，但是這種方法的明顯劣勢是傳感器觀察的數(shù)據(jù)量比較大，在強干擾波區(qū)會生成許多由干擾波造成的點跡， 使得融合魯棒性不足。 因此航跡處理問題是不同數(shù)據(jù)融合系統(tǒng)中均存在的問題， 無論是分布式數(shù)據(jù)融合系統(tǒng)還是集中式數(shù)據(jù)融合系統(tǒng)， 唯一的區(qū)別是完成處理工作是在相異的節(jié)點上。 因生成航跡存儲航跡以及刪除航跡的規(guī)范是航跡處理過程中的一個異常關(guān)鍵的問題，同時也是對目標進行不間斷跟蹤的核心技術(shù)。 kyxIpV6。數(shù)據(jù)預處理和數(shù)據(jù)關(guān)聯(lián)是數(shù)據(jù)融合之前必要的準備工作。 數(shù)據(jù)預處理主要包括點跡過濾和坐標轉(zhuǎn)換兩個方面。 在多傳感器體系中，有用的目標回波生成的同時往往伴隨著很多低速目標回波和非動態(tài)目標回波， 但是就是這些無效的干擾波造成了運算繁瑣從而加重了系統(tǒng)負擔。 因此系統(tǒng)必須找到一類有效的點跡過濾方法來減少許多由干擾波造成的獨立點跡和虛點跡， 有效的過濾方法不僅能減少無用波引發(fā)的干擾因素，同時也能提升系統(tǒng)的狀態(tài)預測準度， 改善系統(tǒng)性能。點濾波主要是根據(jù)非動態(tài)目標和動態(tài)目標在跨周期特性上的差異然后運用一定的判斷策略來判斷數(shù)據(jù)的跨周期性， 以此來區(qū)分非動態(tài)目標和動態(tài)目標。 點跡過主要是針對點跡過濾，點跡組合和去野值這三個方面來進行操作。 點跡過濾的主要功能是劃分傳感器觀察數(shù)據(jù)的種類， 點跡組合是將對相同觀察目標的幾個觀察數(shù)據(jù)組合成為一個整體數(shù)據(jù)，去野值就是摒棄些嚴重不合理或者發(fā)生明顯錯誤的數(shù)據(jù)對象。另外一方面的坐標轉(zhuǎn)換就是把由傳感器傳送過來的數(shù)據(jù)進行坐標轉(zhuǎn)換，從而成為數(shù)據(jù)融合系統(tǒng)中所需要的笛卡爾坐標系。 yI6sgty。對數(shù)據(jù)對象進行數(shù)據(jù)關(guān)聯(lián)的時候，面對不同的系統(tǒng)需求，會運用不同類型的數(shù)據(jù)關(guān)聯(lián)算法，然而數(shù)據(jù)關(guān)聯(lián)算法有很多種， 這里只列出比較常用的四類。 這類常用的數(shù)據(jù)關(guān)聯(lián)算法的主要優(yōu)缺點如表 2一4所示。nJs1i5G。本系統(tǒng)采用快速最鄰近聯(lián)合數(shù)據(jù)關(guān)聯(lián)算法，從傳感器端獲取了觀察數(shù)據(jù)以后，需要檢查航跡隊列，判斷是否需要將當前航跡加入航跡起始隊列， 常見的航跡起始方法有批量處理和按次序處理兩大類， 然后設置航跡的關(guān)聯(lián)限定， 判斷跡是否落在關(guān)聯(lián)范圍內(nèi)，接著計算航跡和觀察值的關(guān)聯(lián)概率并選取關(guān)聯(lián)概率最大的點跡作為航跡下一個時刻的狀態(tài)，最后濾波并且將更新的航跡數(shù)據(jù)進行發(fā)送。sIBH3nR。在多傳感器融合系統(tǒng)中，局部航跡和全局航跡是兩個非常關(guān)鍵的組成因素，局部航跡又叫傳感器航跡是由不同傳感器的跟蹤模塊所生成， 全局航跡又叫系統(tǒng)航跡是由一切局部航跡經(jīng)過航跡融合以后生成的航跡， 它本質(zhì)上即是傳感器的狀態(tài)估計融合，主要由局部傳感器分別和局部傳感器狀態(tài)估計的融合， 全局傳感器狀態(tài)估計的融合兩個方面組成。 偽測量融合法，信息矩陣融合法以及基于模糊理論集的模糊航跡融合法是當前在不同融合體系中應用比較廣泛的幾種融合方法，前三種方法是基于統(tǒng)計學理論的， 后一種方法是基于模糊關(guān)聯(lián)理論的。 在目標度很大或者運動隨機性較強的背景下， 這三種基于統(tǒng)計學理論的融合方法通常準確率較低，是因為受到傳感器差異，目標機動性強弱以及數(shù)據(jù)處理機制的差異等條件的制約，基于統(tǒng)計學的方法對于分辨兩個局部的航跡是否對應相同目標是相當有難度的。由于在航跡關(guān)聯(lián)判斷中航跡有著相當大的不確定性， 因此運用模糊關(guān)聯(lián)方法是一種比較可行的選擇。本系統(tǒng)提出了基于假定航跡關(guān)聯(lián)的傳遞性 (果X和Y關(guān)聯(lián)，Y和Z關(guān)聯(lián)，可得Z一定關(guān)聯(lián))四元數(shù)模糊關(guān)聯(lián)方法，這種方法僅僅關(guān)注航跡之間的模糊因素， 摒棄了傳統(tǒng)的模糊方法中為計算兩個航跡的關(guān)聯(lián)性需要考慮與其它所有航跡的模糊因素， 這種方法用一個四元數(shù)結(jié)構(gòu)來表示任意兩個航跡模糊因素的運算隸屬度， 大大降低了航跡間關(guān)聯(lián)性的運算量， 使得航跡關(guān)聯(lián)的實時性得到了提升。 EsXTKa。航跡融合的兩個階段航跡相關(guān)性:航跡相關(guān)性的定義在航跡融合中包含兩個方面，一個方面是按照相同的批次對所有傳感器傳來的目標屬性依據(jù)特定的規(guī)律進行合并， 然后歸為一個航跡，這稱為全局航跡亦是系統(tǒng)航跡。 另外一個方面是根據(jù)已有的航跡狀態(tài)在所有傳感器傳來的局部航跡中搜索與之匹配的對象， 這樣的操作確保了匹配后的目標狀態(tài)和全局航跡中的狀態(tài)均來自相同批次的目標。 IjIAbYP。航跡融合:匹配成功的局部航跡狀態(tài)在經(jīng)過相關(guān)性聯(lián)系之后被分發(fā)給相應的全局航跡，生成更新的全局航跡，融合模塊用這樣的操作來達到對全局航跡的更新的目的。EJxS0d8。融合算法的步驟和流程圖 2一5如下:階段l: 關(guān)聯(lián)矩陣，隸屬度矩陣以及全局航跡管理矩陣被輸入，對該時間點的一切點跡的長度進行定義，設置計數(shù)器。階段2:鑒定點跡i是不是進行了分類，如果是跳到階段 3，不是就跳到階段 7.階段3:計數(shù)器進行自增階段4:鑒定計數(shù)器是不是小于上限，如果是跳到階段 2，不是就跳到階段 5.階段5:全局航跡管理矩陣被輸出階段6:結(jié)束.階段7:搜索與點跡 i有互聯(lián)關(guān)系的一切點跡，將它們進行分階段8:把分類后的一切點跡融合成整體點跡。階段9:鑒定全局航跡管理矩陣中是不是有與整體點跡有互聯(lián)關(guān)系的舊航跡，果是跳到階段 11，不是就跳到階段 。階段10:新建一條航跡加入全局航跡管理矩陣，跳到階段 12.階段11:全局航跡管理矩陣中的相關(guān)舊航跡被進行更新 .階段12:鑒定全局航跡管理矩陣中是不是每條航跡都被更新，如果航邊， ‘無折就把其未更新次數(shù)設為 不是的話未更新次數(shù)加 。階段13:鑒定全局航跡管理矩陣中每條航跡的未更新次數(shù)是不是大于 如果就判定該航跡撤銷，并將該航跡發(fā)回服務端。跳到階段 3.3.實時數(shù)據(jù)處理技術(shù)實時數(shù)據(jù)的定義實時數(shù)據(jù)即是一種帶有時態(tài)性的數(shù)據(jù)， 它與普通的靜態(tài)數(shù)據(jù)最大的區(qū)別在于實時數(shù)據(jù)帶有嚴格的時間限制， 一旦處于有效時間之外， 數(shù)據(jù)會變得無效。在實生活中，實時數(shù)據(jù)與傳統(tǒng)的靜態(tài)數(shù)據(jù)同樣不可缺少， 比如證券交易所實時更新的數(shù)據(jù)，中央氣象臺的實時天氣數(shù)據(jù)， 交通管理部門對各個街道車流量的實時統(tǒng)計數(shù)據(jù)等等。隨著時間的推移，這些實時的數(shù)據(jù)會變成歷史數(shù)據(jù)被存儲在特定的環(huán)境下，以備以后查詢統(tǒng)計的需求。 3nqgroZ。具體到每個特定的數(shù)據(jù)對象，它的實時性表現(xiàn)在當場輸入 /輸出數(shù)據(jù)的更周期，對于每個數(shù)據(jù)對象均有三個分量 (X，，它們分別代表當前的數(shù)據(jù)對象值數(shù)據(jù)對象的更新時間間隔和數(shù)據(jù)對象所對應的上層實體對象狀態(tài)變化的時間間隔。此外實時的數(shù)據(jù)對象還需要從三個不同的層級來滿足數(shù)據(jù)的一致性。 文根據(jù)數(shù)據(jù)融合系統(tǒng)對數(shù)據(jù)的實時性的需求，將數(shù)據(jù)對象的三個分量做如下定義。X——當前的數(shù)據(jù)對象值。例如系統(tǒng)中后臺數(shù)據(jù)庫中的方位角，仰角，掃描頻率以及徑向距離等等。數(shù)據(jù)對象的更新時間間隔。這里將系統(tǒng)中的服務器端和終端節(jié)點一成功的數(shù)據(jù)通信的時間設定為數(shù)據(jù)對象的采樣周期。 。Z——上層實體對象狀態(tài)變化的時間間隔，這里設定為進入下一次采樣的截止時間。要從三個不同的層級來驗證系統(tǒng)中的數(shù)據(jù)對象是不是均滿足數(shù)據(jù)的一致性。在系統(tǒng)內(nèi)部數(shù)據(jù)對象跟靜態(tài)數(shù)據(jù)在關(guān)系數(shù)據(jù)庫中的存儲模式類似， 很明顯是滿足數(shù)據(jù)正確性的，因此數(shù)據(jù)在內(nèi)部層級上是滿足一致性的。 在系統(tǒng)外部，數(shù)據(jù)對對應的上層實體狀態(tài)變化的時間間隔是由系統(tǒng)的當前時間和數(shù)據(jù)對象的更新時間間隔共同決定的，所以按照這種設計思路內(nèi)部的數(shù)據(jù)對象和對應的外部實體對象的狀態(tài)是一致的，如此數(shù)據(jù)在外部層級上亦滿足一致性。 在系統(tǒng)相互關(guān)系這個層級上，由于內(nèi)部數(shù)據(jù)對象更新的時間間隔與外部實體對象是相同的， 而且數(shù)對象被導出的周期也是等同的， 內(nèi)部數(shù)據(jù)對象和外部數(shù)據(jù)對象之間嚴格滿足了一一映射的機制，因此在相互關(guān)系這個層級上， 數(shù)據(jù)也滿足了相關(guān)的一致性。。實時事務的分類與并發(fā)控制實時事務是指有一定時間限制的系統(tǒng)事務。這類事務不但要求事務滿足業(yè)務上的邏輯正確，同時也要滿足系統(tǒng)的時間限制。然而對于實時事務類型的劃分亦是多樣的，依據(jù)各異的劃分標準，會有不同的分類結(jié)果。eEjBMJi。根據(jù)對數(shù)據(jù)對象的操作方法的差異進行劃分，我們可以把實時事務分為:(1)只寫事務，這類事務只負責寫入數(shù)據(jù)到特定的存儲區(qū)間 ;(2) 只讀事務，這類事務只允許讀取特定存儲區(qū)間中的數(shù)據(jù)對象 ;(3) 修改事務，這類事務較之前兩種復雜，它不但可以讀取數(shù)據(jù)對象， 還可以對這些數(shù)據(jù)對象進行推導， 并且把推導來的數(shù)據(jù)結(jié)論寫入特定的存儲區(qū)間。 kRhXO3O根據(jù)錯過截止時間而造成的后果劃分， 我們可以把實時事務分為 :(1) 硬實性事務，這類事務如果錯過其截止時間， 會帶來相當嚴重的后果， 甚至是毀滅性的后果(如圖 3一1)，比如火災和地震報警系統(tǒng)，重癥病人監(jiān)控系統(tǒng)等等一系列;(2) 軟實時性事務，這類事務如果錯過其截止時間， 后果沒有硬實時性事務那么嚴重，但是事務的有效性也會逐步降低直至完全為零 (如圖3一2);(3) 固實性事務，這類事務如果錯過其截止時間，事務的有效性會馬上變成零 (如圖3一3)，比如股票證券交易系統(tǒng)。 0xplbvJ。根據(jù)事務的完成時間來分類，我們可以把實時事務分為 :(1) 周期性事務，這類事務一般都是頻繁地周期性地發(fā)生， 在相同的周期內(nèi)會被反復地執(zhí)行。 比如通監(jiān)控系統(tǒng)在交通高峰時間對路況數(shù)據(jù)的收集， 工業(yè)制造在產(chǎn)品的同一制造階段對產(chǎn)品數(shù)據(jù)的讀取等等 ;(2) 非周期性事務，這類事務相比周期性事務不具有可循的規(guī)律性，一般都是為了適應特定的系統(tǒng)需求 ;(3) 零星事務，這類事務一般較發(fā)生。xq5suj9。然而在不同的應用范疇或者領(lǐng)域中， 面對同一數(shù)據(jù)對象，不同的事務可能會同時需要對數(shù)據(jù)進行操作， 如果沒有合理的控制策略， 這時就會發(fā)生沖突，將會引起系統(tǒng)功能無法實現(xiàn)甚至系統(tǒng)癱瘓。 因此需要引入實時并發(fā)控制協(xié)議來解決這個矛盾點，并發(fā)控制協(xié)議主要是通過協(xié)調(diào)各個事務之間的關(guān)系， 合理的分配等待和執(zhí)行的時間次序，從而確保所有事務對數(shù)據(jù)對象的操作均是有序的， 并且共享數(shù)據(jù)也是滿足一致性的。常見的實時并發(fā)控制協(xié)議主要有 :(1) 優(yōu)先級繼承，這種并發(fā)控制協(xié)議的核心思路是為了讓較低優(yōu)先級的事務盡快執(zhí)行完畢或者夭折， 它升級為同時申請鎖的高優(yōu)先級事務的級別。 這種并發(fā)控制協(xié)議是存在一定的缺陷的，因為它實際上是延遲了高優(yōu)先級事務， 從而形成了優(yōu)先級倒置的問題。 但如此，低優(yōu)先級事務還可能被其它更低優(yōu)先級的事務所延遲， 從而造成高優(yōu)先級的事務遲遲得不到執(zhí)行，這樣的控制機制對系統(tǒng)的性能會產(chǎn)生嚴重的影響。 (2)高優(yōu)先級兩段鎖，這種并發(fā)控制協(xié)議與優(yōu)先級繼承最大的區(qū)別在于它不會讓高優(yōu)先級事務等待，而是讓較低優(yōu)先級事務延遲， 保證高優(yōu)先級事務得到執(zhí)行。 這種并發(fā)控制協(xié)議也是存在一定的不足的，尤其對于那些即將完成的低優(yōu)先級事務，在馬上就要結(jié)束的時候被延遲了， 這對系統(tǒng)的資源實際上是一種浪費， 會導致個系統(tǒng)的效率降低。 (3)分布式高優(yōu)先級兩段鎖，這種協(xié)議將前面兩種并發(fā)控制協(xié)議進行了整合，它的主要思想是如果申請鎖的事務是低優(yōu)先級事務， 那么低先級事務等待直到高優(yōu)先級事務執(zhí)行完畢， 低優(yōu)先級事務才能得到高優(yōu)先級事務釋放的鎖。如果申請鎖的事務是高優(yōu)先級事務， 則需要判斷擁有鎖的事務有沒有提交，提交了也只能等待擁有鎖的事務執(zhí)行完畢， 并且賦予它和高優(yōu)先級事務一樣的級別，沒有提交還需要判斷擁有鎖的事務是不是本地事務， 是本地事務就在本地重啟事務，不是本地事務就全局重啟事務。 這是一種比較復雜的并發(fā)控制協(xié)議因此它具有一定的優(yōu)勢，不但具備優(yōu)先級繼承的優(yōu)點同時還盡可能保證了高優(yōu)先級事務得到執(zhí)行，這樣最大化地避免了沖突， 使得系統(tǒng)的整體性能得到極大地優(yōu)化。(4)優(yōu)先級頂，這種并發(fā)控制協(xié)議的基本思路是一個事務要申請鎖并且得到數(shù)據(jù)操作權(quán)限的話，必須要高于所有其他事務中的優(yōu)先級， 否則它就被延遲。d實時數(shù)據(jù)處理技術(shù)在數(shù)據(jù)融合系統(tǒng)中的優(yōu)勢實時數(shù)據(jù)與傳統(tǒng)的靜態(tài)數(shù)據(jù)主要的區(qū)別在于實時數(shù)據(jù)具有明顯的時效性， 在一定的周期時間內(nèi)不斷更新的， 因此實時數(shù)據(jù)也可以理解為是一種周期性更新的數(shù)據(jù)流。然而數(shù)據(jù)融合系統(tǒng)的核心部分就是數(shù)據(jù)融合算法， 這里的數(shù)據(jù)融合算法的主要步驟是時間空間校對， 航跡之間的互聯(lián)，對航跡狀態(tài)的預測，航跡融合以及全局航跡管理。其中關(guān)鍵的步驟是把更新后的航跡信息， 通過粒子濾波算法得到待分發(fā)的航跡信息。傳統(tǒng)的粒子濾波算法是由歌鄧在一九九三年提出的， 它是以孟特咖絡為理論基礎的最優(yōu)回歸貝耶絲算法。 這種算法的主要步驟是將一組帶有權(quán)值的狀態(tài)矢量作為研究對象亦可稱樣本， 然后對這些帶權(quán)值的狀態(tài)矢量進行狀態(tài)預測，只要當樣本容量很大的時候， 這些狀態(tài)矢量的估計結(jié)果就跟后驗概率密度相同。但是這種