CN118568657A - 一种基于区块链的多传感器信息融合系统及方法 - Google Patents

Abstract

本发明涉及信息融合技术领域，具体为一种基于区块链的多传感器信息融合系统及方法，所述融合方法包括以下步骤：根据在信息融合模型中的信息来源，生成传感器信息组；对历史信息融合事件进行分类；获取各个传感器传递给信息融合模型的信息传递量和信息融合模型的信息采纳量，计算得到信息采纳率；根据历史关键传感器和相关传感器的信息采纳率，得到期望信息采纳率；当若干个传感器进行信息采集时，根据各个传感器的实际信息传递量和实际信息采纳量，得到实际信息采纳率；根据各个传感器的传感器信息和关键传感器，确定期望信息采纳率；对各个传感器传递给信息融合模型的信息传递过程进行调整。

Description

一种基于区块链的多传感器信息融合系统及方法

技术领域

本发明涉及信息融合技术领域，具体为一种基于区块链的多传感器信息融合系统及方法。

背景技术

多传感器信息融合是利用计算机技术将来自多传感器或多源的信息和数据，在一定的准则下加以自动分析和综合，以完成所需要的决策和估计而进行的信息处理过程；

大多数情况下，采用的多传感器信息融合是将每一个传感器采集的信息进行混合在一起，再对所有信息进行特征提取在，最后得到融合信息；但是多传感器信息融合由于进行信息采集的传感器数量多，采集到的信息也会变得更多，这就导致了许多冗余信息的产生，即使采集的信息多，但最后实际可用的信息却不多，加上冗余信息的影响，导致最后的融合信息的准确程度降低；同时最后生成的融合信息会保存在区块链中，很难进行再次修改，因此需要对冗余信息进行及时处理得到新的融合信息。

发明内容

本发明的目的在于提供一种基于区块链的多传感器信息融合系统及方法，以解决上述背景技术中提出的问题。

为了解决上述技术问题，本发明提供如下技术方案：一种基于区块链的多传感器信息融合方法，所述融合方法包括了以下步骤：

步骤S100：设定一次信息融合事件为将传感器采集到的信息放入信息融合模型中进行特征提取并融合，得到融合信息的一次过程；根据历史每一次融合信息事件在信息融合模型中的信息来源，生成传感器信息组；通过比较任意两组传感器信息组的传感器信息对历史信息融合事件进行分类；

步骤S200：获取历史同类信息融合事件中每一次信息融合事件，各个传感器传递给信息融合模型的信息传递量和信息融合模型的信息采纳量，计算得到每个传感器的信息采纳率；根据信息采纳率的大小将一次信息融合事件中的各个传感器分为关键传感器和相关传感器，根据历史关键传感器和相关传感器的信息采纳率，得到一次信息融合事件中关键传感器和相关传感器的期望信息采纳率；

步骤S300：当若干个传感器进行信息采集时，根据各个传感器传递给信息融合模型的实际信息传递量和信息融合模型的实际信息采纳量，得到各个传感器的实际信息采纳率；根据各个传感器的传感器信息和关键传感器，确定所述若干个传感器的期望信息采纳率；

步骤S400：通过比较各个传感器的实际信息采纳率和期望信息采纳率，对各个传感器传递给信息融合模型的信息传递过程进行调整。

进一步的，所述步骤S100包括以下步骤：

步骤S101：读取历史信息融合事件中每一次信息融合事件，提取每一次信息融合事件在信息融合模型中生成的若干个特征，捕捉每一个特征在信息融合模型中的信息来源，得到每一个特征对应的传感器信息，生成一次信息融合事件的传感器信息组；

步骤S102：获取历史信息融合事件中每一次信息融合事件的传感器信息组，选取任意两次信息融合事件的两组传感器信息组，比较两组传感器信息组的传感器数量是否相同，若数量相同，则选取其中一组传感器信息组中的任意一个传感器信息，读取另一组传感器信息组中是否存在相同的传感器信息，若存在相同的传感器信息，则将所述两组传感器信息组对应的两次信息融合事件划分为同一类。

进一步的，所述步骤S200包括以下步骤：

步骤S201：选取历史信息融合事件中任意一类信息融合事件中的任意两次信息融合事件，提取两次信息融合事件在信息融合模型中生成的融合信息；

步骤S202：选取其中一次信息融合事件，在信息融合模型中获取各个传感器传送给信息融合模型的信息传递量M_i，其中，M_i为第i个传感器传送给信息融合模型的信息传递量；获取信息融合模型中进行特征提取时信息融合模型对各个传感器的信息采纳量C_i，其中，C_i为信息融合模型对第i个传感器传递信息的信息采纳量，计算得到在所述信息融合事件中第i个传感器的信息采纳率为A_i＝C_i/M_i；

步骤S203：将一次信息融合事件中信息采纳率最高的一个传感器作为所述信息融合事件的关键传感器，设其余传感器为相关传感器；设定一类信息融合事件中关键传感器相同的信息融合事件为相同信息融合事件，且相同信息融合事件中第i个传感器的信息采纳率A_i最高；获取历史第i个传感器的信息采纳率最高的相同信息融合事件的总次数为N_i，根据公式：

L_i＝N_i-ceil(N_i×τ)

其中，ceil()为向上取整函数，τ为数据选择率，计算得到相同信息融合事件的事件选择数；将相同信息融合事件按照信息采纳率A_i从高到低进行排序，选择第L_i个信息采纳率作为所述相同信息融合事件中第i个传感器的期望信息采纳率G_i；

由于关键传感器的采纳率较高，说明关键传感器的信息传递准确率高，因此，关键传感器的信息的信息传递比较稳定，设定关键传感器的期望信息采纳率只需要根据历史信息融合时间中采纳率最高的几个就能够确认期望信息采纳率；

步骤S204：提取每次相同信息融合事件中各个相关传感器的信息采纳率，对各个相关传感器的信息采纳率求平均值，计算得到平均信息采纳率其中，为第j个传感器的平均信息采纳率；将第j个传感器的平均信息采纳率作为第j个传感器的期望信息采纳率；

由于融合信息最后都保存在区块链中，因此相关传感器传递给信息传递模型的信息采纳率不稳定的情况也会在区块链中体现出来，因此，对历史信息融合事件的信息采纳率求平均值能够相对准确地体现出期望信息采纳率，在保证融合信息尽可能不受冗余信息影响的情况下得到最低信息采纳率，降低对相关传感器的调整难度。

进一步的，所述步骤S300包括以下步骤：

步骤S301：获取第i个传感器将采集到的信息传递到信息融合模型中的实际信息传递量m_i；通过信息融合模型对每一个传感器传递过来的信息进行选取，设定第i个传感器的实际信息采纳量为c_i，计算得到第i个传感器的实际信息采纳率B_i＝c_i/m_i；

步骤S302：通过信息融合模型确定传递信息的各个传感器信息，生成实际传感器信息组；获取实际传感器信息组的传感器数量，提取历史融合事件中传感器数量相同的各类信息融合事件；选取实际传感器信息组中的任意一个传感器信息，读取另一组传感器信息组中是否存在相同的传感器信息，若任意一个传感器信息都相同，得到若干个传感器数量相同且传感器信息相同的信息融合事件；提取实际信息采纳率最高的一个传感器，设定第i个传感器为关键传感器，从若干个传感器数量相同且传感器信息相同的信息融合事件中提取第i个传感器为关键传感器的信息融合事件。

进一步的，所述步骤S400包括以下步骤：

步骤S401：获取关键传感器为第i个传感器的信息融合事件中关键传感器的期望信息采纳率G_i，设第i个传感器的实际信息采纳率为B_i；若B_i<G_i，则获取历史最近n次相同信息融合事件，若所述n次相同信息融合事件中均为B_i<G_i，获取信息融合模型对第i个传感器传递信息的未采纳时间区间，当传感器经过未采纳时间区间时，则停止向信息融合模型传递信息；

由于关键传感器的信息采纳率保持在较高的程度，因此关键传感器的稳定性较好，当一次信息采纳率低于期望值时，可能是由于其他偶发性因素导致，不会经常性导致结果出现问题；因此需要参考最近几次的信息采纳率，如果连续多次出现采纳率低于期望值，则可以说明关键传感器的信息采集和信息传递过程出现问题，则需要对关键传感器进行调整；由于关键传感器存在的稳定性，因此出现问题的信息采集时段也会比较接近，因此直接对无效信息的时间段停止信息传递即可保证信息采纳率升高；

步骤S402：获取相关传感器的期望信息采纳率设定其他传感器的实际信息信息采纳率为B_j，其中，j≠i，B_j为第j个传感器的实际信息采纳率；若则获取信息融合模型对第j个传感器传递信息的未采纳时间区间T＝{T₁,T₂,…,T_p,…,T_q}，其中，T_p为第p个未采纳时间区间，T_p∈(min_p,max_p)，min_p为第p个未采纳时间区间的最小时刻，max_p为第p个未采纳时间区间的最大时刻，q为未采纳时间区间的数量；

步骤S403：获取未采纳时间区间T的总时长若 或则调整第j个传感器向信息融合模型传递信息量为 其中，m_j为第j个传感器的实际信息传递量m_i，计算得到第j个传感器的新信息传递量m′_j；

当未采纳时间区间总长较为连续时，无论总长过长还是过短，都可以对所述时间区间停止传感器的信息传递过程；

步骤S404：选取任意三个连续未采纳时间区间，设第p个未采纳时间区间T_p∈(min_p,max_p)、第p+1个未采纳时间区间T_p+1∈(min_p+1,max_p+1)和第p-1个未采纳时间区间T_p-1∈(min_p-1,max_p-1)，若时，设定排除未采纳信息时需排除的采纳信息量为x，根据公式：

计算得到排除未采纳信息时需排除的采纳信息量x；调整第j个传感器每隔信息传递量t向信息融合模型传递信息，其中，

当未采纳时间区间存在一定的周期性时，则只要对传感器的信息传递时间呈周期性即可，由于未采纳时间区间并不是完美的周期性，中间存在着些许的有效信息，因此在排除未采纳信息时，会排除掉部分有效信息，因此计算出排除的有效信息量，能够保证周期性进行信息传递的同时，保证信息采纳率能够达到期望信息采纳率，保证最后的结果能够尽可能地精确。

为更好的实现上述方法，还提出了多传感器信息融合系统，所述融合系统包括了划分模块、预期目标设定模块、目标确认模块和调整模块；

所述划分模块，用于设定一次信息融合事件为将传感器采集到的信息放入信息融合模型中进行特征提取并融合，得到融合信息的一次过程；根据历史每一次融合信息事件在信息融合模型中的信息来源，生成传感器信息组；通过比较任意两组传感器信息组的传感器信息对历史信息融合事件进行分类；

所述预期目标设定模块，用于获取历史同类信息融合事件中每一次信息融合事件，各个传感器传递给信息融合模型的信息传递量和信息融合模型的信息采纳量，计算得到每个传感器的信息采纳率；根据信息采纳率的大小将一次信息融合事件中的各个传感器分为关键传感器和相关传感器，根据历史关键传感器和相关传感器的信息采纳率，得到一次信息融合事件中关键传感器和相关传感器的期望信息采纳率；

所述目标确认模块，用于当若干个传感器进行信息采集时，根据各个传感器传递给信息融合模型的实际信息传递量和信息融合模型的实际信息采纳量，得到各个传感器的实际信息采纳率；根据各个传感器的传感器信息和关键传感器，确定所述若干个传感器的期望信息采纳率；

所述调整模块，用于通过比较各个传感器的实际信息采纳率和期望信息采纳率，对各个传感器传递给信息融合模型的信息传递过程进行调整。

进一步的，所述划分模块包括了传感器信息组生成单元和分类单元；

所述传感器信息组生成单元，用于设定一次信息融合事件为将传感器采集到的信息放入信息融合模型中进行特征提取并融合，得到融合信息的一次过程；根据历史每一次融合信息事件在信息融合模型中的信息来源，生成传感器信息组；所述分类单元，用于通过比较任意两组传感器信息组的传感器信息对历史信息融合事件进行分类。

进一步的，所述预期目标设定模块包括了信息采纳率计算单元、传感器划分单元和期望信息采纳率计算单元；

所述信息采纳率计算单元，用于获取历史同类信息融合事件中每一次信息融合事件，各个传感器传递给信息融合模型的信息传递量和信息融合模型的信息采纳量，计算得到每个传感器的信息采纳率；所述传感器划分单元，用于根据信息采纳率的大小将一次信息融合事件中的各个传感器分为关键传感器和相关传感器；所述期望信息采纳率计算单元，用于根据各个传感器的传感器信息和关键传感器，确定所述若干个传感器的期望信息采纳率。

进一步的，所述目标确认模块包括了实际信息采纳率单元和期望信息采纳率确认单元；

所述实际信息采纳率单元，用于当若干个传感器进行信息采集时，根据各个传感器传递给信息融合模型的实际信息传递量和信息融合模型的实际信息采纳量，得到各个传感器的实际信息采纳率；所述期望信息采纳率确认单元，用于根据各个传感器的传感器信息和关键传感器，确定所述若干个传感器的期望信息采纳率。

与现有技术相比，本发明所达到的有益效果是：(1)本发明通过历史各个信息融合事件中各个传感器的信息采纳率，得到期望信息采纳率；通过对历史信息的分析，排除信息采纳率低的信息融合事件，能够精确得到正确的信息采纳率，方便后续进行比较时，及时排除冗余信息；(2)本发明通过对各个传感器的信息采纳率对传感器进行分类，由于关键传感器的信息采纳率高，传递的信息更为准确，因此对关键传感器的处理较为直接；而对相关传感器则对原因进行讨论，根据未采纳信息的时间区间，确定有效信息处于同一个时间段还是周期性变化，给予不同的处理方法，使得最后的融合信息更加准确；(3)本发明通过传感器的数量和传感器信息，与历史信息融合时间进行匹配，能够准确地确定每一次信息融合的期望目标，有效调整传感器的信息传递量，使得最后得到的融合信息更加准确。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1是一种基于区块链的多传感器信息融合方法的步骤示意图；

图2是一种基于区块链的多传感器信息融合系统的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，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。

请参阅图1和图2，本发明提供技术方案：一种基于区块链的多传感器信息融合方法，所述融合方法包括了以下步骤：

步骤S100：设定一次信息融合事件为将传感器采集到的信息放入信息融合模型中进行特征提取并融合，得到融合信息的一次过程；根据历史每一次融合信息事件在信息融合模型中的信息来源，生成传感器信息组；通过比较任意两组传感器信息组的传感器信息对历史信息融合事件进行分类；

其中，所述步骤S100包括以下步骤：

步骤S101：读取历史信息融合事件中每一次信息融合事件，提取每一次信息融合事件在信息融合模型中生成的若干个特征，捕捉每一个特征在信息融合模型中的信息来源，得到每一个特征对应的传感器信息，生成一次信息融合事件的传感器信息组；

步骤S102：获取历史信息融合事件中每一次信息融合事件的传感器信息组，选取任意两次信息融合事件的两组传感器信息组，比较两组传感器信息组的传感器数量是否相同，若数量相同，则选取其中一组传感器信息组中的任意一个传感器信息，读取另一组传感器信息组中是否存在相同的传感器信息，若存在相同的传感器信息，则将所述两组传感器信息组对应的两次信息融合事件划分为同一类；

步骤S200：获取历史同类信息融合事件中每一次信息融合事件，各个传感器传递给信息融合模型的信息传递量和信息融合模型的信息采纳量，计算得到每个传感器的信息采纳率；根据信息采纳率的大小将一次信息融合事件中的各个传感器分为关键传感器和相关传感器，根据历史关键传感器和相关传感器的信息采纳率，得到一次信息融合事件中关键传感器和相关传感器的期望信息采纳率；

其中，所述步骤S200包括以下步骤：

步骤S201：选取历史信息融合事件中任意一类信息融合事件中的任意两次信息融合事件，提取两次信息融合事件在信息融合模型中生成的融合信息；

步骤S202：选取其中一次信息融合事件，在信息融合模型中获取各个传感器传送给信息融合模型的信息传递量M_i，其中，M_i为第i个传感器传送给信息融合模型的信息传递量；获取信息融合模型中进行特征提取时信息融合模型对各个传感器的信息采纳量C_i，其中，C_i为信息融合模型对第i个传感器传递信息的信息采纳量，计算得到在所述信息融合事件中第i个传感器的信息采纳率为A_i＝C_i/M_i；

步骤S203：将一次信息融合事件中信息采纳率最高的一个传感器作为所述信息融合事件的关键传感器，设其余传感器为相关传感器；设定一类信息融合事件中关键传感器相同的信息融合事件为相同信息融合事件，且相同信息融合事件中第i个传感器的信息采纳率A_i最高；获取历史第i个传感器的信息采纳率最高的相同信息融合事件的总次数为N_i，根据公式：

L_i＝N_i-ceil(N_i×τ)

其中，ceil()为向上取整函数，τ为数据选择率，计算得到相同信息融合事件的事件选择数；将相同信息融合事件按照信息采纳率A_i从高到低进行排序，选择第L_i个信息采纳率作为所述相同信息融合事件中第i个传感器的期望信息采纳率G_i；

步骤S204：提取每次相同信息融合事件中各个相关传感器的信息采纳率，对各个相关传感器的信息采纳率求平均值，计算得到平均信息采纳率其中，为第j个传感器的平均信息采纳率；将第j个传感器的平均信息采纳率作为第j个传感器的期望信息采纳率。

步骤S300：当若干个传感器进行信息采集时，根据各个传感器传递给信息融合模型的实际信息传递量和信息融合模型的实际信息采纳量，得到各个传感器的实际信息采纳率；根据各个传感器的传感器信息和关键传感器，确定所述若干个传感器的期望信息采纳率；

其中，所述步骤S300包括以下步骤：

步骤S301：获取第i个传感器将采集到的信息传递到信息融合模型中的实际信息传递量m_i；通过信息融合模型对每一个传感器传递过来的信息进行选取，设定第i个传感器的实际信息采纳量为c_i，计算得到第i个传感器的实际信息采纳率B_i＝c_i/m_i；

步骤S302：通过信息融合模型确定传递信息的各个传感器信息，生成实际传感器信息组；获取实际传感器信息组的传感器数量，提取历史融合事件中传感器数量相同的各类信息融合事件；选取实际传感器信息组中的任意一个传感器信息，读取另一组传感器信息组中是否存在相同的传感器信息，若任意一个传感器信息都相同，得到若干个传感器数量相同且传感器信息相同的信息融合事件；提取实际信息采纳率最高的一个传感器，设定第i个传感器为关键传感器，从若干个传感器数量相同且传感器信息相同的信息融合事件中提取第i个传感器为关键传感器的信息融合事件。

步骤S400：通过比较各个传感器的实际信息采纳率和期望信息采纳率，对各个传感器传递给信息融合模型的信息传递过程进行调整；

其中，所述步骤S400包括以下步骤：

步骤S401：获取关键传感器为第i个传感器的信息融合事件中关键传感器的期望信息采纳率G_i，设第i个传感器的实际信息采纳率为B_i；若B_i<G_i，则获取历史最近n次相同信息融合事件，若所述n次相同信息融合事件中均为B_i<G_i，获取信息融合模型对第i个传感器传递信息的未采纳时间区间，当传感器经过未采纳时间区间时，则停止向信息融合模型传递信息；

步骤S402：获取相关传感器的期望信息采纳率设定其他传感器的实际信息信息采纳率为B_j，其中，j≠i，B_j为第j个传感器的实际信息采纳率；若则获取信息融合模型对第j个传感器传递信息的未采纳时间区间T＝{T₁,T₂,…,T_p,…,T_q}，其中，T_p为第p个未采纳时间区间，T_p∈(min_p,max_p)，min_p为第p个未采纳时间区间的最小时刻，max_p为第p个未采纳时间区间的最大时刻，q为未采纳时间区间的数量；

步骤S403：获取未采纳时间区间T的总时长若 或则调整第j个传感器向信息融合模型传递信息量为 其中，m_j为第j个传感器的实际信息传递量m_i，计算得到第j个传感器的新信息传递量m′_j；

步骤S404：选取任意三个连续未采纳时间区间，设第p个未采纳时间区间T_p∈(min_p,max_p)、第p+1个未采纳时间区间T_p+1∈(min_p+1,max_p+1)和第p-1个未采纳时间区间T_p-1∈(min_p-1,max_p-1)，若时，设定排除未采纳信息时需排除的采纳信息量为x，根据公式：

计算得到排除未采纳信息时需排除的采纳信息量x；调整第j个传感器每隔信息传递量t向信息融合模型传递信息，其中，

一种基于区块链的多传感器信息融合系统，所述融合系统包括了划分模块、预期目标设定模块、目标确认模块和调整模块；

所述划分模块，用于设定一次信息融合事件为将传感器采集到的信息放入信息融合模型中进行特征提取并融合，得到融合信息的一次过程；根据历史每一次融合信息事件在信息融合模型中的信息来源，生成传感器信息组；通过比较任意两组传感器信息组的传感器信息对历史信息融合事件进行分类；

所述预期目标设定模块，用于获取历史同类信息融合事件中每一次信息融合事件，各个传感器传递给信息融合模型的信息传递量和信息融合模型的信息采纳量，计算得到每个传感器的信息采纳率；根据信息采纳率的大小将一次信息融合事件中的各个传感器分为关键传感器和相关传感器，根据历史关键传感器和相关传感器的信息采纳率，得到一次信息融合事件中关键传感器和相关传感器的期望信息采纳率；

所述目标确认模块，用于当若干个传感器进行信息采集时，根据各个传感器传递给信息融合模型的实际信息传递量和信息融合模型的实际信息采纳量，得到各个传感器的实际信息采纳率；根据各个传感器的传感器信息和关键传感器，确定所述若干个传感器的期望信息采纳率；

所述调整模块，用于通过比较各个传感器的实际信息采纳率和期望信息采纳率，对各个传感器传递给信息融合模型的信息传递过程进行调整。

其中，所述划分模块包括了传感器信息组生成单元和分类单元；

所述传感器信息组生成单元，用于设定一次信息融合事件为将传感器采集到的信息放入信息融合模型中进行特征提取并融合，得到融合信息的一次过程；根据历史每一次融合信息事件在信息融合模型中的信息来源，生成传感器信息组；所述分类单元，用于通过比较任意两组传感器信息组的传感器信息对历史信息融合事件进行分类。

其中，所述预期目标设定模块包括了信息采纳率计算单元、传感器划分单元和期望信息采纳率计算单元；

所述信息采纳率计算单元，用于获取历史同类信息融合事件中每一次信息融合事件，各个传感器传递给信息融合模型的信息传递量和信息融合模型的信息采纳量，计算得到每个传感器的信息采纳率；所述传感器划分单元，用于根据信息采纳率的大小将一次信息融合事件中的各个传感器分为关键传感器和相关传感器；所述期望信息采纳率计算单元，用于根据各个传感器的传感器信息和关键传感器，确定所述若干个传感器的期望信息采纳率。

其中，所述目标确认模块包括了实际信息采纳率单元和期望信息采纳率确认单元；

所述实际信息采纳率单元，用于当若干个传感器进行信息采集时，根据各个传感器传递给信息融合模型的实际信息传递量和信息融合模型的实际信息采纳量，得到各个传感器的实际信息采纳率；所述期望信息采纳率确认单元，用于根据各个传感器的传感器信息和关键传感器，确定所述若干个传感器的期望信息采纳率。

对历史信息融合事件进行特征提取，捕捉每一个特征在信息融合模型中的信息来源，得到每一个特征对应的传感器信息，其中第一次信息融合事件对应传感器A、B、C，第二次信息融合事件对应传感器A、B，第三次信息融合事件对应传感器B、C，第四次信息融合事件对应传感器A、B、C，将第一次信息融合事件和第四次信息融合事件划分为同一类；

设第一次信息融合事件采纳率最高的传感器为传感器A，第四次信息融合事件采纳率最高的传感器为传感器B，则对于第一次信息融合事件将传感器A作为关键传感器，对于第四次信息融合事件将传感器B作为关键传感器，得到关键传感器A的信息采纳率为95％，关键传感器B的信息采纳率为95％；第一次信息融合事件相关传感器的信息采纳率为70％，第四次信息融合事件的相关传感器的信息采纳率为70％；

当正在进行信息采集时，获取正在进行信息采集的传感器信息，得到进行信息采集的传感器为A、B、C，当各个传感器将信息传递给信息融合模型中时，计算各个传感器的信息采纳率，其中A为94％，B为75％，C为60％，因为A为关键传感器且94％小于95％，因此选取历史3次传感器ABC且A为关键传感器的信息融合事件，因为存在0次信息融合事件符合，因此判断此次信息采纳率低于期望信息采纳率为特殊情况，不对传感器A的信息传递过程进行调整；

因此C的信息采纳率60％小于70％，因此，获取未采纳时间区间为5s-10s，15s-20s，25s-30s，因为25-20-(15-10)＝0，因此设定未采纳信息时需排除的采纳信息量为x，

计算得到排除未采纳信息时需排除的采纳信息量x＝33.3，

因此整第j个传感器每隔37.4条信息传递量向信息融合模型传递信息。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。

最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种基于区块链的多传感器信息融合方法，其特征在于：所述融合方法包括以下步骤：

步骤S100：设定一次信息融合事件为将传感器采集到的信息放入信息融合模型中进行特征提取并融合，得到融合信息的一次过程；根据历史每一次融合信息事件在信息融合模型中的信息来源，生成传感器信息组；通过比较任意两组传感器信息组的传感器信息对历史信息融合事件进行分类；

步骤S200：获取历史同类信息融合事件中每一次信息融合事件，各个传感器传递给信息融合模型的信息传递量和信息融合模型的信息采纳量，计算得到每个传感器的信息采纳率；根据信息采纳率的大小将一次信息融合事件中的各个传感器分为关键传感器和相关传感器，根据历史关键传感器和相关传感器的信息采纳率，得到一次信息融合事件中关键传感器和相关传感器的期望信息采纳率；

步骤S300：当若干个传感器进行信息采集时，根据各个传感器传递给信息融合模型的实际信息传递量和信息融合模型的实际信息采纳量，得到各个传感器的实际信息采纳率；根据各个传感器的传感器信息和关键传感器，确定所述若干个传感器的期望信息采纳率；

步骤S400：通过比较各个传感器的实际信息采纳率和期望信息采纳率，对各个传感器传递给信息融合模型的信息传递过程进行调整。

2.根据权利要求1所述的一种基于区块链的多传感器信息融合方法，其特征在于：所述步骤S100包括以下步骤：

步骤S101：读取历史信息融合事件中每一次信息融合事件，提取每一次信息融合事件在信息融合模型中生成的若干个特征，捕捉每一个特征在信息融合模型中的信息来源，得到每一个特征对应的传感器信息，生成一次信息融合事件的传感器信息组；

步骤S102：获取历史信息融合事件中每一次信息融合事件的传感器信息组，选取任意两次信息融合事件的两组传感器信息组，比较两组传感器信息组的传感器数量是否相同，若数量相同，则选取其中一组传感器信息组中的任意一个传感器信息，读取另一组传感器信息组中是否存在相同的传感器信息，若存在相同的传感器信息，则将所述两组传感器信息组对应的两次信息融合事件划分为同一类。

3.根据权利要求2所述的一种基于区块链的多传感器信息融合方法，其特征在于：所述步骤S200包括以下步骤：

步骤S201：选取历史信息融合事件中任意一类信息融合事件中的任意两次信息融合事件，提取两次信息融合事件在信息融合模型中生成的融合信息；

步骤S202：选取其中一次信息融合事件，在信息融合模型中获取各个传感器传送给信息融合模型的信息传递量M_i，其中，M_i为第i个传感器传送给信息融合模型的信息传递量；获取信息融合模型中进行特征提取时信息融合模型对各个传感器的信息采纳量C_i，其中，C_i为信息融合模型对第i个传感器传递信息的信息采纳量，计算得到在所述信息融合事件中第i个传感器的信息采纳率为A_i＝C_i/M_i；

步骤S203：将一次信息融合事件中信息采纳率最高的一个传感器作为所述信息融合事件的关键传感器，设其余传感器为相关传感器；设定一类信息融合事件中关键传感器相同的信息融合事件为相同信息融合事件，且相同信息融合事件中第i个传感器的信息采纳率A_i最高；获取历史第i个传感器的信息采纳率最高的相同信息融合事件的总次数为N_i，根据公式：

L_i＝N_i-ceil(N_i×τ)

其中，ceil()为向上取整函数，τ为数据选择率，计算得到相同信息融合事件的事件选择数；将相同信息融合事件按照信息采纳率A_i从高到低进行排序，选择第L_i个信息采纳率作为所述相同信息融合事件中第i个传感器的期望信息采纳率G_i；

步骤S204：提取每次相同信息融合事件中各个相关传感器的信息采纳率，对各个相关传感器的信息采纳率求平均值，计算得到平均信息采纳率其中，为第j个传感器的平均信息采纳率；将第j个传感器的平均信息采纳率作为第j个传感器的期望信息采纳率。

4.根据权利要求3所述的一种基于区块链的多传感器信息融合方法，其特征在于：所述步骤S300包括以下步骤：

步骤S301：获取第i个传感器将采集到的信息传递到信息融合模型中的实际信息传递量m_i；通过信息融合模型对每一个传感器传递过来的信息进行选取，设定第i个传感器的实际信息采纳量为c_i，计算得到第i个传感器的实际信息采纳率B_i＝c_i/m_i；

步骤S302：通过信息融合模型确定传递信息的各个传感器信息，生成实际传感器信息组；获取实际传感器信息组的传感器数量，提取历史融合事件中传感器数量相同的各类信息融合事件；选取实际传感器信息组中的任意一个传感器信息，读取另一组传感器信息组中是否存在相同的传感器信息，若任意一个传感器信息都相同，得到若干个传感器数量相同且传感器信息相同的信息融合事件；提取实际信息采纳率最高的一个传感器，设定第i个传感器为关键传感器，从若干个传感器数量相同且传感器信息相同的信息融合事件中提取第i个传感器为关键传感器的信息融合事件。

5.根据权利要求4所述的一种基于区块链的多传感器信息融合方法，其特征在于：所述步骤S400包括以下步骤：

步骤S401：获取关键传感器为第i个传感器的信息融合事件中关键传感器的期望信息采纳率G_i，设第i个传感器的实际信息采纳率为B_i；若B_i＜G_i，则获取历史最近n次相同信息融合事件，若所述n次相同信息融合事件中均为B_i＜G_i，获取信息融合模型对第i个传感器传递信息的未采纳时间区间，当传感器经过未采纳时间区间时，则停止向信息融合模型传递信息；

步骤S402：获取相关传感器的期望信息采纳率设定其他传感器的实际信息信息采纳率为B_j，其中，j≠i，B_j为第j个传感器的实际信息采纳率；若则获取信息融合模型对第j个传感器传递信息的未采纳时间区间T＝{T₁，T₂，…，T_p，…，T_q}，其中，T_p为第p个未采纳时间区间，T_p∈(min_p，max_p)，min_p为第p个未采纳时间区间的最小时刻，max_p为第p个未采纳时间区间的最大时刻，q为未采纳时间区间的数量；

步骤S403：获取未采纳时间区间T的总时长若 或则调整第j个传感器向信息融合模型传递信息量为 其中，m_j为第j个传感器的实际信息传递量m_i，计算得到第j个传感器的新信息传递量m′_j；

步骤S404：选取任意三个连续未采纳时间区间，设第p个未采纳时间区间T_p∈(min_p，max_p)、第p+1个未采纳时间区间T_p+1∈(min_p+1，max_p+1)和第p-1个未采纳时间区间T_p-1∈(min_p-1，max_p-1)，若 时，设定排除未采纳信息时需排除的采纳信息量为x，根据公式：

计算得到排除未采纳信息时需排除的采纳信息量x；调整第j个传感器每隔信息传递量t向信息融合模型传递信息，其中，

6.应用于权利要求1-5中任一项所述的一种基于区块链的多传感器信息融合方法的多传感器信息融合系统，其特征在于：所述融合系统包括了划分模块、预期目标设定模块、目标确认模块和调整模块；

所述划分模块，用于设定一次信息融合事件为将传感器采集到的信息放入信息融合模型中进行特征提取并融合，得到融合信息的一次过程；根据历史每一次融合信息事件在信息融合模型中的信息来源，生成传感器信息组；通过比较任意两组传感器信息组的传感器信息对历史信息融合事件进行分类；

所述预期目标设定模块，用于获取历史同类信息融合事件中每一次信息融合事件，各个传感器传递给信息融合模型的信息传递量和信息融合模型的信息采纳量，计算得到每个传感器的信息采纳率；根据信息采纳率的大小将一次信息融合事件中的各个传感器分为关键传感器和相关传感器，根据历史关键传感器和相关传感器的信息采纳率，得到一次信息融合事件中关键传感器和相关传感器的期望信息采纳率；

所述目标确认模块，用于当若干个传感器进行信息采集时，根据各个传感器传递给信息融合模型的实际信息传递量和信息融合模型的实际信息采纳量，得到各个传感器的实际信息采纳率；根据各个传感器的传感器信息和关键传感器，确定所述若干个传感器的期望信息采纳率；

所述调整模块，用于通过比较各个传感器的实际信息采纳率和期望信息采纳率，对各个传感器传递给信息融合模型的信息传递过程进行调整。

7.根据权利要求6所述的多传感器信息融合系统，其特征在于：所述划分模块包括了传感器信息组生成单元和分类单元；

所述传感器信息组生成单元，用于设定一次信息融合事件为将传感器采集到的信息放入信息融合模型中进行特征提取并融合，得到融合信息的一次过程；根据历史每一次融合信息事件在信息融合模型中的信息来源，生成传感器信息组；所述分类单元，用于通过比较任意两组传感器信息组的传感器信息对历史信息融合事件进行分类。

8.根据权利要求7所述的多传感器信息融合系统，其特征在于：所述预期目标设定模块包括了信息采纳率计算单元、传感器划分单元和期望信息采纳率计算单元；

所述信息采纳率计算单元，用于获取历史同类信息融合事件中每一次信息融合事件，各个传感器传递给信息融合模型的信息传递量和信息融合模型的信息采纳量，计算得到每个传感器的信息采纳率；所述传感器划分单元，用于根据信息采纳率的大小将一次信息融合事件中的各个传感器分为关键传感器和相关传感器；所述期望信息采纳率计算单元，用于根据各个传感器的传感器信息和关键传感器，确定所述若干个传感器的期望信息采纳率。

9.根据权利要求7所述的多传感器信息融合系统，其特征在于：所述目标确认模块包括了实际信息采纳率单元和期望信息采纳率确认单元；

所述实际信息采纳率单元，用于当若干个传感器进行信息采集时，根据各个传感器传递给信息融合模型的实际信息传递量和信息融合模型的实际信息采纳量，得到各个传感器的实际信息采纳率；所述期望信息采纳率确认单元，用于根据各个传感器的传感器信息和关键传感器，确定所述若干个传感器的期望信息采纳率。