基于誤差估計的多傳感器異步融合處理

凌翔

【摘 要】為了提高多傳感器數(shù)據(jù)融合中的精度，本文提出了基于誤差估計的異步融合處理方法，該方法將傳感器觀測值與融合航跡的預(yù)測值直接融合，同時保證多傳感器融合結(jié)果的數(shù)據(jù)率和融合之后的精度。本文進行了對比仿真實驗，結(jié)果表明該方法在直線和轉(zhuǎn)彎條件下的估計精度都比同步方法更高。

【關(guān)鍵詞】異步融合；航跡跟蹤；誤差概率

【Abstract】To improve the precision of data fusion in multi-sender network， this article proposed an asynchronous fusion method based on error estimation. In this method， the observations of every sensor calculated with fusion tracks directly， assuring data rate and precision simultaneously. In this article， comparison between asynchronous and synchronous methods is made， and indicates that the result of asynchronous method are better than the other one.

【Key words】Asynchronous fusion； Tracking； Error Probability

0 引言

多元傳感器融合處理能通過綜合多角度、多類傳感器的不同觀測，實現(xiàn)數(shù)據(jù)率、精度和發(fā)現(xiàn)概率的提高。要實現(xiàn)這些指標的提升，需要對多個傳感器的觀測值進行綜合估計。但是由于不同傳感器的數(shù)據(jù)率可能并不相同，或者即便相同數(shù)據(jù)率的傳感器對同一目標的觀測時間也不一樣，這就使得數(shù)據(jù)融合首先要解決數(shù)據(jù)的時間配準[1]。

數(shù)據(jù)融合按照時間配準的方法可分為同步融合和異步融合兩類。同步融合[2]是將多個傳感器的觀測值同步到一個時刻，并進行綜合參數(shù)估計；異步融合[3]并不需要做時間同步，而是直接對每一個觀測進行單獨的參數(shù)估計過程。因此異步融合的數(shù)據(jù)率通常比同步融合更高，對不同傳感器的觀測時序不作任何假設(shè)或要求。

1 多源數(shù)據(jù)融合的一般方法

多源傳感器的數(shù)據(jù)融合一般分為三個階段：配準、參數(shù)估計和濾波，而一般單一傳感器的目標跟蹤不需要配準和參數(shù)估計。因此就工程實踐來說，多源傳感器的目標跟蹤與單傳感器的跟蹤在軟件實現(xiàn)步驟上基本一致，只不過多源融合程序增加了時間配準和參數(shù)估計的過程。整個的融合過程如圖1所示。

1.1 融合架構(gòu)

信息融合方法從架構(gòu)上可分為分布式和集中式兩種[4，5]。分布式融合[6]是對每一個傳感器觀測進行獨立的跟蹤，產(chǎn)生局部航跡，之后對所有的局部航跡進行融合，產(chǎn)生全局航跡。這樣做的優(yōu)點是融合中心得到的信息更多（如速度、加速度等），有利于時間配準中對觀測數(shù)據(jù)在時間維度上的插值和外推；缺點是由于需要對單獨傳感器進行獨立跟蹤，因此難以通過增加傳感器提高發(fā)現(xiàn)概率。

集中式融合將各傳感器的原始觀測值進行統(tǒng)一融合處理，直接產(chǎn)生全局航跡，這樣做的好處是能提高系統(tǒng)整體的發(fā)現(xiàn)概率，當(dāng)單一傳感器發(fā)現(xiàn)概率達不到系統(tǒng)要求時，通過數(shù)據(jù)融合使全局發(fā)現(xiàn)概率達到檢測要求。

1.2 時間配準

為了對多個傳感器數(shù)據(jù)進行融合，必須將多個傳感器的數(shù)據(jù)和融合歷史數(shù)據(jù)配準到同一個時刻，然后才能進行參數(shù)估計。時間配準包含兩個任務(wù)：1.選擇合適的時刻；2.對數(shù)據(jù)進行預(yù)測或內(nèi)插。

一般情況下，選定某一個主傳感器的觀測時刻為融合時刻，或者使用融合系統(tǒng)自身處理節(jié)拍的時刻作為融合時刻，所有其他傳感器的數(shù)據(jù)統(tǒng)一地通過預(yù)測或內(nèi)插調(diào)整至融合時刻。這種方法稱為同步融合，好處是能夠在每一個時刻得到更多的觀測數(shù)據(jù)，從而進行精確的估計；壞處是融合數(shù)據(jù)率低于傳感器的原始數(shù)據(jù)率，并且更多的傳感器無法提高融合數(shù)據(jù)率，而只能提高精度。

直接對傳感器的觀測數(shù)據(jù)進行融合[7]，并在每次收到任何一個傳感器觀測數(shù)據(jù)后都將該數(shù)據(jù)與歷史數(shù)據(jù)做實時融合并給出融合結(jié)果。這種方法稱為異步融合，好處是更多的傳感器可以得到更高的數(shù)據(jù)率的同時也能提高融合精度，壞處是實時觀測數(shù)據(jù)只能和歷史數(shù)據(jù)進行融合，而非最新的觀測數(shù)據(jù)，從而影響融合精度。

2 基于誤差概率的異步融合

本文方法以集中式融合為架構(gòu)，將多傳感器的觀測值直接與全局航跡關(guān)聯(lián)和融合，實現(xiàn)全局航跡的實時更新，是一種集中式異步融合方法。

2.1 集中式異步融合處理

集中式異步融合處理是將傳感器觀測與全局航跡的外推值進行融合，因此每一次融合分為三個步驟：1）全局航跡外推；2）參數(shù)估計；3）航跡濾波。

本文使用的航跡濾波方法采用勻加速運動卡爾曼濾波。實際上，基于誤差概率的異步融合方法與采用的濾波算法沒有關(guān)系，更好的、更符合目標運動特征的濾波算法能夠得到更好的結(jié)果。

2.2 誤差概率估計

傳感器通常會上報多個維度的觀測數(shù)據(jù)，大部分是以傳感器為原點的極坐標。不同類型的傳感器其距離和方位誤差差別巨大，例如基于電磁波的傳統(tǒng)雷達通常距離精度高，方位精度差；而基于可見光的激光雷達距離精度很差，但方位精度極高。可以對這些不同傳感器分別建立誤差模型，并以此模型為基礎(chǔ)進行數(shù)據(jù)融合[8]。

3）最后利用這個誤差概率將觀測值與全局航跡外推值進行融合，即zi=yiPi+xi（1-Pi），其中x代表觀測值，y代表全局航跡外推值，z代表融合值，i代表維度。

例如以傳統(tǒng)二維雷達為例，假設(shè)其理論距離誤差為100米，方位誤差為3度，最大量程為300公里。由于卡爾曼濾波是在直角坐標系下進行的，因此距離和方位誤差會相互耦合，那么最大距離誤差概率為Rmax×3×π/180，方位誤差仍然約為3度。

需要注意的是在跟蹤開始時刻，由于航跡需要時間收斂至接近真值，在未收斂之前的這段時間采用全局航跡進行誤差概率估計會導(dǎo)致結(jié)果不準確。解決方法是在跟蹤初始階段直接采用觀測值進行濾波，相當(dāng)于將這一階段的觀測值誤差概率設(shè)為0。

3 仿真實驗

3.1 實驗方法

仿真實驗?zāi)M了兩個傳統(tǒng)兩坐標雷達之間的數(shù)據(jù)融合。首先按照三次樣條曲線等間隔生成了1000組觀測值（以目標勻速曲線運動為條件），然后根據(jù)兩個雷達的數(shù)據(jù)率分別在這1000組數(shù)據(jù)中抽取若干作為各雷達的觀測，并加入方位誤差（距離誤差可忽略不計）。產(chǎn)生的數(shù)據(jù)如圖2所示。

對產(chǎn)生的數(shù)據(jù)分別采用直接異步融合、同步估計融合、異步估計融合三種方法進行數(shù)據(jù)融合。其中直接異步融合是將兩個雷達的觀測點當(dāng)作單傳感器直接進行跟蹤；同步估計融合將其中數(shù)據(jù)率低的雷達時間配準到數(shù)據(jù)率高的雷達觀測時刻，然后進行同步融合；異步估計融合就是本文上一節(jié)講到的方法。同步估計融合和異步估計融合全部采用誤差概率估計方法對觀測值進行參數(shù)估計。

3.2 實驗結(jié)果

上述三種方法都采用相同的勻加速卡爾曼濾波器，最終的結(jié)果如圖3、圖4和表1所示。

4 總結(jié)

通過仿真對比試驗，本文所提出的基于誤差估計的集中式異步融合算法即保證的數(shù)據(jù)率，又使得精度得到了提高，其原因是同步融合中對觀測值的外推時間跨度更大，因此引入的誤差比采用全局航跡的外推更大，特別是在目標轉(zhuǎn)彎時表現(xiàn)非常明顯。

【參考文獻】

[1]劉釗.多傳感器時空一致及其信息融合技術(shù)研究[D].國防科學(xué)技術(shù)大學(xué)，2008.

[2]劉釗，戴斌.多傳感器信息融合中時間同步方法的研究[J].計算機仿真，2009，26（6）：124-127.

[3]何俊，張華，劉繼忠.基于耦合HMM的多傳感異步信息融合分類策略[J].計算機應(yīng)用研究，2009（8）：2836-2838.

[4]宋文堯.卡爾曼濾波[M].科學(xué)出版社，1991.

[5]韓崇昭.多源信息融合[M].清華大學(xué)出版社，2006.

[6]陶貴麗，鄧自立.廣義系統(tǒng)多傳感器分布式融合降階Kalman濾波器[J].科學(xué)技術(shù)與工程，2006，6（6）：661-668.

[7]劉磊，林雪原，周旻.多傳感器組合導(dǎo)航系統(tǒng)的多尺度異步信息融合算法[J].海軍航空工程學(xué)院學(xué)報，2012（3）：276-280.

[8]張士峰，蔡洪.Bayes分析中的多源信息融合問題[J].系統(tǒng)仿真學(xué)報，2000，12（1）：54-57.

[責(zé)任編輯：王偉平]