关 键 词 巡 航导 弹 数 据融
合 分坐标 滤波
引 言 在未来军事作战准备中 , 巡
航导弹与反巡航导弹之间的斗争 必将更加激烈复杂 , 传感器易受 各种干扰或者隐身 目标的影响 , 三维测量传感器信息可能变成二 维信息 , 二维测量传感器信息可 能变成一维信息 , 一维测量传感 器信息可能丧失 , 这些信息很难 被充分利用去跟踪和定位巡航导 弹 。若采用先进的数据关联和跟 踪技术 , 进行数据融合 , 充分利 用多传感器的信息 , 将对巡航导 弹目标进行精确定位和跟踪有很 大的好处 , 对提高打赢能力具有 重要的价值 。
本文 2009-03-27收到 , 作者分别系空军工程大学导弹学院硕士 、 硕士 、 博士生导师
· 50·
飞航导弹 2009年第 10期
控制与制导
合的研究费用达一 亿美元之多 。 凭借其强大的 经济 、 技术 实力 , 美国在数据融合领域已经走在了 前列 。但是分坐标目标信息处理 的思想还没有 , 这在未来的信息 化战争中 , 电子干扰或者隐身目 标对信息的获取有 重大的影响 , 通过分坐标目标信息的滤波和处 理 , 可以很好地掌握巡航导弹或 弹道导弹目标 , 对提高打赢能力 具有重大价值 。
2 多传感器数据融合的关键技 术 2.1 目标数据关联技术
数据关联是建立单一的传感 器测量与以前其它测量数据的关 系 , 以确定它们是否有一个公共 源的处理过程 。多源数据关联问 题是多传感器数据融合的关键技 术之一 , 没有数据关联 , 就谈不 上对目标的跟踪和识别 。多传感 器数据关联是多传感器数据处理 的关键技术之一 , 它通常分为以 下几种方式 :
迹进一步信息融合 , 实现对目标 信息的完整跟踪 。这种新处理方 法能很好地解决多传感器组网的 理论与实际问题 。
4 结束语 由于传 感 器自 身特 性 的限
制 , 或在受到干扰的情况下 , 获 得的巡航导弹目标信息有不完全 的情况 , 为了充分利用所获得的 不全的目标信息 , 可采用多传感 器数据融合技术 , 以实现对目标 的精确定位和跟踪 。对目标信息 进行分 坐标处理 的思路 [ 4-6] , 可 以巧妙避开系统的坐标转换 , 提 高定位和跟踪的精度 。
有研究人员提出了分坐标目 标信息处理的思路 , 即利用传感 器测量巡航导弹目标的方位角 、 仰角 、 距离等信息 , 实现目标的 纯方位角 、 纯仰角 、 纯距离等信 息的滤波 、 平滑处理 , 按坐标实 现对目标的分别跟踪 , 实现分坐 标航迹 , 若信息完整时 , 即实现 对目标信息的融合与跟踪 。组网 可利用各传感器处理的分坐标航
20 世 纪 70 年 代 中 期 , Matheron系统地建立了随机集理 论 。自 80年代以来 , 随机集理论 作为专家系统理论 , 其中心地位 已经愈加明显 。有限集统计理论 的基本思想于 1993年和 1994年 被系统地整理出来 , 因为它在单 一的概率范例基础上 , 提供了一 个统一的 、相对简单而熟悉的统 计微积分工具 , 用于处理描述的 所有 “贝 叶斯 冰山 ”问题 。跨入 21世纪 , 以 GordonN, DoucetA, GodsillJ, MaskellS等 为代表的 科学家在粒 子滤波 (ParticleFiltering, PF)方面的研究成果给多 目标跟踪技术的发展带来了新的 活力 , 成为最近几年的一个重要 研究方向 。粒子滤波方法是基于 贝叶 斯原 理的 序 贯 MonteCarlo 模拟方法 , 其核心是利用一些随 机样本 (粒子 )来 表示系 统随机 变量的后验概率密度 , 它能得到 基于物 理模 型的近 似最优 数值
· 51·
控制与制导
模型的均值与方差自适应滤波算 法 , 该算法通过实时估计目标加 速度均值来自适应跟踪目标 , 其 缺点是在跟踪非机动目标时 , 算 法的收敛性不 好 、 跟踪精 度低 。 而基于卡尔曼滤波的交互多模型 算法可结合这两种 算法的优点 , 达到全面自适应的目的 。比较先 进的目标跟踪算法还有很多 , 例 如标准 概率数 据关 联算 法 、 JPDA算法 、 MHT算 法等 。多目标 贝叶斯非线性滤波概念是一个相 对新颖的概念 。它同样也有一套 对于单目标 、 多目标跟踪的滤波 算法 。
DO I :10.16338/j .issn.1009 -1319.2009.10.015
控制与制导
多传感器目标数据融合及关键技术
黄 赫 李宝泽 曹泽阳
摘 要 介 绍 了多 传感 器 数据
融合的研究现 状和发 展趋 势 , 并介绍 了一些先进的目标信 息数据 关联和目 标跟踪技术 , 在定 位和跟 踪巡 航导弹 方面具有一定 的意义 。最 后针 对存在 的难点和问题 , 提 出了分 坐标 目标信 息处理的方法 。
联 、 “全邻 ”最优滤波 、 航迹分裂 和多假设跟踪 (MultipleHypothesisTracking, MHT)、多帧分配等 数据关联方法 , 这些方法的研究 丰富和发展了多目标跟踪中的数 据关联理论 。 2.2 目标跟踪技术
目标跟踪在军事领域占据着 重要地位 , 只有可靠精确地跟踪 才能有效对目标实施打击 。为了 对目标进行精确跟踪 , 必须获得 更多的目标信息 , 不同传感器对 于跟踪对象的不同特征能够提供 更精确的数据 。目前 , 多传感器 多目标跟踪已成为该领域研究的 热点技术 。
1 目 标 数 据 融 合 的 研 究 现 状 及 发展趋势
近 20 年来 , 随着 科学技 术 的发展 , 种类更多 、 性能更优的 各类传感器不断产生 , 各种面向 复杂应用背景的多传感器系统也 大量涌现 。
自 20世纪 70年代开始 , 多 传 感 器 数 据 融 合 (Multi-Sensor DataFusion, MSDF)技 术逐渐受 到各国尤其是各国军方的重视 。 以美国为代表 , 在军方 、 大公司 和 院校 相继成 立了专 门的实 验 室 , 研究和测试数据融合理论和 算法 、 数据融合系统建立及融合 算法评估 。 1986年美国国防部成 立数据融合工作组联合指导实验 室 (TheJointDirectorsofLaboratories Data Fusion Working Group), 其最终研究成果为 JDL 模型的建立 , 该模型得到了广泛 的认同 [ 1] 。 1988年 , 美国国防部 将数据融合列为 20世纪 90年代 重点研发的 20项关键技术之一 。 在海湾战争结束后 , 美国国防部 从实际战争中体会到了数据融合
1971 年 Singer等 提 出最 近 邻 数 据 关 联 (NearestNeighbor Data Associat 这种方法仅利用统计意义 上与被跟踪目标预测状态最近的
观测值作为候选观测值来更新航 迹信 息 。 1972 年 Bar-Shalom提 出利用位于跟踪门内的所有观测 值 , 以获得可能的后验概率信 息 , 用于数据关联 , 并在此基础 上提出概率数据关联滤波 (Probabilistic Data Association Filtering, PDAF)算 法 。概率 数据 关 联 (PDA)方 法可以 有效 应对 虚 警率增大 , 对跟踪低可观测性 (即低检测概 率 )机动 目标也 是 适合的 。已经证明 , 在杂波环境 下跟踪单目标时 , 采用标准概率 数据关联和它的许多改进方法是 非常有效的 。概率数据关联算法 实时计算每个有效量测目标的概 率 , 在跟踪滤波器即概率数据关 联滤波器 (PDAF)中用这个概率 (贝叶斯的 )信 息来说 明量测 源 的不确定性 。
自适应滤波与预测方法能抑 制滤波发散 , 第一种代表性的算 法 有 Bar-Shalom和 Birmiwal于 1982 年 提 出 的 称 为 变 维 滤 波 (Variable Dimension Filtering, VDF)的机 动 检测 自适 应算 法 , 其核心思想是通过机动检测来改 变所运用目标模型达到对机动目 标不同运动状态的估计 , 这种算 法的缺点是机动发生和机动检测 之间不可避免地存在时间延时 ; 第二种代表性的算法是周宏仁于 1983年提出的基于 “当前 ”统计
技术的巨大潜力 , 更加重视信息 自动综合处理技术的研究 , 并将 通信局改为信息局 , 在 C3 I中增 加计算机 , 建立以数据融合中心 为核心 的 C4 I系统 。 1995— 1998 财年美国国防部启动的 46项先 期概 念技 术演示 验证项 目之一 (战 场 了 解 和 数 据 分 发 系 统 , BADD), 通过对来自一组类型各 异的传感器数据的融合处理 , 旨 在增强指挥官对战场态势感知的 能力 。此外 , 在 1998年美国国防 部公布 的 《 2010 年联 合 作 战设 想 》中 , 对作战能力要素 “有效使 用兵力 ”和 “任务 规划 ”的 阐述 中 , 都明 确要求 :“借助 一体化 辅助决策提供实时融合的作战空 间态势 , 为快速搜索和捕获目 标 、作战协同和目标选择 、 目标 移交 和交 战的信 息处理 提供支 持 ”、 “协同态势评估 ” 、 “作战空 间的统一理解 和表达 ”[ 2] 。以美 国为代表的西方各国看到了数据 融合技术在军事上的重要效用和 非凡前景 , 投 入巨资开 展研究 。 资料显示 , 美国每年用于数据融
解 , 而不是对近似模型进行最优 滤波, 最适合于强非线性、 非 Gauss噪声系统模型的滤 波 。不 少学者把粒子滤波分别同 EKF、 UKF算法相结合 , 并将其应用到 多目标跟踪中 , 取得了不少的成 果。
3 目 前 数 据 融 合 研 究 的 难 点 和 存在的问题
在数 据融 合的 第 一级 处 理 中 , 多传感器目标跟踪主要采用 序贯估计技术 , 例如卡尔曼滤 波 。这个领域的难点包括 :密集 目标环境 , 快速机动目标跟踪或 复杂的信号传播环境 。第二级和 第三级主要难点在于需要建立一 种包括推理规则 、 框架在内的数 据库 。第四级处理过程用于评估 和改善数据融合过程的性能和操 作 , 使用的方法有些还不够成 熟 。数据融合研究领域必须坚持 高标准的算法开发、 测试和评 估 , 创建标准测试案例库 , 系统 地研发能满足实际应用需要的融 合技术 。与数据融合有关的许多 挑战和机遇决定了它是一个应用 广泛和活跃的研究领域 。