[go: up one dir, main page]

CN112286901B - 一种数据库融合关联系统 - Google Patents

一种数据库融合关联系统 Download PDF

Info

Publication number
CN112286901B
CN112286901B CN201911131588.3A CN201911131588A CN112286901B CN 112286901 B CN112286901 B CN 112286901B CN 201911131588 A CN201911131588 A CN 201911131588A CN 112286901 B CN112286901 B CN 112286901B
Authority
CN
China
Prior art keywords
database
fusion
data
time
real
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
Application number
CN201911131588.3A
Other languages
English (en)
Other versions
CN112286901A (zh
Inventor
史子超
金作印
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Building Materials Xinyun Zhilian Technology Co ltd
Cnbm Technology Corp ltd
Original Assignee
China Building Materials Xinyun Zhilian Technology Co ltd
Cnbm Technology Corp ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Building Materials Xinyun Zhilian Technology Co ltd, Cnbm Technology Corp ltd filed Critical China Building Materials Xinyun Zhilian Technology Co ltd
Priority to CN201911131588.3A priority Critical patent/CN112286901B/zh
Publication of CN112286901A publication Critical patent/CN112286901A/zh
Application granted granted Critical
Publication of CN112286901B publication Critical patent/CN112286901B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/21—Design, administration or maintenance of databases
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/14—Error detection or correction of the data by redundancy in operation
    • G06F11/1402—Saving, restoring, recovering or retrying
    • G06F11/1446—Point-in-time backing up or restoration of persistent data
    • G06F11/1448—Management of the data involved in backup or backup restore
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/23—Updating

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Quality & Reliability (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明涉及数据处理技术领域，具体地说，涉及一种数据库融合关联系统，包括若干传感器、实时数据库、历史数据库、融合管理模块和滤波跟踪，融合管理模块包括校准模块、相关模块、识别模块和估计模块，实时数据库用于数据录入和维护、实时数据更新、与历史数据库通讯以及与应用程序通讯。本发明将融合模型和数据库结合成一个统一的整体，自顶向下地设计数据库，实现整体优化的数据库策略，具有较大的优越性，它能够保证融合系统的性能和可靠性，也能够大大提高数据库的工作效率，从数据融合对数据库的要求出发，建立了支持数据融合算法的数据库模型，并基于这一模型开发了数据融合系统的专用数据库，既满足实时性，又减少内存中数据的存储量。

Description

一种数据库融合关联系统
技术领域
本发明涉及数据处理技术领域，具体为一种数据库融合关联系统。
背景技术
随着科学技术的不断发展，人们获得信息的数量不断增多，同时信息的表现形式也趋于多种多样。在多传感器数据融合系统中，信息的获得也是量大，且形式多种多样。进行数据融合时，需要访问这些相关支持数据，这些数据的存放及访问形式将直接影响到数据融合系统的工作性能。此时，传统的数据文件在数据存贮和数据更新等方面已满足不了数据融合的需要。
发明内容
本发明的目的在于提供一种数据库融合关联系统，以解决上述背景技术中提出的某种或某些缺陷。
为实现上述目的，本发明提供如下技术方案：
一种数据库融合关联系统，包括若干传感器、实时数据库、历史数据库、融合管理模块和滤波跟踪，融合管理模块包括校准模块、相关模块、识别模块和估计模块，实时数据库用于数据录入和维护、实时数据更新、与历史数据库通讯以及与应用程序通讯，实时数据库包括数据备份系统和数据恢复系统，数据备份系统用于云数据库将实时数据库中的数据信息进行云存储，数据恢复系统用于实时数据库读取云数据库中的数据信息，数据备份系统按照以下步骤完成：云数据库根据设置的备份策略，下发到实时数据库，根据备份策略、按需备份日志、数据文件，实时数据库将备份结果上报云数据库，上传组件将备份结果传输到存储集群中，并将上传结果上报云数据库；数据恢复系统按照以下步骤完成：实时数据库下发恢复指令，云数据库根据指令申请基础设施即服务集群，并配置数据库基础环境，恢复程序根据指令向存储集群拉取数据备份文件，恢复程序根据指令将数据库文件，恢复至数据库实例上，并将备份结果上报云数据库。
作为优选，数据库融合关联系统的融合方法包括如下：
S1：传感器获得目标信息时，先将目标信息存入实时数据库，并由融合管理模块控制；
S2：从实时数据库读取数据，进行轨迹相关、滤波跟踪工作；
S3：根据融合结果及观测值来管理传感器的工作，并将观测值和滤波结果存入实时数据库，供轨迹相关和下一时刻滤波使用；
S4：在融合过程中，定期的将实时数据库中的数据转存入历史数据库中。
作为优选，所述校准模块用于统一各传感器的时间和空间参考点，若各传感器在时间和空间上是独立地异步工作的，通过校准模块进行时间和空间校准，即进行时间搬移和坐标变换，以形成融合所需的统一的时间和空间参考点；
所述相关模块用于判别不同时间和空间的数据是否来源于同一目标，作为利用多传感器数据对目标进行估计的基础；
所述识别模块为目标识别，用于根据不同传感器测得的目标特征形成一个多维的特征向量，其中每一维代表目标的一个独立特征，目标识别可看作是目标属性的估计。
作为优选，所述估计模块包括状态估计和行为估计。
作为优选，所述状态估计为目标跟踪，传感器每次扫描结束时就将新数据集与原有的数据进行融合，根据传感器的观测值估计目标参数，并利用这些估计预测下一次扫描中的目标位置，状态估计单元输出是目标的状态估计。
作为优选，所述行为估计用于将所有目标的数据集与先前确定的可能态势的行为模式相比较，以确定哪种行为模式与监视区内所有目标的状态最匹配。
作为优选，所述历史数据库用于存储传感器信息、历史数据信息、间接情报和先验信息数据。
作为优选，所述滤波跟踪采用二次滤波算法对目标进行探测跟踪，所述二次滤波算法为：
设和为k时刻的最优估计，和为最优估计的预测值，P(kk)、P1(kk)和P2(kk)为对应的误差协方差距阵，P(kk-1)、P1(kk-1)和P2(kk-1)为相应的误差协方差预测矩阵；
其中：
综合两个局部最优估计得到一个全局最优估计。
与现有技术相比，本发明的有益效果是：
1、本数据库融合关联系统将融合模型和数据库结合成一个统一的整体，自顶向下地设计数据库，实现整体优化的数据库策略，具有较大的优越性，它能够保证融合系统的性能和可靠性，也能够大大提高数据库的工作效率。
2、本数据库融合关联系统通过数据录入和维护将实时数据库的数据定时地录入到历史数据库中，并维护这些数据，提供实时数据库的数据录入和维护功能，实时数据库中的数据要实时更新，以满足数据融合中航迹相关、目标跟踪等算法对数据的实时性要求，历史库主要保存静态数据库和定时由实时库转发备份到历史库的实时数据，所以历史库中有相当一部分数据是实时库数据加上时间标志，实时数据库提供与应用程序之间的方便、灵活、快速的传递数据功能。实时数据库采用多线程与应用程序通讯。
3、本数据库融合关联系统从数据融合对数据库的要求出发，建立了支持数据融合算法的数据库模型，并基于这一模型开发了数据融合系统的专用数据库，由于数据融合算法的实时性要求，所建立的数据库系统分为实时数据库和历史数据库，这既可以满足实时性，又可以减少内存中数据的存储量，同时也能更好的管理、查询这些数据，从而更好的支持数据融合算法。
附图说明
图1是本发明的流程示意图；
图2是本发明的融合管理模块组成示意图；
图3是本发明的实时数据库的功能组成示意图。
图4是本发明的实时数据库的组成示意图；
具体实施方式
下面将结合本发明实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1
一种数据库融合关联系统，如图1所示，包括若干传感器、实时数据库、历史数据库、融合管理模块和滤波跟踪，融合管理模块包括校准模块、相关模块、识别模块和估计模块，如图3所示，实时数据库用于数据录入和维护、实时数据更新、与历史数据库通讯以及与应用程序通讯，如图4所示，实时数据库包括数据备份系统和数据恢复系统，数据备份系统用于云数据库将实时数据库中的数据信息进行云存储，数据恢复系统用于实时数据库读取云数据库中的数据信息。
数据备份系统按照以下步骤完成：云数据库根据设置的备份策略，下发到实时数据库，根据备份策略、按需备份日志、数据文件，实时数据库将备份结果上报云数据库，上传组件将备份结果传输到存储集群中，并将上传结果上报云数据库；数据恢复系统按照以下步骤完成：实时数据库下发恢复指令，云数据库根据指令申请基础设施即服务集群，并配置数据库基础环境，恢复程序根据指令向存储集群拉取数据备份文件，恢复程序根据指令将数据库文件，恢复至数据库实例上，并将备份结果上报云数据库，通过云数据库中的数据备份系统和数据恢复系统，在出现故障时可选择已备份文件进行全量、基于时间点恢复最大限度保证了数据安全/可用性；需对历史数据进行审计时，可从备份中恢复出相应的数据库实例，为了横向扩展时，可从备份中恢复出相应实例，减小对在线系统影响。
进一步的，如图2所示，校准模块用于统一各传感器的时间和空间参考点，若各传感器在时间和空间上是独立地异步工作的，通过校准模块进行时间和空间校准，即进行时间搬移和坐标变换，以形成融合所需的统一的时间和空间参考点；相关模块用于判别不同时间和空间的数据是否来源于同一目标，作为利用多传感器数据对目标进行估计的基础；识别模块为目标识别，用于根据不同传感器测得的目标特征形成一个多维的特征向量，其中每一维代表目标的一个独立特征，目标识别可看作是目标属性的估计。
进一步的，估计模块包括状态估计和行为估计。状态估计为目标跟踪，传感器每次扫描结束时就将新数据集与原有的数据进行融合，根据传感器的观测值估计目标参数，并利用这些估计预测下一次扫描中的目标位置，状态估计单元输出是目标的状态估计。行为估计用于将所有目标的数据集与先前确定的可能态势的行为模式相比较，以确定哪种行为模式与监视区内所有目标的状态最匹配。
值得说明的是，历史数据库用于存储传感器信息、历史数据信息、间接情报和先验信息数据，对于那些并不要求实时读取的数据，就可以存于历史数据库中，存储介质可选硬盘，如各个时刻滤波得到的目标状态值，滤波处理前的观测值等有关目标属性和状态的数据。
本实施例的数据库融合关联系统将融合模型和数据库结合成一个统一的整体，自顶向下地设计数据库，实现整体优化的数据库策略，具有较大的优越性，它能够保证融合系统的性能和可靠性，也能够大大提高数据库的工作效率，数据录入和维护将实时数据库的数据定时地录入到历史数据库中，并维护这些数据，提供实时数据库的数据录入和维护功能，实时数据库中的数据要实时更新，以满足数据融合中航迹相关、目标跟踪等算法对数据的实时性要求，历史库主要保存静态数据库和定时由实时库转发备份到历史库的实时数据，所以历史库中有相当一部分数据是实时库数据加上时间标志，实时数据库提供与应用程序之间的方便、灵活、快速的传递数据功能。实时数据库采用多线程与应用程序通讯。
实施例2
作为本发明的第二种实施例，数据库融合关联系统的融合方法包括如下：
S1：传感器获得目标信息时，先将目标信息存入实时数据库，并由融合管理模块控制；
S2：从实时数据库读取数据，进行轨迹相关、滤波跟踪工作；
S3：根据融合结果及观测值来管理传感器的工作，并将观测值和滤波结果存入实时数据库，供轨迹相关和下一时刻滤波使用；
S4：在融合过程中，定期的将实时数据库中的数据转存入历史数据库中。
本实施例的数据库融合关联系统从数据融合对数据库的要求出发，建立了支持数据融合算法的数据库模型，并基于这一模型开发了数据融合系统的专用数据库，由于数据融合算法的实时性要求，所建立的数据库系统分为实时数据库和历史数据库，这既可以满足实时性，又可以减少内存中数据的存储量，同时也能更好的管理、查询这些数据，从而更好的支持数据融合算法。
实施例3
作为本发明的第三种实施例，滤波跟踪采用二次滤波算法对目标进行探测跟踪，二次滤波算法为：
设和为k时刻的最优估计，和为最优估计的预测值，P(kk)、P1(kk)和P2(kk)为对应的误差协方差距阵，P(kk-1)、P1(kk-1)和P2(kk-1)为相应的误差协方差预测矩阵；
其中：
综合两个局部最优估计得到一个全局最优估计，采用二次滤波算法进行目标跟踪，从而大大提高了跟踪精度。
本发明的数据库融合关联系统将融合模型和数据库结合成一个统一的整体，自顶向下地设计数据库，实现整体优化的数据库策略，具有较大的优越性，它能够保证融合系统的性能和可靠性，也能够大大提高数据库的工作效率，数据录入和维护将实时数据库的数据定时地录入到历史数据库中，并维护这些数据，提供实时数据库的数据录入和维护功能，实时数据库中的数据要实时更新，以满足数据融合中航迹相关、目标跟踪等算法对数据的实时性要求，历史库主要保存静态数据库和定时由实时库转发备份到历史库的实时数据，所以历史库中有相当一部分数据是实时库数据加上时间标志，实时数据库提供与应用程序之间的方便、灵活、快速的传递数据功能。实时数据库采用多线程与应用程序通讯，从数据融合对数据库的要求出发，建立了支持数据融合算法的数据库模型，并基于这一模型开发了数据融合系统的专用数据库，由于数据融合算法的实时性要求，所建立的数据库系统分为实时数据库和历史数据库，这既可以满足实时性，又可以减少内存中数据的存储量，同时也能更好的管理、查询这些数据，从而更好的支持数据融合算法。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的仅为本发明的优选例，并不用来限制本发明，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (6)

1.一种数据库融合关联系统，其特征在于：包括若干传感器、实时数据库、历史数据库、融合管理模块和滤波跟踪，融合管理模块包括校准模块、相关模块、识别模块和估计模块，实时数据库用于数据录入和维护、实时数据更新、与历史数据库通讯以及与应用程序通讯；
数据库融合关联系统的融合方法包括如下：
S1：传感器获得目标信息时，先将目标信息存入实时数据库，并由融合管理模块控制；
S2：从实时数据库读取数据，进行轨迹相关、滤波跟踪工作；
S3：根据融合结果及观测值来管理传感器的工作，并将观测值和滤波结果存入实时数据库，供轨迹相关和下一时刻滤波使用；
S4：在融合过程中，定期的将实时数据库中的数据转存入历史数据库中；
所述校准模块用于统一各传感器的时间和空间参考点，若各传感器在时间和空间上是独立地异步工作的，通过校准模块进行时间和空间校准，即进行时间搬移和坐标变换，以形成融合所需的统一的时间和空间参考点；
所述相关模块用于判别不同时间和空间的数据是否来源于同一目标，作为利用多传感器数据对目标进行估计的基础；
所述识别模块为目标识别，用于根据不同传感器测得的目标特征形成一个多维的特征向量，其中每一维代表目标的一个独立特征，目标识别可看作是目标属性的估计。
2.根据权利要求1所述的数据库融合关联系统，其特征在于：所述估计模块包括状态估计和行为估计。
3.根据权利要求2所述的数据库融合关联系统，其特征在于：所述状态估计为目标跟踪，传感器每次扫描结束时就将新数据集与原有的数据进行融合，根据传感器的观测值估计目标参数，并利用这些估计预测下一次扫描中的目标位置，状态估计单元输出是目标的状态估计。
4.根据权利要求2所述的数据库融合关联系统，其特征在于：所述行为估计用于将所有目标的数据集与先前确定的可能态势的行为模式相比较，以确定哪种行为模式与监视区内所有目标的状态最匹配。
5.根据权利要求1所述的数据库融合关联系统，其特征在于：所述历史数据库用于存储传感器信息、历史数据信息、间接情报和先验信息数据。
6.根据权利要求1所述的数据库融合关联系统，其特征在于：所述滤波跟踪采用二次滤波算法对目标进行探测跟踪，所述二次滤波算法为：
设和为k时刻的最优估计，和为最优估计的预测值，P(kk)、P1(kk)和P2(kk)为对应的误差协方差距阵，P(kk-1)、P1(kk-1)和P2(kk-1)为相应的误差协方差预测矩阵；
其中：
综合两个局部最优估计得到一个全局最优估计。
CN201911131588.3A 2019-11-19 2019-11-19 一种数据库融合关联系统 Active CN112286901B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911131588.3A CN112286901B (zh) 2019-11-19 2019-11-19 一种数据库融合关联系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911131588.3A CN112286901B (zh) 2019-11-19 2019-11-19 一种数据库融合关联系统

Publications (2)

Publication Number Publication Date
CN112286901A CN112286901A (zh) 2021-01-29
CN112286901B true CN112286901B (zh) 2024-07-05

Family

ID=74418910

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911131588.3A Active CN112286901B (zh) 2019-11-19 2019-11-19 一种数据库融合关联系统

Country Status (1)

Country Link
CN (1) CN112286901B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3855432B1 (en) * 2020-01-22 2024-11-27 Infineon Technologies AG Classification system and method for classifying an external impact on a window or on an access opening of an enclosed structure
CN113254641B (zh) * 2021-05-27 2021-11-16 中国电子科技集团公司第十五研究所 一种情报数据融合方法与装置
CN118069658B (zh) * 2024-04-19 2024-06-25 北京威斯盾网络科技有限公司 一种数据库系统的控制方法及一种数据库系统
CN118838922B (zh) * 2024-09-20 2025-03-07 新瑞数城技术有限公司 时序数据库与传统数据库的融合系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104850598A (zh) * 2015-04-28 2015-08-19 江苏瑞中数据股份有限公司 一种实时数据库备份恢复方法
CN107832575A (zh) * 2017-10-10 2018-03-23 中国航空无线电电子研究所 基于伪测量的带反馈机动目标异步航迹融合算法
CN109732603A (zh) * 2019-01-12 2019-05-10 无锡物联网产业研究院 基于多源异构信息融合的机械手控制方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7860162B2 (en) * 2005-09-29 2010-12-28 Panasonic Corporation Object tracking method and object tracking apparatus
CN106528593B (zh) * 2016-09-21 2020-10-02 徐绍衡 分布数据库同步分布式实时信息云平台系统
CN108964263A (zh) * 2018-06-19 2018-12-07 中国科学院电工研究所 一种孤岛型微电网及其能量管理系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104850598A (zh) * 2015-04-28 2015-08-19 江苏瑞中数据股份有限公司 一种实时数据库备份恢复方法
CN107832575A (zh) * 2017-10-10 2018-03-23 中国航空无线电电子研究所 基于伪测量的带反馈机动目标异步航迹融合算法
CN109732603A (zh) * 2019-01-12 2019-05-10 无锡物联网产业研究院 基于多源异构信息融合的机械手控制方法

Also Published As

Publication number Publication date
CN112286901A (zh) 2021-01-29

Similar Documents

Publication Publication Date Title
CN112286901B (zh) 一种数据库融合关联系统
EP2107439B1 (en) Method and system for the design and implementation of optimal multivariable model predictive controllers for fast-sampling constrained dynamic systems
CN107292935B (zh) 机载高密度激光点云的压缩方法、存储设备及激光雷达
CN114739415B (zh) 基于多传感器融合的多车定位方法、装置及计算机设备
Carlone et al. An application of Kullback-Leibler divergence to active SLAM and exploration with particle filters
CN116481517B (zh) 扩展建图方法、装置、计算机设备和存储介质
Hou et al. Feature-based sensor configuration and working-stage recognition of wheel loader
CN114581678A (zh) 一种模板特征匹配的自动跟踪与重识别方法
Liu et al. An online method for ship trajectory compression using AIS data
CN108958294A (zh) 无人水下潜航器编队控制方法及装置
CN114782484A (zh) 一种针对检测丢失、关联失败的多目标跟踪方法及系统
US20230126258A1 (en) Machine learning device, method for generating learning models, and program
CN112767438B (zh) 结合时空运动的多目标跟踪方法
CN101339243B (zh) 一种地面集群目标跟踪系统
CN118776547A (zh) 一种基于点云的地面连续追踪方法、装置及介质
Griffiths et al. Bayesian estimation of a random coefficient model
CN115294174A (zh) 一种基于稀疏学习的从粗到细的鲁棒视觉目标跟踪算法
CN115236680A (zh) 定位方法、装置、电子设备及计算机存储介质
CN119006769B (zh) 海上视觉slam位姿估计方法、装置、计算机设备及存储介质
CN120316727B (zh) 一种多源数据融合分布处理分析方法及系统
CN119935248B (zh) 一种两栖船舶目标探测系统及方法
Aghapour et al. Outlier accommodation in sensor rich environments: moving horizon risk-averse performance-specified state estimation
CN116432047B (zh) 一种适应复杂环境的迭代分类匹配数据关联方法
CN114066720B (zh) 基于张量回归的三维表面形貌预测方法、装置及可读介质
CN119492380B (zh) 一种基于变换的多机器人一致性协同定位方法及系统

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