基于信息融合的實時數據處理方法應用＊

黃越平 陶愛科 蘇 濤 劉小軍

（95972部隊 酒泉 735018）

1 引言

多傳感器數據融合（Multi－Sensor Data Fusion，簡稱MSDF），是指對來自多個傳感器的數據進行多級別、多層次的處理，從而產生新的有意義的信息，而這種新信息是任何單一傳感器所無法獲得的（就是將來自多個傳感器或多源的信息進行綜合處理，從而得出更為準確、可靠的結論）。目前，多傳感器信息融合技術已成功地應用于機器人、智能儀器系統、圖像分析與理解、戰場任務與無人駕駛飛機、目標檢測與跟蹤、自動目標識別、多源圖像復合等眾多的研究領域，尤其是在C3I領域，在世界上幾次局部戰爭中，信息融合顯示了強大的威力。在軍事領域，信息融合主要包括檢測、互聯、關聯（相關）、狀態估計、目標識別、態勢描述、威脅估計、傳感器管理和數據庫等。

為了提高某指揮控制系統的總體性能指標和戰術技術指標，解決指控系統態勢混亂、指揮員難以決策、安全控制要求高、數據引導困難、難以實現多目標跟蹤、不同試驗任務難以同場次進行的問題，需針對航空武器試驗、合同訓練任務的特點和要求，結合各類測量設備的性能特點，運用信息融合處理技術，在數據濾波和航跡擬合等方面提高水平。用于指控系統多傳感器多目標探測信息的互補，實現多測量設備信息的融合，提高目標跟蹤的信息質量和目標探測的精度，提供高質量和高可靠度的合同訓練和試驗的環境態勢。

2 總體設計研究內容

概括起來講，本應用系統設計是根據某指揮控制系統的實際要求，針對試驗和合同訓練的不同特點，確定適用于不同條件、不同任務的信息融合方案與模型，并完成模型的模塊化，嵌入指控系統的應用軟件中。研究內容主要包括：

1）數據處理數學模型

2）數據融合模型

3）實測數據仿真及模型正確性檢驗

2.1 設計指導思想

數據融合模型及軟件設計遵循以下原則：

1）具有高可靠性

2）具有可擴充性和可重用性

3）具有獨立性

4）與應用軟件的接口設計合理

2.2 體系結構與流程

系統設計信息融合功能為兩種方式，其一為利用測控系統已處理的航跡信息；其二為直接對傳送至指控系統的傳感器原始量測信息進行融合處理。這兩種處理方式從結構上分別對應于多傳感器信息融合中的混合式和集中式融合結構。

從測控站傳送到指控中心處理器的航跡信息，精度和可靠性（經數據融合處理）都很高，但有約5ms的延遲，此航跡信息作為備份，采用混合式融合結構。

對于應用系統信息融合問題，主要考慮慣導、GPS、遙測、RCS測量、多部警戒雷達和航管二次雷達信息等信息源與測控站雷測信息的融合及綜合處理問題。雷測、RCS測量、遙測、GPS、慣導等信息源的數據經過統一的時間對準、坐標變換、野值剔除和降噪處理等預處理后進行數據壓縮，采用集中式融合結構。

多部警戒雷達和航管二次雷達信息數據率低，異步傳輸，它們的融合按“不同維異步信息”的數據融合方法處理，不進行時間對準也不進行野值剔除，而單獨進行數據融合處理，用以形成指揮控制全空域的環境態勢，主要擔負監視、警戒和報警任務，不參與指控系統試驗航跡的數據融合。

3 多傳感器融合算法模型

根據應用系統和融合結構的不同，融合算法模型有所不同，需要采用不同數據融合處理過程，在本系統中，融合處理系統要分析來自所有傳感器的數據，并對其進行空間與時間配準、數據關聯、航跡相關、航跡融合、航跡濾波等。主要包括多傳感器時空校準、航跡起始、點跡／航跡互聯、數據壓縮、航跡保持、機動目標跟蹤、航跡融合、建模與模型參數的設置、航跡濾波等。

3.1 多傳感器時空校準

多傳感器在時間上和空間上對準是對不同種類、不同精度、不同數據錄取率的傳感器如何在時間上和空間上對準。本系統運用“自回歸求和滑動平均模型”（ARIMA模型）進行數據的合理性連續性檢驗；運用連續濾波門限、多層次濾波結構等多項雷達情報處理技術進行合理內插外推；泰勒展開修正法修正觀測數據的時間；采用GPS信息時延彌補、不同量測坐標系轉換修正、各傳感器系統誤差修正，保證測量數據在時間上和空間上的對準。

3.2 航跡起始

當檢測到新目標出現后，需要利用新目標的量測信息起始航跡。多部警戒雷達和航管二次雷達信息作為一個相對獨立的單元單獨進行融合處理，我們稱融合后的航跡為全空域系統航跡；其它設備作為一個整體，它們的系統航跡稱為局部系統航跡。對可靠單目標型傳感器，可以利用其提供的平臺位置速度信息，直接起始航跡，并作為局部系統航跡。它們的ID號與局部系統航跡號之間在一次任務期間存在永久對應關系；對多部精測雷達，如果目標點跡不與任何已起始的局部系統航跡相關，則利用該目標的測量序列起始新航跡。

3.3 點跡／航跡互聯

點跡／航跡互聯的過程是將候選回波（跟蹤門規則的輸出）與系統航跡相比較，并最后確定正確的點跡／航跡配對的過程。主要針對多部精測雷達雷測設備的測量信息。

假設航跡在k時刻狀態估計信息為（k｜k），k＋1時刻獲得目標雷達測量信息通過坐標變換，得到目標在融合中心直角坐標系下的測量值為X（k＋1）＝［xk＋1，yk＋1，zk＋1］。首先，利用k時刻目標狀態估計信息預測其k＋1時刻目標狀態信息：

如果下面公式成立：

則認為雷達的測量信息與該航跡互聯，否則，判定該點跡信息不屬于此條航跡。（根據以往的實踐經驗，n的取值可控制在3～5）。

3.4 數據壓縮

在本系統應用中采用集中式多傳感器融合方法需要將多傳感器數據組合成類似單傳感器的數據進行處理。假設同一目標同一時刻的定位信息源有：，相應的量測誤差為：

3.5 航跡維持

航跡維持，又稱為航跡濾波，主要是指如何保持對目標進行連續的跟蹤，而不丟失目標。這里采用Kalman濾波方法。

設目標量測信息經數據壓縮和坐標轉換后，在直角坐標系中表示Z（k）＝ ［xyz］′。由于導彈目標和其它目標起始系統航跡所建立的系統狀態方程不一致，因此，導彈目標的狀態向量表示為z¨］，其它目標狀態向量表示為

其中x、y、z分別為目標在直角坐標系下的X軸、Y軸和Z軸的位置。假設在k時刻系統航跡的估計和狀態協方差分別為（k｜k）、P（k｜k）；在k＋1時刻獲得與該航跡相關的量測為Z（k＋1），則通過以下步驟獲得航跡在k＋1時刻的狀態估計和狀態協方差：

其中（k＋1｜k）為狀態的一步預測；P（k＋1｜k）為一步預測協方差；（k＋1｜k）為預測量測；S（k＋1）為量測預測協方差；W（k＋1）為濾波增益。

3.6 機動目標跟蹤

當目標發生機動時，需要采取相應的措施以使系統能夠正確跟蹤該目標。目標機動處理方法采用可調白噪聲方法。

首先，系統需要對目標是否機動進行檢測。簡單的檢測方法是基于歸一化的新息平方：

當εv（k＋1）超過某門限時，則判定目標發生了機動。對于不同的目標，其門限的大小是不一樣的。因此，門限選取也需要根據設備的實測數據，進行大量的仿真才可以最終確定。門限的選取原則主要根據目標可能的最大機動指標來確定。

目標的機動處理主要是增大Kalman濾波方程中的過程噪聲協方差Q（k＋1），從而增大一步預測協方差P（k＋1｜k），增大量測預測協方差S（k＋1），直到εv（k＋1）減小到門限以下。Q（k＋1）的調整主要通過調整其中的比例系數q。

3.7 航跡融合

雷測設備的測量點跡（或測量序列）經過濾波，得到目標航跡，此目標航跡需要和可靠單目標型傳感器的航跡信息進行融合，得到最終的目標航跡信息。另一方面，當指控中心選取混合式工作方式時，也需要進行航跡／航跡融合。

1）最優航跡合成解

其中，

Pi＋1｜k）（i＝1，2）分別為來自指控中心和測控中心同一目標的狀態估計。

2）次優航跡融合解

當不考慮過程噪聲和初始條件的影響時，次優航跡融合解可表示為

3.8 建模與模型參數的設置

模型的一些參數的設置是一個難題，通過事后測量原始數據機下仿真分析，模型的一些參數的設置采用事后測量原始數據機下仿真的經驗值、人工干預調整；實時積累觀測數據對未知或不準確的系統模型參數及噪聲特性進行估計及修正，實時自適應模型參數調整，實現對不同種類、不同精度、不同數據錄取率的傳感器模型參數的自適應實時調整。

3.9 針對傳感器數據率和精度特點的數據濾波方法

結合各類測量設備的性能特點，運用多階泰勒級數擬合殘差法實現測量數據處理動態方差預估計，彌補了模型理論推導的初始狀態估計、初始狀態估計協方差矩陣和測量信息誤差方差計算公式的不足。克服了傳感器精度差異大、短時連續漏測、成片野值等問題對數據處理精度和穩定性的影響。

4 應用結論

將信息融合算法模型嵌入實時并行計算數據處理系統中，用于指揮控制系統多傳感器多目標探測信息的互補，實現了指控系統多測量設備信息的融合，提高了目標跟蹤的信息質量和目標探測的精度，為指揮員提供高質量和高可靠度的合同訓練和試驗的環境態勢，有效保證了目標點跡（航跡）的實時性、準確性、連續性、平滑性，為航空武器試驗的邊界條件產生、指揮員的決策提供直觀顯示和可靠依據，使指揮控制界面態勢清晰、便于指揮決策、便于安全控制，解決了由于多傳感器跟蹤同一目標時，因各傳感器精度、數據采樣率不同而造成的航跡混亂的現象；解決了飛機編隊起飛、大空域機動、空中編隊和交叉飛行等復雜狀態下的跟蹤和態勢顯示問題；解決了指測控數據引導困難、難以實現多目標跟蹤及不同試驗訓練任務同場次進行的問題。

將本系統推廣到現代化的軍事指揮控制系統，以信息融合為核心保證數據配批解算、設備引導平滑、穩定、連續、準確，對提高軍事指揮控制系統自動化程度和可靠性具有重要意義，同時也是半實物仿真、戰術對抗評估等任務的前期基礎性工作。應用信息融合技術可大大提高作戰指揮系統的性能，經適當改造，可推廣用于其它合作環境下的多目標跟蹤系統（如空中交通管制）和非合作環境下的多目標跟蹤系統（如防空監視與預警）中。

［1］康耀紅.數據融合理論與應用［M］.西安：電子科技大學出版社，1997.

［2］何友，王國宏，彭應寧，等.多傳感器信息融合及應用［M］.北京：電子工業出版社，2000.

［3］汪叔華.最優濾波與應用［M］.南京：航空航天大學出版社，1998.

［4］何友，陸大琻，彭應寧.多傳感器數據融合算法綜述［J］.火力與指揮控制，1996（21）：14－16.

［5］白欣，宋博，左繼章，等.高可用性冗余實時集群系統的設計與構建［J］.計算機工程，2004（30）：25－26.

［6］黃曉斌，張燕.雷達數據處理中觀測數據坐標變換補償方法分析［J］.空軍雷達學院學報，2010（01）：15－21.

［7］何友，關欣，王國宏.多傳感器信息融合研究進展與展望［C］.宇航學報，2005，26（4）：524－529.

［8］A.K.Singh，N.Sood.Modelling and Simulation of Multi－target Multi－sensor Data Fusion for Trajectory Tracking［J］.Defence science journal，2009，59（3）.

［9］Karim Salahshoor，Mohsen Mosallaei，Mohammadreza Bayat.Centralized and decentralized process and sensor fault monitoring using data fusion based on adaptive extended Kalman filter algorithm［J］.Measurement，2008，41（10）.

［10］Andrzej Stateczny Witold Kazimierski.A Concept of Decentralized Fusion of Maritime Radar Targets with Multisensor Kalman Filter［J］.International Radar Symposium （IRS 2010）11th，2010.