基于交互多模型的測(cè)量噪聲累積誤差修正方法研究

劉國(guó)霞，閆安萍

（南京電子技術(shù)研究所，江蘇南京210039）

基于交互多模型的測(cè)量噪聲累積誤差修正方法研究

劉國(guó)霞，閆安萍

（南京電子技術(shù)研究所，江蘇南京210039）

針對(duì)傳感器的測(cè)量噪聲水平會(huì)隨時(shí)間變化，很難用單個(gè)的測(cè)量噪聲水平模型進(jìn)行描述；提出利用多個(gè)描述目標(biāo)不同測(cè)量噪聲水平模型次優(yōu)的交互多模型方法。與單個(gè)模型的跟蹤方法相比，多模型能夠自適應(yīng)修改不同模型的比例權(quán)重，從而選擇局部最優(yōu)的組合去逼近真實(shí)值，整個(gè)過(guò)程不需要設(shè)計(jì)復(fù)雜的邏輯跳變，具有較強(qiáng)的實(shí)用性。最后，通過(guò)仿真進(jìn)一步驗(yàn)證了該方法的有效性和可行性。

交互多模型；測(cè)量噪聲；累積誤差修正；自適應(yīng)

0 引言

在現(xiàn)代電子戰(zhàn)中，傳感器的工作環(huán)境極其惡劣。傳感器的測(cè)量精度不僅僅由自身的物理?xiàng)l件所限制，而且還受工作環(huán)境好壞的影響。因測(cè)量環(huán)境的復(fù)雜性及不確定性，傳感器特別是被動(dòng)傳感器的測(cè)量數(shù)據(jù)一般隨時(shí)間有一定程度的累積，現(xiàn)有的估計(jì)理論一般都認(rèn)為測(cè)量噪聲水平是已知的，這與實(shí)際情況不相符，勢(shì)必導(dǎo)致定位精度的下降。因此有必要深入研究測(cè)量噪聲累積誤差[1?2]修正的問(wèn)題。

1 交互多模型跟蹤算法

正如前面所提，傳感器實(shí)際的測(cè)量噪聲水平和變化趨勢(shì)不能準(zhǔn)確獲得，很難用單個(gè)的測(cè)量噪聲水平模型進(jìn)行描述。測(cè)量噪聲水平隨時(shí)間的變化會(huì)引起跟蹤模型與實(shí)際模型之間的失配，不僅對(duì)定位精度產(chǎn)生較大的影響，甚至?xí)?dǎo)致跟蹤發(fā)散。因此基于單個(gè)模型的算法難以獲得令人滿(mǎn)意的結(jié)果；次優(yōu)的交互多模型[3?6]（IMM）算法使用多個(gè)描述目標(biāo)，不同測(cè)量噪聲水平的模型進(jìn)行交互跟蹤目標(biāo)，由于其結(jié)構(gòu)簡(jiǎn)單、效費(fèi)比高而倍受青睞。

正因?yàn)榻换ナ蕉嗄Ｐ托зM(fèi)比高，并且模型切換不需要復(fù)雜的邏輯跳變?cè)O(shè)計(jì)，因此重點(diǎn)探討交互式多模型對(duì)累積測(cè)量誤差修正的方法。

本文將探討被動(dòng)傳感器在不同測(cè)量噪聲水平交互作用下的跟蹤效果，同等條件下分別比較單個(gè)測(cè)量噪聲水平的跟蹤精度，給出相應(yīng)的分析結(jié)論。下面簡(jiǎn)要介紹交互多模型濾波算法流程：

（1）跟蹤模型建立

IMM算法中第j個(gè)模型的狀態(tài)方程及量測(cè)方程為：

式中：Fj(?)為模型j的非線性方程；Hj(?)為模型j的量測(cè)函數(shù)；Vj為不相關(guān)的零均值高斯白噪聲，其方差為Rj。因?yàn)楦鱾€(gè)模型微分方程都為非線性方程，都采用非線性的濾波方法進(jìn)行濾波，本項(xiàng)目采用SRF[7?9]（Shift Rayleigh Filter）作為基礎(chǔ)濾波器。

（2）輸入交互

（3）濾波計(jì)算

（4）模型概率更新

（5）輸出交互

將以模型為條件的估計(jì)和協(xié)方差組合，得到系統(tǒng)最終的估計(jì)結(jié)果。

通過(guò)上述多模型的辦法對(duì)空中目標(biāo)進(jìn)行跟蹤，與單個(gè)模型的跟蹤方法相比，多模型能夠自適應(yīng)修改不同模型的比例權(quán)重，從而選擇局部最優(yōu)的組合去逼近真實(shí)值，整個(gè)過(guò)程不需要設(shè)計(jì)復(fù)雜的邏輯跳變，具有較強(qiáng)的實(shí)用性。

2 仿真結(jié)果與分析

2.1 仿真場(chǎng)景設(shè)置

假設(shè)被動(dòng)傳感器測(cè)量噪聲隨時(shí)間而變，測(cè)量噪聲前300 s為1°，301～600 s為5°，601～900 s為8°。交互多模型集測(cè)量噪聲為[0.5°，1°，2°，4°，8°]。傳感器與目標(biāo)的相對(duì)場(chǎng)景圖如圖1所示，傳感器的測(cè)量角度如圖2所示。

用5個(gè)單模型與交互多模型的跟蹤誤差比較圖，如圖3所示。圖4，圖5是交互多模型的模型概率轉(zhuǎn)換圖。

圖1 仿真場(chǎng)景圖

圖2 測(cè)量角度

圖3 跟蹤誤差比較圖

2.2 仿真結(jié)果與分析

從圖2可知，傳感器的測(cè)量誤差隨著時(shí)間在不斷累加。這正是累積測(cè)量誤差的體現(xiàn)，圖3是交互式多模型和各個(gè)單模型跟蹤誤差比較圖，從圖中可得交互式多模型的跟蹤效果比任何一個(gè)單模型都要好，更為重要的是它并不隨著累積測(cè)量誤差的增加而精度變差，它的跟蹤精度、穩(wěn)定性和魯棒性都比單模型要好得多。

圖4，圖5體現(xiàn)了交互式多模型的工作過(guò)程，它會(huì)自適應(yīng)調(diào)整最相似的模型以最大的概率去跟蹤實(shí)際目標(biāo)，例如在前面300 s中，1°模型占的概率超過(guò)90%，而300～600 s時(shí)4°模型占主要成分，600～900 s時(shí)8°模型也起重要作用，這個(gè)過(guò)程與實(shí)際的噪聲大小是相符的，體現(xiàn)了交互式多模型的有效性。

圖4 IMM模型概率轉(zhuǎn)換圖（一）

圖5 IMM模型概率轉(zhuǎn)換圖（二）

3 結(jié)論

仿真結(jié)果驗(yàn)證了采用交互式多模型對(duì)于累積測(cè)量噪聲具有較好的修正效果，與單模型跟蹤效果比較，無(wú)論是在跟蹤精度、跟蹤的穩(wěn)定性以及魯棒性都具有較大程度的提高。

[1]周宏仁，敬忠良，王培德.機(jī)動(dòng)目標(biāo)跟蹤[M].北京：國(guó)防工業(yè)出版社，1991.

[2]何友，修建娟，張晶煒，等.雷達(dá)數(shù)據(jù)處理及應(yīng)用[M].北京：電子工業(yè)出版社，2006.

[3]BLOM H A P，BAR?SHALOM Y.The interacting multiple model algorithm for systems with Markovian switching coeffi?cients[J].IEEE Transactions on Automatic Contro1，1988，33（8）：780?783.

[4]王志敏，肖衛(wèi)初.機(jī)動(dòng)目標(biāo)跟蹤IMM算法的性能分析[J].湖南城市學(xué)院學(xué)報(bào)，2003，24（6）：109?111.

[5]LI R X，JILKOV V P.A survey of maneuvering target tracking：dynamic models[C]//Proceedings of SPIE Conference on Sig?nal and Data Processing of Small Targets.Orlando：IEEE，2000：4048?4052.

[6]徐毓，金以慧.相關(guān)噪聲下的機(jī)動(dòng)目標(biāo)跟蹤SMFEKF?IMM算法[J].清華大學(xué)學(xué)報(bào)：自然科學(xué)版，2003，43（7）：865?868.

[7]CLARK J M C，VINTER R B，YAQOOB M M.The shifted Rayleigh filter for bearings only tracking[C]//Proceedings of the 8th International Conference on Information Fusion.[S.l.]：IEEE，2005，1：93?100.

[8]CLARK J M C，ROBBIATI S A，VINTER R B.The shifted Rayleigh mixture filter for bearings?only tracking of maneuve?ringtargets[J].IEEETransactionsonSignalProcessing，2007，55（7）：3218?3226．

[9]CLARK M，MASKELL S，VINTER R，et a1.A comparison of the particle and shifted Rayleigh filters in their application to a multisensor bearings?only problem[C]//Proceedings of 2005 IEEE Aerospace Conference.Big Sky：IEEE，2005：2142?2147.

Correction method based on interaction multi?model for measurement noise cumulative error

LIU Guoxia，YAN Anping
（Nanjing Research Institute of Electronics Technology，Nanjing 210039，China）

Since sensor measurement noise level changes with time，it is difficult to describe with a single measurement noise level model.The suboptimal interaction multi?model method of different measurement noise level models for multiple de?scription objects is proposed in this paper.Compared with the single model tracking method，multi?model method can modify the proportion weight of different models adaptively，so that local optimal combination is selected to approximate the true value.It is unnecessary to design complex logic jumping in the whole process because it has strong practicability.The validity and feasibili?ty of the proposed method was verified further by simulation.

interaction multi?model；measurement noise；cumulative error correction；self?adaption

TN103?34

A

1004?373X（2015）13?0024?03

劉國(guó)霞（1982—），女，寧夏同心人，碩士，工程師。主要從事雷達(dá)數(shù)據(jù)處理。

閆安萍（1973—），女。主要從事機(jī)載雷達(dá)數(shù)字系統(tǒng)集成。

2015?01?23