內(nèi)容鍵要:論文將數(shù)據(jù)融合技術(shù)用于海圖作業(yè)標(biāo)繪臺的設(shè)計(jì)，解決了海圖作業(yè)標(biāo)繪臺實(shí)時(shí)標(biāo)繪本艦和多目標(biāo)航跡從而進(jìn)行態(tài)勢估計(jì)。文中對海圖作業(yè)標(biāo)繪臺發(fā)展?fàn)顩r進(jìn)行了簡單介紹，并介紹了數(shù)據(jù)融合技術(shù)的應(yīng)用背景、常用算法及研究內(nèi)容，設(shè)計(jì)了相關(guān)模型，并具體論述了多目標(biāo)檢測和多目標(biāo)跟蹤技術(shù)在海圖作業(yè)標(biāo)繪臺中應(yīng)用。

關(guān)鍵詞:海圖作業(yè)標(biāo)繪臺 數(shù)據(jù)融合 多傳感器

海圖作業(yè)標(biāo)繪臺是艦船導(dǎo)航系統(tǒng)和戰(zhàn)斗航海系統(tǒng)中的主要配套設(shè)備之一，既有圖紙式海圖繪圖，又有電子海圖顯示。它既有傳統(tǒng)繪圖的特點(diǎn)，又有現(xiàn)代新型電子顯示直觀、清晰的特點(diǎn)。其主要用途是根據(jù)多種傳感器(如慣性導(dǎo)航系統(tǒng)、北斗系統(tǒng)、GPS、勞蘭C、雷達(dá))提供的信息，以及其它的導(dǎo)航設(shè)備提供的信息，在海圖上自動(dòng)連續(xù)地繪制出船舶航行的航跡并作出標(biāo)記。海圖作業(yè)標(biāo)繪臺的應(yīng)用，不僅具有重要的軍事作用，而且因?yàn)楹D作業(yè)標(biāo)繪臺的所繪制航線的導(dǎo)航和戰(zhàn)場態(tài)勢估計(jì)功能，使航海人員非常直觀的了解到己船位置和他船位置，以便于實(shí)施戰(zhàn)術(shù)機(jī)動(dòng)和進(jìn)行軍事打擊。

目前，我國研制的海圖作業(yè)標(biāo)繪臺繪制單目標(biāo)航跡已較成熟，但實(shí)時(shí)繪制多目標(biāo)航跡還未實(shí)現(xiàn)，其相關(guān)理論和技術(shù)方面的文獻(xiàn)還不多，在國內(nèi)至今尚未見到有文獻(xiàn)將數(shù)據(jù)融合技術(shù)應(yīng)用到海圖作業(yè)標(biāo)繪臺。論文提出了數(shù)據(jù)融合技術(shù)在海圖作業(yè)標(biāo)繪臺信息處理中的應(yīng)用研究，實(shí)時(shí)處理來自多傳感器的信息，進(jìn)行多目標(biāo)檢測、分類及跟蹤，對分析戰(zhàn)場態(tài)勢和戰(zhàn)術(shù)機(jī)動(dòng)具有重要意義。

1數(shù)據(jù)融合應(yīng)用描述

數(shù)據(jù)融合最早出現(xiàn)于上世紀(jì)70年代，并作為一門獨(dú)立的技術(shù)在軍事領(lǐng)域受到了特別的青睞。在現(xiàn)代軍事C3I(指揮、控制、通訊與情報(bào))作戰(zhàn)系統(tǒng)中，目標(biāo)的機(jī)動(dòng)性和武器殺傷力增強(qiáng)，要求盡早地探測和識別目標(biāo)，以實(shí)現(xiàn)盡量長的預(yù)警時(shí)間。由于威脅平臺的多樣化和密集型，較低的可觀測性(即隱蔽性)以及目標(biāo)對抗措施的先進(jìn)性，使得單傳感器提供的信息無法滿足作戰(zhàn)要求，必須對多傳感器提供的觀測數(shù)據(jù)進(jìn)行數(shù)據(jù)融合處理，獲取目標(biāo)狀態(tài)估計(jì)、目標(biāo)屬性、行為意圖、態(tài)勢評估、威脅分析、火力控制、精確制導(dǎo)、電子對抗、作戰(zhàn)模擬、輔助決策等作戰(zhàn)信息。為了更好地進(jìn)行戰(zhàn)場數(shù)字化建設(shè)，解決我軍、友軍和敵軍戰(zhàn)場態(tài)勢信息的獲取、處理、存儲、管理與發(fā)布，因此將多傳感器數(shù)據(jù)融合應(yīng)用到海圖作業(yè)標(biāo)繪臺的設(shè)計(jì)中具有重要意義。

2數(shù)據(jù)融合算法

數(shù)據(jù)融合中心的融合方法從理論上可分為隨機(jī)類方法和人工智能技術(shù)方法其算法主要有四種:

(1)基于模型的數(shù)據(jù)融合算法(如基于kalman濾波，包括標(biāo)準(zhǔn)Kalman濾波、擴(kuò)展kalman濾波以及模糊kalman濾波等)。主要以估計(jì)理論為基礎(chǔ)，首先建立融合對象的狀態(tài)空間模型，然后利用各類估計(jì)理論的方法進(jìn)行估計(jì)以完成數(shù)據(jù)融合的任務(wù)。

(2)基于統(tǒng)計(jì)理論的數(shù)據(jù)融合算法(如Bayesian)。以統(tǒng)計(jì)理論為基礎(chǔ)通過反復(fù)迭代運(yùn)算以實(shí)現(xiàn)融合。

(3)基于知識的人工智能方法(小波分析理論、模糊集合理論、神經(jīng)網(wǎng)絡(luò)、粗集理論和支持向量機(jī)等)。以產(chǎn)生式規(guī)則為理論基礎(chǔ)產(chǎn)生式規(guī)則可用符號表示物體特征和相應(yīng)的傳感器信息之間的關(guān)系。

(4)基于信息理論的融合算法。以近幾年發(fā)展起來的信息理論為基礎(chǔ)具有較高的智能化程度。

常用的數(shù)據(jù)融合方法及特性如表1所示。通常所用的方法依具體的應(yīng)用而定并且各種方法之間具有互補(bǔ)性。實(shí)際上將兩種或兩種以上的算法組合進(jìn)行多傳感器數(shù)據(jù)融合。

表1常用的數(shù)據(jù)融合算法比較

3海圖作業(yè)標(biāo)繪臺的數(shù)據(jù)融合方案的設(shè)計(jì)

數(shù)據(jù)融合的功能模型可以分為兩級:第一級主要進(jìn)行信息處理，得到數(shù)值結(jié)果(如:位置、速度、目標(biāo)類型等);。第二級主要進(jìn)行符號處理，得到更抽象的結(jié)果(如:威脅、趨勢、目的等)。探測、關(guān)聯(lián)、估計(jì)和分類功能構(gòu)成了數(shù)據(jù)融合的核心。具體的說:多傳感器的數(shù)據(jù)融合系統(tǒng)必須具有以下的主要功能:傳感器信息協(xié)調(diào)管理;多傳感器數(shù)據(jù)優(yōu)化合成;多傳感器協(xié)調(diào)管理。

海圖作業(yè)標(biāo)繪臺利用多傳感器(慣導(dǎo)系統(tǒng)、雷達(dá)、聲吶、北斗、GPS、浮標(biāo))，信息涉及多級別、多方面、多層次信息的檢測、關(guān)聯(lián)、估計(jì)、綜合，并獲取目標(biāo)狀態(tài)與特征估計(jì)以及態(tài)勢和威脅評估的多級自動(dòng)處理過程。利用計(jì)算機(jī)獲取多個(gè)傳感器數(shù)據(jù)并在一定的條件下加以自動(dòng)分析、綜合，以完成所需的估計(jì)和決策，進(jìn)行信息處理，從而給指戰(zhàn)員提供決策信息。

系統(tǒng)融合中心部分采用的是分布式融合處理的系統(tǒng)模式，在系統(tǒng)中每一個(gè)傳感器基于自己的局域探測獨(dú)立地完成決策任務(wù)這些被處理過的局域信息送到融合中心構(gòu)成融合中心的觀察向量。

U=(u1，u2，…un) (1)

4目標(biāo)檢測的數(shù)據(jù)融合

戰(zhàn)場目標(biāo)識別的準(zhǔn)確與及時(shí)，對后面的勢態(tài)評估和威脅估計(jì)有重要的意義，也是在戰(zhàn)爭中取勝的關(guān)鍵。

隨著現(xiàn)代戰(zhàn)爭的發(fā)展，如安靜型潛艇的出現(xiàn)，給水下目標(biāo)探測提出了新的挑戰(zhàn)也使該課題仍是研究的一個(gè)熱點(diǎn)。雖然多傳感器融合檢測技術(shù)已經(jīng)較為成熟，但是，將這種技術(shù)應(yīng)用于海上環(huán)境的文獻(xiàn)較少，國內(nèi)的一些學(xué)者嘗試性地借鑒了已有的融合檢測技術(shù)用來探測水面和水下目標(biāo)信號。檢測系統(tǒng)一般采用分布式的融合機(jī)制，即各傳感器基于自己的觀測值，對目標(biāo)存在與否進(jìn)行判決，而后，將判決結(jié)果送至融合中心。在融合中心，按照Neyman-Pearson準(zhǔn)則，將N個(gè)局部判決結(jié)果進(jìn)行融合，即

(2)

式中:u為融合之后的全局判決結(jié)果;t為系統(tǒng)門限值;g為隨機(jī)化因子常量;L(u)為似然比函數(shù)。

當(dāng)d(u)=1時(shí)判決目標(biāo)出現(xiàn)，否則，目標(biāo)未出現(xiàn)。相對于這種硬判決方法，隨后發(fā)展了一種軟判決方法，即將各傳感器的判決進(jìn)行加權(quán)運(yùn)算，權(quán)值的大小由該傳感器的“可信度”決定。

這種分布式檢測融合機(jī)制由于不需要將每個(gè)傳感器的原始測量數(shù)據(jù)傳輸至融合中心，而只傳送判決結(jié)果，所以，可以在很大程度上降低系統(tǒng)的通信壓力，減小了融合中心的計(jì)算負(fù)荷，提高了系統(tǒng)的運(yùn)作效率。但是，也應(yīng)該看到，由于假設(shè)每個(gè)傳感器的測量值是獨(dú)立的，即每個(gè)傳感器只基于自身的測量值得到判決，而不考慮與其他傳感器的相關(guān)性系統(tǒng)未能有效地利用各傳感器的信息，這樣，可能會增大系統(tǒng)誤差。

5目標(biāo)跟蹤的數(shù)據(jù)融合

目標(biāo)跟蹤技術(shù)中的融合問題，最關(guān)鍵步驟是數(shù)據(jù)關(guān)聯(lián)，即確定哪些測量值用來更新各個(gè)軌跡，同時(shí)，舍棄其余的測量值。用于數(shù)據(jù)關(guān)聯(lián)的方法很多，大體上可以分為幾類:一類是基于kalman濾波關(guān)聯(lián)方法，主要包括概率數(shù)據(jù)關(guān)聯(lián)(Probabilistic Data Association，PDA)和聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)(Joint Probabilistic Data Association，JPDA)等;另一類為多元假設(shè)跟蹤(Multiple Hypothesis Tracking)方法，該類方法被視作理論上解決多目標(biāo)跟蹤的最好方法;最后一類為相互作用多元模型方法(Interacting Multiple Model)，適用于目標(biāo)運(yùn)動(dòng)有多種模式的情況。但是，后兩類方法都需要大量的運(yùn)算，因而，應(yīng)用中受到局限。這里，僅介紹基于Kalman濾波的數(shù)據(jù)關(guān)聯(lián)方法。PDA是→種經(jīng)典的數(shù)據(jù)關(guān)聯(lián)方法，在雜波環(huán)境下仍具有很好的跟蹤性能，后來的許多方法都是以該方法為基礎(chǔ)的。首先，給出假設(shè)模型

X(k)=F（k，k-1)X(k-1)+U(k-1)        (3)

Z(k)=H(k)X(k-1)+W(k-1) (4)

方程(3)為目標(biāo)狀態(tài)模型，X(k)為系統(tǒng)在時(shí)刻k時(shí)的狀態(tài)，F(k，k-1)為前后兩時(shí)刻的轉(zhuǎn)換矩陣。方程(4)為測量模型;H(k)為觀測矩陣。這里，U(k)和W(k)是相互獨(dú)立的零均值白噪聲序列，并且，方差已知。目標(biāo)狀態(tài)的更新由下式得到

（5）

（6）

（7）

式中: 為目標(biāo)的預(yù)測狀態(tài); 為根據(jù)當(dāng)前測量值得到的更新狀態(tài);K(k)為系統(tǒng)的kalman增益;V(k)為聯(lián)合殘差bj為第j個(gè)有效測量來源舌-目標(biāo)的概率;Vj為每個(gè)測量值與估計(jì)值的殘差。

由于PDA方法利用了所有的可能測量值，所以，精度較高，但僅適用于單個(gè)目標(biāo)跟蹤的情況，隨后產(chǎn)生的JPDA則可以解決多個(gè)目標(biāo)的跟蹤問題。JPDA的基本思想與PDA相似，不同之處在于它令軌跡i與觀測值j關(guān)聯(lián)的概率等于所有聯(lián)合事件q(k)的概率和

（8）

式中: 為一個(gè)二元變量，表明聯(lián)合事件。q(k)中是否包含軌跡i與觀測值j關(guān)聯(lián)的信息。

基于標(biāo)準(zhǔn)JPDA方法，又產(chǎn)生了一系列改進(jìn)方法，如去藕JPDA、模糊數(shù)據(jù)關(guān)聯(lián)等，都能在一定程度上提高跟蹤效率，降低計(jì)算量。另外，多種關(guān)聯(lián)方法聯(lián)合運(yùn)用，如相互作用多元模型方法與JPDA濾波器的聯(lián)合，也有望提高跟蹤精度和效率。

6結(jié)束語

數(shù)據(jù)融合技術(shù)在海圖作業(yè)標(biāo)繪臺信息處理中作用越來越重要。發(fā)達(dá)國家在這方面的投入很大，水平較高，我國起步較晚，又因系統(tǒng)結(jié)構(gòu)復(fù)雜，目前的研究成果還只是一個(gè)算法框架，需要結(jié)合實(shí)際應(yīng)用背景作進(jìn)一步深入研究。因此，要加大投入，刻苦鉆研，以迅速提高我們的水平。

作者：孟凡彬 郝燕玲 周衛(wèi)東  來源：航海技術(shù)