一种基于双模型的多源数据融合方法与流程

摘要: 本发明涉及多源数据融合,具体为一种基于双模型的多源数据融合方法。背景技术:1、多源数据融合通过对不同传感器采集的数据进行综合处理,生成一致性更高、信息更丰富的表...
一种基于双模型的多源数据融合方法与流程

本发明涉及多源数据融合,具体为一种基于双模型的多源数据融合方法。

背景技术:

1、多源数据融合通过对不同传感器采集的数据进行综合处理,生成一致性更高、信息更丰富的表达结果。在多传感器系统中,受传感器物理特性、采样机制和信号传输路径差异的影响,各数据流常呈现出截然不同的形态特征和动态响应行为。有效融合此类异源数据,需要同时解决跨源数据片段在时间和相位上的精准对应问题。现有的多源数据融合技术方案多依赖于单一的分析模型,常见的处理方式是对各类数据流进行统一的时间窗划分,再在划分好的窗口内执行特征匹配或互相对齐。这种处理范式隐含假定了各数据流具备相似或可线性变换的形态结构,且其相位变化规律在整个观测区间内保持平稳。然而在实际应用中,第一传感器组采集的数据往往包含丰富的波形起伏和边界突变,形成复杂的数据形态轮廓;第二传感器组输出的信号则可能伴随能量衰减和主频漂移等动态振荡特性。统一时间窗划分手段难以捕捉第一数据流中由形态转折所界定的自然分段边界,导致从第二数据流中提取出的数据片段在语义上与该形态边界不对应,片段内部混入跨边界信息,造成融合对象错位。另一方面,固定参数的相关对齐算法无法跟踪第二数据流动态响应过程中相位关系的时变特性,在信号能量衰减阶段引入的对齐偏差会逐步累积,使得融合数据段在时域上的一致性显著恶化。

2、在多源异构数据流协同融合的场景中,亟需解决的两方面问题分别是:如何以第一数据流中蕴含的形态转折特征为依据,在第二数据流中准确定位并提取出具有形态语义一致性的数据片段;以及如何在第二数据流自身的动态响应参数约束下,对提取到的片段执行自适应的相位匹配和时域对齐。

技术实现思路

1、本发明提供一种基于双模型的多源数据融合方法,用以解决现有技术中跨源数据片段提取偏离实际形态边界、动态相位对齐精度不足的问题,实现多源异构数据流在形态语义和时域相位上的精确融合。

2、为了实现上述目的,本发明提供如下技术方案:本发明提供一种基于双模型的多源数据融合方法,通过分别对第一传感器组与第二传感器组采集的多源数据流进行差异化处理,利用数据形态特征与信号动态响应特性协同完成数据对齐与融合,提升融合准确性和数据连续性。

3、在本发明的技术方案中,获取第一传感器组采集的第一多源数据流,并获取第二传感器组采集的第二多源数据流。以第一多源数据流作为输入,通过预设的第一信号处理模型执行基于数据形态特征的信号分离操作,得到第一多源数据流对应的数据形态特征序列。同时,以第二多源数据流作为输入,通过预设的第二信号处理模型执行基于信号振荡特性的动态响应操作,得到第二多源数据流对应的动态响应参数。根据数据形态特征序列,从第二多源数据流中提取与数据形态特征序列对应的数据片段,并将该数据片段标记为待融合数据段。随后,根据动态响应参数,生成待融合数据段在融合时间窗口内的相位匹配系数,并利用该相位匹配系数对待融合数据段进行时域对齐操作,得到对齐后的融合数据段。将对齐后的融合数据段按照数据形态特征序列的排序,依次写入预设的融合数据缓存区,最终获得多源数据融合结果。

4、作为本发明的一种优选技术方案,第一信号处理模型对第一多源数据流执行滑动窗口采样操作,得到多个第一数据窗口。对每个第一数据窗口执行极值点检测,获得窗口极值点集合,并依据该窗口极值点集合确定每个第一数据窗口的数据振荡周期。根据各第一数据窗口的数据振荡周期对第一多源数据流进行分段,形成多个数据形态段。按照时间顺序提取每个数据形态段的段起始标志和段终止标志,并将段起始标志与段终止标志组合为数据形态特征序列。该方案依据信号自身形态变化进行自适应分段,无需依赖外部同步信号,能够准确捕捉数据流的时域结构特征。

5、进一步地,在确定数据振荡周期时,从窗口极值点集合中筛选出幅值大于预设幅值门限的目标极值点,得到目标极值点序列;计算目标极值点序列中相邻两个目标极值点之间的采样间隔,获得多个候选间隔值;统计多个候选间隔值中重复出现次数最多的候选间隔值,将其确定为该第一数据窗口的初始振荡周期;将初始振荡周期按其所属第一数据窗口的时间位置排列,得到振荡周期序列,并对振荡周期序列执行中值滤波操作,将滤波结果作为数据振荡周期。如此能够有效抑制噪声干扰造成的周期误判,使所提取的振荡周期更稳定可靠。

6、在上述方案中,生成数据形态特征序列时,将每个数据形态段第一个采样点的采样时刻记录为段起始时间戳并转换为段起始标志,将最后一个采样点的采样时刻记录为段终止时间戳并转换为段终止标志,按时间顺序排列得到初始形态特征序列。检测初始形态特征序列中相邻的段终止标志和段起始标志之间的时间间隔是否小于预设时间阈值;若小于,则删除相邻的段终止标志和段起始标志,并将删除后剩余的标志序列作为数据形态特征序列。经由冗余标志剔除,可消除因过度细分产生的碎片化片段,保证特征序列对数据宏观形态的描述更加精炼。

7、作为本发明的另一优选技术方案,第二信号处理模型对第二多源数据流执行频谱变换操作,得到频谱分布信息;从频谱分布信息中提取主频分量,并记录该主频分量对应的主频幅值和主频相位。对第二多源数据流执行包络检测操作,得到信号包络线;计算信号包络线在预设时间区间内的包络斜率,并根据该包络斜率确定第二多源数据流的能量衰减系数。将主频幅值、主频相位和能量衰减系数组合为动态响应参数。该方式能够全面刻画信号在频域和时域的动态特性,为后续相位匹配提供精确依据。

8、进一步地,在主频分量提取中,从频谱分布信息中选取幅值最大的频率分量作为初始主频分量;获取初始主频分量对应的初始频率值,并将初始频率值与预设频率容差范围内的其他频率分量进行合并,得到合并频带;计算合并频带内的总能量值,并将总能量值对应的中心频率确定为最终主频频率;再从频谱分布信息中读取最终主频频率对应的幅值作为主频幅值,读取最终主频频率对应的相位值作为主频相位。通过频带合并,可避免因频谱泄漏导致的频率点分散,提升主频表征的准确性。

9、在提取待融合数据段时,解析数据形态特征序列中的段起始标志和段终止标志,获得每个段起始标志对应的起始时间位置和每个段终止标志对应的终止时间位置。以起始时间位置为提取起点、以终止时间位置为提取终点,在第二多源数据流中截取候选数据片段。判断候选数据片段的数据长度是否小于预设长度门限;若小于,则将候选数据片段与相邻的下一个候选数据片段进行拼接,得到拼接数据片段,并将拼接数据片段或候选数据片段作为待融合数据段。对过短片段进行拼接,可防止因分段过细导致的融合数据连续性受损。

10、在生成相位匹配系数时,从动态响应参数中提取主频相位,将主频相位映射到融合时间窗口的起始时刻,得到起始相位值;从动态响应参数中提取能量衰减系数,并根据能量衰减系数计算融合时间窗口内每个采样时刻的相位补偿因子。根据起始相位值和每个采样时刻的相位补偿因子,计算每个采样时刻的瞬时相位预测值;计算待融合数据段中每个采样时刻的实际相位值与瞬时相位预测值的差值,得到相位偏差;将每个采样时刻的相位偏差的倒数作为该采样时刻的相位匹配系数。该系数反映了待融合数据段与动态响应趋势的偏离程度,使得后续时域对齐能够兼顾信号衰减带来的相位漂移。

11、执行时域对齐操作时,根据每个采样时刻的相位匹配系数计算每个采样时刻的时域拉伸因子,并依据时域拉伸因子确定待融合数据段中每个采样点的新时间坐标。按照新时间坐标对待融合数据段执行重采样操作,得到重采样数据段。检测重采样数据段的采样点数量是否等于融合时间窗口内的标准采样点数量;若不等于,则对重采样数据段执行插值或抽取操作,得到对齐后的融合数据段。该方式使待融合数据段在时间维度上精确对应标准时间网格,消除多源数据之间的时域偏差。

12、在生成多源数据融合结果时,确定对齐后的融合数据段对应的数据形态特征序列中段起始标志的排列次序,并按该排列次序确定融合数据段在融合数据缓存区中的写入起始地址。根据对齐后的融合数据段的数据长度确定写入终止地址,将融合数据段按照写入起始地址和写入终止地址写入融合数据缓存区。在全部对齐后的融合数据段写入完成后,将融合数据缓存区中的数据输出为多源数据融合结果。通过有序写入与缓存输出,保证融合结果的时间顺序与原始多源数据流的总体时序保持一致。

13、本发明通过双模型协同处理,一方面提取第一多源数据流的数据形态特征序列以划定时域边界,另一方面提取第二多源数据流的动态响应参数以描述信号振荡特性与衰减行为,继而结合两者生成相位匹配系数并实现时域对齐,最终获得高一致性、低失真的多源数据融合结果,在复杂动态环境中仍具有良好的适应性和鲁棒性。

14、在上述技术方案中,本发明提供的技术效果和优点:

15、通过预设的第一信号处理模型对第一多源数据流执行基于数据形态特征的信号分离操作。该模型采用滑动窗口采样和极值点检测,通过统计窗口内重复出现次数最多的候选间隔值确定数据振荡周期,并利用中值滤波抑制周期估计中的瞬态扰动,由此获得与数据内在节律一致的形态分段依据。在此基础上提取每个数据形态段的时间起始标志和终止标志,并对间隙过短的相邻标志进行合并,生成数据形态特征序列。该特征序列反映的是第一数据流中自然形成的数据形态边界,而非固定窗口的机械切分位置。以该形态特征序列为指导,从第二多源数据流中截取时序上严格对应的数据片段,并将长度不足的片段与相邻片段拼接,使得最终得到的待融合数据段在形态语义上与被第一传感器组捕获的数据结构保持边界一致,避免了时间窗偏移导致的片段交叉和内容错乱,实现了跨源数据片段的高保真对应。通过预设的第二信号处理模型对第二多源数据流执行基于信号振荡特性的动态响应操作。模型从频谱分布信息中提取主频幅值和主频相位,并结合包络斜率计算出能量衰减系数,形成动态响应参数。在生成相位匹配系数时,将主频相位映射为融合时间窗口的起始相位值,同时依据能量衰减系数逐一计算各采样时刻的相位补偿因子,合成瞬时相位预测值。利用该预测值与实际相位的偏差倒数作为相位匹配系数,进而推导出时域拉伸因子并对数据段进行重采样与时间坐标映射。该过程使得每一个采样点的时间位置均根据第二数据流自身的动态振荡特性得到补偿,在信号能量显著变化的区间内仍能保持精细的相位跟随,对齐后的融合数据段相位一致性大幅提升。将重采样结果按形态特征序列的原始排序写入融合数据缓存区,输出结构完整且时间对齐精准的多源数据融合结果,有效增强了融合数据在后续联合分析中的可用性。