一种多传感器交叉提示目标跟踪方法及装置

1.本发明属于机动目标跟踪领域，具体涉及一种多传感器交叉提示目标跟踪方法及装置。


背景技术：

2.机动目标跟踪技术是利用传感器的测量信息，结合滤波算法实现对目标状态的估计，有利于现代防御系统及时对目标进行预警并打击。然而在现代化战争中，随着空袭兵器的性能不断提升，防御系统的探测范围逐渐减小，反应速度逐步降低，使得系统无法及时、连续、有效地对目标做出反应。因此如何高效利用探测防御手段并结合目标跟踪技术，实现对目标的早期预警和跟踪是当前防空系统研究的热点。
3.目前防御空袭兵器有效的方案是建立分层防御体系。该体系包括综合运用多种预警探测设备解决目标及时、远距离探测；实施多层拦截解决低空/隐身目标的有效防御；运用多传感器交叉提示技术解决目标连续、高概率探测。其中多传感器交叉提示技术是建立高效探测防御体系的关键技术，主要原因在于当目标来袭时，单个传感器难以精确获取目标的全部信息；当使用多个传感器时，由于传感器资源有限无法同时工作。
4.对于采用基于交叉提示技术的多传感器协同探测的机动目标跟踪系统来说，传感器的工作效率与目标跟踪性能都极为重要，然而大多数研究通常以提升系统中跟踪算法的求解速度为目的，求解质量却没有提高，导致依然存在目标探测不够精准，多传感器工作效率低、跟踪信号容易丢失的技术问题。


技术实现要素：

5.本发明的目的是提供一种多传感器交叉提示目标跟踪方法及装置，通过合理的选择工作状态的传感器的数量，构建传感器组并提升了工作效率，进而提升目标跟踪精度。
6.本发明采用以下技术方案：一种多传感器交叉提示目标跟踪方法，包括：
7.获取所有传感器的工作状态信息，得到处于工作状态的传感器的第一数量；
8.将第一数量与传感器工作数量阈值进行比较，根据比较结果选择传感器组；其中，传感器组中传感器的数量等于传感器工作数量阈值；
9.获取传感器组中每个传感器输出的目标探测信息；
10.将所有目标探测信息进行融合，得到目标融合探测信息；
11.根据目标融合探测信息确定最终目标状态信息。
12.进一步地，根据比较结果选择传感器组包括：
13.当第一数量不为0且小于传感器工作数量阈值时，计算第一数量与传感器工作数量阈值的第一差值；
14.在非工作状态的传感器中选择与第一差值数量对应的传感器加入传感器组。
15.进一步地，当第一数量为0时包括：
16.不选择传感器加入传感器组；
17.当第一数量为0且上一时刻的第一数量不为0时，根据上一时刻的最终目标状态信息选择传感器工作数量阈值加入传感器组。
18.进一步地，根据比较结果选择传感器组还包括：
19.当第一数量大于传感器工作数量阈值时，在处于工作状态的传感器中选择与传感器工作数量阈值对应的传感器加入传感器组。
20.进一步地，根据比较结果选择传感器组还包括：
21.当第一数量等于传感器工作数量阈值时，将所有处于工作状态的传感器加入传感器组。
22.进一步地，传感器的选择方法包括：
[0023][0024][0025]
其中，p为传感器组的探测精度，d为传感器组与目标的相对距离，pi为传感器组中第i个传感器的探测精度，ri为传感器组中第i个传感器的探测距离，(xi,yi,zi)为传感器组中第i个传感器坐标；(x,y,z)是目标的坐标；di为传感器组中第i个传感器与目标之间的相对距离，n为传感器组中传感器的数量。
[0026]
进一步地，将所有目标探测信息进行融合包括：
[0027]
计算传感器组中每个传感器的加权因子；
[0028]
根据每个传感器的加权因子对所有目标探测信息进行融合。
[0029]
进一步地，加权因子的计算方法为：
[0030][0031]
其中，wj为传感器组中第j个传感器的加权因子，rj为传感器组中第j个传感器的观测噪声协方差。
[0032]
进一步地，根据目标融合探测信息确定最终目标状态信息包括：
[0033]
将目标融合探测信息作为观测信息，利用交互多模型无迹卡尔曼滤波方法对目标的状态信息进行估计，得到最终目标状态信息。
[0034]
本发明的另一种技术方案：一种多传感器交叉提示目标跟踪装置，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述的一种多传感器交叉提示目标跟踪方法。
[0035]
本发明的有益效果是：本发明通过构建传感器组，可以协调管理多个传感器，避免所有传感器同时工作，且可实现对目标快速且准确的追踪，提升传感器的工作效率；同时采用加权融合的方法对传感器组的目标探测信息进行融合，获取更为准确的最终目标状态信息，进而保证系统具有较好的目标跟踪性能。
附图说明
[0036]
图1为本发明实施例中构建的多类型、多层次的传感器协同探测系统结构示意图；
[0037]
图2为本发明实施例中敌机、预警机飞行轨迹和雷达分布示意图；
[0038]
图3为本发明实施例的方法与无交叉提示目标跟踪方法的传感器实时响应对比图；
[0039]
图4为本发明实施例方法与无交叉提示目标跟踪方法的位置均方根误差对比图；
[0040]
图5为本发明实施例方法与无交叉提示目标跟踪方法的速度均方根误差对比图；
[0041]
图6为本发明实施例方法与无交叉提示目标跟踪方法的位置、速度均方根误差的均值对比图。
具体实施方式
[0042]
下面结合附图和具体实施方式对本发明进行详细说明。
[0043]
本发明公开了一种多传感器交叉提示目标跟踪方法，包括：获取所有传感器的工作状态信息，得到处于工作状态的传感器的第一数量；将第一数量与传感器工作数量阈值进行比较，根据比较结果选择传感器组；其中，传感器组中传感器的数量等于传感器工作数量阈值；获取传感器组中每个传感器输出的目标探测信息；将所有目标探测信息进行融合，得到目标融合探测信息；根据目标融合探测信息确定最终目标状态信息。
[0044]
本发明通过构建传感器组，可以协调管理多个传感器，避免所有传感器同时工作，且可实现对目标快速且准确的追踪，提升传感器的工作效率；同时采用加权融合的方法对传感器组的目标探测信息进行融合，获取更为准确的最终目标状态信息，进而保证系统具有较好的目标跟踪性能。
[0045]
在本发明实施例中建立了多类型、多层次的传感器协同探测系统，使得系统能够综合利用传感器的探测信息实现对空中目标的早期预警、精确探测与跟踪，同时便于防空系统尽快展开防御手段。
[0046]
首先选取多类型的传感器探测设备。地面平台传感器易受到地球曲率和地势的影响，产生探测盲区，并且其位置固定易受到蓝方干扰或攻击，进而导致传感器探测精度下降。而空中平台传感器设备处于高空并且具有机动性，在一定程度上能够克服地面传感器的缺陷，探测范围和活动范围都较广，利于增长预警时间并实施引导指挥，因此本发明实施例中主要采用陆地与空中两种类型平台的不同传感器组合。
[0047]
陆地平台传感器设备选择雷达。雷达是一种能够探测远距离目标的传感器，具有全天候、全天时工作的优点，按照用途不同主要有四种类型：远程警戒雷达、搜索警戒雷达、引导指挥雷达和测高雷达。
[0048]
雷达探测距离公式如下：
[0049][0050]
其中，ρ
max
是雷达在自由空间的最大探测距离，p
t
是天线所辐射的脉冲功率，g是天线定向增益，a是天线孔径有效面积，σ是雷达散射截面积，p
min
是接收机最小可接收信号功率。
[0051]
由式(1)可知，雷达的脉冲功率随着探测距离越远而越高，相应地当地能源供应压力也就越高，使得探测精度降低(即二者成反比)，因此在选择雷达网络时并不是探测距离越远越好。为确保系统在实现远距离探测的同时具有较高的测量精度，本实施例采用搜索
警戒雷达与测高雷达相结合实现空中目标的远距离探测；同时采用引导指挥雷达实现近距离获取更为精确的目标信息。
[0052]
空中则采用预警机对目标进行探测，本发明中的目标指的是蓝方入侵的飞行器，可以理解为蓝方飞机。预警机将整套雷达系统置于红方飞机上，增高了雷达天线的高度，能够提升雷达搜索范围和探测距离，为系统提供较佳的预警和探测效果。同时预警机发现目标后能够对目标整个飞行过程的进行持续跟踪，增大预警时间；战争时还可以指挥并引导己方各种防空兵器执行作战任务。
[0053]
其次组建多层次传感器探测体系，确定探测设备的几何分布。由于目标多在防区外沿来袭方向的任何时刻袭击红方重要设施，所以必须实施多层拦截，以保证系统尽可能早地完成防空任务。
[0054]
为了对目标实施早期预警，并最大程度地发挥多传感器的探测能力，本发明根据目标运动轨迹、设置的探测设备类型及其性能组建具有双层防线的传感器探测体系：第一层由搜索警戒雷达和测高雷达组成，主要负责远程探测警戒，实现早期预警并为后续的拦截操作争取时间；第二层由引导指挥雷达组成，根据重要设施位置和目标初始位置采用等边三角形面状布阵，主要负责进程点防御探测，确保探测精度和效果。在此基础上，采用预警机为红方探测系统提供持续、可靠的目标指示信息，增大预警时间。
[0055]
综上，本发明实施例构建的多类型、多层次的传感器协同探测系统结构如图1所示。
[0056]
综合探测需求和系统资源建立多传感器交叉提示的动态联盟模型(即本发明中的传感器组)，根据所确定的目标函数和约束条件实现交叉提示机制，进而提升传感器的工作效率并保证目标连续可见。
[0057]
假设传感器协同探测系统中共m个传感器{s1,s2,
…
,sm}对目标进行探测，预先设定传感器联盟数(即传感器组中传感器的数量)为n(n≤m)，各时刻实际响应的传感器数为n(即某个时刻不使用本发明方法时响应的传感器数量)。本发明的传感器联盟目的为多传感器探测网对目标的探测精度p最高，相对距离d最低。于是动态联盟模型可抽象成求解多目标函数优化模型的问题。也就是说本发明中传感器的选择方法包括：
[0058][0059][0060]
其中，p为传感器组的探测精度，d为传感器组与目标的相对距离，pi为传感器组中第i个传感器的探测精度，ri为传感器组中第i个传感器的探测距离，(xi,yi,zi)为传感器组中第i个传感器坐标；(x,y,z)是目标的坐标；di为传感器组中第i个传感器与目标之间的相对距离，n为传感器组中传感器的数量。
[0061]
根据上述的传感器选择方法，进行各个时刻传感器的选择，具体分为以下几种情况：
[0062]
当第一数量不为0且小于传感器工作数量阈值时，计算第一数量与传感器工作数量阈值的第一差值；在非工作状态的传感器中选择与第一差值数量对应的传感器加入传感器组。即当n＜n时，响应的传感器数小于传感器联盟数。系统将采用交叉提示机制，使响应
的传感器依次提示未响应且相对距离di最小的传感器指向目标，做好协同探测的准备，即：
[0063][0064]
其中，表示已经响应的第i个传感器，表示未响应的传感器中距离目标距离第i小的传感器。
[0065]
更为具体的，当第一数量为0时包括：不选择传感器加入传感器组。
[0066]
在这种情况下，当k＝1时，k为时刻序数，对各个传感器工作状态进行初始化，令：
[0067]
unionsensors(k,1:n)＝ 0
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)
[0068]
其中，unionsensors(k,1:n)为k时刻传感器联盟中n个响应的传感器，0表示没有传感器响应，这种状态下即表示该系统启动后的第1个时刻，此时所有传感器都没有响应，因为还没有检测到蓝方目标，此时，不需要选择传感器组，所以，传感器联盟中有0个传感器响应。
[0069]
另外，若k-1和k时刻各传感器都未发现目标，则传感器联盟保持与上一时刻的状态一致，即：
[0070]
unionsensors(k,1:n)＝unionsensors(k-1,1:n)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)
[0071]
此时，表示前面时刻没有传感器响应，也就是说一直没有发现目标，所以，传感器联盟中的传感器数量还是0。
[0072]
还有一种情况，当第一数量为0且上一时刻的第一数量不为0时，根据上一时刻的最终目标状态信息选择传感器工作数量阈值加入传感器组。即若k-1时刻n≠0，k时刻n＝0，即目标丢失。此时系统应提示其他未响应过且相对距离最小的n个传感器对目标可能的运动范围进行搜索，同时使用跟踪模型对目标进行轨迹预测，如果一定时间后(如100s)后仍未获得目标信息，恢复初始化。相应的传感器联盟为：
[0073][0074]
其中，为上一时刻未响应且相对距离第i小传感器(即从小到大排序的第i个传感器)。
[0075]
另外，当第一数量等于传感器工作数量阈值时，将所有处于工作状态的传感器加入传感器组。即当n＝n时，此时响应的传感器数等于传感器联盟数。传感器联盟迅速构建并进行工作，即：
[0076][0077]
最后，还有一种情况，是当第一数量大于传感器工作数量阈值时，在处于工作状态的传感器中选择与传感器工作数量阈值对应的传感器加入传感器组。即当n＞n时，此时响应的传感器数大于目标传感器联盟数，为了节省传感器资源的同时保证探测精度，需要选择合适的传感器进行协同探测。假设传感器探测精度的权重α＝0.8，相对距离权重β＝0.2，结合目标函数获得综合探测效果ηi(i＝1
…
n)，得到传感器联盟如下：
[0078][0079]
其中，为综合探测效果第i的传感器。
[0080]
至此，完成多传感器交叉提示优化模型的建立与传感器资源管理。可见目标丢失时，传感器联盟提示未响应过且相对距离最近的传感器依次在目标飞行的区域进行搜索，
可以减少传感器探测周期时间，并且能够尽快锁定目标位置获取信息。当响应的传感器数小于联盟数时，也先提示未响应过且相对距离小的传感器进行待命，保证目标在传感器交接过程中连续可见。如果响应的传感器数大于传感器联盟数，此时多个传感器同时响应会造成不必要的浪费，因此综合多目标函数选择探测精度高、相对距离绝对值大的传感器进行工作，一方面保证跟踪精度较高，另一方面可以使目标在一段时间内均可见。根据以上分析可知在传感器联盟过程中采用所述的交叉提示技术不仅能够保证目标连续可见，还可以提升传感器的工作效率，有利于多传感器协同探测系统整体性能的提升。
[0081]
接下来，需要将所有目标探测信息进行融合，具体方法包括：计算传感器组中每个传感器的加权因子；根据每个传感器的加权因子对所有目标探测信息进行融合。
[0082]
具体的，采用最优加权融合方法进行探测信息融合。当传感器完成对目标参数的测量后，以某一传感器节点为融合中心，在最小方差准则下实现传感器联盟的探测信息融合，利于目标跟踪精度的提高。
[0083]
传感器j的观测方程为：
[0084]
zj(k)＝h(x(k))+vj(k)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(10)
[0085]
其中，x(k)、zj(k)分别为k时刻系统状态向量和传感器j的观测值，h(
·
)为描述观测方程的非线性函数，传感器j的观测噪声vj(k)是零均值白高斯噪声，满足vj(k)～n(vj(k)；0,rj)。
[0086]
假设各传感器的观测无偏且相互独立，则观测信息的融合估计和相应噪声协方差r可表示为：
[0087][0088][0089][0090]
其中，wj为传感器j观测数据的权重，n为k时刻响应的传感器数(即传感器联盟数或传感器组中传感器的数量)。
[0091]
为了使式(12)的噪声协方差最小，构造含拉格朗日乘子的辅助函数：
[0092][0093]
对辅助函数式(14)求导得：
[0094][0095]
联立式(11)-(15)解得最优加权因子wj为：
[0096][0097]
其中，wj为传感器组中第j个传感器的加权因子，rj为传感器组中第j个传感器的观测噪声协方差。
[0098]
将wj代入式(11)-(12)中得到观测的最优加权融合估计和相应噪声协方差r如下：
[0099][0100][0101]
综上，即得到了融合目标探测信息，下一步则要根据目标融合探测信息确定最终目标状态信息，具体是将目标融合探测信息作为观测信息，利用交互多模型无迹卡尔曼滤波方法对目标的状态信息进行估计，得到最终目标状态信息。
[0102]
将上述步骤中获得的融合观测结果(即融合目标探测信息)作为观测量代入机动目标跟踪的系统方程中，通过滤波算法得到目标的状态估计结果，实现基于多传感器交叉提示的目标跟踪方法。
[0103]
对于机动目标跟踪系统中，系统状态方程和观测方程满足具有加性噪声的非线性动态系统，如下所示：
[0104]
x(k)＝f(x(k-1))+w(k)
ꢀꢀꢀꢀꢀꢀ
(19)
[0105]
z(k)＝h(x(k))+v(k)
ꢀꢀꢀꢀꢀꢀꢀ
(20)
[0106]
其中，x(k)∈rn、z(k)∈rm分别是k时刻系统的状态向量和观测向量；f(
·
)、h(
·
)分别是描述系统状态模型和量测模型的非线性函数；过程噪声w(k)∈rn和量测噪声v(k)∈rm为互不相关的零均值白高斯噪声，其协方差矩阵分别为q(k)∈rn×n和r(k)∈rm×m。
[0107]
由于目标处于机动状态，而交互多模型无迹卡尔曼滤波算法(imm-ukf)能够利用多个运动模型匹配目标的不同机动状态，并且能够根据当前目标的运动特性改变所使用的模型，具有较好的自适应性，因此本发明采用imm-ukf作为机动目标的跟踪算法。
[0108]
根据式(19)-(20)所描述的非线性系统，假设imm-ukf中模型集由r个数学模型构
成，算法具体步骤如下：
[0109]
首先进行输入交互，计算子滤波器j(j＝1
…
r)的初始混合状态估计和协方差估计
[0110][0111][0112][0113][0114]
其中，分别为k-1时刻模型i的状态估计值和相应协方差，μi(k-1)为k-1时刻模型i的概率，为计算模型i到模型j输入交互概率的归一化常数，p
ij
为从模型i转移到模型j的概率。
[0115]
其次各模型并行滤波，将作为输入进行ukf滤波，得到状态估计和相应协方差pj(k|k)。
[0116]
然后利用子滤波器的新息向量和相应协方差矩阵构造似然函数，更新模型j在k时刻的概率μj(k)：
[0117][0118][0119][0120]
其中，λj(k)为模型j在k时刻的似然函数，c为计算模型j概率的归一化常数，为子滤波器j在k时刻的新息向量，p
zz(j)
(k)为相应的新息协方差，n为量测向量z(k)的维数。
[0121]
最后对各子滤波器获得的状态和协方差进行加权求和完成输出交互，得到混合状态估计以及协方差，计算如下：
[0122]
[0123][0124]
综上，本发明在目标跟踪系统中采用多传感器交叉提示技术，首先对防空系统中传感器的工作方式进行改进，建立了传感器联盟及其优化模型，使传感器由各自探测的方式转变为传感器联盟对目标协同探测的方式，并在交叉提示机制下能够在保证目标跟踪精度的同时节省传感器资源、提升传感器工作效率；同时，在目标跟踪算法前利用最优融合算法实现传感器探测数据的融合，进一步提高系统的跟踪性能。
[0125]
为了进一步验证本发明方法的技术效果，还进行了如下验证实施例。
[0126]
首先设置如下情景构建目标的初始动力学参数：
[0127]
以指挥中心为坐标原点，x、y、z轴分别为正东、正北和高度方向，坐标单位长度为千米建立笛卡尔坐标系。假设重要设施的坐标为(200，700，0)；敌机从(2000，2500，30)的初始位置以(0，-500m/s，0)的初始速度向重要设施方向做机动飞行。
[0128]
假设红方有8个探测传感器对目标进行探测，各传感器编号对应的传感器类型分别为：1、2号传感器为搜索警戒雷达；3、4号为测高雷达；5、6和7号为引导指挥雷达；8号为预警机。采用的搜索警戒雷达、测高雷达和引导指挥雷达的探测距离分别为700km、650km、300km，量测噪声协方差分别为r
1，2
＝diag([1020.032])、r
3,4
＝0.52、r
5,6,7
＝diag([2
2 0.001
212
])。预警机的探测距离为500km，量测噪声协方差r＝diag([5
2 0.003
2 22])，从坐标(1000，0，10)处以(0，230m/s，0)的速度向正北方向出发巡逻，保护红方重要设施的安全。探测精度矩阵为[-10,-10,-10,-10,-2,-2,-2,-8]，其中，第i个元素代表i号传感器的探测精度；设定传感器联盟数为3。敌机、预警机飞行轨迹和雷达分布如图2所示。
[0129]
滤波算法中模型集由匀速运动模型和“当前”统计模型构成，“当前”统计模型最大加速度am＝0.03m
·
s-2
，机动频率α＝0.05；马尔科夫概率转移矩阵p与模型概率u分别为：
[0130][0131]
u＝[0.5 0.5]
ꢀꢀꢀꢀꢀꢀꢀ
(31)
[0132]
三轴方向的滤波初始状态分别为：三轴方向的滤波初始状态分别为：初始状态协方差均为
[0133]
按上述步骤实现有交叉提示目标跟踪方法，并在相同条件下与无交叉提示目标跟踪算法进行比较分析。仿真时间2500s，对全过程进行100次montel-carlo仿真，采用均方根误差(rmse)作为评判准则，其定义为：
[0134][0135]
[0136]
其中，m为蒙特卡洛模拟次数，k＝1,2,
…
,n
′
,n
′
为采样次数，xi(k)表示第i次蒙特卡罗仿真时的真实值，表示第i次蒙特卡罗仿真时的估计值，armse为均方根误差均值。
[0137]
图3给出了有交叉提示和无交叉提示目标跟踪算法的各传感器响应时段。可见采用无交叉提示目标跟踪算法时，跟踪目标在1536-1599s内丢失使得系统短暂失效；并且在系统刚开始探测到目标时，该方法没有及时获取目标高度信息；同时该方法在部分时间段内存在多个传感器同时工作的问题，这将导致传感器资源浪费。而采用本发明交叉提示方法的系统在目标丢失时能够让未响应过的传感器在目标运动范围附近进行搜索，并在多传感器覆盖空隙处通过对目标模型进行预测，进而实现目标连续可见；并且由于各时刻均采用部分传感器进行工作，使得系统能够在保证跟踪性能的同时降低资源消耗。
[0138]
值得指出的是，由于本发明在使用交叉提示技术前进行防御系统部署，使得保护设施附近传感器并不多，因此采用交叉提示算法没有过于明显降低系统整体资源的消耗率，但是当保护设施附近传感器较多时，节省效果则更为明显。
[0139]
图4和图5分别给出了有交叉提示和无交叉提示目标跟踪算法的位置、速度均方根误差，图6则为两种方法位置、速度的armse。可见有交叉提示的目标跟踪算法整体精度更高，主要原因是该方法将多个传感器数据进行融合以提升观测数据的精度，进而获得更为准确的目标状态估计精度；并且由于采用以提升系统探测精度、最小化传感器与目标相对距离为目标函数的交叉提示技术，当目标丢失或者工作的传感器数小于联盟数时，传感器联盟首先提示与目标相对距离最近的传感器响应，使得系统能够及时获取目标的探测信息，减少传感器的探测周期时间并提升目标跟踪性能。
[0140]
本发明以机动目标跟踪为对象，提出一种多传感器交叉提示技术的目标跟踪方法，以提升多传感器的工作效率和对目标的跟踪精度。本发明首先对防空系统中传感器的工作方式进行改进，建立了传感器联盟及其优化模型，使传感器由各自探测的方式转变为传感器联盟对目标协同探测的方式，能够在保证目标跟踪精度的同时节省传感器资源；建立以最小化传感器与目标的相对距离和最大化传感器的探测精度为目的的目标函数，提升传感器工作效率；最后该算法通过最优加权融合的方法在最小方差准则下实现传感器探测信息融合，提升了目标的跟踪性能。本发明能够提升机动目标跟踪系统的传感器探测效率和跟踪性能。
[0141]
本发明还公开了一种多传感器交叉提示目标跟踪装置，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述的一种多传感器交叉提示目标跟踪方法。
[0142]
需要说明的是，上述装置之间的信息交互、执行过程等内容，由于与本发明方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。
[0143]
该装置可以是桌上型计算机、笔记本、掌上电脑、雷达及云端服务器等计算设备。该装置可包括但不仅限于处理器、存储器。本领域技术人员可以理解，可以包括更多或更少的部件，或者组合某些部件，或者不同的部件，例如还可以包括输入输出设备、网络接入设备等。
[0144]
所称处理器可以是中央处理单元(central processing unit，cpu)，该处理器还
可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
[0145]
所述存储器在一些实施例中可以是所述提取装置的内部存储单元，例如提取装置的硬盘或内存。所述存储器在另一些实施例中也可以是所述提取装置的外部存储设备，例如所述提取装置上配备的插接式硬盘，智能存储卡(smart media card,smc)，安全数字(secure digital,sd)卡，闪存卡(flash card)等。进一步地，所述存储器还可以既包括所述提取装置的内部存储单元也包括外部存储设备。所述存储器用于存储操作系统、应用程序、引导装载程序(bootloader)、数据以及其他程序等，例如所述计算机程序的程序代码等。所述存储器还可以用于暂时地存储已经输出或者将要输出的数据。