孫曉峰　郭徽東

(1.海軍702廠　上?！?00434)(2.92403部隊(duì)51分隊(duì)　福州　350007)

?

異類(lèi)傳感器數(shù)據(jù)融合系統(tǒng)的模型設(shè)計(jì)與實(shí)現(xiàn)*

孫曉峰1郭徽東2

(1.海軍702廠上海200434)(2.92403部隊(duì)51分隊(duì)福州350007)

摘要異類(lèi)多傳感器數(shù)據(jù)融合是傳感器信息處理的重要形式，以主被動(dòng)傳感器為基本組成。給出異類(lèi)傳感器數(shù)據(jù)融合中傳感器空間配置、坐標(biāo)轉(zhuǎn)換、數(shù)據(jù)關(guān)聯(lián)和被動(dòng)跟蹤等模型，設(shè)計(jì)了異類(lèi)傳感器數(shù)據(jù)融合算法流程，并利用實(shí)測(cè)數(shù)據(jù)進(jìn)行驗(yàn)證，結(jié)果證明了模型在實(shí)際應(yīng)用中的適用性和實(shí)踐性。

關(guān)鍵詞異類(lèi)傳感器; 被動(dòng)跟蹤; 數(shù)據(jù)關(guān)聯(lián); 坐標(biāo)轉(zhuǎn)換

Class NumberTP274

1引言

異類(lèi)多傳感器信息融合，是指針對(duì)同一目標(biāo)，處于不同位置的同類(lèi)或異類(lèi)的多個(gè)傳感器產(chǎn)生的信息加以綜合，消除傳感器之間可能存在的冗余和矛盾的信息，加以互補(bǔ)，提升其可靠性，從而形成目標(biāo)相對(duì)完整一致的感知描述。系統(tǒng)中涉及對(duì)目標(biāo)的時(shí)間統(tǒng)一、坐標(biāo)轉(zhuǎn)換，到傳感器方位關(guān)聯(lián)、特征信息融合等要素，由于傳感器所獲取的目標(biāo)信息是不同維、不同地、不同時(shí)的，要對(duì)這些數(shù)據(jù)進(jìn)行統(tǒng)一處理、優(yōu)化是件復(fù)雜的事情[1～2]。本文通過(guò)坐標(biāo)轉(zhuǎn)換、方位關(guān)聯(lián)和濾波定位實(shí)現(xiàn)對(duì)目標(biāo)精確定位、有效融合的目的。

2傳感器空間配置

2.1同地配置的主被動(dòng)傳感器

當(dāng)主動(dòng)傳感器與被動(dòng)傳感器同地配置時(shí)，如果二者位于一陣地，則所配置的主、被動(dòng)傳感器站址基本一致，相對(duì)目標(biāo)距離而言，站址之間的距離可以忽略不計(jì)(見(jiàn)圖1)。

圖1　同地配置的主、被動(dòng)傳感器

2.2異地配置的主被動(dòng)傳感器

異地配置的主被動(dòng)傳感器配置中，由于主動(dòng)傳感器與被動(dòng)傳感器之間的站址相距較遠(yuǎn)，對(duì)來(lái)自主動(dòng)傳感器的目標(biāo)信息先進(jìn)行坐標(biāo)轉(zhuǎn)換，再對(duì)主動(dòng)傳感器、被動(dòng)傳感器掌握的目標(biāo)數(shù)據(jù)信息進(jìn)行統(tǒng)計(jì)處理[3]。

圖2　異地配置的主、被動(dòng)傳感器

3異類(lèi)傳感器數(shù)據(jù)融合模型

3.1純方位關(guān)聯(lián)

主動(dòng)傳感器與被動(dòng)傳感器的數(shù)據(jù)融合是典型的異類(lèi)多傳感器數(shù)據(jù)融合，即純方位目標(biāo)數(shù)據(jù)關(guān)聯(lián)。在敵方輻射電磁波或施放干擾時(shí)，利用偵察雷達(dá)對(duì)其他雷達(dá)實(shí)施引導(dǎo)，主動(dòng)雷達(dá)和偵察雷達(dá)可以相互告警、印證和信息融合。

被動(dòng)傳感器在某一方位(多個(gè)方位)偵察到目標(biāo)信號(hào)，主動(dòng)傳感器在該方位線(如果兩傳感器為異地配置，須為轉(zhuǎn)換坐標(biāo)后的方位線)附近發(fā)現(xiàn)和跟蹤多批海上目標(biāo)，當(dāng)目標(biāo)距較遠(yuǎn)時(shí)，通過(guò)現(xiàn)有的手段和方式對(duì)目標(biāo)進(jìn)行識(shí)別較困難，特別是僅主動(dòng)傳感器發(fā)現(xiàn)目標(biāo)時(shí)。由于被動(dòng)傳感器目標(biāo)方位線附近可能有多個(gè)主動(dòng)傳感器目標(biāo)航跡，而一個(gè)被動(dòng)傳感器目標(biāo)至多可以和一個(gè)主動(dòng)傳感器目標(biāo)相關(guān)聯(lián)，某一時(shí)刻被動(dòng)傳感器航跡方位測(cè)量值與該時(shí)刻主動(dòng)傳感器目標(biāo)航跡的方位值(或轉(zhuǎn)換坐標(biāo)后的方位值)的測(cè)量誤差相互獨(dú)立。因而，一個(gè)被動(dòng)傳感器航跡和多個(gè)主動(dòng)傳感器目標(biāo)航跡的關(guān)聯(lián)問(wèn)題可化成如下的判決問(wèn)題：

YES：主動(dòng)傳感器航跡和所有被動(dòng)傳感器航跡不相關(guān);

NO：主動(dòng)傳感器航跡和某個(gè)被動(dòng)傳感器航跡相關(guān)。

累計(jì)被動(dòng)傳感器一段時(shí)間內(nèi)可用于和主動(dòng)傳感器航跡關(guān)聯(lián)的方位狀態(tài)，則可以得到統(tǒng)計(jì)意義上的方位比較數(shù)據(jù)序列，計(jì)算出關(guān)聯(lián)判別函數(shù)，再結(jié)合關(guān)聯(lián)判別函數(shù)和門(mén)限規(guī)就可實(shí)現(xiàn)“真假目標(biāo)”的判決。判決函數(shù)計(jì)算和門(mén)限見(jiàn)文獻(xiàn)[1～2]。

3.2被動(dòng)定位

單個(gè)被動(dòng)傳感器對(duì)目標(biāo)進(jìn)行探測(cè)時(shí)，只能對(duì)目標(biāo)的初始距離進(jìn)行大致的估計(jì)，估計(jì)誤差過(guò)大容易造成傳統(tǒng)方法的收斂速度慢、跟蹤精度下降甚至發(fā)散。結(jié)合擴(kuò)展卡爾曼濾波，對(duì)多個(gè)被動(dòng)傳感器采用多假設(shè)距離擴(kuò)展卡爾曼濾波方法[3](Multihypothesis Range-Parameterised Extended Kalman Filtering，MHRKF)可以得到較好的效果。MHRKF主要思想是對(duì)目標(biāo)進(jìn)行NH個(gè)初始距離的假設(shè)，利用濾波器并行運(yùn)算的方法對(duì)目標(biāo)進(jìn)行跟蹤，根據(jù)各濾波器運(yùn)算中得到的殘差進(jìn)行濾波器的概率計(jì)算，最后得到目標(biāo)的狀態(tài)組合估計(jì)。

各濾波器對(duì)應(yīng)的初始概率權(quán)值為[3]

(1)

式中，j為濾波器序號(hào)，dR(j,1)為各濾波器的距離空間長(zhǎng)度。根據(jù)貝葉斯準(zhǔn)則，概率更新計(jì)算可表示為

(2)

其中

(3)

(4)

3.3坐標(biāo)轉(zhuǎn)換

由于地球是一個(gè)近似橢圓的球體，當(dāng)傳感器之間節(jié)點(diǎn)距離很遠(yuǎn)時(shí)，首先采用WGS84模型節(jié)點(diǎn)1直角坐標(biāo)系轉(zhuǎn)換到地心空間直角坐標(biāo)系[4]：

(5)

然后，目標(biāo)坐標(biāo)由地心空間直角坐標(biāo)轉(zhuǎn)換到節(jié)點(diǎn)2直角坐標(biāo)，轉(zhuǎn)換關(guān)系為

(6)

(X1,Y1,Z1)、(X2,Y2,Z2)分別是節(jié)點(diǎn)1、2坐標(biāo)原點(diǎn)在地心空間直角坐標(biāo)系中的坐標(biāo)。(B1,L1)、(B2,L2)分別為節(jié)點(diǎn)1，2坐標(biāo)原點(diǎn)的經(jīng)緯度。

WGS84模型的空間大地坐標(biāo)系轉(zhuǎn)換到地心空間直角坐標(biāo)系的公式為

(7)

4算法流程

上述討論的是僅利用目標(biāo)位置信息實(shí)現(xiàn)主動(dòng)傳感器和被動(dòng)傳感器的信息融合，在實(shí)際的信息處理中，在得到目標(biāo)屬性、類(lèi)型以及其他途徑傳遞和共享的信息，綜合利用這些目標(biāo)的相關(guān)信息，從而進(jìn)一步實(shí)現(xiàn)多信息源融合。這里給出主被動(dòng)傳感器信息融合流程：

圖3　主被動(dòng)傳感器數(shù)據(jù)融合流程

1) 掌握主動(dòng)傳感器、被動(dòng)傳感器是否發(fā)現(xiàn)可疑目標(biāo)信號(hào);

2) 按威脅序列，選擇一批被動(dòng)傳感器目標(biāo)方位甄別或進(jìn)行交叉定位;

3) 針對(duì)該批目標(biāo)，選擇方位線附近主動(dòng)傳感器目標(biāo)批號(hào);

4) 如果交叉定位點(diǎn)存在，實(shí)施航跡關(guān)聯(lián)，否則，跳至8)執(zhí)行;

5) 如果與被動(dòng)傳感器同地配置，判斷主動(dòng)傳感器、發(fā)現(xiàn)的目標(biāo)方位是否在被動(dòng)傳感器目標(biāo)方位線左右允許范圍內(nèi);

6) 如果與被動(dòng)傳感器異地配置，將主動(dòng)傳感器目標(biāo)位置信息轉(zhuǎn)換到被動(dòng)傳感器坐標(biāo)系;判斷該目標(biāo)方位是否在被動(dòng)傳感器目標(biāo)方位線左右允許范圍內(nèi);

7) 對(duì)被動(dòng)傳感器、主動(dòng)傳感器目標(biāo)統(tǒng)計(jì)、編批，方位序列統(tǒng)計(jì)，進(jìn)行關(guān)聯(lián)函數(shù)判別，門(mén)限篩選;

8) 接收來(lái)自相關(guān)部門(mén)的目標(biāo)屬性信息，進(jìn)行屬性匹配;

9) 得出判別結(jié)果;返回2)繼續(xù)執(zhí)行。

5仿真與實(shí)現(xiàn)

5.1模塊功能

從系統(tǒng)開(kāi)發(fā)的角度出發(fā)，使系統(tǒng)按功能逐次分割成層次結(jié)構(gòu)，使每一部分完成簡(jiǎn)單的功能且各個(gè)部分之間又保持一定的聯(lián)系，在設(shè)計(jì)階段，基于這些功能的層次結(jié)構(gòu)把各個(gè)部分組合起來(lái)成為系統(tǒng)。系統(tǒng)流程中實(shí)現(xiàn)傳感器單多目標(biāo)跟蹤、坐標(biāo)轉(zhuǎn)換、目標(biāo)關(guān)聯(lián)、航跡數(shù)據(jù)融合等功能。系統(tǒng)模塊結(jié)構(gòu)如圖4。

圖4　系統(tǒng)模塊結(jié)構(gòu)

5.2算法實(shí)現(xiàn)

工程應(yīng)用上算法的成熟度對(duì)系統(tǒng)的穩(wěn)定性影響最大，新穎的算法在沒(méi)有經(jīng)過(guò)實(shí)際檢驗(yàn)的基礎(chǔ)上，不能作為系統(tǒng)的優(yōu)先選擇，如目前國(guó)內(nèi)外流行的粒子濾波方法[6]，還不能作為被動(dòng)跟蹤的工程應(yīng)用模型;其次要合理貼近實(shí)際使用環(huán)境和背景，滿(mǎn)足成熟和實(shí)用性的要求。本節(jié)利用實(shí)測(cè)數(shù)據(jù)對(duì)第3節(jié)中異類(lèi)傳感器數(shù)據(jù)關(guān)聯(lián)、被動(dòng)目標(biāo)跟蹤等模型進(jìn)行驗(yàn)證。

圖5為傳感器異地配置下實(shí)測(cè)目標(biāo)方位關(guān)聯(lián)判決概率，可以看出，判決概率遠(yuǎn)高于計(jì)算得出的門(mén)限值，即認(rèn)為主被動(dòng)傳感器所比對(duì)的目標(biāo)為同一目標(biāo)。通過(guò)比較不同間距目標(biāo)的判決結(jié)果：目標(biāo)關(guān)聯(lián)相似度隨目標(biāo)的間距增大而下降，目標(biāo)的間距(方位)小，則判決所需采樣次數(shù)多;關(guān)聯(lián)相似度和目標(biāo)間距有關(guān)。在主被動(dòng)傳感器對(duì)目標(biāo)跟蹤穩(wěn)定條件下，方位關(guān)聯(lián)正確性可以達(dá)到90%以上;能夠滿(mǎn)足對(duì)小間距條件下輻射源目標(biāo)的關(guān)聯(lián)判斷。

圖5　目標(biāo)實(shí)測(cè)數(shù)據(jù)方位關(guān)聯(lián)判決概率

圖6為實(shí)測(cè)目標(biāo)數(shù)據(jù)的被動(dòng)濾波定位航跡，MHRKF濾波方法采用3～5個(gè)濾波器進(jìn)行并行運(yùn)算，根據(jù)每個(gè)濾波器所得到的誤差陣選取不同的權(quán)值因子進(jìn)行加權(quán)融合，對(duì)大范圍內(nèi)的目標(biāo)都有較高的定位精度;特別是偵察站幾何位置布置相對(duì)于目標(biāo)實(shí)際航跡點(diǎn)不理想時(shí)，MHRKF方法比單Kalman方法精度高得多，經(jīng)統(tǒng)計(jì)分析MHRKF方法在實(shí)際目標(biāo)濾波定位的精度比Kalman方法提高約30%左右。圖5、圖6表明了算法在海上目標(biāo)實(shí)際測(cè)量數(shù)據(jù)應(yīng)用中是有效的，能夠?qū)δ繕?biāo)進(jìn)行關(guān)聯(lián)判別和定位。

圖6　目標(biāo)實(shí)測(cè)數(shù)據(jù)被動(dòng)濾波航跡圖

圖7　被動(dòng)傳感器濾波實(shí)測(cè)定位模塊界面

圖7、圖8分別為實(shí)測(cè)條件下MHRKF方法、坐標(biāo)轉(zhuǎn)換和關(guān)聯(lián)判別方法在被動(dòng)傳感器濾波定位模塊和主被動(dòng)傳感器關(guān)聯(lián)模塊中應(yīng)用實(shí)現(xiàn)的界面。

圖8　主被動(dòng)傳感器實(shí)測(cè)關(guān)聯(lián)模塊界面

6結(jié)語(yǔ)

本文設(shè)計(jì)和給出了異類(lèi)傳感器數(shù)據(jù)融合模塊和算法流程，并通過(guò)實(shí)測(cè)數(shù)據(jù)進(jìn)行了算法的驗(yàn)證。結(jié)果表明，通過(guò)不同傳感器之間算法選擇和流程設(shè)計(jì)，能夠?qū)δ繕?biāo)的數(shù)據(jù)關(guān)聯(lián)、被動(dòng)跟蹤等進(jìn)行有效處理，可以在異類(lèi)傳感器系統(tǒng)信息處理系統(tǒng)中進(jìn)行實(shí)際應(yīng)用，表明了算法模型的有效性。

參 考 文 獻(xiàn)

[1] 郭徽東,章新華.雷達(dá)和ESM相關(guān)的仿真研究[J].系統(tǒng)仿真學(xué)報(bào)，2002(8):975-977.

[2] 王國(guó)宏,邵錫軍.主被動(dòng)傳感器異地配置下的數(shù)據(jù)關(guān)聯(lián)[J].現(xiàn)代雷達(dá)，2003(4):26-29.

[3] N peach, M A Ceng. Bearings-only tracking using a set of range-parameterised extended Kalman filters[J]. IEE Proceeding of control theory application,1995,142(1): 73-80.

[4] 李杰濤,郭敏.雷達(dá)組網(wǎng)中的坐標(biāo)轉(zhuǎn)換問(wèn)題[J].火控雷達(dá)技術(shù)，2007(3):38-42.

[5] Deb S, Pattipati K R,Bar-Shalom Y. A multisesor-multitarget data association algorithm for hetero-geneous sensors[J]. IEEE Trans on AES,1993,29(2):560-5686.

[6] R V Merwe,A Doucet, N De Freitas. The Unscented Particle Filter[R]. Technical Report,Cambridge University Engineering Department, 2000. Also in: Adv Neural Inform Process System,2000.

收稿日期：2016年1月6日,修回日期：2016年2月27日

作者簡(jiǎn)介：孫曉峰,男,研究方向：電子通信裝備技術(shù)保障。

中圖分類(lèi)號(hào)TP274

DOI：10.3969/j.issn.1672-9730.2016.07.012

Model Design and Application of Dissimilar Sensor Data Fusion System

SUN Xiaofeng1GUO Huidong2

(1.Factory 702 of Navy, Shanghai200434)(2.Unit 51, No.92403 Troops of PLA, Fuzhou350007)

AbstractMultiple dissimilar sensor data fusion is the unit of modern information fusion, passive sensor and active sensor is the main part of the fusion system. Some data fusion models is set up which provides efficient ways to solve the problems of multisensor information fusion. To the complex and ideal practical circumstance of engineering, multi-kalman filtering, track correlation algorithm and coordinate transformation algorithm are provided. Simulation results show that these algorithms are effective and practical.

Key Wordsdissimilar sensor, passive tracking, data association, coordinate transformation