飛行器外測數(shù)據(jù)實時處理關鍵算法探討*

趙希晶，項樹林

（91550部隊，遼寧大連 116023）

0 引言

飛行器測控跟蹤過程中，實時外測數(shù)據(jù)是判斷目標飛行態(tài)勢和軌跡顯示的重要信息源，同時由于外測數(shù)據(jù)獨立于目標本身，不易受到目標自身問題影響，更具有客觀性，因此，也是實施控制的重要依據(jù)。

根據(jù)具體目標的不同，外測數(shù)據(jù)處理的內容也不盡相同，但是在算法設計和結構控制上都要本著穩(wěn)定、高精度輸出的實時數(shù)據(jù)處理原則。

文中主要針對飛行器跟蹤實時數(shù)據(jù)處理技術展開研究，結合工程經驗，分析了核心數(shù)據(jù)處理算法和改進措施，并探討了今后的主要發(fā)展方向。

1 外測實時數(shù)據(jù)處理簡介

1.1 數(shù)據(jù)處理流程

飛行目標的實時外測數(shù)據(jù)處理主要流程如圖1所示。

其中，對數(shù)據(jù)處理結果產生較大影響的主要包括以下幾個方面：信息組合優(yōu)選、數(shù)據(jù)檢擇和數(shù)字濾波，文中也主要針對這幾項處理技術展開探討。

圖1 數(shù)據(jù)處理流程圖

1.2 制約條件

選擇什么樣的處理算法和方式，受到中心計算系統(tǒng)的容量、速度、設備空間結構關系、精度指標等綜合因素的制約，而單純從數(shù)學意義上講，決定實時數(shù)據(jù)處理效果的主要有3個因素：測量設備精度、布站幾何和數(shù)據(jù)處理方法的選擇。在相同的設備和布站條件下，采用不同的數(shù)據(jù)處理方法和處理流程，得到的測量數(shù)據(jù)結果精度可能相差很多[1]。

這就要求建模人員必須綜合考慮各種因素，合理設計算法和流程。

2 主要數(shù)據(jù)處理技術

2.1 測量方案選優(yōu)

測控系統(tǒng)中定義能夠獨立定位和測速的一臺或者幾臺設備組合為一個測量方案，一個測量方案的精度就決定了一個數(shù)據(jù)源的精度。由于布站幾何的關系，理論測量精度是一個動態(tài)變化的過程，因此要重點考慮主要測量段落上的軌跡精度。除了精度因素外，設備的工作穩(wěn)定性、服役時間等因素也是重要的參考指標。在綜合考慮各種條件后，技術人員制定出方案優(yōu)選表，裝訂中心計算系統(tǒng)中，方案優(yōu)選表直接決定了實時中的數(shù)據(jù)源數(shù)目和方案輸出順序。

工程上，根據(jù)控制方式不同，方案優(yōu)選表又可以分為兩種：

1）固定優(yōu)先級方案表

這種控制方式的方案表優(yōu)先級完全固定，程序自動進行判斷選擇輸出哪一個測量方案。理論上，如果第一測量方案一直穩(wěn)定跟蹤，則整個軌跡解算過程將完全由第一優(yōu)先級的測量方案完成。固定優(yōu)先級方案表輸出過程如圖2所示。

圖2 固定優(yōu)先級方案輸流程圖

固定優(yōu)先級方案優(yōu)選表的特點是不需要人工干預，自動切換輸出。實際應用中存在缺陷是：由于工作環(huán)境限制，實際設備狀態(tài)和測量效果未必和理論上的一致，如果設備沒有達到理想的工作狀態(tài)，而該設備參與解算的測量方案優(yōu)先級又較高，這就會導致實際方案選擇的失敗。因此，這種控制方式缺乏必要的靈活性。

2）動態(tài)調整優(yōu)先級方案表

針對固定優(yōu)先級方案表存在的缺陷，實時中可以采用有一定交互調整能力的動態(tài)優(yōu)選方案技術。這種技術以固定優(yōu)先級的方案表為基礎，加入人工判斷，如果判斷某個低優(yōu)先級方案輸出數(shù)據(jù)會比當前方案數(shù)據(jù)輸出效果會更好，可以直接通過設置控制指令，強制輸出該方案，取代原有方案。如果調整后的方案不能滿足輸出條件，則優(yōu)選程序自動按照當前滿足條件測量方案排序順序輸出。

動態(tài)調整優(yōu)先級方案表，部分實現(xiàn)了人－機結合功能，能夠對實時軌跡解算方案進行干預，因此在工程上具有較高應用價值。

2.2 異常值的識別和處理

測量數(shù)據(jù)中存在異常值嚴重影響數(shù)據(jù)處理精度，同時，異常值也對多種數(shù)字濾波算法產生干擾，導致數(shù)字濾波器長時間不能收斂。因此，實時數(shù)據(jù)處理中要盡可能的剔除異常值或者降低異常值對軌跡解算結果的影響。

異常值概括起來有兩種類型：一是孤立型異常值，即在某個時刻采樣得到的測量值是異常值，但在該時刻的鄰域內沒有異常值；二是斑點型異常值，即在某一采樣區(qū)間內，連續(xù)出現(xiàn)多個異常值[2]。對于第一類異常值，目前實時中主要應用差分方法、基于最小二乘的多項式擬合等方法來處理，均能達到比較好的糾正效果。較難處理的是斑點型異常值，由于這類異常值存在時間相關性，而上述常規(guī)檢擇算法如最小二乘算法等都是基于外推，局部性明顯，導致實時中對斑點型異常值的識別和處理效果不理想。工程上容易出現(xiàn)的現(xiàn)象是，算法未能正確識別和處理掉斑點型異常數(shù)據(jù)，反而將附近的正常數(shù)據(jù)拉偏，導致整個段落的數(shù)據(jù)檢擇失敗[3]。

2.2.2 改進措施

針對斑點型異常數(shù)據(jù)的特點，工程上采用的一種解決方法是橫向比對法。橫向比對法對同一測量周期的多個通道原始數(shù)據(jù)進行橫向比對，通過坐標基準轉換，建立多個獨立信息源數(shù)據(jù)之間的關聯(lián)，避開了單一通道數(shù)據(jù)識別的局限性。該方法可有效提高對斑點型異常值識別概率，局限性是該方法需要多個信息源作支持，信息源較少則識別能力大大減弱。

另外一種可行方法是采用基于軌跡參數(shù)的檢擇方法：利用當前時刻的軌跡參數(shù)，預測下一時刻軌跡參數(shù)，再反算到設備測元上，進行作差計算。

基于軌跡參數(shù)的方法不僅考慮了測元的時序相關性，還考慮了信號的真實性。如果所有測元只有隨機誤差，顯然這種方法對于異常值的識別要大大優(yōu)于單測元數(shù)據(jù)檢擇方法。如果某測元存在較大的系統(tǒng)誤差（斑點型異常值可以看作是一種系統(tǒng)誤差），該測元也參加了軌跡參數(shù)的解算，則將拉偏軌跡；若該測元未參加軌跡參數(shù)的解算，則其殘差歷史數(shù)據(jù)會體現(xiàn)出強烈的趨勢項，可以利用該信息實時的扣除該測元上較大的系統(tǒng)誤差。因此，該方法對具有時序相關性的斑點型異常值具有很好的識別能力，弱點是必須提供較高精度的軌跡參數(shù)，才能保證高識別概率。

2.2.3 門限值確定

1）固定門限法

要判斷人工智能創(chuàng)作有無自然人作者介入，首先需要了解自然人干預人工智能的方式。雖然人工智能創(chuàng)作過程是完全自動的，人工智能程序一旦開始運行人就無法介入其中，但人工干預對于人工智能創(chuàng)作并非無關緊要。人工智能業(yè)界的一句戲言“有多少人工，就有多少智能”在某種程度上反映了人工干預對于人工智能創(chuàng)作的影響程度。一般來說，自然人對人工智能創(chuàng)作的人工干預主要集中在三個方面：

固定門限根據(jù)工程上著名的“3σ”準則確定，實際應用中，為了保證多信息源的可靠輸出，門限一般在3倍誤差均方差的基礎上進一步放大。固定門限的方法設置比較簡單，應用廣泛。但是由于實時數(shù)據(jù)誤差的復雜性，理想的正態(tài)分布并不存在，而且誤差方差也不是一個固定的值，這就導致很難直接對固定門限值進行量化處理：門限過大，導致實時數(shù)據(jù)質量下降；門限過小，又容易造成方案切換，不利于數(shù)據(jù)的穩(wěn)定輸出。

2）動態(tài)門限法

工程上，噪聲一般是非平穩(wěn)的，如雷達測量噪聲隨仰角增大而降低。取固定門限，在誤差大的測量段落將增加虛警概率，即將大量真信號誤判為野值，導致數(shù)據(jù)處理軟件出現(xiàn)大量重新初始化。同時，測量誤差的動態(tài)變化也要求根據(jù)測量狀態(tài)自適應地給出門限。

動態(tài)門限基本思路是根據(jù)滑動窗口數(shù)據(jù)進行統(tǒng)計，實時變動門限值，根據(jù)當前時刻以前一定長度窗口內的數(shù)據(jù)（預報與實測數(shù)據(jù)的殘差或差分）實時統(tǒng)計數(shù)據(jù)誤差的方差，以該均方差的3～5倍作為當前時刻的門限。

設有等間隔的測量數(shù)據(jù)序列 ｛ui；（i＝1，2，…，n）｝，對應的預測序列為，則預測殘差序列為當無異常測值時滿足Δui～N（0，σ2）。

根據(jù)樣本方差公式有：

自適應確定門限的方法較為精確、穩(wěn)健，檢測效率高，逐漸成為高精度異常值識別的主要算法。

2.3 濾波降噪技術

2.3.1 Kalman數(shù)字濾波

測量數(shù)據(jù)不可避免的帶有隨機誤差，有時候隨機誤差雖然沒有超過門限，但是直接使用原始數(shù)據(jù)，仍然難以取得滿意的數(shù)據(jù)精度。數(shù)字濾波技術能夠進一步壓縮或者減小高頻誤差，輸出相對平滑更能體現(xiàn)目標運動趨勢的數(shù)據(jù)。Kalman濾波具有數(shù)據(jù)積累少，運算速度快的特點，因此，在信號處理領域得到了廣泛的應用。在飛行器測控中由于特定飛行目標控制過程復雜，很難直接給出能夠滿足全程跟蹤運行的精確目標狀態(tài)方程，同時，限于早期計算能力，也無法直接應用涉及大量矩陣運算的標準Kalman濾波。因此，實時中一直應用的是其簡化形式即常增益Kalman濾波，其基本原理是：目標作勻加速運動的模型假設下，標準Kalman遞推多步后，增益矩陣K將趨于常數(shù)陣，可以直接采用下面兩個公式進行遞推運算（符號含義見文獻[3]）：

實時數(shù)據(jù)處理中，通常直接通過仿真確定一組固定的增益值K進行遞推運算。常增益濾波器本質上是一個穩(wěn)態(tài)濾波器，而濾波器的啟動是一個瞬態(tài)過程，需要對初始增益進行補償。為了簡化處理過程，外測處理中初始段的濾波數(shù)據(jù)不進行輸出，待狀態(tài)穩(wěn)定后，再進行濾波輸出，穩(wěn)定時間段一般應控制在2s以內。

2.3.2 并行濾波處理流程

多個測量方案并存的情況下，理論上可以得到多個軌跡，目前普遍采用的處理模式是只計算一條軌跡的策略，測量中出現(xiàn)數(shù)據(jù)缺失，測量方案順序進行遞補。這樣處理的方式實現(xiàn)起來容易，計算量小，也能保證軌跡的完整性，不足點在于：

1）各類方案精度不同，導致形成軌跡的精度差異非常明顯，方案切換之間臺階現(xiàn)象明顯；

2）在測量設備狀態(tài)不穩(wěn)、測量方案頻繁切換情況下，進入濾波系統(tǒng)的軌跡參數(shù)是一個多信息源、不等精度方差的混和形式，導致濾波系統(tǒng)功能受到影響，甚至導致發(fā)散。

為了克服上述不足，可以采用并行的數(shù)據(jù)處理方式，即多個測量方案同時進行解算，設置多個邏輯濾波器進行分別濾波，每個測量周期內形成多個軌跡。由于測量數(shù)據(jù)前后趨勢之間具有相關性，更容易實現(xiàn)濾波系統(tǒng)的穩(wěn)定運行，同時各個測量設備數(shù)據(jù)相互之間獨立運行，增加了數(shù)據(jù)源選擇的靈活性。

3 實時數(shù)據(jù)處理的發(fā)展

伴隨著計算機軟硬件技術的發(fā)展和目標跟蹤控制要求的提高，對實時外測數(shù)據(jù)處理能力也提出了更高的要求，采用更加先進的數(shù)據(jù)處理技術成為必然。從當前實時處理中面對的目標運動特性、系統(tǒng)計算能力等方面考慮，當前研究側重點是開發(fā)適合實時處理要求的數(shù)據(jù)融合和高精度數(shù)字濾波應用技術。

3.1 數(shù)據(jù)融合技術

大型測控系統(tǒng)是一個典型的多傳感器系統(tǒng)，各外測設備按照時間統(tǒng)一信號控制，周期性的將數(shù)據(jù)傳輸?shù)接嬎阒行摹Ｓ嬎阒行睦萌诤鲜侄?，可以提供高精度、高可靠性的目標識別信息、軌跡信息和顯示信息等實時參數(shù)。

根據(jù)傳感器和融合中心信息流的關系，數(shù)據(jù)融合的結構按照位置融合抽象層次可以分為三類：

1）集中式（中心級）：將原始數(shù)據(jù)送到融合中心；

2）分布式（傳感器級）：將處理后的數(shù)據(jù)送到融合中心；

3）混合結構：集中式／分布式的結合。

其中，集中式結構具有最高的融合精度，但傳感器與中心機間的數(shù)據(jù)傳輸量大，對中心的計算能力要求也較高；分布式結構由于部分融合可以在傳感器部分完成，計算量減少，但不如集中式結構的精度高；混合式結構通過中心計算機保證融合精度，通過傳感器的部分融合保證及時性。這也是目前較先進的融合結構[5]。

從拓撲結構上看，外測系統(tǒng)設備之間不發(fā)生數(shù)據(jù)聯(lián)系，且計算能力有限，而中心計算系統(tǒng)功能強大，因此，采用集中式的融合結構體系是目前最為可行的方式。

理論上，參與融合的設備數(shù)量越多，融合結果精度也越高。但是，考慮到融合的處理難度和實時性，以分類局部的方式進行數(shù)據(jù)融合最為可行：即對數(shù)據(jù)源進行分類，實現(xiàn)數(shù)據(jù)源分組、分層次進行數(shù)據(jù)融合，分多個優(yōu)先級輸出。每一類設備作為一個融合對象，形成幾個融合模塊。由于參與設備數(shù)量少，處理過程相似，算法成熟，更容易實現(xiàn)較高精度的融合計算，真正做到全系統(tǒng)、高精度的大融合還需要進一步在算法設計、誤差修正、傳輸通道、程序結構控制等方面做研究。

3.2 高精度數(shù)字濾波技術

常增益數(shù)字濾波器結構簡單，容易實現(xiàn)，但是由于其本身結構特點，使其對具有一定機動能力目標的跟蹤能力較差，很難滿足不斷提高的實時數(shù)據(jù)處理要求，開發(fā)高精度的Kalman濾波技術已是必然趨勢。

高精度Kalman濾波關鍵是建立真實性更高的狀態(tài)方程模型。近年來，國內有學者提出基于機動目標跟蹤模型，建立測控目標的狀態(tài)跟蹤方程[5]，這為高精度Kalman濾波技術的應用提供了條件。目前，機動目標跟蹤模型已經有很多種成熟的結果，其中，我國學者周宏仁提出的“當前”統(tǒng)計模型是最具有典型意義的機動目標跟蹤模型。該模型認為目標的下一時刻加速度在“當前”加速度的領域內，可以利用修正的瑞利分布描述機動加速度分布概率，而不必考慮各種機動情況，從而利用運動學方程去逼近動力學方程。該模型本質上是非零均值時間相關模型，可以看作是對singer模型的改進。理論上已經證明該方法在測控數(shù)據(jù)處理中應用是可行的。

隨著技術條件的成熟，一些高精度的數(shù)字濾波技術如無跡卡爾曼濾波器（UKF）、粒子濾波器（PF）、無跡粒子濾波器（UPF）等也相繼進入了外測跟蹤應用探討階段，測控領域的一些學者已經在這方面做了一些有益的嘗試。如果這些先進的數(shù)字濾波技術結合狀態(tài)方程模型改進，進一步提高算法的實時性，完善機動頻率等實時參數(shù)的選取，實現(xiàn)實時數(shù)據(jù)處理中的高精度數(shù)字濾波是完全可行的。

4 結束語

關鍵算法的選取對實時數(shù)據(jù)處理結果至關重要，但數(shù)據(jù)處理是個多環(huán)節(jié)相互影響的過程，因此，必須全面考慮，精心設計算法和處理流程，才能為目標跟蹤提供高質量的外測信息源。

[1]馬順南，王瑋.靶場外彈道測量系統(tǒng)最優(yōu)布站方法研究[J].宇航學報，2008，29（6）：1951－1954.

[2]黃家貴，呂紅寧，王安麗.斑點型野值的進一步識別與處理[J].裝備指揮技術學院學報，2002，13（6）：56－59.

[3]祝轉民，楊宜康，李濟聲，等.Kalman濾波工程應用問題分析及改進方法研究[J].宇航學報，2002，23（3）：44－47.

[4]汪雄良，朱巨波，王春玲.三狀態(tài)樣條Kalman濾波與目標機動檢測[J].現(xiàn)代雷達，2004，26（4）：21－28.

[5]郭軍海，慈穎.飛行器實時測控信息融合體制研究[J].飛行器測控學報，2007，26（3）：57－61.