多源多机无人机系统信息挖掘技术的研究.docVIP

多源多机无人机系统信息挖掘技术的研究 　　本文以多源多机无人机信息挖掘技术研究为目的，针对近年来无人机搭载多谱段多频段任务载荷以及系统内多机协同工作的特点，研究多源信息融合与处理技术，从海量数据中提取高价值信息，提高无人机执行任务的有效性，文章提出了无人机多源数据处理的思路，对无人机应用具有参考意义。 　　【关键词】无人机 多源信息 挖掘 　　1 引言 　　近年来随着无人机技术高速发展，国内出现旋翼、固定翼、柔性翼、特种等各种机型，在军民领域获得广泛的应用。与之配套的任务载荷近年来也取得巨大发展，无人机可搭载高清可见光、红外、多光谱、雷达、通信等各种谱段各种频段的一种或多种载荷，甚至搭载磁探测、辐射计等载荷执行特种任务，形成一机多源、多机协同的全新信息获取网络。应用在监控、巡视、航拍、测绘、应急指挥、灾情评估、交通管理，智能城市、勘探、环境保护等领域。 　　无人机的广泛应用也带来了信息过剩问题，实时探测信息、历史信息的结合使数据量急剧上升。控制中心已经越来越难以及时处理无人机各种载荷传回来的海量信息。美国的高级官员抱怨说，大量使用无人机，应用者将很快“泡在传感器里，被数据淹死”。 　　2 信息挖掘研究意义分析 　　采用多机协同、多传感器无人机系统获取的海量数据并不仅仅指其量之大，更代表着其潜在的数据价值之大。研究证明，有效地管理、使用数据能够提高无人机系统系统性能，能够带来巨大的潜在价值。 　　海量的数据是决策的基础，但是单纯的数据量的积累不会对系统产生任何益处，只有建立适当的分析模型，并运用相应的技术手段，对大量的数据进行有效地深加工，发现隐含在大量数据中的信息并加以利用，进而指导指挥者做出相关决策，才能将大数据的真正效用发挥到极致。 　　因此要想充分发挥无人机系统获取数据给系统带来的优势，实现海量数据的价值增值，挑战巨大。高质量的数据是海量数据发挥效能的前提和基础。对数据进行有效分析的前提是必须要保证数据的质量，专业的数据分析工具只有在高质量的数据环境中才能提取出隐含的、准确的、有用的信息，基于这些高质量分析结果所做出的各项决策才不至于偏离正常轨道。因此数据质量在海量数据环境下显得尤其重要。 　　我国目前投入巨大力量开展无人机前端信息基础数据的采集，已经出现一机多种载荷、多机协同侦察等应用，信息采集的越来越详细，信息质量要求越来越高，同时信息量也越来越大。通过无人机获得信息数据，已经不缺少数据信息，缺少的是对大量前端信息数据真正的精细管理，如果没有很好的数据挖掘，冗余的数据反倒会影响到指挥员的响应时间和决策，造成贻误战机。所以在高度信息化的现在，有效的信息挖掘具有非常重要的意义。 　　3 信息挖掘研究方法 　　无人飞行器获取的信息量庞大，因此必须加强对信息的综合分析、处理，本文提出一种基于无人机海量信息的信息挖掘方法，对各种来源的信息统一归口，汇集处理，对零散的信息，迅速进行综合分析和印证，自动判断其可靠性和使用价值，并对数据进行有效的管理。 　　3.1 信息实时采集和预处理 　　现阶段和未来可预见的无人飞行器原始信息主要有：可见光、紫外和不同波段的红外、激光测距、雷达等任务载荷获取的探测信息；高度、地理、定位、大气以及各种环境信息；甚至包括飞行器的导航、控制、姿态等各种状态数据等。针对各种原始信息输出的时序、载体和接口方式不同，必须采用不同的技术手段准确、及时、可靠的采集、传输和存储各类信息，同时由于不同传感器体制、性能、工作原理等方面的差异，必须对获取的数据进行初步的预处理，剔除垃圾数据，获得高质量的初级信息数据。 　　3.2 高智能的信息理解技术 　　信息理解技术即对预处理后的初级信息，采用数据建模、图像分析、信息感知、智能决策等技术，进行分类、筛选、查新，通过智能对比、提取、分析特定区域里信息的变化来监视和分析发展态势，从数据中获取所需的规律性内容，实现关键信息的提取。 　　3.3 多源信息的综合处理和融合技术 　　信息处理时开展信息融合技术研究，主要是充分使用不同来源、不同模式、不同时间、不同空间的多源信息资源，按一定准则加以自动分析、综合、支配和使用，并结合不同时间段的信息的关联性，历史数据与当前数据的关联性，获得具有相关和集成特性的融合信息，充分发挥多源数据相互补充、相互印证的作用，获得对被测对象的一致性解释与精确的描述，提高结果的准确性。 　　一般来说目标属性级融合有三种基本结构：数据层融合、特征层融合和决策层融合结构。数据层融合：针对同质传感器的融合，将全部传感器的观测数据直接融合，然后对融合的数据进行特征提取和特征说明，并进行判断识别；特征层融合：每个传感器观测目标，并从观测数据中提取有代表性的特征，获得特征矢量，而后融合这些特征矢量，并做出基于联合特征矢量的属性