改進(jìn)型加權(quán)實(shí)時(shí)融合算法在提高遙測(cè)數(shù)據(jù)質(zhì)量中的應(yīng)用

唐藝靈

(中國(guó)人民解放軍92941部隊(duì)，遼寧 葫蘆島 125001)

0 引言

在指揮控制系統(tǒng)中，遙測(cè)數(shù)據(jù)實(shí)時(shí)處理是態(tài)勢(shì)感知的重要環(huán)節(jié)，其任務(wù)是將來(lái)自各測(cè)量設(shè)備的實(shí)時(shí)遙測(cè)數(shù)據(jù)按照一定規(guī)范進(jìn)行解析，最終將能反應(yīng)飛行器工作性能的參數(shù)及飛行器航跡顯示在指控大廳，供指揮決策及故障診斷。因此，遙測(cè)數(shù)據(jù)處理結(jié)果必須實(shí)時(shí)、準(zhǔn)確，遙測(cè)處理結(jié)果質(zhì)量好壞直接影響任務(wù)的圓滿完成。在實(shí)時(shí)數(shù)據(jù)處理中，通常用以下兩種方法來(lái)提高遙測(cè)數(shù)據(jù)的質(zhì)量：一種是從測(cè)量設(shè)備入手，即使用接收能力更強(qiáng)的地面遙測(cè)設(shè)備，或增加設(shè)備數(shù)量并優(yōu)化設(shè)備布站等；二是優(yōu)化數(shù)據(jù)處理方法，包括建立更加準(zhǔn)確的設(shè)備誤差模型，研究更加有效的實(shí)時(shí)數(shù)據(jù)融合方法，采用先進(jìn)的數(shù)據(jù)定位及選優(yōu)策略等[1]。實(shí)際任務(wù)中遙測(cè)數(shù)據(jù)一般由多個(gè)設(shè)備同時(shí)進(jìn)行測(cè)量，數(shù)據(jù)源選取是按照時(shí)域或空域?qū)Ω髟O(shè)備測(cè)量數(shù)據(jù)進(jìn)行拼接，最終形成一個(gè)完整數(shù)據(jù)流。然而在實(shí)際任務(wù)中，有時(shí)設(shè)備獲得的數(shù)據(jù)質(zhì)量很高，但在參數(shù)及航跡計(jì)算時(shí)，卻因?yàn)檫x擇了部分不好的設(shè)備測(cè)量數(shù)據(jù)參與處理從而導(dǎo)致參數(shù)及目標(biāo)航跡出現(xiàn)跳變，致使信息失真，有時(shí)則因?yàn)樵O(shè)備、環(huán)境或目標(biāo)的原因?qū)е聹y(cè)量信息不充分[2-3]。如何通過(guò)綜合獲取的所有有效測(cè)量元素，實(shí)現(xiàn)數(shù)據(jù)的高精度平滑輸出，成為信息處理中需要持續(xù)研究的課題。

國(guó)內(nèi)外已有很多文獻(xiàn)，基于實(shí)際應(yīng)用提出了一些處理方法。文獻(xiàn)[4]提出一種基于一階差分的野值類型判別及處理方法，能夠準(zhǔn)確判斷野值類型及位置。文獻(xiàn)[5]針對(duì)處理過(guò)程中出現(xiàn)的有效定位數(shù)據(jù)過(guò)度濾除以及無(wú)效數(shù)據(jù)濾除不干凈的問(wèn)題，基于DS證據(jù)理論的有效性實(shí)時(shí)判別方法，利用遙測(cè)數(shù)據(jù)中的定位數(shù)據(jù)信息和理論信息，預(yù)測(cè)數(shù)據(jù)合理范圍，直接判斷數(shù)據(jù)有效性，有效濾除數(shù)據(jù)中的無(wú)效數(shù)據(jù)。文獻(xiàn)[6]研究了國(guó)內(nèi)外多傳感器數(shù)據(jù)融合技術(shù)現(xiàn)狀，并提出三種實(shí)時(shí)抗野值的修正方法：簡(jiǎn)單經(jīng)緯度法、最小二乘法和抗野值Kalman濾波方法。但這些算法或需要根據(jù)不同的設(shè)備設(shè)置不同的參數(shù)，計(jì)算較繁瑣，或當(dāng)野值數(shù)量較多時(shí)，外推數(shù)據(jù)過(guò)長(zhǎng)往往影響了數(shù)據(jù)的精確性，或出現(xiàn)斷點(diǎn)。文獻(xiàn)[7]針對(duì)簡(jiǎn)單剔野方法無(wú)法剔除連續(xù)野值以及樣條擬合方法復(fù)雜的參數(shù)估計(jì)問(wèn)題，分析不同運(yùn)動(dòng)模型下的目標(biāo)差分特性，提出了分段剔野方法，通過(guò)分別建立模型，使得算法更加簡(jiǎn)單，擬合數(shù)據(jù)更能反映目標(biāo)真實(shí)運(yùn)動(dòng)，從而使得野值修正更加準(zhǔn)確。文獻(xiàn)[8]在測(cè)量設(shè)備與被試品相等精度的情況下，提出可以通過(guò)增加測(cè)量次數(shù)來(lái)彌補(bǔ)測(cè)量誤差帶來(lái)的不利影響，確保兩者的估值精度維持在相同水平上。但這些方法都是建立在事后數(shù)據(jù)處理基礎(chǔ)上，不適合實(shí)時(shí)的情況。

對(duì)于跨區(qū)域聯(lián)合試驗(yàn)新模式，數(shù)據(jù)處理具有兩個(gè)新特點(diǎn)：1) 數(shù)據(jù)來(lái)源于兩個(gè)區(qū)域不同測(cè)量體系，各區(qū)域測(cè)量設(shè)備精度、設(shè)備布站方式及解算數(shù)據(jù)方法存在差異；2) 由于測(cè)量距離的增加，遙測(cè)數(shù)據(jù)更易受到通訊、方位、距離、電磁環(huán)境等干擾信號(hào)影響，更易出現(xiàn)野值。

因此，為了圓滿完成跨區(qū)域遙測(cè)實(shí)時(shí)處理任務(wù)，使數(shù)據(jù)處理結(jié)果完美展示在決策者面前，有必要研究更優(yōu)的跨區(qū)域遙測(cè)實(shí)時(shí)處理方法。本文提出一種提高遙測(cè)數(shù)據(jù)質(zhì)量的改進(jìn)加權(quán)實(shí)時(shí)融合算法。

1 遙測(cè)數(shù)據(jù)融合算法原理

1.1 問(wèn)題分析

假設(shè)某任務(wù)區(qū)域內(nèi)部署了m個(gè)測(cè)量設(shè)備，采用接力式對(duì)飛行器進(jìn)行測(cè)量，如圖1所示。

圖1 測(cè)量示意圖Fig.1 Measurement schematic diagram

在任務(wù)開(kāi)始之前，將飛行器航跡分為n個(gè)測(cè)量段，保證每個(gè)測(cè)量段都有至少一個(gè)測(cè)量設(shè)備做為數(shù)據(jù)源。根據(jù)飛行器的理論軌跡，并綜合考慮設(shè)備精度、布站位置等因素可以計(jì)算測(cè)量設(shè)備的有效時(shí)間段落。經(jīng)過(guò)分析，跨區(qū)域任務(wù)測(cè)量段落可分為三個(gè)部分，即區(qū)域1、區(qū)域1和區(qū)域2重疊部分、區(qū)域2，如圖2所示。

區(qū)域1為只有區(qū)域1的設(shè)備能測(cè)量到的區(qū)域范圍，區(qū)域2為只有區(qū)域2的設(shè)備能測(cè)量到的區(qū)域范圍，區(qū)域1和區(qū)域2重疊部分為兩個(gè)區(qū)域的測(cè)量設(shè)備都能測(cè)到的范圍。因此，區(qū)域1、區(qū)域2測(cè)量方式和不跨區(qū)域任務(wù)時(shí)相同，重點(diǎn)是區(qū)域1和區(qū)域2重疊部分的測(cè)量，重疊部分靠近區(qū)域邊界，都不是兩個(gè)區(qū)域測(cè)量設(shè)備最優(yōu)測(cè)量段落，極易因通信誤碼、測(cè)量方位等原因產(chǎn)生野值。目前，野值數(shù)據(jù)的判別和剔除已經(jīng)有很多成熟的處理方法。為了獲得高精度、準(zhǔn)確、平滑的信息處理，對(duì)于區(qū)域1和區(qū)域2重疊部分可以考慮充分發(fā)揮多信息源優(yōu)勢(shì)，采取數(shù)據(jù)融合處理方法，而區(qū)域1、區(qū)域2進(jìn)行融合處理意義不大，通過(guò)對(duì)以往任務(wù)數(shù)據(jù)的事后分析也可說(shuō)明這一點(diǎn)。區(qū)域1、區(qū)域2的數(shù)據(jù)首先是來(lái)自同一測(cè)量體系，數(shù)據(jù)處理方法一致，測(cè)量段落都已經(jīng)劃分得很細(xì)，確保處于最佳威力范圍內(nèi)，各設(shè)備接收信號(hào)情況也基本一致，因此可認(rèn)為數(shù)據(jù)是等精度的。通過(guò)上述分析數(shù)據(jù)處理結(jié)果選優(yōu)示意圖如圖3所示。

圖2 任務(wù)段落示意圖Fig.2 Task section schematic diagram

圖3 數(shù)據(jù)處理結(jié)果選優(yōu)示意圖Fig.3 Data processing result prepotency schematic diagram

1.2 數(shù)據(jù)實(shí)時(shí)融合算法

目前多傳感器數(shù)據(jù)融合尚未形成完整的理論體系，但在很多文獻(xiàn)中，已經(jīng)根據(jù)各自具體的應(yīng)用需求，提出了一些有效的融合方法[9-10]。相對(duì)于神經(jīng)網(wǎng)絡(luò)、貝葉斯決策等融合技術(shù)需要大量數(shù)據(jù)集進(jìn)行建模，存在局限性[11-12]，加權(quán)融合處理因?yàn)槿诤戏椒ê?jiǎn)單實(shí)用而且精度高，在強(qiáng)實(shí)時(shí)應(yīng)用場(chǎng)景中備受關(guān)注。

文獻(xiàn)[13]將證據(jù)理論中的修正證據(jù)距離引入傳感器測(cè)量數(shù)據(jù)間相互關(guān)系的計(jì)算，依靠傳感器間測(cè)量數(shù)據(jù)的相互關(guān)系確定融合權(quán)重，仿真結(jié)果驗(yàn)證了算法融合效果好，但不符合加權(quán)融合最優(yōu)分配的原則。文獻(xiàn)[14]研究了飛行測(cè)量數(shù)據(jù)實(shí)時(shí)融合檢擇關(guān)鍵技術(shù)，提出兩信息源、多信息源航跡融合檢擇技術(shù)，通過(guò)剔除融合前原始信息的野值，有效解決了因過(guò)失誤差而造成的融合結(jié)果精度偏低問(wèn)題，但算法較為繁瑣。文獻(xiàn)[15]提出一種多站遙測(cè)數(shù)據(jù)加權(quán)融合處理方法，構(gòu)建了融合權(quán)重與測(cè)量精度之間的對(duì)應(yīng)計(jì)算模型及測(cè)量設(shè)備實(shí)時(shí)測(cè)量精度模型，通過(guò)典型算例進(jìn)行驗(yàn)證，并與固定標(biāo)稱值測(cè)量精度最小二乘加權(quán)融合算法及利用傳感器間測(cè)量數(shù)據(jù)相互關(guān)系確定權(quán)重的加權(quán)融合算法進(jìn)行對(duì)比分析，所提算法融合效果優(yōu)于上述兩種方法，具有較好的應(yīng)用價(jià)值，但算法是依據(jù)設(shè)備的實(shí)測(cè)數(shù)據(jù)的統(tǒng)計(jì)分析計(jì)算測(cè)量精度，實(shí)時(shí)性還有待驗(yàn)證。

結(jié)合任務(wù)實(shí)際情況，在借鑒傳統(tǒng)分批估計(jì)算法的基礎(chǔ)上，提出改進(jìn)型分批估計(jì)與分組動(dòng)態(tài)加權(quán)實(shí)時(shí)融合算法。該方法對(duì)測(cè)量設(shè)備先進(jìn)行分組再分批估計(jì)，并引入異常因子作為去除臨界值的最優(yōu)百分比，最后針對(duì)誤差分布不均特點(diǎn)，實(shí)時(shí)計(jì)算測(cè)量精度，進(jìn)而求出動(dòng)態(tài)權(quán)值，實(shí)現(xiàn)自適應(yīng)加權(quán)融合，方法簡(jiǎn)單，易于編程實(shí)現(xiàn)。

2 改進(jìn)型分批估計(jì)與分組動(dòng)態(tài)加權(quán)實(shí)時(shí)融合算法

2.1 改進(jìn)型分批估計(jì)與分組動(dòng)態(tài)加權(quán)融合算法

假設(shè)測(cè)量數(shù)據(jù)來(lái)自s個(gè)數(shù)據(jù)源：U(t)1，U(t)2，…，U(t)s，測(cè)量數(shù)據(jù)融合的過(guò)程模型如圖4所示。

1) 實(shí)際測(cè)控中，存在著誤差偏大甚至錯(cuò)誤的測(cè)量數(shù)據(jù)，這類數(shù)據(jù)稱為粗大誤差，必須及時(shí)剔除，否則影響整體的測(cè)量結(jié)果，因此首先對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，剔除含粗大誤差的數(shù)據(jù)項(xiàng)，得到具有一致性的有效數(shù)據(jù)序列U′(t)。

圖4 數(shù)據(jù)融合的過(guò)程模型Fig.4 Process model of data fusion

在實(shí)際測(cè)量過(guò)程中，受到復(fù)雜因素影響，可能存在均方差偏大的一致性測(cè)量數(shù)據(jù)，傳統(tǒng)分批估計(jì)算法沒(méi)有考慮對(duì)這類數(shù)據(jù)進(jìn)行特殊處理，只進(jìn)行簡(jiǎn)單算術(shù)均值計(jì)算，這類數(shù)據(jù)往往會(huì)引起最終計(jì)算結(jié)果的誤差偏大。因此引入異常因子對(duì)傳統(tǒng)分批估計(jì)算法進(jìn)行改進(jìn)，異常因子是指去除最大最小值的最優(yōu)比率。依據(jù)統(tǒng)計(jì)理論和實(shí)踐經(jīng)驗(yàn)，剔除部分最大最小值后獲取的均值數(shù)據(jù)，具有更高的精度和穩(wěn)定性，也更能反映數(shù)據(jù)的集中情況。

由于單一測(cè)量設(shè)備在某時(shí)刻只有單一測(cè)量值，不能直接采用分批估計(jì)算法對(duì)數(shù)據(jù)進(jìn)行計(jì)算，因此采取分組的方式進(jìn)行分批狀態(tài)估計(jì)。按照一定的規(guī)則將來(lái)自不同數(shù)據(jù)源的數(shù)據(jù)分為v組。以第一組測(cè)量數(shù)據(jù)為例，設(shè)測(cè)量數(shù)據(jù)為：U(t)11，U(t)12，…，U(t)1m，實(shí)時(shí)計(jì)算算術(shù)平均值為：

(1)

式(1)中，ρ為異常因子，是指去除最大最小數(shù)量的最優(yōu)比率。p?P且P為一個(gè)集合，即P={下標(biāo)為ρ與P的積的值}。

標(biāo)準(zhǔn)差為：

(2)

根據(jù)式(1)、式(2)計(jì)算出其余各組的算術(shù)平均值和標(biāo)準(zhǔn)差，得到算術(shù)平均值序列和標(biāo)準(zhǔn)差序列：

及

因此，通過(guò)分組使s個(gè)數(shù)據(jù)源的數(shù)據(jù)融合問(wèn)題轉(zhuǎn)化成對(duì)含有v組數(shù)據(jù)的數(shù)組序列融合的問(wèn)題(s

在區(qū)域內(nèi)通常有多個(gè)測(cè)量設(shè)備，每個(gè)設(shè)備因方位、使用等因素，測(cè)量值存在差異，測(cè)量誤差分布不均勻，具有很大隨機(jī)性。對(duì)此，需要解決的問(wèn)題是，如何有效對(duì)待各個(gè)數(shù)據(jù)源的數(shù)據(jù)差異，來(lái)提高數(shù)據(jù)融合結(jié)果的質(zhì)量。在實(shí)際任務(wù)中采用了實(shí)時(shí)計(jì)算數(shù)據(jù)源測(cè)量精度，進(jìn)而根據(jù)方差實(shí)時(shí)計(jì)算權(quán)值，再采用權(quán)值最優(yōu)分配原則實(shí)現(xiàn)動(dòng)態(tài)加權(quán)融合的方法。該方法在方差大時(shí)給予數(shù)據(jù)較小的權(quán)值，方差小時(shí)給予數(shù)據(jù)較大的權(quán)值，從而實(shí)現(xiàn)為每個(gè)測(cè)量數(shù)據(jù)自適應(yīng)探求其最優(yōu)權(quán)值，以獲取其最小總誤差，從而得到被測(cè)目標(biāo)的最優(yōu)估計(jì)值。當(dāng)遇到突發(fā)異常時(shí)，自適應(yīng)加權(quán)數(shù)據(jù)融合結(jié)果將更具有準(zhǔn)確性和穩(wěn)定性。

各組數(shù)據(jù)的加權(quán)因子由式(3)求得。

(3)

采用自適應(yīng)加權(quán)融合算法對(duì)這v組數(shù)據(jù)進(jìn)行處理，獲得更接近真值的融合估計(jì)值Y(t)。該組數(shù)據(jù)的融合估計(jì)值由式(4)求得。

(4)

2.2 算法復(fù)雜度分析

數(shù)據(jù)預(yù)處理，分批估計(jì)需計(jì)算的均值、方差均為單層循環(huán)，時(shí)間復(fù)雜度為O(m)；權(quán)值計(jì)算為單層循環(huán)，時(shí)間復(fù)雜度為O(v)；如m>v,該算法的時(shí)間復(fù)雜度為O(m)；如m

3 實(shí)測(cè)驗(yàn)證

通過(guò)仿真的模擬數(shù)據(jù)驗(yàn)證本文所提改進(jìn)后處理算法的有效性。取某遙測(cè)參數(shù)M，數(shù)據(jù)源為外部區(qū)域m1，本地遙測(cè)設(shè)備m2～m12，設(shè)不同數(shù)據(jù)源某時(shí)刻的測(cè)量數(shù)據(jù)分別為t1，t2，t3，并設(shè)置一定比例的異常值。各數(shù)據(jù)源數(shù)據(jù)如表1所示。

表1 各數(shù)據(jù)源測(cè)量數(shù)據(jù)Tab.1 Measurement data of each data source

續(xù)表

分別計(jì)算融合算法改進(jìn)前和改進(jìn)后的估計(jì)值。測(cè)量數(shù)據(jù)t3是需去除m2設(shè)備粗大誤差200.409。

分組數(shù)根據(jù)數(shù)據(jù)源的數(shù)量設(shè)定，數(shù)據(jù)源較多時(shí)，分組數(shù)就越多，方差越小，優(yōu)點(diǎn)更明顯。依據(jù)位置就近原則，將m1～m4分為第一組，m5～m8分為第二組,m9～m12分為第三組，同時(shí)根據(jù)實(shí)際情況設(shè)定ρ的取值。當(dāng)ρ達(dá)到一定值時(shí)，融合估計(jì)值變化逐漸趨于平穩(wěn)，這里取ρ=0.05。t1時(shí)刻算法改進(jìn)前及改進(jìn)后測(cè)量數(shù)據(jù)處理結(jié)果如表2所示。t2時(shí)刻算法改進(jìn)前及改進(jìn)后測(cè)量數(shù)據(jù)處理結(jié)果如表3所示。t3時(shí)刻算法改進(jìn)前及改進(jìn)后測(cè)量數(shù)據(jù)處理結(jié)果如表4所示。

表2 t1時(shí)刻測(cè)量數(shù)據(jù)處理結(jié)果Tab.2 The processing result of measure data at t1

表3 t2時(shí)刻測(cè)量數(shù)據(jù)處理結(jié)果Tab.3 The processing result of measure data at t2

表4 t3時(shí)刻測(cè)量數(shù)據(jù)處理結(jié)果Tab.4 The processing result of measure data at t3

由以上數(shù)據(jù)處理結(jié)果可見(jiàn)，采用改進(jìn)型分批估計(jì)方法得到的方差更小，其結(jié)果更接近真實(shí)值。改進(jìn)后各個(gè)時(shí)刻的融合值如表5所示。

進(jìn)行50次仿真，將設(shè)備精度與融合精度進(jìn)行對(duì)比，對(duì)比結(jié)果見(jiàn)圖5所示。從圖5可以看出上述方法融合精度明顯高于設(shè)備原始數(shù)據(jù)精度。經(jīng)對(duì)實(shí)測(cè)數(shù)據(jù)統(tǒng)計(jì)分析，測(cè)量數(shù)據(jù)處理時(shí)延符合技術(shù)指標(biāo)規(guī)定允許最大時(shí)延，采用融合算法時(shí)延僅比未采用融合算法大0.06 ms，滿足絕大部分強(qiáng)實(shí)時(shí)應(yīng)用場(chǎng)景。

表5 各時(shí)刻測(cè)控?cái)?shù)據(jù)融合值Tab.5 Fusion value of measurement and control data at each time

圖5 設(shè)備精度與融合精度對(duì)比Fig.5 Comparison of equipment accuracy and fusion accuracy

4 結(jié)論

本文提出局部區(qū)域數(shù)據(jù)融合進(jìn)行狀態(tài)估計(jì)的方法，采用先分組再分批估計(jì)的方式并引入異常因子，實(shí)現(xiàn)分組動(dòng)態(tài)加權(quán)融合，應(yīng)用于跨區(qū)域多信源實(shí)時(shí)遙測(cè)數(shù)據(jù)處理中，有效降低了由于距離增加產(chǎn)生的環(huán)境干擾、失效數(shù)據(jù)及數(shù)據(jù)源精度差異所帶來(lái)的影響，獲得了具有較高精度和穩(wěn)定性的結(jié)果數(shù)據(jù)。如果應(yīng)用于測(cè)控距離較短的任務(wù)中，由于實(shí)測(cè)中數(shù)據(jù)源穩(wěn)定且誤差較小，數(shù)據(jù)融合相對(duì)單一數(shù)據(jù)源優(yōu)越性也較小。隨著測(cè)控設(shè)備性能和測(cè)控手段的不斷豐富和提高，計(jì)算機(jī)及網(wǎng)絡(luò)技術(shù)的飛速發(fā)展給實(shí)時(shí)數(shù)據(jù)處理提供了技術(shù)支持，越來(lái)越多地要求進(jìn)行跨區(qū)域、虛實(shí)結(jié)合、資源共用的聯(lián)合演訓(xùn)，不同體制測(cè)量系統(tǒng)的數(shù)據(jù)融合必將成為主流，各種新方法和新系統(tǒng)的研究與開(kāi)發(fā)成為必然。針對(duì)某些飛行器的遙測(cè)數(shù)據(jù)特性，若將部分具有較高精度的事后遙測(cè)數(shù)據(jù)處理模型和算法改進(jìn)后應(yīng)用到實(shí)時(shí)遙測(cè)數(shù)據(jù)處理中，也將成為實(shí)時(shí)遙測(cè)數(shù)據(jù)處理的重要發(fā)展方向。