焦 璐， 張浩峰

(中國航空工業(yè)集團(tuán)公司成都飛機(jī)設(shè)計(jì)研究所,成都 610031)

1 概述

隨著科技的發(fā)展，目標(biāo)機(jī)動(dòng)性能不斷提高、跟蹤背景日益復(fù)雜、傳感器技術(shù)飛速發(fā)展，復(fù)雜背景下的多傳感器信息融合成為國內(nèi)外學(xué)者的研究重點(diǎn)。信息融合是20世紀(jì)70年代出現(xiàn)的一門學(xué)科，目的是綜合雷達(dá)、光雷、敵我識別、電子支援、情報(bào)、數(shù)據(jù)鏈等傳感器目標(biāo)數(shù)據(jù)，形成及時(shí)、準(zhǔn)確、連續(xù)、完整和一致的戰(zhàn)場態(tài)勢，以支持戰(zhàn)場態(tài)勢預(yù)警、作戰(zhàn)決策和火力打擊，包括目標(biāo)信息獲取、對象估計(jì)、態(tài)勢估計(jì)、影響估計(jì)、過程精煉等[1-5]。美國國防實(shí)驗(yàn)室聯(lián)合理事會(huì)于1987年定義了JDL信息融合初步模型，2004年更新后的JDL融合模型如圖1所示。

JDL信息融合5級頂層模型定義如下[6-10]。

1) 0級融合-數(shù)據(jù)預(yù)處理。處理來自傳感器的信號、像素級數(shù)據(jù)，為后續(xù)融合準(zhǔn)備數(shù)據(jù)，包括圖像處理、信號處理、數(shù)據(jù)整理、單位轉(zhuǎn)換等。

圖1 JDL信息融合5級頂層模型Fig.1 Top-level model of the 5-level JDL information fusion

2) 1級融合-對象估計(jì)。融合來自多傳感器的數(shù)據(jù)，以獲得實(shí)體精確可靠完整的位置、運(yùn)動(dòng)、屬性、身份估計(jì)。

3) 2級融合-態(tài)勢估計(jì)。利用1級融合結(jié)果并通過融合分析，動(dòng)態(tài)描述實(shí)體、事件的關(guān)系，包括目標(biāo)/事件聚類相關(guān)分析。

4) 3級融合-影響估計(jì)。描述當(dāng)前態(tài)勢對未來的影響，包括威脅評估、我方弱點(diǎn)評估、結(jié)果預(yù)測、易損性評估。

5) 4級融合-過程精煉。動(dòng)態(tài)監(jiān)測、評估整個(gè)融合過程，調(diào)整優(yōu)化融合控制參數(shù)、傳感器調(diào)度以優(yōu)化融合結(jié)果。

2 信息融合算法

2.1 時(shí)空對準(zhǔn)

由于機(jī)載傳感器觀測坐標(biāo)系、數(shù)據(jù)采樣頻率的不同，即使是對同一個(gè)目標(biāo)的觀測，各傳感器得到的目標(biāo)數(shù)據(jù)也有很大差別。所以，在進(jìn)行多傳感器信息融合時(shí)，首先要把不同平臺(tái)不同傳感器獲得的目標(biāo)觀測數(shù)據(jù)進(jìn)行時(shí)空對準(zhǔn)，即把不同傳感器不同時(shí)間獲得的目標(biāo)觀測數(shù)據(jù)轉(zhuǎn)換到統(tǒng)一的坐標(biāo)系下，完成時(shí)間和空間的統(tǒng)一。

2.1.1 空間對準(zhǔn)

空間對準(zhǔn)是指將各傳感器的航跡報(bào)告轉(zhuǎn)換至統(tǒng)一坐標(biāo)系下，常用的坐標(biāo)系有CGCS2000坐標(biāo)系、球體坐標(biāo)系等。

2.1.2 時(shí)間對準(zhǔn)

(1)

式中：Φ為選定的預(yù)測模型(勻速模型);Q為系統(tǒng)噪聲陣。

2.2 數(shù)據(jù)關(guān)聯(lián)

在分布式多傳感器系統(tǒng)中，為了對由多個(gè)局部傳感器輸出的多目標(biāo)航跡信息進(jìn)行融合，首先需要進(jìn)行“航跡-航跡”之間的數(shù)據(jù)關(guān)聯(lián)，以確定哪些傳感器航跡源于同一個(gè)目標(biāo)。數(shù)據(jù)關(guān)聯(lián)可分為統(tǒng)計(jì)距離計(jì)算、分簇、解關(guān)聯(lián)3個(gè)步驟。

2.2.1 統(tǒng)計(jì)距離計(jì)算

針對待關(guān)聯(lián)的2個(gè)傳感器航跡，根據(jù)目標(biāo)運(yùn)動(dòng)參數(shù)，采用衰減記憶法計(jì)算統(tǒng)計(jì)距離，并構(gòu)建統(tǒng)計(jì)距離矩陣。

(2)

在di,j(k)的基礎(chǔ)上，考慮歷史信息，采用衰減記憶法定義統(tǒng)計(jì)量

(3)

2.2.2 分簇

如圖 2所示，根據(jù)報(bào)告與航跡關(guān)聯(lián)情況，將關(guān)聯(lián)對劃分成6類不同的簇，后續(xù)以每個(gè)簇為處理單元，這樣處理可有效降低時(shí)間復(fù)雜度，提高解算效率。

圖2 分簇示意圖Fig.2 Schematic diagram of clustering

2.2.3 關(guān)聯(lián)解算

根據(jù)簇的形式選擇解算方法，多對多情況采用拍賣算法進(jìn)行最優(yōu)解算；記錄每個(gè)航跡對的關(guān)聯(lián)成功次數(shù)mij和總的關(guān)聯(lián)處理次數(shù)Mij，每次解關(guān)聯(lián)運(yùn)算后根據(jù)解關(guān)聯(lián)結(jié)果對mij和Mij進(jìn)行累加，并對每個(gè)航跡對，計(jì)算基于目標(biāo)運(yùn)動(dòng)狀態(tài)的關(guān)聯(lián)成功概率

Pij=mij|Mij。

(4)

2.3 狀態(tài)估計(jì)

由于涉及多個(gè)傳感器的狀態(tài)估計(jì)，且假設(shè)這些傳感器的量測噪聲互不相關(guān)，可以采用序貫濾波算法進(jìn)行融合估計(jì)，且序貫濾波算法相比于集中式融合算法與并行融合算法，具有相同的估計(jì)精度。

(5)

(6)

于是當(dāng)前時(shí)刻最終目標(biāo)估計(jì)為

(7)

3 工程應(yīng)用處理

3.1 目標(biāo)方差模型

傳感器目標(biāo)參數(shù)的協(xié)方差或方差數(shù)據(jù)反映的是傳感器量測與預(yù)估的統(tǒng)計(jì)結(jié)果，不能反映量測與真實(shí)目標(biāo)之間的統(tǒng)計(jì)關(guān)系，實(shí)際應(yīng)用中并不準(zhǔn)確。并且方差在機(jī)載融合軟件中運(yùn)用良多，如關(guān)聯(lián)門限、統(tǒng)計(jì)距離計(jì)算、濾波處理、傳感器關(guān)聯(lián)等，往往會(huì)影響融合的關(guān)聯(lián)效果。為此，在工程應(yīng)用中首先根據(jù)實(shí)際試飛數(shù)據(jù)進(jìn)行相關(guān)數(shù)據(jù)統(tǒng)計(jì)工作，考慮傳感器工作狀態(tài)、目標(biāo)密集程度、傳感器探測距離、載機(jī)機(jī)動(dòng)等因素，統(tǒng)計(jì)各類傳感器在不同狀態(tài)下的誤差分布，從而對傳感器誤差進(jìn)行建模，最終給出盡可能反映目標(biāo)真實(shí)方差的值供融合使用。

3.2 融合參數(shù)配置

機(jī)載軟件變更需要時(shí)間和周期，涉及到流程的簽審，還涉及到多個(gè)架次飛機(jī)的統(tǒng)一安排。為提高融合驗(yàn)證效率，在實(shí)際試飛驗(yàn)證時(shí)，可將信息融合關(guān)鍵參數(shù)如融合樹、關(guān)聯(lián)門限、粗門限閾值、統(tǒng)計(jì)距離衰減系數(shù)等作為配置數(shù)據(jù)存貯在戰(zhàn)術(shù)任務(wù)加載卡中，維護(hù)人員可通過地面維護(hù)設(shè)備修改融合參數(shù)以達(dá)到優(yōu)化信息融合效果。

4 應(yīng)用效果

仿真場景設(shè)置載機(jī)在距目標(biāo)80 km處斜向進(jìn)入，目標(biāo)平飛，載機(jī)進(jìn)行機(jī)動(dòng)，采用雷達(dá)、光雷探測目標(biāo)，仿真結(jié)果如圖 3所示。首先，雷達(dá)與光雷關(guān)聯(lián)成功，然后進(jìn)行單目標(biāo)跟蹤。雷達(dá)探測航跡為粉色，光雷探測航跡為綠色，信息融合結(jié)果為藍(lán)色，真實(shí)目標(biāo)軌跡為紅色。結(jié)果表明，信息融合關(guān)聯(lián)正確，狀態(tài)估計(jì)能如實(shí)反映目標(biāo)運(yùn)動(dòng)軌跡，跟蹤精度滿足系統(tǒng)使用要求。

圖3 仿真驗(yàn)證結(jié)果Fig.3 Simulation result

5 結(jié)束語

本文介紹了改進(jìn)的最近鄰算法、協(xié)方差交叉法、序貫濾波算法等數(shù)據(jù)關(guān)聯(lián)、航跡合成、狀態(tài)估計(jì)算法，給出了工程應(yīng)用建議，最后通過假定場景對融合算法進(jìn)行了驗(yàn)證。驗(yàn)證結(jié)果表明，本文介紹的信息融合算法可行，滿足機(jī)載系統(tǒng)使用要求，對機(jī)載信息融合算法研究有借鑒意義。

參 考 文 獻(xiàn)

[1] 韓崇昭，朱洪艷，段戰(zhàn)勝，等.多源信息融合[M].2版.北京：清華大學(xué)出版社，2010.

[2] 劉同明，夏祖勛，解洪成.數(shù)據(jù)融合技術(shù)及其應(yīng)用[M].北京：國防工業(yè)出版社，1998.

[3] 康耀紅.數(shù)據(jù)融合理論與應(yīng)用[M].西安:西安電子科技大學(xué)出版社，1997.

[4] 趙宗貴，李君靈.信息融合發(fā)展沿革與技術(shù)動(dòng)態(tài)[J].指揮信息系統(tǒng)與技術(shù)，2017，8(1)：1-8.

[5] 鐘錄宏,吳文,李興國,等.多傳感器目標(biāo)檢測的模糊信息融合技術(shù)研究[J].探測與控制學(xué)報(bào),2003,25(2):42-45.

[6] HALL D.Assessing the JDL model:a survey and analysis of decision and cognitive process models and comparison with the JDL model[C]//Proceedings of the National Symposium on Sensor Data Fusion,Monterey,2006:122-131.

[7] ENDSLEY M R,BELTE B,JONES D G.Designing for situation awareness:an approach to user-centered design[M].New York:Taylor & Francis Group,2003.

[8] WALTZ E,LLINAS J.Multisensor data fusion[M].Norwood:Arthch House,1990.

[9] LAMBERT D A.Situations for situation awareness[C]// Proceedings of the Fourth International Conference on Information Fusion,Montreal,2001:327-334.

[10] DANIEL C,JAMES L.Possibilities for improved formal processing methods for situation assessment[C]//Proceedings of The International Conference on Multisource Multisensor Information Fusion,Las Vegas,1998:223-230.