內容鍵要:論文將數據融合技術(shù)用于海圖作業(yè)標繪臺的設計，解決了海圖作業(yè)標繪臺實(shí)時(shí)標繪本艦和多目標航跡從而進(jìn)行態(tài)勢估計。文中對海圖作業(yè)標繪臺發(fā)展狀況進(jìn)行了簡(jiǎn)單介紹，并介紹了數據融合技術(shù)的應用背景、常用算法及研究?jì)热?，設計了相關(guān)模型，并具體論述了多目標檢測和多目標跟蹤技術(shù)在海圖作業(yè)標繪臺中應用。

關(guān)鍵詞:海圖作業(yè)標繪臺 數據融合 多傳感器

海圖作業(yè)標繪臺是艦船導航系統和戰斗航海系統中的主要配套設備之一，既有圖紙式海圖繪圖，又有電子海圖顯示。它既有傳統繪圖的特點(diǎn)，又有現代新型電子顯示直觀(guān)、清晰的特點(diǎn)。其主要用途是根據多種傳感器(如慣性導航系統、北斗系統、GPS、勞蘭C、雷達)提供的信息，以及其它的導航設備提供的信息，在海圖上自動(dòng)連續地繪制出船舶航行的航跡并作出標記。海圖作業(yè)標繪臺的應用，不僅具有重要的軍事作用，而且因為海圖作業(yè)標繪臺的所繪制航線(xiàn)的導航和戰場(chǎng)態(tài)勢估計功能，使航海人員非常直觀(guān)的了解到己船位置和他船位置，以便于實(shí)施戰術(shù)機動(dòng)和進(jìn)行軍事打擊。

目前，我國研制的海圖作業(yè)標繪臺繪制單目標航跡已較成熟，但實(shí)時(shí)繪制多目標航跡還未實(shí)現，其相關(guān)理論和技術(shù)方面的文獻還不多，在國內至今尚未見(jiàn)到有文獻將數據融合技術(shù)應用到海圖作業(yè)標繪臺。論文提出了數據融合技術(shù)在海圖作業(yè)標繪臺信息處理中的應用研究，實(shí)時(shí)處理來(lái)自多傳感器的信息，進(jìn)行多目標檢測、分類(lèi)及跟蹤，對分析戰場(chǎng)態(tài)勢和戰術(shù)機動(dòng)具有重要意義。

1數據融合應用描述

數據融合最早出現于上世紀70年代，并作為一門(mén)獨立的技術(shù)在軍事領(lǐng)域受到了特別的青睞。在現代軍事C3I(指揮、控制、通訊與情報)作戰系統中，目標的機動(dòng)性和武器殺傷力增強，要求盡早地探測和識別目標，以實(shí)現盡量長(cháng)的預警時(shí)間。由于威脅平臺的多樣化和密集型，較低的可觀(guān)測性(即隱蔽性)以及目標對抗措施的先進(jìn)性，使得單傳感器提供的信息無(wú)法滿(mǎn)足作戰要求，必須對多傳感器提供的觀(guān)測數據進(jìn)行數據融合處理，獲取目標狀態(tài)估計、目標屬性、行為意圖、態(tài)勢評估、威脅分析、火力控制、精確制導、電子對抗、作戰模擬、輔助決策等作戰信息。為了更好地進(jìn)行戰場(chǎng)數字化建設，解決我軍、友軍和敵軍戰場(chǎng)態(tài)勢信息的獲取、處理、存儲、管理與發(fā)布，因此將多傳感器數據融合應用到海圖作業(yè)標繪臺的設計中具有重要意義。

2數據融合算法

數據融合中心的融合方法從理論上可分為隨機類(lèi)方法和人工智能技術(shù)方法其算法主要有四種:

(1)基于模型的數據融合算法(如基于kalman濾波，包括標準Kalman濾波、擴展kalman濾波以及模糊kalman濾波等)。主要以估計理論為基礎，首先建立融合對象的狀態(tài)空間模型，然后利用各類(lèi)估計理論的方法進(jìn)行估計以完成數據融合的任務(wù)。

(2)基于統計理論的數據融合算法(如Bayesian)。以統計理論為基礎通過(guò)反復迭代運算以實(shí)現融合。

(3)基于知識的人工智能方法(小波分析理論、模糊集合理論、神經(jīng)網(wǎng)絡(luò )、粗集理論和支持向量機等)。以產(chǎn)生式規則為理論基礎產(chǎn)生式規則可用符號表示物體特征和相應的傳感器信息之間的關(guān)系。

(4)基于信息理論的融合算法。以近幾年發(fā)展起來(lái)的信息理論為基礎具有較高的智能化程度。

常用的數據融合方法及特性如表1所示。通常所用的方法依具體的應用而定并且各種方法之間具有互補性。實(shí)際上將兩種或兩種以上的算法組合進(jìn)行多傳感器數據融合。

表1常用的數據融合算法比較

3海圖作業(yè)標繪臺的數據融合方案的設計

數據融合的功能模型可以分為兩級:第一級主要進(jìn)行信息處理，得到數值結果(如:位置、速度、目標類(lèi)型等);。第二級主要進(jìn)行符號處理，得到更抽象的結果(如:威脅、趨勢、目的等)。探測、關(guān)聯(lián)、估計和分類(lèi)功能構成了數據融合的核心。具體的說(shuō):多傳感器的數據融合系統必須具有以下的主要功能:傳感器信息協(xié)調管理;多傳感器數據優(yōu)化合成;多傳感器協(xié)調管理。

海圖作業(yè)標繪臺利用多傳感器(慣導系統、雷達、聲吶、北斗、GPS、浮標)，信息涉及多級別、多方面、多層次信息的檢測、關(guān)聯(lián)、估計、綜合，并獲取目標狀態(tài)與特征估計以及態(tài)勢和威脅評估的多級自動(dòng)處理過(guò)程。利用計算機獲取多個(gè)傳感器數據并在一定的條件下加以自動(dòng)分析、綜合，以完成所需的估計和決策，進(jìn)行信息處理，從而給指戰員提供決策信息。

系統融合中心部分采用的是分布式融合處理的系統模式，在系統中每一個(gè)傳感器基于自己的局域探測獨立地完成決策任務(wù)這些被處理過(guò)的局域信息送到融合中心構成融合中心的觀(guān)察向量。

U=(u1，u2，…un) (1)

4目標檢測的數據融合

戰場(chǎng)目標識別的準確與及時(shí)，對后面的勢態(tài)評估和威脅估計有重要的意義，也是在戰爭中取勝的關(guān)鍵。

隨著(zhù)現代戰爭的發(fā)展，如安靜型潛艇的出現，給水下目標探測提出了新的挑戰也使該課題仍是研究的一個(gè)熱點(diǎn)。雖然多傳感器融合檢測技術(shù)已經(jīng)較為成熟，但是，將這種技術(shù)應用于海上環(huán)境的文獻較少，國內的一些學(xué)者嘗試性地借鑒了已有的融合檢測技術(shù)用來(lái)探測水面和水下目標信號。檢測系統一般采用分布式的融合機制，即各傳感器基于自己的觀(guān)測值，對目標存在與否進(jìn)行判決，而后，將判決結果送至融合中心。在融合中心，按照Neyman-Pearson準則，將N個(gè)局部判決結果進(jìn)行融合，即

(2)

式中:u為融合之后的全局判決結果;t為系統門(mén)限值;g為隨機化因子常量;L(u)為似然比函數。

當d(u)=1時(shí)判決目標出現，否則，目標未出現。相對于這種硬判決方法，隨后發(fā)展了一種軟判決方法，即將各傳感器的判決進(jìn)行加權運算，權值的大小由該傳感器的“可信度”決定。

這種分布式檢測融合機制由于不需要將每個(gè)傳感器的原始測量數據傳輸至融合中心，而只傳送判決結果，所以，可以在很大程度上降低系統的通信壓力，減小了融合中心的計算負荷，提高了系統的運作效率。但是，也應該看到，由于假設每個(gè)傳感器的測量值是獨立的，即每個(gè)傳感器只基于自身的測量值得到判決，而不考慮與其他傳感器的相關(guān)性系統未能有效地利用各傳感器的信息，這樣，可能會(huì )增大系統誤差。

5目標跟蹤的數據融合

目標跟蹤技術(shù)中的融合問(wèn)題，最關(guān)鍵步驟是數據關(guān)聯(lián)，即確定哪些測量值用來(lái)更新各個(gè)軌跡，同時(shí)，舍棄其余的測量值。用于數據關(guān)聯(lián)的方法很多，大體上可以分為幾類(lèi):一類(lèi)是基于kalman濾波關(guān)聯(lián)方法，主要包括概率數據關(guān)聯(lián)(Probabilistic Data Association，PDA)和聯(lián)合概率數據關(guān)聯(lián)(Joint Probabilistic Data Association，JPDA)等;另一類(lèi)為多元假設跟蹤(Multiple Hypothesis Tracking)方法，該類(lèi)方法被視作理論上解決多目標跟蹤的最好方法;最后一類(lèi)為相互作用多元模型方法(Interacting Multiple Model)，適用于目標運動(dòng)有多種模式的情況。但是，后兩類(lèi)方法都需要大量的運算，因而，應用中受到局限。這里，僅介紹基于Kalman濾波的數據關(guān)聯(lián)方法。PDA是→種經(jīng)典的數據關(guān)聯(lián)方法，在雜波環(huán)境下仍具有很好的跟蹤性能，后來(lái)的許多方法都是以該方法為基礎的。首先，給出假設模型

X(k)=F（k，k-1)X(k-1)+U(k-1)        (3)

Z(k)=H(k)X(k-1)+W(k-1) (4)

方程(3)為目標狀態(tài)模型，X(k)為系統在時(shí)刻k時(shí)的狀態(tài)，F(k，k-1)為前后兩時(shí)刻的轉換矩陣。方程(4)為測量模型;H(k)為觀(guān)測矩陣。這里，U(k)和W(k)是相互獨立的零均值白噪聲序列，并且，方差已知。目標狀態(tài)的更新由下式得到

（5）

（6）

（7）

式中: 為目標的預測狀態(tài); 為根據當前測量值得到的更新?tīng)顟B(tài);K(k)為系統的kalman增益;V(k)為聯(lián)合殘差bj為第j個(gè)有效測量來(lái)源舌-目標的概率;Vj為每個(gè)測量值與估計值的殘差。

由于PDA方法利用了所有的可能測量值，所以，精度較高，但僅適用于單個(gè)目標跟蹤的情況，隨后產(chǎn)生的JPDA則可以解決多個(gè)目標的跟蹤問(wèn)題。JPDA的基本思想與PDA相似，不同之處在于它令軌跡i與觀(guān)測值j關(guān)聯(lián)的概率等于所有聯(lián)合事件q(k)的概率和

（8）

式中: 為一個(gè)二元變量，表明聯(lián)合事件。q(k)中是否包含軌跡i與觀(guān)測值j關(guān)聯(lián)的信息。

基于標準JPDA方法，又產(chǎn)生了一系列改進(jìn)方法，如去藕JPDA、模糊數據關(guān)聯(lián)等，都能在一定程度上提高跟蹤效率，降低計算量。另外，多種關(guān)聯(lián)方法聯(lián)合運用，如相互作用多元模型方法與JPDA濾波器的聯(lián)合，也有望提高跟蹤精度和效率。

6結束語(yǔ)

數據融合技術(shù)在海圖作業(yè)標繪臺信息處理中作用越來(lái)越重要。發(fā)達國家在這方面的投入很大，水平較高，我國起步較晚，又因系統結構復雜，目前的研究成果還只是一個(gè)算法框架，需要結合實(shí)際應用背景作進(jìn)一步深入研究。因此，要加大投入，刻苦鉆研，以迅速提高我們的水平。

作者：孟凡彬 郝燕玲 周衛東  來(lái)源：航海技術(shù)