您的当前位置:首页正文

一种改进的舰载直升机多传感器目标信息融合跟踪方法

2021-01-28 来源:榕意旅游网
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. 

因篇幅问题不能全部显示,请点此查看更多更全内容