異類傳感器數(shù)據(jù)融合系統(tǒng)的模型設(shè)計與實現(xiàn)*

孫曉峰　郭徽東

(1.海軍702廠　上?！?00434)(2.92403部隊51分隊　福州　350007)

?

異類傳感器數(shù)據(jù)融合系統(tǒng)的模型設(shè)計與實現(xiàn)*

孫曉峰1郭徽東2

(1.海軍702廠上海200434)(2.92403部隊51分隊福州350007)

摘要異類多傳感器數(shù)據(jù)融合是傳感器信息處理的重要形式，以主被動傳感器為基本組成。給出異類傳感器數(shù)據(jù)融合中傳感器空間配置、坐標(biāo)轉(zhuǎn)換、數(shù)據(jù)關(guān)聯(lián)和被動跟蹤等模型，設(shè)計了異類傳感器數(shù)據(jù)融合算法流程，并利用實測數(shù)據(jù)進(jìn)行驗證，結(jié)果證明了模型在實際應(yīng)用中的適用性和實踐性。

關(guān)鍵詞異類傳感器; 被動跟蹤; 數(shù)據(jù)關(guān)聯(lián); 坐標(biāo)轉(zhuǎn)換

Class NumberTP274

1引言

異類多傳感器信息融合，是指針對同一目標(biāo)，處于不同位置的同類或異類的多個傳感器產(chǎn)生的信息加以綜合，消除傳感器之間可能存在的冗余和矛盾的信息，加以互補，提升其可靠性，從而形成目標(biāo)相對完整一致的感知描述。系統(tǒng)中涉及對目標(biāo)的時間統(tǒng)一、坐標(biāo)轉(zhuǎn)換，到傳感器方位關(guān)聯(lián)、特征信息融合等要素，由于傳感器所獲取的目標(biāo)信息是不同維、不同地、不同時的，要對這些數(shù)據(jù)進(jìn)行統(tǒng)一處理、優(yōu)化是件復(fù)雜的事情[1～2]。本文通過坐標(biāo)轉(zhuǎn)換、方位關(guān)聯(lián)和濾波定位實現(xiàn)對目標(biāo)精確定位、有效融合的目的。

2傳感器空間配置

2.1同地配置的主被動傳感器

當(dāng)主動傳感器與被動傳感器同地配置時，如果二者位于一陣地，則所配置的主、被動傳感器站址基本一致，相對目標(biāo)距離而言，站址之間的距離可以忽略不計(見圖1)。

圖1　同地配置的主、被動傳感器

2.2異地配置的主被動傳感器

異地配置的主被動傳感器配置中，由于主動傳感器與被動傳感器之間的站址相距較遠(yuǎn)，對來自主動傳感器的目標(biāo)信息先進(jìn)行坐標(biāo)轉(zhuǎn)換，再對主動傳感器、被動傳感器掌握的目標(biāo)數(shù)據(jù)信息進(jìn)行統(tǒng)計處理[3]。

圖2　異地配置的主、被動傳感器

3異類傳感器數(shù)據(jù)融合模型

3.1純方位關(guān)聯(lián)

主動傳感器與被動傳感器的數(shù)據(jù)融合是典型的異類多傳感器數(shù)據(jù)融合，即純方位目標(biāo)數(shù)據(jù)關(guān)聯(lián)。在敵方輻射電磁波或施放干擾時，利用偵察雷達(dá)對其他雷達(dá)實施引導(dǎo)，主動雷達(dá)和偵察雷達(dá)可以相互告警、印證和信息融合。

被動傳感器在某一方位(多個方位)偵察到目標(biāo)信號，主動傳感器在該方位線(如果兩傳感器為異地配置，須為轉(zhuǎn)換坐標(biāo)后的方位線)附近發(fā)現(xiàn)和跟蹤多批海上目標(biāo)，當(dāng)目標(biāo)距較遠(yuǎn)時，通過現(xiàn)有的手段和方式對目標(biāo)進(jìn)行識別較困難，特別是僅主動傳感器發(fā)現(xiàn)目標(biāo)時。由于被動傳感器目標(biāo)方位線附近可能有多個主動傳感器目標(biāo)航跡，而一個被動傳感器目標(biāo)至多可以和一個主動傳感器目標(biāo)相關(guān)聯(lián)，某一時刻被動傳感器航跡方位測量值與該時刻主動傳感器目標(biāo)航跡的方位值(或轉(zhuǎn)換坐標(biāo)后的方位值)的測量誤差相互獨立。因而，一個被動傳感器航跡和多個主動傳感器目標(biāo)航跡的關(guān)聯(lián)問題可化成如下的判決問題：

YES：主動傳感器航跡和所有被動傳感器航跡不相關(guān);

NO：主動傳感器航跡和某個被動傳感器航跡相關(guān)。

累計被動傳感器一段時間內(nèi)可用于和主動傳感器航跡關(guān)聯(lián)的方位狀態(tài)，則可以得到統(tǒng)計意義上的方位比較數(shù)據(jù)序列，計算出關(guān)聯(lián)判別函數(shù)，再結(jié)合關(guān)聯(lián)判別函數(shù)和門限規(guī)就可實現(xiàn)“真假目標(biāo)”的判決。判決函數(shù)計算和門限見文獻(xiàn)[1～2]。

3.2被動定位

單個被動傳感器對目標(biāo)進(jìn)行探測時，只能對目標(biāo)的初始距離進(jìn)行大致的估計，估計誤差過大容易造成傳統(tǒng)方法的收斂速度慢、跟蹤精度下降甚至發(fā)散。結(jié)合擴展卡爾曼濾波，對多個被動傳感器采用多假設(shè)距離擴展卡爾曼濾波方法[3](Multihypothesis Range-Parameterised Extended Kalman Filtering，MHRKF)可以得到較好的效果。MHRKF主要思想是對目標(biāo)進(jìn)行NH個初始距離的假設(shè)，利用濾波器并行運算的方法對目標(biāo)進(jìn)行跟蹤，根據(jù)各濾波器運算中得到的殘差進(jìn)行濾波器的概率計算，最后得到目標(biāo)的狀態(tài)組合估計。

各濾波器對應(yīng)的初始概率權(quán)值為[3]

(1)

式中，j為濾波器序號，dR(j,1)為各濾波器的距離空間長度。根據(jù)貝葉斯準(zhǔn)則，概率更新計算可表示為

(2)

其中

(3)

(4)

3.3坐標(biāo)轉(zhuǎn)換

由于地球是一個近似橢圓的球體，當(dāng)傳感器之間節(jié)點距離很遠(yuǎn)時，首先采用WGS84模型節(jié)點1直角坐標(biāo)系轉(zhuǎn)換到地心空間直角坐標(biāo)系[4]：

(5)

然后，目標(biāo)坐標(biāo)由地心空間直角坐標(biāo)轉(zhuǎn)換到節(jié)點2直角坐標(biāo)，轉(zhuǎn)換關(guān)系為

(6)

(X1,Y1,Z1)、(X2,Y2,Z2)分別是節(jié)點1、2坐標(biāo)原點在地心空間直角坐標(biāo)系中的坐標(biāo)。(B1,L1)、(B2,L2)分別為節(jié)點1，2坐標(biāo)原點的經(jīng)緯度。

WGS84模型的空間大地坐標(biāo)系轉(zhuǎn)換到地心空間直角坐標(biāo)系的公式為

(7)

4算法流程

上述討論的是僅利用目標(biāo)位置信息實現(xiàn)主動傳感器和被動傳感器的信息融合，在實際的信息處理中，在得到目標(biāo)屬性、類型以及其他途徑傳遞和共享的信息，綜合利用這些目標(biāo)的相關(guān)信息，從而進(jìn)一步實現(xiàn)多信息源融合。這里給出主被動傳感器信息融合流程：

圖3　主被動傳感器數(shù)據(jù)融合流程

1) 掌握主動傳感器、被動傳感器是否發(fā)現(xiàn)可疑目標(biāo)信號;

2) 按威脅序列，選擇一批被動傳感器目標(biāo)方位甄別或進(jìn)行交叉定位;

3) 針對該批目標(biāo)，選擇方位線附近主動傳感器目標(biāo)批號;

4) 如果交叉定位點存在，實施航跡關(guān)聯(lián)，否則，跳至8)執(zhí)行;

5) 如果與被動傳感器同地配置，判斷主動傳感器、發(fā)現(xiàn)的目標(biāo)方位是否在被動傳感器目標(biāo)方位線左右允許范圍內(nèi);

6) 如果與被動傳感器異地配置，將主動傳感器目標(biāo)位置信息轉(zhuǎn)換到被動傳感器坐標(biāo)系;判斷該目標(biāo)方位是否在被動傳感器目標(biāo)方位線左右允許范圍內(nèi);

7) 對被動傳感器、主動傳感器目標(biāo)統(tǒng)計、編批，方位序列統(tǒng)計，進(jìn)行關(guān)聯(lián)函數(shù)判別，門限篩選;

8) 接收來自相關(guān)部門的目標(biāo)屬性信息，進(jìn)行屬性匹配;

9) 得出判別結(jié)果;返回2)繼續(xù)執(zhí)行。

5仿真與實現(xiàn)

5.1模塊功能

從系統(tǒng)開發(fā)的角度出發(fā)，使系統(tǒng)按功能逐次分割成層次結(jié)構(gòu)，使每一部分完成簡單的功能且各個部分之間又保持一定的聯(lián)系，在設(shè)計階段，基于這些功能的層次結(jié)構(gòu)把各個部分組合起來成為系統(tǒng)。系統(tǒng)流程中實現(xiàn)傳感器單多目標(biāo)跟蹤、坐標(biāo)轉(zhuǎn)換、目標(biāo)關(guān)聯(lián)、航跡數(shù)據(jù)融合等功能。系統(tǒng)模塊結(jié)構(gòu)如圖4。

圖4　系統(tǒng)模塊結(jié)構(gòu)

5.2算法實現(xiàn)

工程應(yīng)用上算法的成熟度對系統(tǒng)的穩(wěn)定性影響最大，新穎的算法在沒有經(jīng)過實際檢驗的基礎(chǔ)上，不能作為系統(tǒng)的優(yōu)先選擇，如目前國內(nèi)外流行的粒子濾波方法[6]，還不能作為被動跟蹤的工程應(yīng)用模型;其次要合理貼近實際使用環(huán)境和背景，滿足成熟和實用性的要求。本節(jié)利用實測數(shù)據(jù)對第3節(jié)中異類傳感器數(shù)據(jù)關(guān)聯(lián)、被動目標(biāo)跟蹤等模型進(jìn)行驗證。

圖5為傳感器異地配置下實測目標(biāo)方位關(guān)聯(lián)判決概率，可以看出，判決概率遠(yuǎn)高于計算得出的門限值，即認(rèn)為主被動傳感器所比對的目標(biāo)為同一目標(biāo)。通過比較不同間距目標(biāo)的判決結(jié)果：目標(biāo)關(guān)聯(lián)相似度隨目標(biāo)的間距增大而下降，目標(biāo)的間距(方位)小，則判決所需采樣次數(shù)多;關(guān)聯(lián)相似度和目標(biāo)間距有關(guān)。在主被動傳感器對目標(biāo)跟蹤穩(wěn)定條件下，方位關(guān)聯(lián)正確性可以達(dá)到90%以上;能夠滿足對小間距條件下輻射源目標(biāo)的關(guān)聯(lián)判斷。

圖5　目標(biāo)實測數(shù)據(jù)方位關(guān)聯(lián)判決概率

圖6為實測目標(biāo)數(shù)據(jù)的被動濾波定位航跡，MHRKF濾波方法采用3～5個濾波器進(jìn)行并行運算，根據(jù)每個濾波器所得到的誤差陣選取不同的權(quán)值因子進(jìn)行加權(quán)融合，對大范圍內(nèi)的目標(biāo)都有較高的定位精度;特別是偵察站幾何位置布置相對于目標(biāo)實際航跡點不理想時，MHRKF方法比單Kalman方法精度高得多，經(jīng)統(tǒng)計分析MHRKF方法在實際目標(biāo)濾波定位的精度比Kalman方法提高約30%左右。圖5、圖6表明了算法在海上目標(biāo)實際測量數(shù)據(jù)應(yīng)用中是有效的，能夠?qū)δ繕?biāo)進(jìn)行關(guān)聯(lián)判別和定位。

圖6　目標(biāo)實測數(shù)據(jù)被動濾波航跡圖

圖7　被動傳感器濾波實測定位模塊界面

圖7、圖8分別為實測條件下MHRKF方法、坐標(biāo)轉(zhuǎn)換和關(guān)聯(lián)判別方法在被動傳感器濾波定位模塊和主被動傳感器關(guān)聯(lián)模塊中應(yīng)用實現(xiàn)的界面。

圖8　主被動傳感器實測關(guān)聯(lián)模塊界面

6結(jié)語

本文設(shè)計和給出了異類傳感器數(shù)據(jù)融合模塊和算法流程，并通過實測數(shù)據(jù)進(jìn)行了算法的驗證。結(jié)果表明，通過不同傳感器之間算法選擇和流程設(shè)計，能夠?qū)δ繕?biāo)的數(shù)據(jù)關(guān)聯(lián)、被動跟蹤等進(jìn)行有效處理，可以在異類傳感器系統(tǒng)信息處理系統(tǒng)中進(jìn)行實際應(yīng)用，表明了算法模型的有效性。

參 考 文 獻(xiàn)

[1] 郭徽東,章新華.雷達(dá)和ESM相關(guān)的仿真研究[J].系統(tǒng)仿真學(xué)報，2002(8):975-977.

[2] 王國宏,邵錫軍.主被動傳感器異地配置下的數(shù)據(jù)關(guān)聯(lián)[J].現(xiàn)代雷達(dá)，2003(4):26-29.

[3] N peach, M A Ceng. Bearings-only tracking using a set of range-parameterised extended Kalman filters[J]. IEE Proceeding of control theory application,1995,142(1): 73-80.

[4] 李杰濤,郭敏.雷達(dá)組網(wǎng)中的坐標(biāo)轉(zhuǎn)換問題[J].火控雷達(dá)技術(shù)，2007(3):38-42.

[5] Deb S, Pattipati K R,Bar-Shalom Y. A multisesor-multitarget data association algorithm for hetero-geneous sensors[J]. IEEE Trans on AES,1993,29(2):560-5686.

[6] R V Merwe,A Doucet, N De Freitas. The Unscented Particle Filter[R]. Technical Report,Cambridge University Engineering Department, 2000. Also in: Adv Neural Inform Process System,2000.

收稿日期：2016年1月6日,修回日期：2016年2月27日

作者簡介：孫曉峰,男,研究方向：電子通信裝備技術(shù)保障。

中圖分類號TP274

DOI：10.3969/j.issn.1672-9730.2016.07.012

Model Design and Application of Dissimilar Sensor Data Fusion System

SUN Xiaofeng1GUO Huidong2

(1.Factory 702 of Navy, Shanghai200434)(2.Unit 51, No.92403 Troops of PLA, Fuzhou350007)

AbstractMultiple dissimilar sensor data fusion is the unit of modern information fusion, passive sensor and active sensor is the main part of the fusion system. Some data fusion models is set up which provides efficient ways to solve the problems of multisensor information fusion. To the complex and ideal practical circumstance of engineering, multi-kalman filtering, track correlation algorithm and coordinate transformation algorithm are provided. Simulation results show that these algorithms are effective and practical.

Key Wordsdissimilar sensor, passive tracking, data association, coordinate transformation