基于AIS的對海雷達多目標融合跟蹤方法

2018-01-08 19:54:28

雷達科學與技術 2017年2期

(中航工業雷華電子技術研究所,江蘇無錫214063)

基于AIS的對海雷達多目標融合跟蹤方法

賀豐收,繆禮鋒,陶飛翔,張存

(中航工業雷華電子技術研究所,江蘇無錫214063)

針對海面密集目標跟蹤時數據關聯難度大且跟蹤精度不高的問題,提出了一種基于船載自動識別系統(AIS)信息的雷達航跡融合方法。首先,根據AIS測量值和雷達的測量噪聲等級確定融合系數,保證融合數據的合理性;然后,使用融合后的航跡對雷達測量值作雙波門的數據關聯處理,優化數據關聯方法,提高源于目標測量值的置信度,降低虛警和雜波的影響,進一步提高航跡的穩健性和跟蹤精度;最后通過仿真和實測數據證明了所提方法的有效性和優越性。

海面密集目標跟蹤;航跡融合;AIS信息;數據關聯

0 引言

在含雜波或多目標背景條件下,數據關聯是對目標進行穩定及正確跟蹤的關鍵技術[1-3]。雷達在對海多目標跟蹤中,由于海雜波強烈以及目標密集程度高,對目標的跟蹤性能產生了較大的影響。傳統的目標跟蹤方法是依據目標的運動學特征形成航跡的,通過運動模型對目標下一時刻的位置進行遞推預判,并與當前雷達返回的測量值進行關聯。當目標較為稀疏時,往往可以獲得較為不錯的跟蹤效果,但當目標密集且雜波嚴重時,由于受雷達測角精度的限制,使得不同目標的測量值容易落入同一個目標的波門內,跟蹤效果往往不佳。鑒于此,學者們提出了許多方法來解決這個問題,主要的思路都集中于借助目標的非運動特征輔助多目標跟蹤,比較典型的有借助于目標的多普勒信息、信號幅度、一維距離像等[4-6]。由于海面目標是慢動目標,多普勒信息很難獲取;目標信號幅度的變動非常劇烈,同等大小的目標難以區分;而一維距離像也隨船只姿態的變化而大幅變化,工程實踐能力不強。

自動識別系統(Automatic Identification System,AIS)作為一種新型的助航系統,它能提供船舶的 MMSI、長度、GPS位置、航向、航速等信息[7]。現代海面監視飛機一般均已裝備AIS接收器,可接收艦船的信息。已有學者將其用于目標的輔助跟蹤,但主要將AIS的航跡與雷達航跡進行融合[8-11],并沒有將AIS信息用于雷達多目標跟蹤數據關聯內部邏輯上。故本文提出了一種基于AIS信息的對海雷達多目標融合跟蹤方法,在AIS航跡與雷達航跡融合的基礎上,用融合后的信息輔助計算關聯概率,增大相鄰目標的關聯準確率,從而提高航跡的穩健性及目標航速航向精度。

1 AIS融合基本原理

一般情況下,基于AIS的多目標航跡融合框架有AIS跟蹤器和雷達多目標跟蹤器,兩者相互獨立工作,分別形成各自的航跡,然后通過時間校準將兩種航跡外推到同一個時間點上,以便為后續航跡相關作準備。航跡間關聯一般采用M-N準則,一旦雷達航跡與AIS航跡相關上,那么兩者就可融合,從而提高航跡精度。其主要過程如圖1所示。

圖1 雷達與AIS信息融合模型

由于AIS跟蹤器可以獲得目標的MMSI,故不需要數據關聯的過程,適當地剔除部分野值后,就可以采用EKF方法,直接更新AIS航跡,同時根據目標的GPS位置[LatTLonTHT]和載機的GPS位置[LatPLonPHP],其中,LonT和LonP表示目標和載機的經度,LatT和LatP表示目標和載機的緯度,HP和HT表示載機和目標的高度,將其折算到雷達視角的極坐標參數,轉換流程如下:

1)分別將目標和載機點的GPS位置轉換到地心固定坐標系的位置PT和PP;

2)求兩個位置之間的差值P=PT-PP;

3)求載機所處位置NED坐標系與地心協定坐標系之間旋轉矩陣DCM;

4)根據位置差值P和旋轉矩陣DCM,求出目標在載機所在位置NED坐標系下的三向位置[X Y Z]T=DCM·P;

5)由三向位置X,Y,Z,計算徑向距離RAIS=地理系方位角AzAIS=tan-1(Y/Z)。

由于數據源的不同,兩種跟蹤器獲得距離和方位角的精度不一,因此如何選擇合適的系數對其進行融合,保證融合數據合理性是本文研究的重點。

雷達多目標跟蹤器對航跡更新之前首先要進行數據關聯,現階段工程實踐采用的比較先進的算法是JPDA方法,通過將有共享測量值的測量和航跡放入同一個確認矩陣中,通過以下兩個假設條件進行約束:

1)每個測量值均有唯一的源;

2)對于給定的目標,最多有一個量測以其為源。

拆分確認矩陣,形成多種可能的可行事件,最終根據多種可行事件計算測量值源于目標的聯合概率。由于只有一種可行事件是正確的,因此這種方法本質上將不屬于目標的測量值,也以一定的概率關聯到航跡上,一旦有多個測量落入到航跡的波門內,那么跟蹤精度肯定會受影響,甚至會失跟。而這類問題主要是由雷達的測量精度引起的,若在關聯過程將精度更高的AIS信息用于輔助關聯,將極大提高雷達的總體跟蹤性能。

本文將在下節重點討論兩個問題:一是AIS航跡與雷達航跡的融合;二是AIS信息如何用于輔助多目標數據關聯與修正更新。至于時間校準和航跡間的關聯已有大量學者進行深入研究,本文不再贅述。

2 基于AIS的關聯概率融合和更新方法

2.1 航跡融合算法

由于AIS的位置信息是由GPS獲取的經緯度信息,其噪聲分布可以分解到北向位置和東向位置上,分別為北向噪聲標準差σN和東向噪聲標準差σE。而雷達的位置信息是在極坐標系下獲得的,其測量噪聲分為徑向距離噪聲σR和方位噪聲σAz。要對這兩項不同噪聲系數的數據進行融合,其核心要將噪聲轉換到同一坐標系下,再進行歸一化處理。

如圖2所示,將GPS的測量精度轉換到雷達極坐標系中,已知目標在雷達中所處的地理系方位角為θAz,徑向距離為R。

圖2 噪聲分布示意圖

根據坐標旋轉準則,可得AIS數據在雷達測量極坐標系中的噪聲標準差,其中徑向的標準差為

方位向的標準差σGPS_Az為

通過上述方法可以得到AIS測量值在雷達測量系中的噪聲水平ωAIS_R,ωAIS_Az,并對其與雷達的測量噪聲進行歸一化處理,得到在雷達系的歸一化加權系數ωRadar_R,ωRadar_Az:

式中,ωRadar_R+ωAIS_R=1,ωRadar_Az+ωAIS_Az=1。最終的融合輸出為

2.2 輔助關聯與更新

通過航跡關聯算法將AIS航跡與雷達航跡關聯后,可以使用AIS航跡的波門對已關聯上的雷達航跡進行二次關聯概率計算,如圖3所示,虛線表示雷達航跡,其預測中心為PR,關聯波門為GR;實線表示AIS航跡,其預測中心為PA,關聯波門為GA,Z1和Z2為雷達的測量值。

定義統計距離d=vTS-1v,其中,v為測量值與航跡預測中心的殘差矢量;S=HP HT+R為信息協方差;H為測量矩陣,P為預測協方差陣,R為測量噪聲矩陣。由于AIS航跡和雷達航跡分別采用獨立濾波器進行估計,故以下標形式區分。

圖3 輔助關聯示意圖

首先在雷達目標跟蹤時,通過計算量測與航跡統計距離dR,并將其與關聯波門GR比較,若量測值落入波門內,即dR≤GR,則計算量測值與航跡的似然概率pR為

否則,似然概率為0。然后將所有與雷達航跡關聯上的測量值,即似然概率大于0的測量值,與航跡相關聯上的AIS航跡作二次匹配,即計算雷達測量值在AIS航跡中的統計距離dA,并與AIS波門GA進行比較,若dA≤GA,則表明測量值屬于雷達航跡的可能性更高,應該提高此測量值的置信度,而對于沒有落入AIS航跡波門內的測量值則降低其置信度,盡可能減少由于雜波、虛警以及源于其他目標的測量值對航跡的影響。因此,似然概率的修正公式如下:

式中,k1≥1,k2＜1。然后將修正的關聯概率用于形成JPDA確認矩陣,若存在i條航跡和j個測量值,那么第j個測量與第i個航跡修正后的似然概率表示為形成(i+1,j)維確認矩陣。按照JPDA方法的一般流程生成多個聯合事件θi,并計算聯合事件概率P{θi|Z}。最終利用此概率計算出歸一化后的量測和航跡的互聯概率,并對航跡進行濾波更新。

此時,由于融合后誤差明顯減小,因此對于雷達目標跟蹤濾波器而言,必須對其濾波協方差進行壓縮,與當前的精度等級相匹配,以便獲得更好的后繼關聯效果。

修改的權值取距離和方位歸一化之后的中值,即

因此,融合之后的協方差修正值為

通過上述融合與修正方法,可有效提高航跡的跟蹤質量。

3 仿真與實測數據分析

為驗證本文所提方法的有效性和優越性,本文從仿真數據和實測數據兩個方面進行詳細分析和說明。

3.1 仿真數據分析

當某型雷達對海面目標跟蹤時,雷達采用TWS掃描,掃描范圍為360°,掃描速率為30°/s。目標掃描周期為12 s一次。考慮到檢測概率,實際目標數據率要更低。假設目標數據率為15 s,測距精度為30 m,方位角測角精度為0.5°,目標船航速為10 m/s,k1=1.2,k2=0.8,GR=8,GR=6。

為了驗證AIS輔助數據關聯的作用,這里仿真實現了3個平行運動的船只。其真實運動軌跡如圖4所示,載機固定在坐標原點。

圖4 目標運動軌跡實際值

從圖4可以看出,3個目標平行運動,且間距較小,因而對數據關聯的要求很高。仿真的數據關聯方法采用JPDA關聯方法。比較JPDA和JPDA+AIS兩種方法的關聯性能和跟蹤精度,分別如圖5所示。

從仿真結果可以看出,單純采用JPDA關聯方法,在目標間距較小時,數據關聯錯誤率較高,導致航跡出現串擾,航跡的位置精度也較低。但采用本文提出的方法關聯后,通過利用AIS航跡的角度信息修正航跡的角度狀態,航跡不易被錯誤測量拉偏,即使被小幅拉偏后也能及時被修正回來。因此本文提出的方法在目標間距較小時能夠實現目標的正確關聯和穩定跟蹤。

圖5 仿真結果示意圖

3.2 實測數據分析

1)提高關聯準確率

上述仿真實驗驗證了本文方法的有效性,現借助于某實驗平臺采集的數據,進一步驗證本文所提方法的優越性。兩個目標的態勢如圖6所示,其中一個目標由南向北運動,另一個目標由北向南運動。雷達位置固定在某點,其他參數設置與仿真環境一致。

圖6 目標運動態勢圖

當兩個目標運動到某一個位置時,兩目標會靠得比較近,這會對數據關聯帶來一定的壓力,容易使目標跟偏。這種情況下,利用AIS信息可以很好地解決此類典型問題。跟蹤結果如圖7所示,跟蹤結果轉換到以載機為原點的極坐標系中。原始方法是指沒有采用AIS信息的跟蹤方法,從圖中可以看出,兩個目標相交時,原始方法中的兩條航跡明顯出現串擾。這主要是由于密集目標的回波CFAR測量值作波束內相關時,小角度合并出現了問題,因此波束內相關后會出現將測量值合并到中心的情況,容易造成航跡串擾。但將AIS信息引入后,兩個目標的航行路徑已明顯區分,因此通過AIS航跡將雷達航跡進行糾正后,可以有效阻止雷達航跡與測量值進行誤相關,航跡的串擾現象得以消除。這說明AIS可以用于輔助雷達多目標跟蹤中的數據關聯。

圖7 跟蹤效果對比圖

2)提高航速航向精度

為驗證本文方法提高了航速航向精度,選取其中某單一航跡場景進行說明,數據同樣來自于岸基試驗。圖8所示的目標為一民船目標,由南向北慢速運動中,雷達同樣固定在上述位置。

圖8 跟蹤效果圖

實際跟蹤的效果圖如圖9所示,其中原始方法為單純的JPDA法,AIS輔助關聯方法即為本文所提方法。從圖中可以看出,兩種方法均能穩定跟蹤,但本文提出的方法精度顯然更高。采用AIS輔助關聯方法后,目標的航速和航向的收斂時間明顯減小,且其穩定性也比原始方法提高許多,表明了本文方法的有效性。

圖9 航速航向精度對比圖

4 結束語

本文提出了一種基于AIS信息的雷達航跡融合跟蹤方法,可有效適應海面密集目標環境下的多目標跟蹤。通過分析AIS航跡和雷達航跡的測量精度,將兩者更好地進行融合,在此基礎上,通過融合后航跡以及AIS信息設計出一種雙波門關聯準則,提高落入雙波門的測量值置信度,從而增大了源于目標的測量值的關聯概率,降低了虛警和雜波對雷達航跡的影響,有效地解決了密集回波環境中多目標跟蹤數據關聯的問題,提高了航跡穩健性和跟蹤精度,最后通過仿真和實測數據驗證了本文方法的有效性。下一步將重點研究本方法的工程化實現問題,在現有硬件的基礎上,通過軟件升級,重點解決海量AIS航跡處理復雜度的問題,提升裝備的實用性。

[1]何友,修建娟,關欣.雷達數據處理及應用[M].3版.北京:電子工業出版社,2013:120-147.

[2]張存,鄭世友,繆禮鋒,等.基于信號幅度的復雜目標新數據互聯方法[J].雷達科學與技術,2016,14(4):411-416.

[3]SONG T L,KIM H W,MUSICKI D.Iterative Joint Integrated Probabilistic Data Association for Multitarget Tracking[J].IEEE Trans on Aerospace and Electronic Systems,2015,51(1):642-653.

[4]YU Juan,WEI Shaoming,WANG Jun.Data Association Method Comparison with Amplitude Information[C].IET International Radar Conference,Xi’an:IET,2013:1-4.

[5]占榮輝,張軍.特征輔助數據關聯研究綜述[J].系統工程與電子技術,2011,33(1):35-41.

[6]王云奇,孔令講,易偉,等.一種耦合檢測和JPDA濾波的多目標跟蹤算法[J].雷達科學與技術,2014,12(2):143-148.

[7]船載自動識別系統(AIS)技術要求:GB/T20068-2006[S].北京:中國標準出版社,2006.

[8]汪洋,羅軍.五種常用航跡關聯算法在AIS與岸對海警戒雷達航跡關聯中的仿真分析[J].論證與研究,2010(3):23-26.

[9]田威,王鉞,山秀明,等.穩健的聯合航跡關聯與系統誤差估計[J].清華大學學報(自然科學版),2013,53(7):946-950.

[10]于海霞,付才魁,林敏.AIS與軍用雷達目標航跡整合算法研究[J].軍事交通學院學報,2009,11(5):91-94.

[11]關勁.基于模糊理論的雷達/AIS目標數據融合方法[J].艦船科學技術,2010,32(9):67-71.

A Method of Multi-Target Fusion and Tracking for Sea Surveillance Radar Based on AIS

HE Fengshou,MIAO Lifeng,TAO Feixiang,ZHANG Cun
(AVIC Leihua Electronic Technology Research Institute,Wuxi214063,China)

For the great difficulty of data association and low tracking accuracy in the intensive target tracking of sea surface,a track fusion method based on automatic identification system(AIS)information is proposed in this paper.Firstly,the fusion coefficients are calculated according to the measured value of AIS and the measurement noise level of radar,which can ensure rationality of fusion data.Then the data association of double gates is made by use of the fusion track for the measured value of radar,which can optimize the data association method,improve the confidence level of target measurement value,and reduce the influences of false alarm and clutter.Thus,the track robustness and the tracking accuracy are improved.Finally,the validity and superiority of the method is proved by simulation data and actual measurement data.

dense sea target tracking;track fusion;AISinformation;data association

TN953;TN957

1672-2337(2017)02-0153-06

10.3969/j.issn.1672-2337.2017.02.008

2016-08-29;

2016-11-07

航空基金(No.2014ZC07003);中航工業技術創新基金(No.2014D60720R)