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?，而船舶智能化、無人化是智能船舶技術(shù)的主要研究方向[4]，智能船舶為了達到無人化和智能化，在智能船舶平臺中會配置多個或多種傳感器，例如避碰聲吶、紅外光電設(shè)備、導(dǎo)航雷達、AIS系統(tǒng)、GPS/北斗等來實現(xiàn)自主航行的安全性和可靠性。然而如何處理多個或多種傳感器上傳的互補信息和冗余信息來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)位置特性和運動特性雙跟蹤門限的聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)算法（JPDA）減少落入跟蹤門內(nèi)的冗余信息，并在信息處理過程中采用極大似然估計法對多個或多種傳感器上傳的船舶自身運動參數(shù)、周圍靜態(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行同源劃分，來降低聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)算法（JPDA）的計算量[5]，最終實現(xiàn)對多傳感器信息的高質(zhì)量融合估計，為智能船舶航運實時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配置了包括避碰聲吶、紅外光電設(shè)備、導(dǎo)航雷達、AIS系統(tǒng)等多個或多種傳感器，每個傳感器都可能得到多個目標(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算法主要存在計算量太大問題[7]。在探測到大量的目標(biāo)信息出現(xiàn)在跟蹤波門的相交區(qū)域內(nèi)，并且這些目標(biāo)信息可能對應(yīng)多個傳感器，造成了多個傳感器的探測信息源于同一個目標(biāo)，最終導(dǎo)致有效的關(guān)聯(lián)事件數(shù)量與探測目標(biāo)數(shù)量呈指數(shù)增長，運算過程中的計算量也會呈指數(shù)增長甚至造成計算量的爆炸[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)致的計算量太大問題，采用基于位置信息的跟蹤門1和基于運行特性的跟蹤門2的雙跟蹤門設(shè)計思路，把目標(biāo)的位置特性和運動特性結(jié)合起來，從而有效地限制關(guān)聯(lián)門出現(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、AIS系統(tǒng)等多種傳感器上傳的信息進行同源劃分，減少關(guān)聯(lián)事件數(shù)量，降低了目標(biāo)和探測數(shù)據(jù)之間的關(guān)聯(lián)概率事件，從而達到降低 JPDA算法計算量的目的。

1.2 改進的JPDA算法設(shè)計

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

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

定義i時刻目標(biāo)t的關(guān)聯(lián)區(qū)域為：

設(shè)i時刻的有效信息為n（i）個，記為Ci,1,Ci,2,···,，i時刻的有效信息集為值落入跟蹤門限內(nèi)時，多個檢測目標(biāo)可能會出現(xiàn)在相交區(qū)域，聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)算法（JPDA）計算每一個檢測目標(biāo)信息與第一個探測值相關(guān)聯(lián)的概率。設(shè)為在i時刻的所有聯(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)的計算公式，可以得到目標(biāo)在i時刻的濾波值為：

本文中的JPDA算法采用基于位置信息的跟蹤門1和基于運行特性的跟蹤門2的雙跟蹤門設(shè)計思路，跟蹤門設(shè)計過程中，除了考慮目標(biāo)位置特性外，還考慮了運動方向等運行特性，把目標(biāo)的位置特性和運動特性結(jié)合起來，從而有效地限制關(guān)聯(lián)門出現(xiàn)的冗余信息，降低了目標(biāo)和探測數(shù)據(jù)之間的關(guān)聯(lián)概率事件，降低了 JPDA 計算量的目的[9]。

基于位置信息的跟蹤門1，在i時刻以目標(biāo)t的位置預(yù)測數(shù)據(jù)中心所建立的跟蹤門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、AIS系統(tǒng)等，可以提供目標(biāo)運動方向或速度等運行狀態(tài)相關(guān)的數(shù)據(jù)，故可在跟蹤門1的基礎(chǔ)上，引入速度特性。假設(shè)i時刻目標(biāo)t的預(yù)測運動方向為θ和β，并且是落入跟蹤門1區(qū)域內(nèi)的一個有效回波探測目標(biāo)，公式如下：

依據(jù)雙跟蹤門設(shè)計思路，降低落入跟蹤門限交叉區(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)傳感器的集合進行極大似然法的同源劃分，首先明確哪些探測目標(biāo)值是哪個傳感器探測的，即多傳感器對多目標(biāo)探測的同源分劃。本文采用了極大似然估計法來解決這個問題[5]。

設(shè)在i時刻，在N個傳感器對Q個目標(biāo)的探測集合ZN中，每一傳感器有mn（n=1，2，…，N）個探測結(jié)果。記i時探測結(jié)果集合為：

對某一{目標(biāo)的探測信息集}合為：

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

1.3 智能船舶多傳感器信息流設(shè)計

本文的智能船舶接收本船避碰聲吶、測深聲吶、光電傳感器、導(dǎo)航雷達、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，通過自動感知和獲得船舶自身位置、航速、航向等船舶運動參數(shù)，水深、港口設(shè)施、危險區(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，為智能船舶航運實時提供決策和控制信息，以使智能船舶航行過程更加安全、可靠。

智能船舶獲取雷達光電、避碰聲吶、AIS等實時數(shù)據(jù)，實現(xiàn)實時監(jiān)測目標(biāo)的動態(tài)信息，通過本文的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，對各類傳感器同步控制和協(xié)同探測，克服多種或多個傳感器的應(yīng)用環(huán)境、作用距離、目標(biāo)識別能力不同等問題[1]，通過采用信息優(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)勢分析評估技術(shù)和融合推理技術(shù)，實現(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)計框圖如圖1所示。

圖 1 智能船舶多傳感器信息流設(shè)計框圖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)計與結(jié)果分析

為進一步驗證本文提出的JPDA算法有效性和可行性，采用Matlab（版本號R2015b）軟件進行仿真試驗驗證，采用2個水下目標(biāo)（目標(biāo)M和目標(biāo)N）進行模擬，2個目標(biāo)都是勻速直線運動，探測水下目標(biāo)的傳感器選用避碰聲吶，傳感器測距標(biāo)準(zhǔn)差均為10 m，傳感器的虛警概率為0.01，落入跟蹤門限檢測概率為0.85，對應(yīng)正確量測目標(biāo)落入跟蹤門1的概率為0.99，對應(yīng)正確量測目標(biāo)落入跟蹤門2的概率為0.99，各個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)實際航跡仿真圖Fig. 3 Target track simulation diagram

圖 4 目標(biāo)雜波和估計位置航跡圖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個真實目標(biāo)M，N的實際運動航跡和實時位置，實線2為目標(biāo)M航跡，實線1為目標(biāo)N航跡。圖4為避碰聲吶探測到目標(biāo)M和目標(biāo)N的雜波和估計位置，可見算法對雜波的處理效果還是比較明顯，線1虛點為目標(biāo)M雜波航跡，線2虛點為目標(biāo)N雜波航跡，線1實線為目標(biāo)M估計位置航跡，線2實線為目標(biāo)N估計位置航跡。圖5為2個目標(biāo)的位置探測值與位置估計值誤差分布顯示。由此仿真結(jié)果可知，驗證了本文采用此算法的可行性。

3 結(jié) 語

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)致的計算量太大問題，并給出了解決方法?；谖恢眯畔⒌母欓T1和基于運行特性的跟蹤門2的雙跟蹤門設(shè)計，把目標(biāo)的位置特性和運動特性結(jié)合起來，從而有效地限制關(guān)聯(lián)門出現(xiàn)的冗余信息，以實現(xiàn)并增強智能船舶自主航行的安全性和可靠性，最后采用Matlab（版本號R2015b）軟件進行模擬驗證仿真，對仿真結(jié)果給出分析，驗證了本文提出JPDA算法的有效性和可行性，本文對多傳感器融合設(shè)計和智能船舶集成系統(tǒng)設(shè)計方面具有一定借鑒意義。