一种改进的舰载直升机多传感器目标信息融合跟踪方法

第３４卷第９期　２０１２年９月　舰船科学技术　Ｖｏ１．３４．ＮＯ．９　Ｓｅｐ．，２０１２　ＳＨＩＰ　ＳＣＩＥＮＣＥ　ＡＮＤ　ＴＥＣＨＮ０ＬＯＧＹ　一种改进的舰载直升机多传感器目标　信息融合跟踪方法　李祥珂，初　磊，楼晓平　（海军潜艇学院作战指挥系，山东青岛２６６０４２）　摘　要：　结合舰载直升机传感器探测方式的分析，对现有信息融合跟踪算法进行研究，指出其存在的计算速　度和精度的问题，提出一种改进的多传感器目标融合方法。将该算法代人某作战仿真系统进行验证。该方法与原先　算法相比，计算迅速、精度较高，对舰载直升机改进跟踪战术具有重要的参考价值。　关键词：　多传感器跟踪；信息融合；扩展卡尔曼滤波；仿真验证　中图分类号：ＴＮ９５９　文献标识码：　Ａ　ｄｏｉ：１０．３４０４／ｊ．ｉｓｓｎ．１６７２—７６４９．２０１２．０９．０２８　文章编号：　１６７２—７６４９（２０１２）０９—０１２８—０３　Ａｎ　ｉｍｐｒｏｖｅｄ　ｍｅｔｈｏｄ　ｏｆ　ｍｕｌｔｉ－ｓｅｎｓｏｒ　ｉｎｆｏｒｍａｔｉｏｎ　ｆｕｓｉｏｎ　ｔｒａｃｋ　ｆｏｒ　ｓｈｉｐｂｏａｒｄ　ｈｅｌｉｃｏｐｔｅｒｓ　ＬＩ　Ｘｉａｎｇ—ｋｅ，Ｃ　ＨＵ　Ｌｅｉ，ＬＯＵ　Ｘｉａｏ—ｐｉｎｇ　（Ｄｅｐａｒｔｍｅｎｔ　ｏｆ　Ｏｐｅｒａｔｉｏｎ　Ｃｏｍｍａｎｄ，Ｎａｖｙ　Ｓｕｂｍａｒｉｎｅ　Ａｃａｄｅｍｙ，Ｑｉｎｇｄａｏ　２６６０４２，Ｃｈｉｎａ）　Ａｂｓｔｒａｃｔ：Ｔｈｉｓ　ｐａｐｅｒ　ｐｒｏｐｏｓｅｄ　ａｎ　ｉｍｐｒｏｖｅｄ　ｍｕｌｔｉ—ｓｅｎｓｏｒ　ｔｒａｃｋ　ｆｕｓｉｏｎ　ｍｅｔｈｏｄ，ｐｏｉｎｔｉｎｇ　ｏｕｔ　ｔｈｅ　ｐｒｏｂｌｅｍ　ｏｆ　ｔｈｅ　ｃｏｍｐｕｔｉｎｇ　ｓｐｅｅｄ　ａｎｄ　ｃａｌｃｕｌａｔｉｎｇ　ｐｒｅｃｉｓｉｏｎ，ｂａｓｅｄ　ｏｎ　ｔｈｅ　ａｎａｌｙｓｉｓ　ｏｆ　ｔｈｅ　ｓｅｎｓｏｒ　ｄｅｔｅｃｔｉｏｎ　ｍａｎｎｅｒｓ　ｏｆ　ｓｈｉｐｂｏａｒｄ　ｈｅｌｉｃｏｐｔｅｒｓ　ａｎｄ　ｔｈｅ　ｔｒａｃｋ　ａｒｉｔｈｍｅｔｉｃ　ｏｆ　ｍｕｌｔｉ—ｓｅｎｓｏｒ　ｉｎｆｏｒｍａｔｉｏｎ　ｆｕｓｉｏｎ．Ｃｏｍｐａｒｉｎｇ　ｗｉｔｈ　ｔｈｅ　ｔｒａｄｉｔｉｏｎａｌ　ＥＫＦ　ｍｅａｎ，ｔｈｉｓ　ｍｅｔｈｏｄ　ｗａｓ　ｅａｓｙ　ａｎｄ　ｑｕｉｃｋ．Ｆｉｎａｌｌｙ　ｔｈｅ　ｖａｌｉｄｉｔｙ　ｏｆ　ｔｈｉｓ　ａｐｐｒｏａｃｈ　ｗａｓ　ｐｒｏｖｅｎ　ｂｙ　ｓｉｍｕｌａｔｉｏｎ　ｉｎ　ｔｈｅ　ｃｅｒｔａｉｎ　ｏｐｅｒａｔｉｏｎａｌ　ｓｙｓｔｅｍ，ａｎｄ　ｔｈｅ　ｍｅｔｈｏｄ　ｐｒｏｖｉｄｅｄ　ａ　ｈｅｌｐｆｕｌ　ｒｅｆｅｒｅｎｃｅ　ｆｏｒ　ａｍｅｌｉｏｒａｔｉｎｇ　ｔｈｅ　ｔｒａｃｋｉｎｇ　ｔａｃｔｉｃｓ　ｏｆ　ｔｈｅ　ｓｈｉｐｂｏａｒｄ　ｈｅｌｉｃｏｐｔｅｒ．　Ｋｅｙ　ｗｏｒｄｓ：　ｍｕｌｔｉ—ｓｅｎｓｏｒ　ｔｒａｃｋ；ｉｎｆｏｒｍａｔｉｏｎ　ｆｕｓｉｏｎ；ＥＫＦ；ｓｉｍｕｌａｔｉｏｎ　ｖａｌｉｄａｔｉｏｎ　０　引　言　现代舰载直升机的主要传感器设备包括导航、　１　现有信息融合跟踪算法　在作战过程中，多部传感器系统需提供给战术　指挥员，并显示于操控台的信息主要有目标的方位　角度、高度角／深度角、距离、距离变化率等，而信　雷达、电子战系统、通信和声呐处理等系统。舰　载机战术指挥员需要依靠上述传感器对空中、水　面、水下目标进行准确地探测和跟踪，从而为舰　载、机载武器提供目标指示。然而，单一的探测　设备，其探测精度和探测样式均受到多种条件限　制，因此在战术指挥员对敌目标进行探测跟踪的　息融合系统则将不同传感器的信息进行融合处理，　根据数字信号处理系统的结果，将以上信息转换为　目标的方位、距离、速度、加速度以及高度／深度等　形式，提供给战术指挥员，其信息融合跟踪处理流　程如图１所示。　过程中，需要综合处理各种传感器系统获取的目　标信息，这就要求对多个传感器系统获取的目标　信息进行融合处理。　现有舰载直升机的多传感器信息融合跟踪模块　仍采用的是传统的扩展卡尔曼滤波法，其算法原理　收稿日期：２０１ｌ—ｌ０—２１；修回日期：２０１１—１２—０７　作者简介：李祥珂（１９７９一），男，硕士，讲师，主要研究方向为潜艇作战指挥。　第９期　李祥珂，等：一种改进的舰载直升机多传感器目标信息融合跟踪方法　．１２９．　图１　舰载直升机数据处理流程图　Ｆｉｇ．１　Ｆｌｏｗ　ｃｈａｒｔ　ｏｆ　ｄａｔａ　ａｎｄ　ａｎａｌｙｓｉｓ　ｆｏｒ　ｓｈｉｐｂｏａｒｄ　ｈｅｌｉｃｏｐｔｅｒｓ　如Ｆ：　步骤１扩展向量　＝　・Ｘ　。＋Ｕ；　（１）　步骤２扩展协方差矩阵　Ｐ　＝　・Ｐ　・　＋Ｑ；　（２）　步骤３　卡尔曼滤波增益矩阵　Ｋ＝Ｐｋ・Ｈ　・，Ⅳ　｛Ｈ・Ｐ・　＋Ｒ｝；　（３）　步骤４增益矩阵　Ｇ＝（ｚ—　・Ｘ　）　・（Ｈ・Ｐ・Ｈ　＋　）～・　（Ｚ一日・Ｘ　）；　（４）　步骤５协方差矩阵更新　Ｐ　＋　＝Ｐ　・（１一Ｇ・Ⅳ）；　（５）　步骤６向量更新　＝Ｘ　＋Ｇ・（Ｚ一日・Ｘ　）。　（６）　式中：　为噪声矢量；　为转换矩阵；Ｑ为噪声协　方差矩阵；Ｒ为估测噪声矩阵；　为ｋ时刻的向　量；Ｈ为雅克比行列式；Ｇ为门限矩阵；Ｋ为卡尔　曼增益矩阵；Ｚ为估测向量。　在上述应用过程中，其融合跟踪的精度是较高　的。但在实际计算处理步骤２～步骤４的过程中，　需将矩阵数据转置和取反，即可能存在矩阵数据与　０相除等相关问题，而这就降低了信息跟踪融合的　处理速度，出现“跳点”的问题，从而影响到实时　跟踪目标的能力。　２　改进的信息融合跟踪算法　为了解决以上信息跟踪的运算问题，本文提出　了引入Ｏｌ，　，ｙ相关因子的一种改进跟踪算法，具　体处理步骤如下：　步骤１位置更新　ｌ＝Ｘ　＋Ｏｌ・Ｘ　；　（７）　步骤２速度更新　＋，＝Ｖｋ＋（ｆｌ／ｑ・Ｔ）・Ｘ　；　（８）　步骤３加速度更新　Ａ　＝Ａ＾＋［Ｔ／（ｑ・Ｔ）　］．　。　（９）　其中，　，口，Ｔ是由下列因素确定：　＝２・（２一　）一４＾／　；　（１０）　＝　／（２・Ｏ１）。　（１　１）　式中：空闲系数ｑ＝１．０；样本间隔Ｔ＝１．Ｏ／Ｆ；目标　ｋ＋ｌ时刻位置　…，ｋ＝１，２，３，…Ⅳ；目标ｋ＋１　时亥０速度　＋。，ｋ＝１，２，３，…，Ｎ；目标Ｊ｝＋１时　亥０加速度Ａ　＋。，ｋ＝１，２，３，…，Ⅳ。　对于数据融合多是采用相关函数进行处理，可　表述为　Ｒ　ｙ＝Ｘ・Ｘ／（Ｘ・Ｘ～　・】，＋ｌ，・ｙ）。　（１２）　并做如下认定：　１）若０．９５　Ｒ　１，则认为　与ｙ相关；　２）若０　ｓ　０．９５，则认为　与ｙ不相关。　３　仿真计算　将上述改进的融合方法代人某作战模型系统进　行仿真验证，首先对目标跟踪进行仿真计算。　３．１　目标跟踪仿真　由于引入了　，　，　相关因子，首先需对该种　算法的跟踪效果进行仿真验证。假定２批目标的模　型分别如下式所示：　目标１　Ｘ．＝Ａｔ　＋Ｂｔ＋Ｃ，　（１３）　式中：Ａ＝１．０，Ｂ＝３．０，Ｃ＝４．０。　目标２　＝Ａｅｘｐ（　）＋Ｃ，　（１４）　式中：Ａ＝０．２，Ｂ＝０．３，Ｃ＝４．０。　采用传统的卡尔曼滤波跟踪算法和改进的跟踪　算法，分别对上述２批水面目标进行跟踪仿真，其　仿真计算结果分别如图２和图３所示。　３０ｏ　２５０　Ｋ２００　ｌ＾改进算法估测位置Ｊｏ　算法估测位置Ｅ　簿Ｔ茎耋霉蓊位置　　。　，’　ｌ５０　１００　★　★　＾　５Ｏ　。　０　｝　＾　ｔ　ｌ　２　３　４　５　６　７　８　９　１０　Ｉ１　Ｉ２　ｌ３　１４　ｌ５　ｔ／ｍｉｎ　图２　目标１跟踪效果比较　Ｆｉｇ．２　Ｃｏｍｐａｒａｔｉｖｅ　ｃｈａｒｔ　ｏｆ　ｔｒａｃｋｉｎｇ　ｅｆｆｅｃｔ　ｆｏｒ　ｔａｒｇｅｔ　１　・ｌ３０・　舰船科ｔ／ｒａｉｎ　图３　日标２跟踪效果比较　Ｆｉｇ．３　Ｃｏｍｐａｒａｔｉｖｅ（：ｈａｒｔ　ｔｒａｃｋｉｎｇ　ｅｆｆｅｃｔ　ｆｏｒ　ｔａｒｇｅｔ　２　由图２和罔３可以看　，采用卡尔曼滤波跟踪　算法与改进的跟踪算法相比，二者的目标估计位置　与目标真实位置均比较接近。但卡尔曼滤波跟踪算　法的计算时间相对较长，在仿真中仅计算了奇数点　处的扩展卡尔曼滤波跟踪仿真效果，但由于不稳定　性等原因，在图３中的“７”和“１３”处产生了跳　点现象，降低了目标跟踪的精度。若再进行目标信　息丰Ｈ关融合处理，将影响到实时跟踪目标的能力，　而改进的跟踪算法成功避免了矩阵转置、取反的计　算步骤，在计算时间和计算精度上均可满足需求，　其均方误差小于１．２％。　３．２　多目标信息融合跟踪仿真　根据卡尔曼滤波跟踪算法和改进的跟踪算法，　分别采用某两型传感器对２批次目标进行跟踪及信　息融合仿真计算。　第０１批目标：　…１＝０．３ｔ　一１．５ｔ＋６．３，　（１５）　Ｐ…１＝０．３ｔ　一１．５ｔ＋６．３，　（１６）　…１＝０．６ｔ—１．５，　（１７）　Ａ…、＝０．６。　（１　８）　因此，第０１批目标的运动要素可描述为Ｔ　＝　｛Ｐ】，ＶＩ，Ａ１｝；　第０２批目标：　Ｘ２…＝７．０ｌｏｇ（ｔ）＋１，　（１９）　Ｐ２㈩：７．Ｏｌｏｇ（ｔ）＋１，　（２０）　Ｖ２，ｆ】＝７．Ｏ／ｔ，　（２１）　Ａ…１＝一７．Ｏ／ｔ　。　（２２）　【大１此，第０２批目标的运动要素可描述为Ｔ，＝　｛Ｐ　，Ｖ２，Ａ　｝。以上２批目标的信息融合跟踪仿真计　算结果如图４所示。　经改进的跟踪算法与卡尔曼滤波跟踪算法进　行计算，２批目标虽有相互叠加的部分，但其相关　度结果Ｒ　＝０，表明２种算法均可有效区分２批　学技术　第３４卷　目标。由图４可以看出，改进的跟踪算法　尔　曼滤波跟踪算法相比，目标信息融合精度二者基　本相当，但后者存在跳点的问题，且前者的臼标　信息融合精度较之后者有１０％左右的提高。　此可　认定改进的跟踪算法比卡尔曼滤波跟踪箅法有其改　进的优势。　ｔ／ｒａｉｎ　图４信息融合仿真计算结果　Ｆｉｇ．４　Ｓｉｍｕｌａｔｉｏｎ　ｃａｌｃｕｌａｔｉｎｇ　ｒｅｓｕｌｔ　ｏｆ　ｉｎｆｏｒｍａｔｉｏｎ　ｆｕｓｉｏｎ　４　结　语　通过对舰载直升机传感器探测方式的分析，就　现有的扩展卡尔曼滤波的算法进行ｒ研究，指出其　实际使用中存在的计算速度和精度问题，影响了实　时跟踪目标的能力。就此问题，提ｌ叶Ｊ了一种改进的　多传感器目标信息融合的算法，并将该算法代入作　战仿真进行验证，论证了该方法的可行性和有效性。　本文只是在理想情况下运片ｊ数学模型进行了仿真计　算，还要考虑复杂海况、大气因素等气象闪素和新　技术变革的影响，这些问题还有待进一步深入研究　解决　参考文献：　［１］ＨＡ１　Ｉ　Ｄ　Ｌ，ｅｔ　ａ１．Ｍａｔｈｅｍａｔｉｃａｌ　ｔｅｃｈｎｉｑｕｅｓ　ｉｎ　ｍｕｈｉｓｅｎｓｏｒ　ｄａｔａ　ｆｕｓｉｏｎ［Ｍ］．Ａｒｔｅｃｈ　Ｈｏｕｓｅ，１９９２．　［２］　ＪＥＵＮ　Ｂ　Ｈ，ｅｔ　ａ１．Ａ　ｍｕｈｉ—ｓｅｎｓｏｒ　ｉｎｆｏｒｍａｔｉｏｎ　ｆｕｎｃｔｉｏｎ　ｍｏｄｅｌ　［Ａ］．ＣＩＳＣ一９７　ｊｏｉｎｔ　ｓｅｒｖｉ（＇ｅ　ｃｏｒａｌ＇）ａｔ　ｉｎｄｅｔｉｉｆｃａｔｉ（１『１　ｓｙｓｔｅｍ　ｃｏｎｆｅｒｅｎｃｅ　ｔｅｅｈｎｉｃａｌ　ｐｒｏｃｅｅｄｉｎｇｓ［Ｃ］，１　９９７．　［３］　ＪＥＵＮ　Ｂ　Ｈ，ＪＡＹＡＲＡＭＡＮ　Ｊ．Ａ　ｍｕｈｉ—ｓｅｌｌｓｕｒ　ｔｒａｃｋ　ｓｏｌｕｔｉｏｎ　ｔｏ　ａｄｄｒｅｓｓ　ｔｈｅ　ｍｕｌｔｉ—ｔａｒｇｅｔ　ｐｎ，ｂｌｅｍ［Ａ］．１　９９９　Ｎ　ａｔｉｏｎａｌ　Ｓｙｍｐｏｓｉｕｍ　Ｏｎ　Ｓｅｎｓｏｒ　ａｎｄ　Ｄａｔａ　Ｆｕｓｉｏｎ，Ｊｏｈｎ　Ｈｏｐｋｉｎｓ　Ｕｎｉｖｅｒｓｉｔｙ，１９９９．　［４］　ＪＥＵＮ　Ｂ　Ｈ，ｗ　ＨｌＴＴＡＫＥＲ　Ａ．Ｍｕｌｔｉ—ｓｅｎｓｏｒ　ｉｎｆｉ）ｒｍａｌｉｏｎ　ｆｕｓｉｏｎ　ｔｅｃｈｎｏｈ）ｇｙ　ａｐｐｌｉｅｄ　ｔｏ　ｔｈｅ　ｄｅｖｅｌｏｐｍｅｎｔ　ｏｆ　ｓｍａｒｔ　ａｉ　ｒｃｆ‘ａｆＩ　［Ａ］．Ｔｈｅ　７“’Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｃｏｍｍａｎ（１　ａｎｄ　Ｃｏｎｌｒ，　Ｒｅｓｅａｒｃｈ　Ｔｅｅｈｎｏｌｏｇｙ　Ｓｙｍｐｏｓｉｕｍ，Ｑｕｅｂｅｃ　Ｃｉｔｙ，Ｃａｎａｄａ，２００１．