民用漁船雷達動態(tài)組網(wǎng)的避障連通恢復方法

(重慶郵電大學 光通信與網(wǎng)絡重點實驗室，重慶400065)

1 引 言

目前，國內(nèi)外對雷達組網(wǎng)做了大量的研究工作，主要分為以下幾個方面：雷達組網(wǎng)探測能力、“四抗”能力、優(yōu)化布站、系統(tǒng)誤差校正、信息融合、雷達組網(wǎng)結構、雷達組網(wǎng)通信[1]。文獻[2]對組網(wǎng)雷達點跡信息融合進行研究，其目的是為了有效地辨別真假目標。其他類似文獻也大都是利用組網(wǎng)中多個雷達信息的融合，減少雷達檢測的誤差，提高辨別能力[3-4]。

然而，隨著民間航海事業(yè)的爆發(fā)式發(fā)展，民用航海雷達已經(jīng)成為雷達消費市場的主力軍。對于海洋民用雷達組網(wǎng)而言，由于海洋范圍遼闊，漁船數(shù)量較多，大都以“小集體”的方式分布在沿海不同區(qū)域，且民用漁船位置不固定，形成的整體網(wǎng)絡處于動態(tài)變化中，因此這些技術在處理民用漁船避障連通方面存在較大的局限性。如果能通過對漁船雷達配置各類傳感器的方式，讓每一條船都成為移動的“觀察哨”和“采集點”，則可以對整個海域的漁船形成一個避障連通的網(wǎng)絡。文獻[5]中提出利用斯坦納生成樹(Steiner Tree，ST)解決分割網(wǎng)絡的連通問題，并證明了該問題為NP問題。目前，針對網(wǎng)絡分割重連的方法有以下幾種：一種解決方法是利用移動數(shù)據(jù)收集器(MDCs)實現(xiàn)網(wǎng)絡的間歇性連通[6-7]，但這種方法最大的缺點是由于等待而造成數(shù)據(jù)延遲；另一種解決方法是在各分區(qū)之間分配中繼節(jié)點進行持續(xù)性連通[8]。為了節(jié)省中繼節(jié)點，現(xiàn)有的改進方法是將分區(qū)等效成點構建最小生成樹，利用最少的中繼節(jié)點實現(xiàn)網(wǎng)絡的恢復[9-10]，但此方法必須假設中繼節(jié)點可以隨意放置，且未考慮中繼節(jié)點的移動能力、分布情況等因素。文獻[11]提出了一種CIST算法，該算法主要通過邊界傳感器構建三角形的方式，利用最少的中繼節(jié)點實現(xiàn)分區(qū)的連通，但在整個算法的實現(xiàn)過程中，沒有考慮中繼節(jié)點的分布和其移動能力。文獻[12]則是通過用3種改變拓撲結構的算法與擴展匈牙利方法相互結合，解決了靜態(tài)目標節(jié)點的覆蓋和網(wǎng)絡的連通問題，使得節(jié)點在整個運動過程中功耗最小，但該算法的缺點是只做了對有限靜態(tài)目標節(jié)點的覆蓋研究，未對整個網(wǎng)絡進行覆蓋檢測。本文在考慮障礙物的情況下，針對不相交海域中的漁船群提出了一種避障連通恢復的方法，能夠在較小的能量消耗下，將散布在廣大海域的不同“小集體”整合為互相連通的網(wǎng)絡，這樣就能有效地擴大民用漁船的探測范圍，提高雷達組網(wǎng)的信息融合能力。

本文簡單分析了數(shù)據(jù)融合和漁船動態(tài)組網(wǎng)的可行性，針對不同區(qū)域中漁船無法連通的情況，重點分析了避障連通恢復的方法，保證不同區(qū)域中的“漁船群”能形成互相連通的網(wǎng)絡，有效提高了海域的覆蓋率和連通率；最后給出了相應的實驗數(shù)據(jù)和仿真結果。

2 遠洋漁船信息融合可行性分析

本文首先探索遠洋漁船上各傳感器信息融合的可能性。假設傳感器節(jié)點初步具備射頻、視頻、聲測和目標屬性等信息獲取能力，這些節(jié)點分類采集海洋環(huán)境和地形地貌等相關數(shù)據(jù)。根據(jù)漁船出行規(guī)律，構建優(yōu)化組網(wǎng)的策略，實時分級處理后，經(jīng)衛(wèi)星鏈路、技術卸載等手段向岸基信息中心推送，形成海洋綜合信息數(shù)據(jù)庫。

2.1 系統(tǒng)組成

海洋綜合信息系統(tǒng)由岸基數(shù)據(jù)處理中心和海上信息節(jié)點組成，如圖1所示。海上信息節(jié)點由9個模塊構成，提供單一節(jié)點獲取的各類信息，主要包括水深、地形、風、溫、濕、壓，雷達探測目標回波，周邊目標動態(tài)和屬性，以及紅外、可見光圖像視頻信息等海洋物理和目標綜合信息。數(shù)據(jù)處理中心接收各類信息，對其進行分類清洗、存儲、挖掘及信息的融合，從而形成整個海域的水文、態(tài)勢數(shù)據(jù)庫。

圖1 海洋綜合信息采集及處理系統(tǒng)Fig.1 Integrated marine information collection and processing system

傳感器電壓模擬信號經(jīng)濾波、轉換和校驗處理后形成數(shù)字信號，由串口傳送至大容量數(shù)據(jù)存儲器，船內(nèi)數(shù)據(jù)傳輸采用以太網(wǎng)協(xié)議棧、UDP傳輸方式、數(shù)據(jù)標準封裝打包后經(jīng)鑫諾Ku頻段衛(wèi)星、光纖百兆網(wǎng)或CDMA/GPRS完成岸海間的信息交互。信息處理實現(xiàn)了立體監(jiān)測、數(shù)字采集和網(wǎng)絡傳輸?shù)那度胧讲杉瘋鬏敺绞?，多通道并行，采集高效，抗干擾性強；同時，岸基數(shù)據(jù)處理中心通過內(nèi)網(wǎng)實現(xiàn)傳感器開啟、間隔設置等控制和調(diào)度服務。

2.2 信息融合框架

2.2.1節(jié)點結構設計

對于漁船節(jié)點而言，節(jié)點的信息采集和傳輸功能如圖2所示。

圖2 船上系統(tǒng)框架圖Fig.2 System diagram

傳感器接入模塊負責將各類數(shù)據(jù)進行整理、編碼，傳入核心處理器的本地存儲空間。核心處理器負責協(xié)調(diào)各接口并對不同類型的數(shù)據(jù)按規(guī)范進行封裝。通信接口對實時數(shù)據(jù)利用衛(wèi)星鏈路進行傳輸，而非實時數(shù)據(jù)則在船舶圍港后進行轉發(fā)。

2.2.2數(shù)據(jù)模型構建

構建數(shù)據(jù)中心平臺的主要研究內(nèi)容有：

(1)數(shù)據(jù)接收管理平臺，主要負責各船只數(shù)據(jù)的接收、校驗、分類保存及數(shù)據(jù)預處理。

(2)數(shù)據(jù)處理平臺，利用機器學習或大數(shù)據(jù)技術構建模型算法庫，主要完成數(shù)據(jù)的分類、預測機制構建、聚類分析、關聯(lián)規(guī)則、時序模式構建、偏差檢測、智能推薦等處理功能，具體流程如圖3所示。

圖3 模型庫構建流程圖Fig.3 Flow chart of model library building

(3)數(shù)據(jù)展示模塊，對數(shù)據(jù)處理后的結果進行可視化展示，包括各類雷達、單船軌跡、氣象水文及其他態(tài)勢的數(shù)據(jù)分析結果。

3 一種基于分割網(wǎng)絡的避障連通恢復方法

以某海域為例，由于部分漁船之間距離較遠，超過了船載通信設備的通信距離，使得海域被彼此被分割，漁船以“小集體”的工作方式分布在不同區(qū)域，因此，需要一種避障連通恢復方法，從而最大限度地提高海域的覆蓋度和連通度。

為了有效地進行分析，每艘漁船都被視為一個配置有不同傳感器的節(jié)點，根據(jù)功能的不同，分為普通節(jié)點和中繼節(jié)點(可以根據(jù)實際要求對兩類節(jié)點進行配置)。因此，上述問題將轉化為一個無線傳感網(wǎng)絡由S={s1,s2,…,sn}個普通傳感器和M={m1,m2,…,mN}個中繼傳感器組成。由于一些原因(臺風、魚訊等)，被分割為P={P1,P2,…,Pk}個獨立的分區(qū)，且分區(qū)之間存在障礙物。系統(tǒng)模型如圖4所示，實心方塊表示中繼節(jié)點，空心圓表示普通傳感器，分區(qū)之間存在3種不同的障礙物。

圖4 基于MST的避障恢復算法Fig.4 Obstacle avoidance recovery algorithm based on MST

為了更符合實際場景，本文在執(zhí)行恢復算法時有如下假設：

(1)網(wǎng)絡中的中繼節(jié)點在正常時可視為普通節(jié)點，當中繼節(jié)點按照調(diào)度要求到達指定位置，其狀態(tài)可按需激活；

(2)普通傳感器的通信半徑為r，中繼節(jié)點的通信半徑為R，且中繼節(jié)點具有有限的移動能力和更強的通信能力；

(3)根據(jù)實際場景中的情況可知，移動節(jié)點的通信不能穿越障礙物。因此，本文假設中繼節(jié)點在移動過程中不能跨越障礙物，只能通過合理的路徑選擇繞過它。

3.1 問題描述

針對恢復過程中的問題，本文進行如下描述：

定義1：如果兩個分區(qū)Pi和Pj之間存在最小生成樹邊Ewv，其中w∈Pi，v∈Pj，稱w、v為邊界傳感器或者接口節(jié)點。邊界傳感器之間的連線是兩個分區(qū)之間的最短邊[11]。

定義2：連通分區(qū)Pi和Pj所需的最少移動中繼節(jié)點數(shù)為

(1)

式中：「·?是上限函數(shù)，r是普通傳感器的半徑，R是中繼節(jié)點的半徑，w和v是邊界傳感器。

定義3：連通分區(qū)Pi和Pj的移動中繼節(jié)點的最佳位置為Point(w,v)：

(2)

式中：L為定義2中所求的連通Pi和Pj的中繼節(jié)點數(shù)量，Point(w,v)={p1,p2,…,pL}表示L個移動中繼節(jié)點的最佳位置，將w和v的位置用p0和pL+1表示。

定義4：中繼節(jié)點的總移動距離

(3)

式中：(mL,PointL)表示每條最小生成樹(Minimum Spanning Tree，MST)邊上所有中繼節(jié)點與最佳移動位置之間的距離。由于網(wǎng)絡被分割為k個分區(qū)，因此需要k-1條MST邊恢復連通。

3.2 避障連通恢復算法的實現(xiàn)過程

針對現(xiàn)有重連算法中未對中繼節(jié)點的分布情況及移動能力等因素做具體考慮，本文提出了一種避障連通恢復算法，克服了傳統(tǒng)方法的不足。

3.2.1構建避障最小生成樹

基于MST的避障恢復算法如圖4所示，紅色多邊形點為被激活的障礙物邊界關鍵節(jié)點，黑色多邊形點為中繼節(jié)點的最佳移動位置，虛線表示中繼節(jié)點的移動路徑。在該恢復算法執(zhí)行過程中，共激活了5個障礙物關鍵節(jié)點，所需移動的中繼節(jié)點數(shù)為9個，分別為{m2,m3,m4,m5,m7,m8,m10,m11,m13}，其余節(jié)點處于休眠狀態(tài)。

圖4所示的基于MST的重連算法沒有考慮中繼節(jié)點的移動能力，只考慮了連接的最短距離，且它是在不改變接口節(jié)點的前提下實現(xiàn)避障重連。

3.2.2優(yōu)化避障路徑

得到基于MST的避障路徑后，本小節(jié)將通過分析中繼節(jié)點的移動能力和分布情況對避障路徑進一步優(yōu)化。在保證避障恢復路徑較短的條件下，使中繼節(jié)點實現(xiàn)最短的移動，從而實現(xiàn)分割網(wǎng)絡的節(jié)能避障連通，具體的實現(xiàn)過程如圖5所示。

圖5 避障恢復算法的優(yōu)化Fig.5 Optimization of obstacle avoidance recovery algorithm

圖5中每個分區(qū)邊界的紅色圓點表示基于MST算法選擇的邊界節(jié)點，綠色圓點表示優(yōu)化后選擇的邊界節(jié)點。優(yōu)化后的方法不但替換了部分邊界節(jié)點，而且對避障最優(yōu)路徑的選擇也進行了相應的改變，例如在P4的接口節(jié)點改變之后，障礙物3的避障路徑由障礙物的右邊替換為左邊。在優(yōu)化后的避障恢復算法中，共激活了4個障礙物邊界關鍵節(jié)點，比基于MST算法少1個，因為在障礙物1的避障恢復過程中，由于分區(qū)P2接口節(jié)點的改變，使得恢復時少激活一個關鍵點，而在此過程中需要移動10個中繼節(jié)點{m2,m3,m4,m5,m7,m8,m9,m10,m12,m13}。與基于MST算法相比，在連通P3和P5時，由原來的{m11}替換為{m9,m12}，因此多移動了1個中繼節(jié)點。其他中繼節(jié)點的選擇雖然沒有替換，但在考慮中繼節(jié)點移動能力的前提下，對避障路徑進行了相應的優(yōu)化。

3.2.3算法實現(xiàn)的偽代碼

基于分割網(wǎng)絡的避障連通恢復算法如下：

Input:S={s1,s2,…,sn},M={m1,m2,…,mn},P={P1,P2,…,Pn},中繼節(jié)點的最大移動能力Cm。

Output:分割網(wǎng)絡的連通恢復方案；

G=(V,E); % V 為邊界傳感器集合，E={(si,sj)|si,sj來自不同的Pi}；

初始化：通過距離確定每個分區(qū)的邊界傳感器集合V，連接不同分區(qū)邊界傳感器的邊構造集合E,所需移動的中繼節(jié)點集合MR初始值為空；

G′=(V′,E′),V′,E′←?；

ForE中的每條邊Eijdo

計算連通該邊所需中繼節(jié)點的移動消耗C

IfEij與障礙物相交 then

通過圖4和圖5的方法規(guī)劃路障路徑，通過3.1節(jié)中的描述尋找中繼節(jié)點最佳移動位置PointL；

For 每個PointLdo

If ?mk能夠到達PointL(即Cm

E′←Eij+E′;

V′←(si,sj)+V′;

MR←MR+mk；

V′←V′+MR；

Else

E←E-Eij;

End

End

cnt←0

G+=(V+,E+),V+,E+←φ;

將E中的邊按權重C升序排列；

ForE′ij=minE′ do

cnt++;

Ifcnt=k-1 orE′遍歷完成

Break;

End;

IfG+=(V+,E+) =?(不連通) then

該分割網(wǎng)絡無法連通；

Else

利用G+=(V+,E+)的策略進行分割網(wǎng)絡連通；

End

本算法通過考慮分區(qū)的形狀、中繼節(jié)點的分布和移動能力等因素，構建分割網(wǎng)絡的較優(yōu)避障恢復路徑，使中繼節(jié)點在有限能量的限制下，盡可能地實現(xiàn)分割網(wǎng)絡的連通。

4 實驗結果

圖6是在我國某海域附近構建的數(shù)據(jù)融合中心實驗階段的平臺展示圖，圖中的三角符號是AIS回傳結果，圓型符號是岸基雷達的顯示結果，文字是某一目標船的具體位置?？梢?，漁船上的AIS、雷達和GPS數(shù)據(jù)能夠自動回傳，并融合顯示。如果漁船數(shù)量眾多，可以構建整個沿海的數(shù)據(jù)庫和態(tài)勢圖，對于實現(xiàn)區(qū)域調(diào)度是完全可行的，為后續(xù)的避障連通算法研究提供了堅實的基礎。

圖6 多傳感器數(shù)據(jù)融合結果顯示圖Fig.6 Multisensor data fusion results display

由于現(xiàn)階段漁船改造尚未完成，對于避障連通恢復算法只能通過仿真來驗證。本文改變分區(qū)數(shù)量，通過連通成功率和中繼節(jié)點的總移動距離兩個性能指標，對所提算法的有效性進行驗證。

仿真基于Windows10操作系統(tǒng)完成，采用Matlab2016b作為仿真平臺，具體的計算機配置為Intel Core i3，3.7 GHz處理器，8.00 GB RAM。具體的仿真參數(shù)如下：覆蓋區(qū)域為800 km×300 km，普通傳感器的通信半徑(雷達作用距離)r=12 km，中繼節(jié)點的通信半徑R=24 km，中繼節(jié)點的最大移動能力為Cm=35 km/h(一般不超過20 kn)，普通節(jié)點數(shù)為n=4 000，中繼節(jié)點數(shù)為N=φ×n(φ=5%,10%,15%)，使普通節(jié)點和中繼節(jié)點隨機失效，直到網(wǎng)絡被分割為K個分區(qū)，K=2,3,…,9，且涉及到的兩個性能指標為平均所得。

本文與文獻[11]中的CIST算法和文獻[12]中的ECST-H算法進行了比較。CIST是針對MST算法的優(yōu)化改進，主要通過邊界傳感器構建三角形的方式，利用最少的中繼節(jié)點實現(xiàn)分區(qū)的連通，而ECST-H算法是基于MST的最短路徑實現(xiàn)網(wǎng)絡的重連。

4.1 網(wǎng)絡連通成功率

圖7通過改變中繼節(jié)點和分區(qū)的數(shù)量，驗證了本文算法的連通成功率。

圖7 不同算法的連通成功率比較Fig.7 Comparison of success rates among different algorithms

從圖7可知，在中繼節(jié)點數(shù)量不變的情況下，隨著分區(qū)數(shù)量的增加，3種算法的連通成功率均下降，但本文算法下降緩慢，連通成功率至少在70%以上。這是由于本文算法考慮了分區(qū)的形狀和中繼節(jié)點的分布，在中繼節(jié)點能量受限的情況下，本文算法總能找到較優(yōu)的中繼節(jié)點進行移動，特別當分區(qū)數(shù)量較大時，本文算法能選擇最優(yōu)路徑和最佳移動中繼的優(yōu)點尤為突出。當分區(qū)數(shù)量不變時，隨著中繼節(jié)點數(shù)量的增加，3種算法的連通成功率隨之增加，但當中繼數(shù)量較少時，本文算法的連通成功率較高。

4.2 中繼節(jié)點的總移動距離

在實際應用中，節(jié)點運動耗能遠遠大于數(shù)據(jù)轉發(fā)的耗能，因此本文通過移動距離代替中繼節(jié)點的能耗，數(shù)據(jù)轉發(fā)的耗能不做考慮。在不同分區(qū)數(shù)量下，中繼節(jié)點所需移動的距離如圖8所示。

圖8 不同算法的總移動距離比較Fig.8 Comparison of total distance traveled by different algorithms

從圖8可知，當中繼節(jié)點數(shù)量一定時，隨著分區(qū)數(shù)量的增加，3種算法的總移動距離隨之增加，但本文算法的總移動距離始終低于同等條件下的CIST和ECST-H算法。當分區(qū)數(shù)量不變時，隨著中繼節(jié)點數(shù)量的增加，3種算法的總移動距離隨之減小，因為中繼節(jié)點越多，移動時的選擇也就越多。

5 結束語

隨著我國對海洋權益的日益重視，伴隨大數(shù)據(jù)技術的高速發(fā)展，將民用漁船的雷達、通信等傳感設備所獲取的信息進行數(shù)據(jù)融合，可以大大地擴展對相關海域的探測、監(jiān)控及態(tài)勢分析的能力。將海域中動態(tài)分布的漁船看作工作范圍內(nèi)的傳感器節(jié)點，在最小消耗的情況下，將分布在各個區(qū)域的“小漁船群”進行動態(tài)組網(wǎng)，使它們整體實現(xiàn)避障連通，能夠?qū)€體的數(shù)據(jù)進行有效整理、融合。本文的研究主要致力于如何在分割的海域中，通過考慮中繼節(jié)點的移動能力和分布情況，選擇消耗函數(shù)較小的中繼節(jié)點進行漁船網(wǎng)絡的重連，以最小的代價進行恢復，使得連通成功率、節(jié)點總移動距離等性能得到了較大提升。