反饋信息數據融合算法在實時數據處理中的應用?

李 莉

(92941部隊96分隊,遼寧葫蘆島 125000)

0 引 言

在導彈試驗任務中,雷達主要用于測量目標的距離,光測設備主要用于測量目標的角度[1],因此在實時數據處理過程中,需要對兩種設備的測量數據進行實時融合,這樣可以充分利用雷測和光測設備的互補性,使測控系統目標跟蹤方面更智能化,提高系統的抗干擾能力.但在實際融合過程中,由于光測設備存在最佳作用距離的問題,需要對其測量數據進行實時預判,以提高測控系統的跟蹤精度[2].本文主要探討將帶反饋信息的數據融合算法應用于實時數據處理中光測數據的預判,其融合原理如圖1所示.

圖1 帶反饋信息的數據融合算法Fig.1 Feedback information with data fusion algorithm

該方法首先把濾波后的光測數據進行異步數據融合處理,使其與濾波后雷測數據在時間上達到同步,然后再進行一步數據融合,并將一步融合獲得的預測估計及其協方差陣作為下一步光測數據的預判依據,如果光測數據偏離該依據,并超過設定的誤差限,則此步光測數據將被剔除,從而實現對光測設備最佳測量數據的自動篩選和準確融合.

1 帶反饋信息的同步融合算法

對于同步后的雷測數據和光測數據,采用帶反饋信息的融合算法進行同步融合[3].設目標狀態方程為

式中:V(k)是零均值高斯白噪聲的過程噪聲,協方差陣為Q(k);G(k)為輸入矩陣.

雷測和光測數據的測量方程為[4]

式中:W(k)為零均值高斯白噪聲,且相互獨立;Ri(k)是協方差矩陣,假設V(k)與W(k)相互獨立,且有

假定雷測為1,光測為2.

1.1 無反饋信息雷測設備局部狀態估計

在無反饋信息雷測設備局部狀態估計中,目標狀態可以完全由雷測設備獲取[5],假設數據處理中心的全局狀態與雷測設備獲得的目標狀態向量一致,則無反饋信息雷測設備的局部狀態估計為

式中:

1.2 引入反饋數據信息的光測設備目標局部狀態估計

由于光測設備一般僅用于獲得目標的角度信息,且存在最佳作用距離的問題[6],所以光測設備的局部估計必然會存在系統的動態誤差.如果在數據融合處理過程中,將第一步雷測設備數據融合獲得的目標距離狀態估計和協方差作為光測數據的預判依據,自動篩選最佳的光測數據進行數據同步融合,可以提高光測設備的跟蹤精度.同時,在數據融合過程中解決數據融合處理中心采用的全局狀態空間和光測設備使用的局部目標狀態空間的轉換問題[7],有效的方法是引入空間轉移矩陣T,實現全局狀態向量向局部狀態向量轉換,其公式如下

式中:

式中:^XF(k|k)為k時刻全局狀態估計;^XF(k|k-1)為k時刻一步預測狀態估計;PF(k|k)為k時刻協方差矩陣;PF(k|k-1)為k時刻預測協方差矩陣.

1.3 數據融合獲得的狀態估計

對雷測設備和光測設備跟蹤測量得到的目標的狀態軌跡數據進行融合處理,得到目標的融合航跡[9].這里設

則光測設備的局部估計在融合中心融合得到的全局最優估計為

式中:

根據公式(16)可以在數據融合處理中心獲得跟蹤目標的最佳狀態估計[10].

2 試驗驗證

在仿真實驗中,目標的初始位置為(2 km,1.5 km),初始速度為(350 m/s,250 m/s),雷達掃描周期為T=2 s,光測設備的測量誤差的均方差:σα=0.037 rad,σe=0.025 rad,雷測設備的測量誤差的均方差

公式(16)計算獲得目標最佳狀態估計的誤差如圖2和圖3所示.

圖2 y軸位置的均方差Fig.2 y-axis location of the MSE

圖3 x軸位置的均方差Fig.3 x-axis location of the MSE

仿真表明:將一步目標狀態預估計信息反饋給光測設備作為預判量,可有效改善光測設備的跟蹤性能.同時,在數據融合處理中心對光測設備的測量數據進行修正,可有效提高目標狀態的估計精度.

3 結 論

通過分析和仿真驗證:帶反饋信息的數據融合算法可以預判光測設備的最佳數據范圍,減小光測設備的局部目標狀態跟蹤誤差,可快速對目標實施跟蹤與定位,而且數據融合獲得的目標狀態估計均方誤差遠小于單個設備局部狀態估計的均方誤差,提高了目標跟蹤精度.

[1]何友,熊偉.帶反饋分布式不同維傳感器狀態估計技術[J].宇航學報,2006,24(6):32-34.

He you,Xiong Wei.State estimation techniques for radars with different observation dimension in one distributed data fusion system with feedback information[J].Journal of Astronautics,2006,24(6):32-34.(in Chinese)

[2]關欣,何友,衣曉.帶反饋信息的純方位水下分布式融合算法[J].系統仿真學報,2003,15(7):17-19.

Guan Xin,He you,YiXiao.Bearings-only underwater distributed fusion algorithm with feedback information[J].Journalof System Simulation,2003,15(7):17-19.(in Chinese)

[3]Shetty S,Alouani A T.A multisensor tracking system with an imagebase maneuvering detector[J].IEEE Trans on Aerospace and Electronic System,1996,32(1):167-185.

[4]BlairW D,Rice T R.Asynchronous data fusion for target tracking with a multi-tasking Radar and optical sensor[J].Acquistion,Tracking and Pointing,SPIE,1991,1482:234-245.

[5]Miller K S,Leskiw D M.Nonliner estimation with radar observations[J].IEEE Transactions on Aerospace and Electronic Systems,1982,ASE-18,192-200.

[6]Lerro D,Bar-Shalom Y.Tracking with debiased consistent converte measurements versus EKF[J].IEEE Transactions on Aerospace and Electronic Systems,1993,39:1015-1022.

[7]唐飛岳,吳煒,陳明剛,等.帶反饋的無線傳感器網絡實時數據融合策略[J].計算機工程與設計,2011(2):23-25.Tang Feiyue,Wu Ye,Chen Minggang,et al.Faceback realtime data aggregation strategy in WSN[J].Computer Engineering and Design,2011(2):23-25.(in Chinese)

[8]邵偉,孟秋池,龔丹丹,等.多傳感器數據融合與航跡預測[J].數學的實踐與認識,2010(15):32-34.

Shao Wei,Meng Qiuchi,Gong Dandan.et al.Date combination and track prediction by multiple sensors[J].Mathematics in Practice and Theory,2010(15):32-34.(in Chinese)

[9]劉同明,夏祖勛,解洪成.數據融合技術及其應用[M].北京:國防工業出版社,2000.

[10]Blair W D,Rice T R,McDole B S.Leastsquares approach to asynchronous data fusion[J].SP IE A cquisition,Tracking,and Pointing,1992,1697:130-139.