張新英 王焱春 梁芬

摘 要：針對目標(biāo)跟蹤問題環(huán)境的復(fù)雜性，信息的多樣性，傳統(tǒng)的信息融合方法有很多弊端，本文將反饋融合思想引入到傳統(tǒng)的信息融合框架，提出了基于目標(biāo)跟蹤的信息反饋融合系統(tǒng)，利用信息反饋融合方法為指導(dǎo)，針對不同目標(biāo)跟蹤場景中傳統(tǒng)跟蹤技術(shù)的技術(shù)瓶頸，提出相應(yīng)的改進(jìn)方法。經(jīng)過多次仿真驗證，基于目標(biāo)跟蹤的信息反饋融合系統(tǒng)進(jìn)一步提高了歷史融合信息的整體利用率，并且可以得到精度更高、魯棒性更好的融合估計效果。

關(guān)鍵詞：復(fù)雜系統(tǒng)；目標(biāo)跟蹤；信息融合；反饋控制

中圖分類號：TP391 文獻(xiàn)標(biāo)識碼：A 文章編號：1671-0037（2018）5-71-4

DOI：10.19345/j.cxkj.1671-0037.2018.05.019

Abstract： In view of the complexity of target tracking problem environment and the diversity of information， the traditional information fusion methods have many drawbacks. In this paper， the idea of feedback fusion was introduced into the traditional information fusion framework， and an information feedback fusion system based on target tracking was proposed. By using the information feedback fusion method as guidance， a corresponding improvement method was put forward aiming at the technical bottleneck of the traditional tracking technology in different target tracking scenes. After multiple times of simulation and verification， the information feedback fusion system based on target tracking further improved the overall utilization rate of historical fusion information， and can obtain better fusion estimation effect with higher accuracy and better robustness.

Key words： complex system； target tracking ； intelligence fusion ； feedback control

基于信息融合理論為基礎(chǔ)的目標(biāo)跟蹤技術(shù)是指利用多種傳感器通過觀測信號估計位置目標(biāo)的數(shù)量、位置、速度、身份等狀態(tài)的過程，目標(biāo)跟蹤作為重要的信息融合問題，一直是研究的重點，從最初的軍事領(lǐng)域，不斷滲透至民用領(lǐng)域，它已成為工業(yè)控制、智能醫(yī)療、智慧交通、財務(wù)管理領(lǐng)域中的關(guān)鍵技術(shù)[1]。由于目標(biāo)跟蹤環(huán)境日趨復(fù)雜，雜波干擾較強、觀測誤差較大、高機動等大量不確定因素使傳統(tǒng)目標(biāo)跟蹤技術(shù)受到越來越嚴(yán)峻的挑戰(zhàn)。本文提出將信息反饋融合的概念融入傳統(tǒng)目標(biāo)跟蹤技術(shù)中，深入研究目標(biāo)跟蹤問題的信息反饋融合系統(tǒng)，以及具體的工程算法。

1 經(jīng)典信息融合框架比較

為解決目標(biāo)跟蹤問題，學(xué)者們提出了很多信息融合方案?；谀繕?biāo)跟蹤的信息融合框架從宏觀角度反映出目標(biāo)跟蹤技術(shù)發(fā)展過程，也反映了信息融合技術(shù)本身的發(fā)展路徑。以下將回顧幾個重要的跟蹤融合框架[1-3]，并對其進(jìn)行比較。

1.1 貝葉斯跟蹤融合框架

早期目標(biāo)跟蹤問題主要考慮測量信息的過濾、預(yù)測、相關(guān)和估計四大部分，如圖1所示。該框架大致思路為：①獲取當(dāng)前測量信息；②將預(yù)測信息與測量信息相關(guān)聯(lián)；③更新貝葉斯濾波，獲得當(dāng)前狀態(tài)估計。這種融合框架的缺點是結(jié)構(gòu)太簡單，不適合解決更復(fù)雜的目標(biāo)跟蹤問題。

1.2 K-L跟蹤融合框架

K-L跟蹤融合框架主要考慮多源傳感器數(shù)據(jù)，它的目標(biāo)模型和觀測模型均具有不確定性。此融合方案在邏輯上進(jìn)行數(shù)據(jù)校準(zhǔn)、數(shù)據(jù)關(guān)聯(lián)，濾波估計，這3個模塊共同完成了整個目標(biāo)跟蹤工作。該框架的優(yōu)勢在于覆蓋內(nèi)容豐富、完整。主要缺點是列出的特定跟蹤技術(shù)的合并模型未在模塊中說明[3]。

1.3 信息環(huán)跟蹤融合框架

信息循環(huán)跟蹤融合框架在結(jié)構(gòu)上由兩個模塊構(gòu)成：信息融合模塊和資源管理模塊。這兩個模塊通過信息循環(huán)結(jié)合在一起，可通過對傳感器資源的主動控制來獲得更高質(zhì)量的觀測數(shù)據(jù)，使跟蹤效果得到提高[4]。目前，對于信息環(huán)的融合跟蹤技術(shù)的研究剛剛起步，尚未成熟。

1.4 面向目標(biāo)跟蹤的信息反饋新模式

近年來，以目標(biāo)跟蹤為背景，一些新的信息反饋思路出現(xiàn)，一定程度上實現(xiàn)了信息的再利用，但對特定問題的提出缺乏一般性[5]。針對上述問題，提出了空域信息融合平面的概念，時域信息空間的思想，并實時在時、空兩個層面完成反饋融合，最終設(shè)計出完整的面向目標(biāo)跟蹤的信息反饋融合框架的模式。

圖2所示為基于目標(biāo)跟蹤信息反饋融合框架，該框架的主要目的是從邏輯上和結(jié)構(gòu)上顯示出，在信息反饋融合過程中，空域信息與時域信息的反饋處理方式和過程。

1.5 信息預(yù)測反饋融合多目標(biāo)跟蹤方法

在復(fù)雜多目標(biāo)跟蹤情況下，往往存在許多不確定的因素，當(dāng)觀測檢測率下降時，傳統(tǒng)跟蹤方法和跟蹤效果會受到較大影響，在低檢測率條件下，單個采樣周期內(nèi)的觀測信息目標(biāo)丟失率也高，從而致使跟蹤丟失率變大，又由于二者具有正向關(guān)關(guān)系，跟蹤檢測率相應(yīng)就會下降。

因此，本文以傳統(tǒng)方法為基礎(chǔ)，在信息反饋融合框架下，提出的一種基于目標(biāo)跟蹤特殊場景下的信息預(yù)測反饋方法，并實時分析跟蹤周期的融合結(jié)果，進(jìn)而繼續(xù)向未來進(jìn)行預(yù)測并積累和反饋，從而達(dá)到提高信息融合的效果，同時也拓寬了應(yīng)用范圍。

2 歷史信息反饋融合方案

針對以上方案的缺點，構(gòu)建了一種高階多模型信息的融合估計，此方案尺度可控，并且實時性較高。針對此方案，首先假定了“多步穩(wěn)健”機動目標(biāo)，對這些機動目標(biāo)，建立信息反饋融合的框架，最后用濾波器提供一個易于工程實現(xiàn)的算法[5]。

表示兩個連續(xù)歷史時刻之間的模型匹配的概率[6]。

根據(jù)方程（1）（2）得出歷史反饋多模型融合方法框架如圖3所示。

歷史反饋多模型融合方法的基本思路為：

①在時刻k的初始階段，反饋最近H-1時刻的狀態(tài)估計結(jié)果為：[xHk-H+1，xHk-H+2，···，xHk]，當(dāng)前時刻的觀測值為[Zk]；

②將上述H周期的累積信息反饋給模型序列的概率估計模塊，將各個模型序列的概率估計結(jié)果反饋給多模型融合估計模塊，根據(jù)公式（3）得到當(dāng)前狀態(tài)的估計結(jié)果；

③在輸出當(dāng)前狀態(tài)估計結(jié)果的同時，新的信息將作累加為k+1時刻的反饋信號。

3 仿真分析

在150s的連續(xù)飛行中，采樣周期為1s，共發(fā)生3次機動狀態(tài)。第1次發(fā)生在第31～80秒，此期間較弱機動信號加速，加速度為[ak=10m/s2，-10m/s2T]；第2次發(fā)生在81～119秒，加速度[ak=-30m/s2，30m/s2T]為強機動；第3次是較強動作信號，發(fā)生于120～150秒，加速度值為[ak=20m/s2，20m/s2T]，剩余時間做勻速直線運動。仿真結(jié)果目標(biāo)軌跡如圖4所示，加速度絕對值變化如圖5所示。

從上述所示結(jié)果可以看出，通過累積和反饋多階歷史估計信息，并且把此信息作為判斷目標(biāo)的真實模式的依據(jù)，進(jìn)一步提升了目標(biāo)真實模式的判斷正確率，也大大提升了信息融合估計性能。

4 結(jié)語

傳統(tǒng)的低階多模型融合方法沒有考慮歷史信息的累計和反饋使用，在面對目標(biāo)強機動和大觀測誤差時，會使估計精度下降。提出的多步穩(wěn)健機動目標(biāo)的概念，采用融合估計方法使當(dāng)前機動模式的估計精度得到進(jìn)一步提高。仿真實驗表明：歷史反饋信息融合方法充分利用多階歷史進(jìn)行狀態(tài)估計，提高了信息利用率，使算法對目標(biāo)真實模式的估計性能得到改善，從而獲得更準(zhǔn)確的融合估計效果。

參考文獻(xiàn)：

[1] 韓崇昭，朱洪艷，段戰(zhàn)勝，等.多源信息融合[M].北京：清華大學(xué)出版社，2006.

[2] 胡煒薇.多傳感器數(shù)據(jù)融合中多目標(biāo)跟蹤關(guān)鍵技術(shù)研究[D].哈爾濱：哈爾濱工程大學(xué)，2007.

[3] 申屠晗.面向目標(biāo)跟蹤的信息反饋融合方法研究[D].杭州：浙江大學(xué)，2014.

[4] 申屠晗，薛安克，駱吉安.多步歷史估計信息反饋多模型融合方法[J].控制理論與應(yīng)用.2015（1）：11-17.

[5] 楊威，付耀文，龍建乾，等.基于有限集統(tǒng)計學(xué)理論的目標(biāo)跟蹤技術(shù)研究綜述[J].電子學(xué)報.2012 （7）：1440-1448.

[6] 胡永利，樸星霖，孫艷豐.多源異構(gòu)感知數(shù)據(jù)融合方法及其在目標(biāo)定位跟蹤中的應(yīng)用[J].中國科學(xué)，2013（10）：1288-1306.