基于異類傳感器信息融合的平臺(tái)識(shí)別算法

李 敬，徐海洋

(中國(guó)船舶重工集團(tuán)公司第723研究所，揚(yáng)州 225001)

基于異類傳感器信息融合的平臺(tái)識(shí)別算法

李 敬，徐海洋

(中國(guó)船舶重工集團(tuán)公司第723研究所，揚(yáng)州 225001)

從實(shí)用角度出發(fā)分析了相關(guān)濾波法、目標(biāo)識(shí)別法和D-S證據(jù)理論等方法在異類傳感器信息融合的不同層次的使用，綜合以上方法實(shí)現(xiàn)對(duì)雷達(dá)偵察輻射源、通信輻射源、激光輻射源和雷達(dá)航跡的信息融合,最終合成平臺(tái)信息，用于完成平臺(tái)識(shí)別。

異類傳感器；信息融合；逆合成孔徑雷達(dá)成像；D-S證據(jù)理論

0 引 言

數(shù)據(jù)信息融合是伴隨著一個(gè)系統(tǒng)使用多個(gè)同類或異類傳感器而產(chǎn)生的。根據(jù)參與融合的傳感器的類別，可分為同類信息融合和異類信息融合[1]。同類信息融合的優(yōu)點(diǎn)是各傳感器之間相同特征信息比較多，融合的特征信息的確定因素比較多。而異類信息融合過(guò)程相對(duì)要難一些，因?yàn)橄嗤奶卣餍畔?shù)比較少，所以融合效果要差一些。本文主要討論異類傳感器的數(shù)據(jù)融合算法和應(yīng)用領(lǐng)域。

異類傳感器信息融合技術(shù)是智能信息處理領(lǐng)域的一種重要方法,它充分利用了多源數(shù)據(jù)的互補(bǔ)性和計(jì)算機(jī)的高速運(yùn)算來(lái)提高信息質(zhì)量，提高信號(hào)截獲概率。本文討論的異類傳感器主要有無(wú)源的電子偵察、有源的航跡探測(cè)、通信情報(bào)和激光探測(cè)等，這也是目前艦載平臺(tái)最常規(guī)的配備。在這些異類傳感器中雷達(dá)能夠?qū)\(yùn)動(dòng)目標(biāo)進(jìn)行實(shí)時(shí)跟蹤，但易暴露；無(wú)源設(shè)備隱蔽性強(qiáng)，但角度數(shù)據(jù)的精度比較差，目標(biāo)增批嚴(yán)重。因此這些傳感器之間的信息融合會(huì)更好地提高信號(hào)識(shí)別和目標(biāo)識(shí)別的準(zhǔn)確率，并解決模糊的問(wèn)題,以便準(zhǔn)確、實(shí)時(shí)地感知周圍電磁態(tài)勢(shì)形成平臺(tái)，并將融合信息用于平臺(tái)識(shí)別，最終給出平臺(tái)的型號(hào)以及更詳細(xì)的平臺(tái)參數(shù)。

1 信息融合方法

異類傳感器之間信息融合的最大困難就是各傳感器之間的相同特征信息太少，因此異類傳感器信息融合的不同層次對(duì)應(yīng)不同的算法，從精確的數(shù)據(jù)關(guān)聯(lián)濾波到模糊的屬性相似度、D-S判據(jù)等算法都被應(yīng)用在異類傳感器的信息融合上。

1.1 數(shù)據(jù)關(guān)聯(lián)濾波法

數(shù)據(jù)關(guān)聯(lián)濾波法主要針對(duì)有源與無(wú)源探測(cè)同時(shí)都具有的可以量化的參數(shù)信息，主要有方位信息和俯仰信息。根據(jù)探測(cè)到的角度信息和時(shí)標(biāo)，在時(shí)間和空間上對(duì)齊，實(shí)現(xiàn)對(duì)特征信息的相關(guān)和濾波。采用卡爾曼濾波方法實(shí)現(xiàn)有源航跡與雷達(dá)輻射源方位角和俯仰角的關(guān)聯(lián)濾波。下面介紹卡爾曼濾波。

預(yù)測(cè)方程:

X(k/k-1)=AX(k-1/k-1)+W(k-1)

(1)

(2)

觀測(cè)方程:

(3)

增益方程:

(4)

濾波方程:

X(k/k)=X(k/k-1)+ K(k)[Z(k)-HX(k/k-1)]

(5)

濾波均方誤差方程:

(6)

對(duì)于時(shí)變系統(tǒng)信號(hào)模型和時(shí)變觀測(cè)模型，轉(zhuǎn)移矩陣A和觀測(cè)矩陣H皆為時(shí)變的，用A(k)和H(k)表示。

通過(guò)卡爾曼濾波可以將雷達(dá)輻射源、通信輻射源、激光輻射源和有源航跡進(jìn)行初步的角度信息的融合。如果雷達(dá)輻射源平臺(tái)可以進(jìn)行無(wú)源定位，實(shí)時(shí)給出輻射源的距離信息，便可以與有源航跡進(jìn)行精確的位置信息的融合。

1.2 目標(biāo)識(shí)別

目標(biāo)識(shí)別是將目標(biāo)信息與數(shù)據(jù)庫(kù)內(nèi)的信息進(jìn)行關(guān)聯(lián)比對(duì)，識(shí)別出目標(biāo)的平臺(tái)類型，為異類傳感器信息融合提供有效融合參數(shù)。

1.2.1 雷達(dá)輻射源目標(biāo)識(shí)別

雷達(dá)輻射源在進(jìn)行分選時(shí)，由于信號(hào)反射、飽和以及干擾等原因，測(cè)量參數(shù)會(huì)出現(xiàn)偏差，而且雷達(dá)輻射源往往具有多個(gè)工作模式，不同雷達(dá)的模式相互交迭，對(duì)于工作頻率、重復(fù)頻率、脈沖寬度、信號(hào)調(diào)制度這類連續(xù)模擬性參數(shù)，則由于各部具體雷達(dá)的特征參量的值總是在各自對(duì)應(yīng)的某一平均值附近擺動(dòng)，使得分選結(jié)果出現(xiàn)偏差，增加了模糊性[2]。為此選用模糊匹配方法，采用高斯型隸屬函數(shù)。

識(shí)別參數(shù)主要有射頻f、重頻F和脈寬τ。下面以射頻為例。

目前比較常見的雷達(dá)輻射源射頻類型一般包括固定、分集、脈組捷變、 脈間捷變、調(diào)頻和復(fù)合信號(hào)。在進(jìn)行射頻相關(guān)時(shí)，先將射頻類型籠統(tǒng)分為兩大類，一類是固定頻點(diǎn)的，主要包含固定類型、分集，另一類是射頻值是變化的，主要包含脈間捷變、脈組捷變、調(diào)頻和復(fù)合信號(hào)。

對(duì)固定頻點(diǎn)的射頻值相關(guān)采用高斯型隸屬函數(shù)計(jì)算模糊隸屬度，公式如下：

μRi(f)=

(7)

式中：f為頻率測(cè)量值；fmin和fmax為以f頻率值為中心，因測(cè)量設(shè)備的噪聲和誤差測(cè)出的雷達(dá)工作頻率的低端和高端；σRi為該類雷達(dá)載頻的測(cè)量精度；μRi(f)為第i次測(cè)量頻點(diǎn)f的融合相關(guān)度。

需要注意的是，在進(jìn)行高斯隸屬度函數(shù)計(jì)算時(shí)，通常固定射頻點(diǎn)會(huì)有多個(gè)，對(duì)多個(gè)射頻點(diǎn)進(jìn)行相關(guān)時(shí)，先要進(jìn)行射頻點(diǎn)配對(duì)，保證最接近的2個(gè)射頻點(diǎn)進(jìn)行模糊隸屬度相關(guān)。

對(duì)另類變化的射頻值進(jìn)行相關(guān)時(shí)，采用均勻分布求概率的方法。設(shè)有2個(gè)相關(guān)的射頻參數(shù)(fimax，fimin)和(fDmax，fDmin),則：

(8)

式中：(fimin,fimax)∩(fDmin,fDmax)表示求射頻(fimax，fimin)和(fDmax，fDmin)的交集；(fimin,fimax)∪(fDmin,fDmax)表示求射頻(fimax，fimin)和(fDmax，fDmin)的并集。

在求相關(guān)隸屬度前同樣的先要進(jìn)行射頻范圍的配對(duì)，保證最接近的2個(gè)射頻范圍值求均勻分布概率。

1.2.2 有源目標(biāo)識(shí)別

有源航跡的識(shí)別主要通過(guò)目標(biāo)的方位信息(主要俯仰角)和速度信息等來(lái)粗分平臺(tái)類型。有些平臺(tái)類型在速度和俯仰角上并無(wú)很明確的界限，還可以依據(jù)目標(biāo)的逆合成孔徑雷達(dá)(ISAR)成像，根據(jù)一維距離像和二維距離像來(lái)區(qū)分。

高分辨率ISAR成像雷達(dá)由于能夠?qū)崿F(xiàn)目標(biāo)的二維成像，獲取更加豐富的目標(biāo)散射信息，有利于目標(biāo)的識(shí)別和分類，被廣泛應(yīng)用于現(xiàn)代雷達(dá)系統(tǒng)中。對(duì)目標(biāo)進(jìn)行高分辨ISAR成像需要有縱向和橫向分辨率。橫向分辨率是通過(guò)目標(biāo)相對(duì)雷達(dá)的轉(zhuǎn)動(dòng)實(shí)現(xiàn)的，而縱向分辨率是通過(guò)雷達(dá)發(fā)射的大信號(hào)帶寬實(shí)現(xiàn)的[3]。因而選擇適合的大時(shí)寬帶信號(hào)對(duì)于ISAR成像系統(tǒng)設(shè)計(jì)來(lái)說(shuō)是至關(guān)重要的。大時(shí)寬帶信號(hào)可以有許多形式，如脈沖編碼等，但用得最多的是線性調(diào)頻脈沖信號(hào)和調(diào)頻步進(jìn)頻信號(hào)。圖1是利用調(diào)頻步進(jìn)頻方式對(duì)某型民航機(jī)的二維成像。圖2是某艦船的二維像。

圖1 民航機(jī)二維ISAR成像

圖2 某艦船二維ISAR成像

二維成像對(duì)目標(biāo)的配合要求比較高，要求目標(biāo)相對(duì)測(cè)量點(diǎn)要求切向運(yùn)動(dòng)，對(duì)于敵方目標(biāo)是很難做到的，對(duì)有經(jīng)驗(yàn)的操作手來(lái)說(shuō)，他可以從一維像上給出識(shí)別。圖3是對(duì)應(yīng)圖1民航機(jī)的某幀一維距離像，圖4是對(duì)應(yīng)圖2某艦船的一維距離像。

圖3 民航機(jī)一維距離像

圖4 某艦船的一維距離像

即使通過(guò)數(shù)據(jù)庫(kù)比對(duì)和目標(biāo)成像也很難準(zhǔn)確無(wú)誤地給出目標(biāo)的平臺(tái)類型，包括其他參數(shù)特征信息都不完整、不精確甚至存在一定的模糊性?；谶@些問(wèn)題，在進(jìn)行異類傳感器數(shù)據(jù)融合時(shí)，通過(guò)前面的方法收集異類傳感器平臺(tái)盡可能全面的相關(guān)信息，如：頻率特征、平臺(tái)類型、威脅等級(jí)、敵我屬性等，再用D-S證據(jù)理論進(jìn)行信息融合，給出最終判據(jù)。

2 基于D-S證據(jù)理論的信息融合[4]

由于存在各種干擾而導(dǎo)致各種傳感器局部判決結(jié)果的不確定性，使得決策級(jí)融合中的各種“最優(yōu)”準(zhǔn)則未必為系統(tǒng)的“最優(yōu)”。D-S證據(jù)理論在區(qū)分不確定與不知等方面顯示了很大的靈活性。為了解決信息的不完整，不確定及模糊性的問(wèn)題，可以采用D-S證據(jù)理論中的基本概率分配函數(shù)來(lái)描述這種不確定性。

設(shè)Mn是2Ω上概率分配函數(shù)，則其正交和M=M1+M2+…+Mn定義為:

(9)

(10)

(11)

式中：Ω為樣本空間，Ω由一些互不相容的參數(shù)構(gòu)成，這些參數(shù)的各種組合構(gòu)成冪集2Ω；M為基本概率分配函數(shù)；M(A)為冪集2Ω在[0，1]的映射；M(Φ)=0為不可能事件的基本概率是0；當(dāng)2Ω中全部元素的基本概率之和為1，即∑M(A)=1，A?Ω。

對(duì)多傳感器多測(cè)量周期可信度分配的融合可先對(duì)每個(gè)傳感器求其各個(gè)測(cè)量周期的可信度進(jìn)行信息融合，再求所有傳感器的可信度進(jìn)行信息融合。

設(shè)Msj(Ak)為第s(s=1，…，S)個(gè)傳感器在第j(j=1，…，J)個(gè)測(cè)量周期對(duì)命題Ak(k=1，…，K)的可信度分配，計(jì)算每個(gè)傳感器依據(jù)各自第j個(gè)周期的測(cè)量積累對(duì)命題Ak的融合后驗(yàn)可信度分配為：

(12)

(13)

對(duì)所有傳感器的融合結(jié)果再進(jìn)行融合處理，即：

(14)

(15)

命題A可以是平臺(tái)類型、威脅等級(jí)和敵我屬性，通過(guò)對(duì)各個(gè)傳感器的3種命題進(jìn)行統(tǒng)計(jì)給出不確定性，再通過(guò)對(duì)所有傳感器的統(tǒng)計(jì)給出不確定性，最后給出最終判決。

3 結(jié)束語(yǔ)

異類傳感器信息融合的發(fā)展是必然趨勢(shì)，國(guó)內(nèi)外對(duì)異類傳感器信息融合合成平臺(tái)的研究已有，雖然只是簡(jiǎn)單地將目標(biāo)航跡與雷達(dá)輻射源進(jìn)行融合，但已可給出平臺(tái)信息，感知周圍態(tài)勢(shì)。圖5是用海圖對(duì)異類傳感器進(jìn)行信息融合合成平臺(tái)的顯示。

目前偵察設(shè)備和通信設(shè)備存在的問(wèn)題是多路徑效應(yīng)，輻射源增批現(xiàn)象嚴(yán)重而且在方位信息上不穩(wěn)定，出現(xiàn)方位跳變現(xiàn)象造成虛假目標(biāo)較多，激光的最大問(wèn)題就是方位偏差太大。這些都會(huì)導(dǎo)致信息融合的不穩(wěn)定和錯(cuò)誤，在工程實(shí)現(xiàn)時(shí)除了按相關(guān)算法和準(zhǔn)則進(jìn)行融合外，還要進(jìn)行平臺(tái)之間的修正和更改，及時(shí)更新平臺(tái)信息，實(shí)現(xiàn)實(shí)時(shí)動(dòng)態(tài)信息融合，避免輻射源參數(shù)不穩(wěn)定導(dǎo)致平臺(tái)合成的錯(cuò)誤。

[1] 梁健.異類傳感器數(shù)據(jù)融合技術(shù)應(yīng)用[J].2006年無(wú)線電工程,36(7):33-35.

[2] 王國(guó)玉,汪連棟,王國(guó)良,等.雷達(dá)電子戰(zhàn)系統(tǒng)數(shù)學(xué)仿真與評(píng)估[M].1版.北京：國(guó)防工業(yè)出版社，2004.

[3] 保錚 邢孟道 王彤.雷達(dá)成像技術(shù)[M].1版.北京：電子工業(yè)出版社，2008.

[4] SHAFER G.A Mathematical Theory of Evidence[M].Princeton,NJ:Princeton U P,1976.

Platform Recognition Algorithm Based on Heterogeneous Sensor Information Fusion

LI Jing， XU Hai-yang

(The 723 Institute of CSIC,Yangzhou 225001,China)

From the practical point of view,this paper analyzes the application of correlation filtering method,target identification method and D-S S evidence theory,etc. to different levels of heterogeneous sensor information fusion,realizes the information fusion of radar reconnaissance emitter,communication emitter,laser emitter and radar track through integrating above methods,and finally the platform information is integrated,which is used for platform identification.

heterogeneous sensor;information fusion;inverse synthetic aperture radar imaging;D-S evidence theory

2016-02-25

TN97

A

CN32-1413(2016)06-0083-04

10.16426/j.cnki.jcdzdk.2016.06.018