基于信息融合的實(shí)時(shí)數(shù)據(jù)處理方法應(yīng)用＊

黃越平 陶愛科 蘇 濤 劉小軍

（95972部隊(duì) 酒泉 735018）

1 引言

多傳感器數(shù)據(jù)融合（Multi－Sensor Data Fusion，簡(jiǎn)稱MSDF），是指對(duì)來自多個(gè)傳感器的數(shù)據(jù)進(jìn)行多級(jí)別、多層次的處理，從而產(chǎn)生新的有意義的信息，而這種新信息是任何單一傳感器所無法獲得的（就是將來自多個(gè)傳感器或多源的信息進(jìn)行綜合處理，從而得出更為準(zhǔn)確、可靠的結(jié)論）。目前，多傳感器信息融合技術(shù)已成功地應(yīng)用于機(jī)器人、智能儀器系統(tǒng)、圖像分析與理解、戰(zhàn)場(chǎng)任務(wù)與無人駕駛飛機(jī)、目標(biāo)檢測(cè)與跟蹤、自動(dòng)目標(biāo)識(shí)別、多源圖像復(fù)合等眾多的研究領(lǐng)域，尤其是在C3I領(lǐng)域，在世界上幾次局部戰(zhàn)爭(zhēng)中，信息融合顯示了強(qiáng)大的威力。在軍事領(lǐng)域，信息融合主要包括檢測(cè)、互聯(lián)、關(guān)聯(lián)（相關(guān)）、狀態(tài)估計(jì)、目標(biāo)識(shí)別、態(tài)勢(shì)描述、威脅估計(jì)、傳感器管理和數(shù)據(jù)庫等。

為了提高某指揮控制系統(tǒng)的總體性能指標(biāo)和戰(zhàn)術(shù)技術(shù)指標(biāo)，解決指控系統(tǒng)態(tài)勢(shì)混亂、指揮員難以決策、安全控制要求高、數(shù)據(jù)引導(dǎo)困難、難以實(shí)現(xiàn)多目標(biāo)跟蹤、不同試驗(yàn)任務(wù)難以同場(chǎng)次進(jìn)行的問題，需針對(duì)航空武器試驗(yàn)、合同訓(xùn)練任務(wù)的特點(diǎn)和要求，結(jié)合各類測(cè)量設(shè)備的性能特點(diǎn)，運(yùn)用信息融合處理技術(shù)，在數(shù)據(jù)濾波和航跡擬合等方面提高水平。用于指控系統(tǒng)多傳感器多目標(biāo)探測(cè)信息的互補(bǔ)，實(shí)現(xiàn)多測(cè)量設(shè)備信息的融合，提高目標(biāo)跟蹤的信息質(zhì)量和目標(biāo)探測(cè)的精度，提供高質(zhì)量和高可靠度的合同訓(xùn)練和試驗(yàn)的環(huán)境態(tài)勢(shì)。

2 總體設(shè)計(jì)研究?jī)?nèi)容

概括起來講，本應(yīng)用系統(tǒng)設(shè)計(jì)是根據(jù)某指揮控制系統(tǒng)的實(shí)際要求，針對(duì)試驗(yàn)和合同訓(xùn)練的不同特點(diǎn)，確定適用于不同條件、不同任務(wù)的信息融合方案與模型，并完成模型的模塊化，嵌入指控系統(tǒng)的應(yīng)用軟件中。研究?jī)?nèi)容主要包括：

1）數(shù)據(jù)處理數(shù)學(xué)模型

2）數(shù)據(jù)融合模型

3）實(shí)測(cè)數(shù)據(jù)仿真及模型正確性檢驗(yàn)

2.1 設(shè)計(jì)指導(dǎo)思想

數(shù)據(jù)融合模型及軟件設(shè)計(jì)遵循以下原則：

1）具有高可靠性

2）具有可擴(kuò)充性和可重用性

3）具有獨(dú)立性

4）與應(yīng)用軟件的接口設(shè)計(jì)合理

2.2 體系結(jié)構(gòu)與流程

系統(tǒng)設(shè)計(jì)信息融合功能為兩種方式，其一為利用測(cè)控系統(tǒng)已處理的航跡信息；其二為直接對(duì)傳送至指控系統(tǒng)的傳感器原始量測(cè)信息進(jìn)行融合處理。這兩種處理方式從結(jié)構(gòu)上分別對(duì)應(yīng)于多傳感器信息融合中的混合式和集中式融合結(jié)構(gòu)。

從測(cè)控站傳送到指控中心處理器的航跡信息，精度和可靠性（經(jīng)數(shù)據(jù)融合處理）都很高，但有約5ms的延遲，此航跡信息作為備份，采用混合式融合結(jié)構(gòu)。

對(duì)于應(yīng)用系統(tǒng)信息融合問題，主要考慮慣導(dǎo)、GPS、遙測(cè)、RCS測(cè)量、多部警戒雷達(dá)和航管二次雷達(dá)信息等信息源與測(cè)控站雷測(cè)信息的融合及綜合處理問題。雷測(cè)、RCS測(cè)量、遙測(cè)、GPS、慣導(dǎo)等信息源的數(shù)據(jù)經(jīng)過統(tǒng)一的時(shí)間對(duì)準(zhǔn)、坐標(biāo)變換、野值剔除和降噪處理等預(yù)處理后進(jìn)行數(shù)據(jù)壓縮，采用集中式融合結(jié)構(gòu)。

多部警戒雷達(dá)和航管二次雷達(dá)信息數(shù)據(jù)率低，異步傳輸，它們的融合按“不同維異步信息”的數(shù)據(jù)融合方法處理，不進(jìn)行時(shí)間對(duì)準(zhǔn)也不進(jìn)行野值剔除，而單獨(dú)進(jìn)行數(shù)據(jù)融合處理，用以形成指揮控制全空域的環(huán)境態(tài)勢(shì)，主要擔(dān)負(fù)監(jiān)視、警戒和報(bào)警任務(wù)，不參與指控系統(tǒng)試驗(yàn)航跡的數(shù)據(jù)融合。

3 多傳感器融合算法模型

根據(jù)應(yīng)用系統(tǒng)和融合結(jié)構(gòu)的不同，融合算法模型有所不同，需要采用不同數(shù)據(jù)融合處理過程，在本系統(tǒng)中，融合處理系統(tǒng)要分析來自所有傳感器的數(shù)據(jù)，并對(duì)其進(jìn)行空間與時(shí)間配準(zhǔn)、數(shù)據(jù)關(guān)聯(lián)、航跡相關(guān)、航跡融合、航跡濾波等。主要包括多傳感器時(shí)空校準(zhǔn)、航跡起始、點(diǎn)跡／航跡互聯(lián)、數(shù)據(jù)壓縮、航跡保持、機(jī)動(dòng)目標(biāo)跟蹤、航跡融合、建模與模型參數(shù)的設(shè)置、航跡濾波等。

3.1 多傳感器時(shí)空校準(zhǔn)

多傳感器在時(shí)間上和空間上對(duì)準(zhǔn)是對(duì)不同種類、不同精度、不同數(shù)據(jù)錄取率的傳感器如何在時(shí)間上和空間上對(duì)準(zhǔn)。本系統(tǒng)運(yùn)用“自回歸求和滑動(dòng)平均模型”（ARIMA模型）進(jìn)行數(shù)據(jù)的合理性連續(xù)性檢驗(yàn)；運(yùn)用連續(xù)濾波門限、多層次濾波結(jié)構(gòu)等多項(xiàng)雷達(dá)情報(bào)處理技術(shù)進(jìn)行合理內(nèi)插外推；泰勒展開修正法修正觀測(cè)數(shù)據(jù)的時(shí)間；采用GPS信息時(shí)延彌補(bǔ)、不同量測(cè)坐標(biāo)系轉(zhuǎn)換修正、各傳感器系統(tǒng)誤差修正，保證測(cè)量數(shù)據(jù)在時(shí)間上和空間上的對(duì)準(zhǔn)。

3.2 航跡起始

當(dāng)檢測(cè)到新目標(biāo)出現(xiàn)后，需要利用新目標(biāo)的量測(cè)信息起始航跡。多部警戒雷達(dá)和航管二次雷達(dá)信息作為一個(gè)相對(duì)獨(dú)立的單元單獨(dú)進(jìn)行融合處理，我們稱融合后的航跡為全空域系統(tǒng)航跡；其它設(shè)備作為一個(gè)整體，它們的系統(tǒng)航跡稱為局部系統(tǒng)航跡。對(duì)可靠單目標(biāo)型傳感器，可以利用其提供的平臺(tái)位置速度信息，直接起始航跡，并作為局部系統(tǒng)航跡。它們的ID號(hào)與局部系統(tǒng)航跡號(hào)之間在一次任務(wù)期間存在永久對(duì)應(yīng)關(guān)系；對(duì)多部精測(cè)雷達(dá)，如果目標(biāo)點(diǎn)跡不與任何已起始的局部系統(tǒng)航跡相關(guān)，則利用該目標(biāo)的測(cè)量序列起始新航跡。

3.3 點(diǎn)跡／航跡互聯(lián)

點(diǎn)跡／航跡互聯(lián)的過程是將候選回波（跟蹤門規(guī)則的輸出）與系統(tǒng)航跡相比較，并最后確定正確的點(diǎn)跡／航跡配對(duì)的過程。主要針對(duì)多部精測(cè)雷達(dá)雷測(cè)設(shè)備的測(cè)量信息。

假設(shè)航跡在k時(shí)刻狀態(tài)估計(jì)信息為（k｜k），k＋1時(shí)刻獲得目標(biāo)雷達(dá)測(cè)量信息通過坐標(biāo)變換，得到目標(biāo)在融合中心直角坐標(biāo)系下的測(cè)量值為X（k＋1）＝［xk＋1，yk＋1，zk＋1］。首先，利用k時(shí)刻目標(biāo)狀態(tài)估計(jì)信息預(yù)測(cè)其k＋1時(shí)刻目標(biāo)狀態(tài)信息：

如果下面公式成立：

則認(rèn)為雷達(dá)的測(cè)量信息與該航跡互聯(lián)，否則，判定該點(diǎn)跡信息不屬于此條航跡。（根據(jù)以往的實(shí)踐經(jīng)驗(yàn)，n的取值可控制在3～5）。

3.4 數(shù)據(jù)壓縮

在本系統(tǒng)應(yīng)用中采用集中式多傳感器融合方法需要將多傳感器數(shù)據(jù)組合成類似單傳感器的數(shù)據(jù)進(jìn)行處理。假設(shè)同一目標(biāo)同一時(shí)刻的定位信息源有：，相應(yīng)的量測(cè)誤差為：

3.5 航跡維持

航跡維持，又稱為航跡濾波，主要是指如何保持對(duì)目標(biāo)進(jìn)行連續(xù)的跟蹤，而不丟失目標(biāo)。這里采用Kalman濾波方法。

設(shè)目標(biāo)量測(cè)信息經(jīng)數(shù)據(jù)壓縮和坐標(biāo)轉(zhuǎn)換后，在直角坐標(biāo)系中表示Z（k）＝ ［xyz］′。由于導(dǎo)彈目標(biāo)和其它目標(biāo)起始系統(tǒng)航跡所建立的系統(tǒng)狀態(tài)方程不一致，因此，導(dǎo)彈目標(biāo)的狀態(tài)向量表示為z¨］，其它目標(biāo)狀態(tài)向量表示為

其中x、y、z分別為目標(biāo)在直角坐標(biāo)系下的X軸、Y軸和Z軸的位置。假設(shè)在k時(shí)刻系統(tǒng)航跡的估計(jì)和狀態(tài)協(xié)方差分別為（k｜k）、P（k｜k）；在k＋1時(shí)刻獲得與該航跡相關(guān)的量測(cè)為Z（k＋1），則通過以下步驟獲得航跡在k＋1時(shí)刻的狀態(tài)估計(jì)和狀態(tài)協(xié)方差：

其中（k＋1｜k）為狀態(tài)的一步預(yù)測(cè)；P（k＋1｜k）為一步預(yù)測(cè)協(xié)方差；（k＋1｜k）為預(yù)測(cè)量測(cè)；S（k＋1）為量測(cè)預(yù)測(cè)協(xié)方差；W（k＋1）為濾波增益。

3.6 機(jī)動(dòng)目標(biāo)跟蹤

當(dāng)目標(biāo)發(fā)生機(jī)動(dòng)時(shí)，需要采取相應(yīng)的措施以使系統(tǒng)能夠正確跟蹤該目標(biāo)。目標(biāo)機(jī)動(dòng)處理方法采用可調(diào)白噪聲方法。

首先，系統(tǒng)需要對(duì)目標(biāo)是否機(jī)動(dòng)進(jìn)行檢測(cè)。簡(jiǎn)單的檢測(cè)方法是基于歸一化的新息平方：

當(dāng)εv（k＋1）超過某門限時(shí)，則判定目標(biāo)發(fā)生了機(jī)動(dòng)。對(duì)于不同的目標(biāo)，其門限的大小是不一樣的。因此，門限選取也需要根據(jù)設(shè)備的實(shí)測(cè)數(shù)據(jù)，進(jìn)行大量的仿真才可以最終確定。門限的選取原則主要根據(jù)目標(biāo)可能的最大機(jī)動(dòng)指標(biāo)來確定。

目標(biāo)的機(jī)動(dòng)處理主要是增大Kalman濾波方程中的過程噪聲協(xié)方差Q（k＋1），從而增大一步預(yù)測(cè)協(xié)方差P（k＋1｜k），增大量測(cè)預(yù)測(cè)協(xié)方差S（k＋1），直到εv（k＋1）減小到門限以下。Q（k＋1）的調(diào)整主要通過調(diào)整其中的比例系數(shù)q。

3.7 航跡融合

雷測(cè)設(shè)備的測(cè)量點(diǎn)跡（或測(cè)量序列）經(jīng)過濾波，得到目標(biāo)航跡，此目標(biāo)航跡需要和可靠單目標(biāo)型傳感器的航跡信息進(jìn)行融合，得到最終的目標(biāo)航跡信息。另一方面，當(dāng)指控中心選取混合式工作方式時(shí)，也需要進(jìn)行航跡／航跡融合。

1）最優(yōu)航跡合成解

其中，

Pi＋1｜k）（i＝1，2）分別為來自指控中心和測(cè)控中心同一目標(biāo)的狀態(tài)估計(jì)。

2）次優(yōu)航跡融合解

當(dāng)不考慮過程噪聲和初始條件的影響時(shí)，次優(yōu)航跡融合解可表示為

3.8 建模與模型參數(shù)的設(shè)置

模型的一些參數(shù)的設(shè)置是一個(gè)難題，通過事后測(cè)量原始數(shù)據(jù)機(jī)下仿真分析，模型的一些參數(shù)的設(shè)置采用事后測(cè)量原始數(shù)據(jù)機(jī)下仿真的經(jīng)驗(yàn)值、人工干預(yù)調(diào)整；實(shí)時(shí)積累觀測(cè)數(shù)據(jù)對(duì)未知或不準(zhǔn)確的系統(tǒng)模型參數(shù)及噪聲特性進(jìn)行估計(jì)及修正，實(shí)時(shí)自適應(yīng)模型參數(shù)調(diào)整，實(shí)現(xiàn)對(duì)不同種類、不同精度、不同數(shù)據(jù)錄取率的傳感器模型參數(shù)的自適應(yīng)實(shí)時(shí)調(diào)整。

3.9 針對(duì)傳感器數(shù)據(jù)率和精度特點(diǎn)的數(shù)據(jù)濾波方法

結(jié)合各類測(cè)量設(shè)備的性能特點(diǎn)，運(yùn)用多階泰勒級(jí)數(shù)擬合殘差法實(shí)現(xiàn)測(cè)量數(shù)據(jù)處理動(dòng)態(tài)方差預(yù)估計(jì)，彌補(bǔ)了模型理論推導(dǎo)的初始狀態(tài)估計(jì)、初始狀態(tài)估計(jì)協(xié)方差矩陣和測(cè)量信息誤差方差計(jì)算公式的不足?？朔藗鞲衅骶炔町惔?、短時(shí)連續(xù)漏測(cè)、成片野值等問題對(duì)數(shù)據(jù)處理精度和穩(wěn)定性的影響。

4 應(yīng)用結(jié)論

將信息融合算法模型嵌入實(shí)時(shí)并行計(jì)算數(shù)據(jù)處理系統(tǒng)中，用于指揮控制系統(tǒng)多傳感器多目標(biāo)探測(cè)信息的互補(bǔ)，實(shí)現(xiàn)了指控系統(tǒng)多測(cè)量設(shè)備信息的融合，提高了目標(biāo)跟蹤的信息質(zhì)量和目標(biāo)探測(cè)的精度，為指揮員提供高質(zhì)量和高可靠度的合同訓(xùn)練和試驗(yàn)的環(huán)境態(tài)勢(shì)，有效保證了目標(biāo)點(diǎn)跡（航跡）的實(shí)時(shí)性、準(zhǔn)確性、連續(xù)性、平滑性，為航空武器試驗(yàn)的邊界條件產(chǎn)生、指揮員的決策提供直觀顯示和可靠依據(jù)，使指揮控制界面態(tài)勢(shì)清晰、便于指揮決策、便于安全控制，解決了由于多傳感器跟蹤同一目標(biāo)時(shí)，因各傳感器精度、數(shù)據(jù)采樣率不同而造成的航跡混亂的現(xiàn)象；解決了飛機(jī)編隊(duì)起飛、大空域機(jī)動(dòng)、空中編隊(duì)和交叉飛行等復(fù)雜狀態(tài)下的跟蹤和態(tài)勢(shì)顯示問題；解決了指測(cè)控?cái)?shù)據(jù)引導(dǎo)困難、難以實(shí)現(xiàn)多目標(biāo)跟蹤及不同試驗(yàn)訓(xùn)練任務(wù)同場(chǎng)次進(jìn)行的問題。

將本系統(tǒng)推廣到現(xiàn)代化的軍事指揮控制系統(tǒng)，以信息融合為核心保證數(shù)據(jù)配批解算、設(shè)備引導(dǎo)平滑、穩(wěn)定、連續(xù)、準(zhǔn)確，對(duì)提高軍事指揮控制系統(tǒng)自動(dòng)化程度和可靠性具有重要意義，同時(shí)也是半實(shí)物仿真、戰(zhàn)術(shù)對(duì)抗評(píng)估等任務(wù)的前期基礎(chǔ)性工作。應(yīng)用信息融合技術(shù)可大大提高作戰(zhàn)指揮系統(tǒng)的性能，經(jīng)適當(dāng)改造，可推廣用于其它合作環(huán)境下的多目標(biāo)跟蹤系統(tǒng)（如空中交通管制）和非合作環(huán)境下的多目標(biāo)跟蹤系統(tǒng)（如防空監(jiān)視與預(yù)警）中。

［1］康耀紅.數(shù)據(jù)融合理論與應(yīng)用［M］.西安：電子科技大學(xué)出版社，1997.

［2］何友，王國(guó)宏，彭應(yīng)寧，等.多傳感器信息融合及應(yīng)用［M］.北京：電子工業(yè)出版社，2000.

［3］汪叔華.最優(yōu)濾波與應(yīng)用［M］.南京：航空航天大學(xué)出版社，1998.

［4］何友，陸大琻，彭應(yīng)寧.多傳感器數(shù)據(jù)融合算法綜述［J］.火力與指揮控制，1996（21）：14－16.

［5］白欣，宋博，左繼章，等.高可用性冗余實(shí)時(shí)集群系統(tǒng)的設(shè)計(jì)與構(gòu)建［J］.計(jì)算機(jī)工程，2004（30）：25－26.

［6］黃曉斌，張燕.雷達(dá)數(shù)據(jù)處理中觀測(cè)數(shù)據(jù)坐標(biāo)變換補(bǔ)償方法分析［J］.空軍雷達(dá)學(xué)院學(xué)報(bào)，2010（01）：15－21.

［7］何友，關(guān)欣，王國(guó)宏.多傳感器信息融合研究進(jìn)展與展望［C］.宇航學(xué)報(bào)，2005，26（4）：524－529.

［8］A.K.Singh，N.Sood.Modelling and Simulation of Multi－target Multi－sensor Data Fusion for Trajectory Tracking［J］.Defence science journal，2009，59（3）.

［9］Karim Salahshoor，Mohsen Mosallaei，Mohammadreza Bayat.Centralized and decentralized process and sensor fault monitoring using data fusion based on adaptive extended Kalman filter algorithm［J］.Measurement，2008，41（10）.

［10］Andrzej Stateczny Witold Kazimierski.A Concept of Decentralized Fusion of Maritime Radar Targets with Multisensor Kalman Filter［J］.International Radar Symposium （IRS 2010）11th，2010.