范新剛，管日升

(上海船舶電子設(shè)備研究所，上海 201108)

0 引 言

當(dāng)前，在民用和軍用領(lǐng)域?qū)χ悄艽靶枨笕找嫫惹校爸悄芑?、無(wú)人化是智能船舶技術(shù)的主要研究方向[4]，智能船舶為了達(dá)到無(wú)人化和智能化，在智能船舶平臺(tái)中會(huì)配置多個(gè)或多種傳感器，例如避碰聲吶、紅外光電設(shè)備、導(dǎo)航雷達(dá)、AIS系統(tǒng)、GPS/北斗等來(lái)實(shí)現(xiàn)自主航行的安全性和可靠性。然而如何處理多個(gè)或多種傳感器上傳的互補(bǔ)信息和冗余信息來(lái)消除或減少冗余信息以及降低信息的模糊性，是本文的關(guān)鍵問(wèn)題[6]。

本文采用智能船舶多源信息融合技術(shù)，使用目標(biāo)位置特性和運(yùn)動(dòng)特性雙跟蹤門(mén)限的聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)算法（JPDA）減少落入跟蹤門(mén)內(nèi)的冗余信息，并在信息處理過(guò)程中采用極大似然估計(jì)法對(duì)多個(gè)或多種傳感器上傳的船舶自身運(yùn)動(dòng)參數(shù)、周?chē)o態(tài)環(huán)境信息、它船參數(shù)、海洋環(huán)境信息和岸基指控信息等進(jìn)行同源劃分，來(lái)降低聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)算法（JPDA）的計(jì)算量[5]，最終實(shí)現(xiàn)對(duì)多傳感器信息的高質(zhì)量融合估計(jì)，為智能船舶航運(yùn)實(shí)時(shí)提供決策和控制信息，保障智能船舶自主航行的安全性和可靠性。

1 智能船舶多源信息融合技術(shù)

1.1 改進(jìn)傳統(tǒng)JPDA算法的必要性

傳統(tǒng)的聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)算法（JPDA）對(duì)單一傳感器和多目標(biāo)跟蹤的處理效果較好，本文的智能船舶平臺(tái)配置了包括避碰聲吶、紅外光電設(shè)備、導(dǎo)航雷達(dá)、AIS系統(tǒng)等多個(gè)或多種傳感器，每個(gè)傳感器都可能得到多個(gè)目標(biāo)信息。在本文中的智能船舶多傳感器、多目標(biāo)跟蹤的環(huán)境下，采用傳統(tǒng)的JPDA算法主要存在計(jì)算量太大問(wèn)題[7]。在探測(cè)到大量的目標(biāo)信息出現(xiàn)在跟蹤波門(mén)的相交區(qū)域內(nèi)，并且這些目標(biāo)信息可能對(duì)應(yīng)多個(gè)傳感器，造成了多個(gè)傳感器的探測(cè)信息源于同一個(gè)目標(biāo)，最終導(dǎo)致有效的關(guān)聯(lián)事件數(shù)量與探測(cè)目標(biāo)數(shù)量呈指數(shù)增長(zhǎng)，運(yùn)算過(guò)程中的計(jì)算量也會(huì)呈指數(shù)增長(zhǎng)甚至造成計(jì)算量的爆炸[5]。

本文為了解決智能船舶多傳感器、多目標(biāo)跟蹤的環(huán)境下多傳感器多目標(biāo)導(dǎo)致的計(jì)算量太大問(wèn)題，采用基于位置信息的跟蹤門(mén)1和基于運(yùn)行特性的跟蹤門(mén)2的雙跟蹤門(mén)設(shè)計(jì)思路，把目標(biāo)的位置特性和運(yùn)動(dòng)特性結(jié)合起來(lái)，從而有效地限制關(guān)聯(lián)門(mén)出現(xiàn)的冗余信息，并將智能船舶的避碰聲吶、紅外光電設(shè)備、導(dǎo)航雷達(dá)、AIS系統(tǒng)等多種傳感器上傳的信息進(jìn)行同源劃分，減少關(guān)聯(lián)事件數(shù)量，降低了目標(biāo)和探測(cè)數(shù)據(jù)之間的關(guān)聯(lián)概率事件，從而達(dá)到降低 JPDA算法計(jì)算量的目的。

1.2 改進(jìn)的JPDA算法設(shè)計(jì)

聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)算法（JPDA）具體設(shè)計(jì)內(nèi)容如下：算法假設(shè)存在M個(gè)目標(biāo)，其算法方程和變量描述為：

式中：A為目標(biāo)變量；C為測(cè)量變量；M，N為已知的矩陣量；X和Y為相對(duì)獨(dú)立的變量，其中X為零均值的狀態(tài)噪聲變量，Y為零均值的探測(cè)噪聲向量；t為i時(shí)刻探測(cè)到的目標(biāo)。

定義i時(shí)刻目標(biāo)t的關(guān)聯(lián)區(qū)域?yàn)椋?/p>

設(shè)i時(shí)刻的有效信息為n（i）個(gè)，記為Ci,1,Ci,2,···,，i時(shí)刻的有效信息集為值落入跟蹤門(mén)限內(nèi)時(shí)，多個(gè)檢測(cè)目標(biāo)可能會(huì)出現(xiàn)在相交區(qū)域，聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)算法（JPDA）計(jì)算每一個(gè)檢測(cè)目標(biāo)信息與第一個(gè)探測(cè)值相關(guān)聯(lián)的概率。設(shè)為在i時(shí)刻的所有聯(lián)合事件值的集合，h表示 θ (i)中元素的數(shù)量，在設(shè)1,2,···,m(i)，表示測(cè)量值j與目標(biāo)t關(guān)聯(lián)的事件。

依據(jù)全概率公式和JPDA相關(guān)的計(jì)算公式，可以得到目標(biāo)在i時(shí)刻的濾波值為：

本文中的JPDA算法采用基于位置信息的跟蹤門(mén)1和基于運(yùn)行特性的跟蹤門(mén)2的雙跟蹤門(mén)設(shè)計(jì)思路，跟蹤門(mén)設(shè)計(jì)過(guò)程中，除了考慮目標(biāo)位置特性外，還考慮了運(yùn)動(dòng)方向等運(yùn)行特性，把目標(biāo)的位置特性和運(yùn)動(dòng)特性結(jié)合起來(lái)，從而有效地限制關(guān)聯(lián)門(mén)出現(xiàn)的冗余信息，降低了目標(biāo)和探測(cè)數(shù)據(jù)之間的關(guān)聯(lián)概率事件，降低了 JPDA 計(jì)算量的目的[9]。

基于位置信息的跟蹤門(mén)1，在i時(shí)刻以目標(biāo)t的位置預(yù)測(cè)數(shù)據(jù)中心所建立的跟蹤門(mén)1的體積為Vt(i)=?MγM/2|Wt(i)|1/2，其中自由度為M，

本文中的傳感器為避碰聲吶、紅外光電設(shè)備、導(dǎo)航雷達(dá)、AIS系統(tǒng)等，可以提供目標(biāo)運(yùn)動(dòng)方向或速度等運(yùn)行狀態(tài)相關(guān)的數(shù)據(jù)，故可在跟蹤門(mén)1的基礎(chǔ)上，引入速度特性。假設(shè)i時(shí)刻目標(biāo)t的預(yù)測(cè)運(yùn)動(dòng)方向?yàn)棣群挺?，并且是落入跟蹤門(mén)1區(qū)域內(nèi)的一個(gè)有效回波探測(cè)目標(biāo)，公式如下：

依據(jù)雙跟蹤門(mén)設(shè)計(jì)思路，降低落入跟蹤門(mén)限交叉區(qū)域內(nèi)的目標(biāo)信息與傳感器源的關(guān)聯(lián)事件，本文根據(jù)傳感器的集合進(jìn)行極大似然法的同源劃分，首先明確哪些探測(cè)目標(biāo)值是哪個(gè)傳感器探測(cè)的，即多傳感器對(duì)多目標(biāo)探測(cè)的同源分劃。本文采用了極大似然估計(jì)法來(lái)解決這個(gè)問(wèn)題[5]。

設(shè)在i時(shí)刻，在N個(gè)傳感器對(duì)Q個(gè)目標(biāo)的探測(cè)集合ZN中，每一傳感器有mn（n=1，2，…，N）個(gè)探測(cè)結(jié)果。記i時(shí)探測(cè)結(jié)果集合為：

對(duì)某一{目標(biāo)的探測(cè)信息集}合為：

Γli=Z1i1,Z2i2,...,ZNiN，其中i=1，…，Q，表示Q個(gè)目標(biāo)集合，這就構(gòu)成ZN個(gè)劃分，共有L個(gè)可能分劃集合，i=0，l=0時(shí)，為假目標(biāo)集合。

1.3 智能船舶多傳感器信息流設(shè)計(jì)

本文的智能船舶接收本船避碰聲吶、測(cè)深聲吶、光電傳感器、導(dǎo)航雷達(dá)、AIS系統(tǒng)、GPS/北斗等傳感器發(fā)送的航行數(shù)據(jù)和設(shè)備信息，以及接入岸基中心外部信息，通過(guò)自動(dòng)感知和獲得船舶自身位置、航速、航向等船舶運(yùn)動(dòng)參數(shù)，水深、港口設(shè)施、危險(xiǎn)區(qū)等靜態(tài)環(huán)境信息，它船位置、航速、航向等目標(biāo)參數(shù)以及風(fēng)、波、浪、涌、潮、氣象等海洋環(huán)境信息和數(shù)據(jù)，結(jié)合智能化電子海圖，為智能船舶航運(yùn)實(shí)時(shí)提供決策和控制信息，以使智能船舶航行過(guò)程更加安全、可靠。

智能船舶獲取雷達(dá)光電、避碰聲吶、AIS等實(shí)時(shí)數(shù)據(jù)，實(shí)現(xiàn)實(shí)時(shí)監(jiān)測(cè)目標(biāo)的動(dòng)態(tài)信息，通過(guò)本文的JPDA多源信息融合技術(shù)，解決傳感器空間覆蓋區(qū)域中的冗余信息，對(duì)各類(lèi)傳感器同步控制和協(xié)同探測(cè)，克服多種或多個(gè)傳感器的應(yīng)用環(huán)境、作用距離、目標(biāo)識(shí)別能力不同等問(wèn)題[1]，通過(guò)采用信息優(yōu)化技術(shù)、數(shù)據(jù)轉(zhuǎn)換技術(shù)、數(shù)據(jù)相關(guān)技術(shù)、態(tài)勢(shì)分析評(píng)估技術(shù)和融合推理技術(shù)，實(shí)現(xiàn)在航線選擇、船舶避讓等方面的優(yōu)化，生成正確的航行決策[2–3]。智能船舶多傳感器信息流設(shè)計(jì)框圖如圖1所示。

圖 1 智能船舶多傳感器信息流設(shè)計(jì)框圖Fig. 1 Intelligent multi-sensor information flow design block diagram of the ship

本文智能船舶多傳感器信息處理原理框圖如圖2所示。

圖 2 多傳感器信息處理原理框圖Fig. 2 Multi-sensor information processing principle block diagram

2 仿真設(shè)計(jì)與結(jié)果分析

為進(jìn)一步驗(yàn)證本文提出的JPDA算法有效性和可行性，采用Matlab（版本號(hào)R2015b）軟件進(jìn)行仿真試驗(yàn)驗(yàn)證，采用2個(gè)水下目標(biāo)（目標(biāo)M和目標(biāo)N）進(jìn)行模擬，2個(gè)目標(biāo)都是勻速直線運(yùn)動(dòng)，探測(cè)水下目標(biāo)的傳感器選用避碰聲吶，傳感器測(cè)距標(biāo)準(zhǔn)差均為10 m，傳感器的虛警概率為0.01，落入跟蹤門(mén)限檢測(cè)概率為0.85，對(duì)應(yīng)正確量測(cè)目標(biāo)落入跟蹤門(mén)1的概率為0.99，對(duì)應(yīng)正確量測(cè)目標(biāo)落入跟蹤門(mén)2的概率為0.99，各個(gè)傳感器的掃描周期為1 s。仿真結(jié)果如圖3～圖5所示。

圖 3 目標(biāo)實(shí)際航跡仿真圖Fig. 3 Target track simulation diagram

圖 4 目標(biāo)雜波和估計(jì)位置航跡圖Fig. 4 Goals clutter and the estimated position track diagram

圖 5 目標(biāo)探值與估計(jì)值誤差分析圖Fig. 5 Target error analysis diagram agent and estimated values

其中圖3為在上述設(shè)定條件下，仿真2個(gè)真實(shí)目標(biāo)M，N的實(shí)際運(yùn)動(dòng)航跡和實(shí)時(shí)位置，實(shí)線2為目標(biāo)M航跡，實(shí)線1為目標(biāo)N航跡。圖4為避碰聲吶探測(cè)到目標(biāo)M和目標(biāo)N的雜波和估計(jì)位置，可見(jiàn)算法對(duì)雜波的處理效果還是比較明顯，線1虛點(diǎn)為目標(biāo)M雜波航跡，線2虛點(diǎn)為目標(biāo)N雜波航跡，線1實(shí)線為目標(biāo)M估計(jì)位置航跡，線2實(shí)線為目標(biāo)N估計(jì)位置航跡。圖5為2個(gè)目標(biāo)的位置探測(cè)值與位置估計(jì)值誤差分布顯示。由此仿真結(jié)果可知，驗(yàn)證了本文采用此算法的可行性。

3 結(jié) 語(yǔ)

本文主要介紹智能船舶的發(fā)展前景，智能船舶多源信息融合技術(shù)是智能船舶集成系統(tǒng)的關(guān)鍵核心技術(shù)之一[1]，描述了基于改進(jìn)的聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)算法（JPDA）的智能船舶多源信息融合技術(shù)，詳細(xì)分析了JPDA算法模型，提出了智能船舶多傳感器、多目標(biāo)跟蹤的環(huán)境下多傳感器多目標(biāo)導(dǎo)致的計(jì)算量太大問(wèn)題，并給出了解決方法。基于位置信息的跟蹤門(mén)1和基于運(yùn)行特性的跟蹤門(mén)2的雙跟蹤門(mén)設(shè)計(jì)，把目標(biāo)的位置特性和運(yùn)動(dòng)特性結(jié)合起來(lái)，從而有效地限制關(guān)聯(lián)門(mén)出現(xiàn)的冗余信息，以實(shí)現(xiàn)并增強(qiáng)智能船舶自主航行的安全性和可靠性，最后采用Matlab（版本號(hào)R2015b）軟件進(jìn)行模擬驗(yàn)證仿真，對(duì)仿真結(jié)果給出分析，驗(yàn)證了本文提出JPDA算法的有效性和可行性，本文對(duì)多傳感器融合設(shè)計(jì)和智能船舶集成系統(tǒng)設(shè)計(jì)方面具有一定借鑒意義。