一种可视化态势显示方法、装置、设备及存储介质与流程

本技术涉及数据可视化，尤其涉及一种可视化态势显示方法、装置、设备及存储介质。

背景技术：

1、随着指挥控制系统、工业监控及复杂环境监测系统规模的不断扩大，系统中接入了越来越多的大型或超大型多源异构传感器与数据源。然而，这些系统面临的数据环境往往非常复杂，操作人员在处理海量动态态势数据时，容易因数据异步、空间偏差、信息过载以及缺乏动态表达而难以快速准确地把握整体态势，甚至遗漏关键目标信息，导致后续花费大量时间去查找、核对目标，进而降低了决策与响应效率。为了解决这个问题，需要通过对多源异构数据进行精准的时空对齐、智能聚合以及直观的可视化呈现。

2、目前的方法通常使用传统的时间戳匹配、静态坐标转换、最近邻数据关联以及固定图层的二维地图来进行态势显示。这种方法通常依赖简单的插值或预先标定的参数，并采用固定的定时刷新与叠加绘制策略。然而，在传感器采样频率差异大、目标密度高或环境动态变化的复杂条件下，这种方法的自适应性与覆盖性较差，容易出现时间对齐丢失、空间累积误差大、数据关联错误以及界面信息混乱等问题，从而导致态势表达与目标识别的准确性及实时性降低。

3、因此，如何高精度地实现多源异构数据的时空对齐与智能聚合，提高态势显示的准确性、清晰度与自适应交互效率，是一个亟待解决的问题。

技术实现思路

1、有鉴于此，本技术实施例提供的一种可视化态势显示方法、装置、设备及存储介质，能够高精度地实现多源异构数据的时空对齐与智能聚合，提高态势显示的准确性、清晰度与自适应交互效率。本技术实施例提供的一种可视化态势显示方法、装置、设备及存储介质是这样实现的：

2、本技术实施例提供的一种可视化态势显示方法，包括：

3、获取多源异构传感器数据，对所述多源异构传感器数据进行解析与标准化处理，得到标准化观测数据；

4、对所述标准化观测数据进行时间基准统一与空间基准统一处理，得到时空对齐数据以及对应的不确定性度量数据；

5、基于所述不确定性度量数据，对所述时空对齐数据进行多层级数据关联与序贯融合处理，得到多源融合目标航迹；

6、对所述多源融合目标航迹进行动态目标群组识别与分层聚合处理，得到聚合态势数据与目标显示优先级数据；

7、基于所述目标显示优先级数据与视口信息，对所述聚合态势数据以及所述多源融合目标航迹进行动态渲染处理，得到多维态势可视化界面；

8、获取所述多维态势可视化界面的可视化界面质量指标与操作员交互行为数据，基于所述可视化界面质量指标与所述操作员交互行为数据进行调优处理，得到实时调优参数，并基于所述实时调优参数动态调整数据处理与渲染策略。

9、在一些实施例中，所述获取多源异构传感器数据，对所述多源异构传感器数据进行解析与标准化处理，得到标准化观测数据，包括：

10、对所述多源异构传感器数据进行识别以及解析处理，得到解析后的传感器数据，所述多源异构传感器数据包括雷达、光电、电子侦察、卫星导航、通信链路、气象及人工情报中的至少两种；

11、对所述解析后的传感器数据进行完整性检测处理，得到有效数据；基于信噪比与检测概率计算指标，对所述有效数据进行数据质量评估处理，得到数据可信度评估结果；

12、识别所述有效数据中的异常数据点并进行剔除处理，得到修正观测数据；

13、基于所述数据可信度评估结果，对所述修正观测数据的属性字段与数据类型进行规范化转换处理，得到标准化观测数据。

14、在一些实施例中，所述对所述标准化观测数据进行时间基准统一与空间基准统一处理，得到时空对齐数据以及对应的不确定性度量数据，包括：

15、对所述标准化观测数据进行时间转换处理，得到统一时间序列；

16、基于传感器采样频率差异，对所述统一时间序列进行重采样处理，得到时间对齐数据，并同步计算插值误差协方差矩阵；

17、将各传感器的本地坐标转换至地心地固坐标系，得到初始地心地固坐标；

18、基于扩展卡尔曼滤波构建动态空间校正模型，将传感器偏差建模为状态变量并利用多传感器交叉验证信息在线更新校正参数；

19、基于更新后的校正参数对所述初始地心地固坐标进行校正与坐标转换，得到空间校正后的地理坐标数据；

20、将所述时间对齐数据、所述插值误差协方差矩阵以及所述空间校正后的地理坐标数据进行合并整合处理，得到时空对齐数据以及对应的不确定性度量数据。

21、在一些实施例中，所述基于所述不确定性度量数据，对所述时空对齐数据进行多层级数据关联与序贯融合处理，得到多源融合目标航迹，包括：

22、基于空间距离与速度特征对所述时空对齐数据进行粗关联筛选处理，得到候选关联目标集合；

23、提取所述候选关联目标集合的多维特征向量，并基于所述多维特征向量采用马氏距离进行精细关联计算处理，得到关联矩阵；

24、采用匈牙利算法或拍卖算法对所述关联矩阵进行求解，得到全局最优数据关联结果；

25、基于所述全局最优数据关联结果与所述不确定性度量数据，按照时间先后顺序对所述时空对齐数据进行序贯融合处理，得到多源融合目标航迹。

26、在一些实施例中，所述对所述多源融合目标航迹进行动态目标群组识别与分层聚合处理，得到聚合态势数据与目标显示优先级数据，包括：

27、采用基于密度的聚类算法对所述多源融合目标航迹进行目标群组识别，其中，根据目标分布密度自适应调整聚类参数，并结合历史时刻的结构一致性评估群组稳定性，得到目标群组划分结果；

28、基于所述目标群组划分结果，结合视口缩放比例以及空间分布特征对所述多源融合目标航迹进行多尺度分层聚合处理，生成对应显示层级的群组或目标表达形式，得到聚合态势数据；

29、基于目标的属性特征、时效特征以及操作员交互特征，通过多维评分模型对各目标及目标群组进行优先级计算与排序，得到目标显示优先级数据。

30、在一些实施例中，所述基于所述目标显示优先级数据与视口信息，对所述聚合态势数据以及所述多源融合目标航迹进行动态渲染处理，得到多维态势可视化界面，包括：

31、对所述多源融合目标航迹的时空特征进行图形化映射处理，得到航迹态势表达数据；

32、对所述聚合态势数据与所述多源融合目标航迹中的态势要素进行多维感知属性的融合视觉表征处理，得到信息表征数据；

33、对所述聚合态势数据中的目标群组进行群体分布特征与整体演变趋势的宏观表达处理，得到群组态势表达数据；

34、基于所述视口信息与所述目标显示优先级数据，对所述航迹态势表达数据、所述信息表征数据以及所述群组态势表达数据进行多尺度自适应渲染控制处理，得到多维态势可视化界面。

35、在一些实施例中，所述获取所述多维态势可视化界面的可视化界面质量指标与操作员交互行为数据，基于所述可视化界面质量指标与所述操作员交互行为数据进行调优处理，得到实时调优参数，并基于所述实时调优参数动态调整数据处理与渲染策略，包括：

36、对所述多维态势可视化界面进行视觉呈现效果评估处理，得到可视化界面质量指标；

37、对操作员的界面交互动作进行行为跟踪与意图推断处理，得到操作员交互行为数据；

38、基于所述可视化界面质量指标与所述操作员交互行为数据进行综合调优计算处理，得到实时调优参数；

39、基于所述实时调优参数，对数据处理阶段的聚类算法参数、融合处理精度以及渲染阶段的资源分配策略与界面刷新频率进行动态调整处理。

40、本技术实施例提供的一种可视化态势显示装置，包括：

41、获取模块，用于获取多源异构传感器数据，对所述多源异构传感器数据进行解析与标准化处理，得到标准化观测数据；

42、处理模块，用于对所述标准化观测数据进行时间基准统一与空间基准统一处理，得到时空对齐数据以及对应的不确定性度量数据；

43、所述处理模块，还用于基于所述不确定性度量数据，对所述时空对齐数据进行多层级数据关联与序贯融合处理，得到多源融合目标航迹；

44、所述处理模块，还用于对所述多源融合目标航迹进行动态目标群组识别与分层聚合处理，得到聚合态势数据与目标显示优先级数据；

45、所述处理模块，还用于基于所述目标显示优先级数据与视口信息，对所述聚合态势数据以及所述多源融合目标航迹进行动态渲染处理，得到多维态势可视化界面；

46、交互模块，用于获取所述多维态势可视化界面的可视化界面质量指标与操作员交互行为数据，基于所述可视化界面质量指标与所述操作员交互行为数据进行调优处理，得到实时调优参数，并基于所述实时调优参数动态调整数据处理与渲染策略。

47、本技术实施例提供的计算机设备，包括存储器和处理器，所述存储器存储有可在处理器上运行的计算机程序，所述处理器执行所述程序时实现本技术实施例所述的方法。

48、本技术实施例提供的计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现本技术实施例提供的所述的方法。

49、本技术实施例所提供的一种可视化态势显示方法、装置、设备及存储介质，通过获取并解析多源异构传感器数据，经过标准化处理得到标准化观测数据；对标准化观测数据进行时空基准统一，生成时空对齐数据及不确定性度量数据；基于不确定性度量数据进行多层级数据关联与序贯融合，得到多源融合目标航迹；对多源融合目标航迹进行动态目标群组识别与分层聚合，得到聚合态势数据与目标显示优先级数据；结合视口信息与优先级数据对聚合态势数据及融合航迹进行动态渲染，构建多维态势可视化界面；基于界面质量指标与操作员交互行为数据获取实时调优参数，以动态调整数据处理与渲染策略。这样，能够高精度地实现多源异构数据的时空对齐与智能聚合，提高态势显示的准确性、清晰度与自适应交互效率，解决背景技术中所提出的技术问题。