一種魚雷多目標跟蹤數據關聯方法

楊向鋒, 楊云川, 郭 磊

?

一種魚雷多目標跟蹤數據關聯方法

楊向鋒, 楊云川, 郭 磊

(中國船舶重工集團公司第705研究所, 陜西西安, 710075)

多目標跟蹤是未來魚雷發展的重要方向之一, 數據關聯是實現多目標跟蹤的基本前提。魚雷多目標跟蹤的過程表現為一個動基座時變過程, 本文利用魚雷導航定位和航行姿態參數以及魚雷檢測到的目標信息, 通過坐標變換實現觀測空間配準, 通過在統一時鐘下實時計算采樣周期實現觀測時間配準。利用目標大地坐標系3D坐標和多普勒速度構造4D坐標系, 以模糊歸一化的4D歐氏距離作為關聯法則, 提出了一種適用于魚雷多目標跟蹤的數據關聯方法, 仿真試驗證明了該方法能有效實現魚雷多目標跟蹤數據關聯, 具有一定的工程應用價值。

魚雷; 多目標跟蹤; 空間配準; 時間配準; 關聯法則

0 引言

數據關聯是多目標跟蹤中最復雜的問題之一, 是實現多目標跟蹤的基本前提。數據關聯處理的正確與否直接影響跟蹤精度與航跡質量, 錯誤的數據關聯將導致正確航跡的丟失和錯誤航跡的劇增。典型的數據關聯方法包括: “最近鄰”法、航跡分裂法、概率數據關聯法、聯合概率數據關聯法以及各種改進的次優聯合概率數據關聯法等。數據關聯經過多年的發展取得了許多成果, 但主要是應用于雷達、導彈及聲納領域, 魚雷多目標跟蹤及數據關聯方法研究目前處于起步階段, 研究成果不多。

多目標跟蹤是未來魚雷發展的重要方向之一, 其主要任務是通過對多目標的多次觀測實現對目標運動狀態軌跡及運動參數的估計。

魚雷多目標跟蹤屬于典型的“單傳感器多目標跟蹤(single-sensor multiple-target tracking, SMT)”, 其數據關聯屬于動態數據關聯中的觀測與航跡關聯, 需要將新觀測與已知目標航跡關聯, 以確定新觀測是已知目標當前航跡、新目標或者虛警。

本文主要研究主動聲自導魚雷多目標跟蹤數據關聯問題, 根據主動聲自導魚雷的多目標特點和魚雷工作特點, 提出了一種適用于工程且易于實現的數據關聯方法, 較好地實現了魚雷多目標跟蹤數據關聯。

1 問題描述

1.1 魚雷多目標特點

主動聲自導魚雷的主要打擊目標是潛艇, 潛艇作戰一般是單艇隱蔽作戰, 很少出現多艘潛艇編隊的情況。潛艇一般都裝備多種對抗魚雷的干擾器材, 包括懸浮式聲誘餌、自航式聲誘餌、自航或拖曳式尺度聲誘餌等。潛艇受到魚雷攻擊時, 在機動規避的同時會釋放各種對抗器材誘騙、干擾魚雷, 消耗魚雷航程達到逃生的目的, 因此魚雷攻擊潛艇時會出現潛艇與各種對抗器材共存的現象, 在一定時間及空間范圍內表現為多目標。潛艇在發現來襲魚雷時, 布放或釋放完對抗器材后, 會進行機動規避, 到達安全距離后對抗器材才開機工作, 因此魚雷面對的多目標在空間上是“稀疏”的, 而且各種對抗器材與潛艇一般向不同方向運動, 不會出現航跡交叉現象。

1.2 魚雷工作特點

主動聲自導魚雷通過發射聲信號并接收目標反射信號(對抗器材模擬的反射信號)對目標進行檢測和參量估計, 獲得目標相對的空間信息后進行彈道機動, 實施目標跟蹤。由此可見, 作為“傳感器”的魚雷一直處于高速機動狀態。在作戰過程中, 魚雷高速機動, 目標同時也處于運動中, 魚雷與目標的相對位置不斷變化, 魚雷會根據與目標的距離實時調整探測波形和檢測周期, 同時魚雷進行彈道機動時需要一定的時間實現, 最終導致魚雷的觀測周期處于變化之中。綜合以上兩方面的因素, 魚雷跟蹤目標的過程表現為一個動基座時變過程。

1.3 魚雷觀測的空間配準

基座運動導致魚雷的多次觀測參考系不同, 必須將多次觀測置于同一個空間坐標系才能進行數據關聯。

圖1 魚雷直角坐標系

由幾何關系知, 魚雷坐標系的坐標計算公式

定義為大地坐標系, 原點為發射點,軸垂直向上,軸為發射方向,軸垂直于平面并符合右手坐標系; 魚雷作為一個具有6自由度的剛體, 其坐標系相對于大地坐標系的位置就由6個坐標來確定, 即魚雷坐標系原點在大地坐標系中的坐標和魚雷坐標系與大地坐標系之間的3個夾角。3個角度分別表示魚雷的偏航角、俯仰角和橫滾角, 偏航角從尾部看向左為正, 俯仰角從尾部看向上為正, 橫滾角從尾部看向右為正。

魚雷坐標系與大地坐標系的旋轉關系如圖2所示。

圖2 魚雷坐標系與大地坐標系的旋轉關系

由幾何關系可知, 魚雷坐標系到大地坐標系的旋轉轉換矩陣為

(3)

1.4 魚雷觀測的時間配準

魚雷攻擊目標的過程是一個時變過程, 相鄰兩次檢測之間可能存在魚雷彈道的機動過程, 同時根據魚雷自導系統配置可能存在檢測周期調整。數據關聯需要將當前觀測值與航跡的預測值進行關聯計算, 如果使用上一次觀測時間間隔進行航跡預測, 而本次觀測時間間隔不同于上次的觀測時間間隔, 就會出現時間失配問題, 導致關聯錯誤。

魚雷自導系統可以在統一時鐘下提供每次檢測的精確時間, 觀測時間間隔可以通過相鄰兩次觀測的時間進行實時計算, 即

2 數據關聯算法

“最近鄰”法計算量少, 易于工程實現, 但是太依賴于關聯波門, 波門設計依賴于觀測誤差、觀測周期、觀測距離、目標機動性和預測誤差等, 一個合理的關聯波門并不容易獲得。概率數據關聯法適用于單目標跟蹤問題, 假設所有的回波都可能源于目標, 只是概率不同。航跡分裂法和聯合概率數據關聯法綜合考慮了落入波門內的所有點跡, 根據新點跡進行航跡分裂或計算不同排列組合的聯合概率, 其優勢在于密集多目標處理, 但是兩種方法都存在模型復雜且計算量大的特點, 難以應用于計算資源有限的魚雷。

本文根據魚雷多目標“稀疏”及不交叉的特點, 提出一種適用于魚雷多目標跟蹤數據關聯方法。

對主動聲自導魚雷而言, 除了可以獲得目標在大地坐標系的坐標以外, 還可以獲得目標的多普勒速度(多普勒頻移)。對真實目標而言, 多普勒速度反映了魚雷與目標相對速度關系。對干擾器材而言, 多普勒速度很可能是通過人工設定的方式施加到模擬反射回波中, 即使是自航式對抗器材, 其速度與真實目標也存在差異。因此短時間內同一個目標的多普勒速度具有一定的一致性, 不同目標的多普勒速度具有一定的差異性。

當多目標在空間相距較遠時, 關聯法則中起主要作用的為多目標的位置信息, 當多目標在空間相距較近或者在目標附近位置出現虛警時, 多目標位置信息出現模糊, 此時多普勒分量將有效提高數據關聯的性能, 降低錯誤關聯的可能。

獲得關聯矩陣后開始進行配對處理, 在關聯矩陣中搜索最大關聯值, 判斷, 滿足則第號航跡與第號點跡的關聯, 然后刪除關聯矩陣的第行與第列, 繼續對其他可能存在的關聯進行搜索, 直至關聯矩陣元素為空; 不滿足則說明該關聯矩陣中不存在關聯的點跡和航跡, 直接結束搜索。完成搜索后, 要進一步對未關聯成功的點跡和航跡進行處理, 未關聯成功的點跡按新目標對待, 未關聯成功的航跡進行航跡保持, 即以預測值作為觀測值進行航跡更新。

(8)

在實際工程應用中, 要對航跡數和點跡數進行限定, 對于魚雷多目標跟蹤而言, 一般取即可。點跡數達到上限時可按一定規則(如幅值)選取前10個點跡, 當航跡數達到上限時, 新目標做刪除處理。航跡連續3拍以上無關聯點跡時航跡終止。

3 仿真試驗與分析

假設魚雷總是能可靠檢測到目標及各種對抗器材, 無虛警或漏檢。仿真場景為魚雷以 20 m/s沿軸直行, 水平面(平面)內共有3個航跡無交叉的目標, 1號為懸浮式聲誘餌, 2號為潛艇, 3號為自航式聲誘餌, 目標均等效為點目標, 目標初始位置及狀態參數見表1, 其中表示多普勒速度。

表1 目標初始位置及狀態參數

仿真場景模擬了魚雷典型多目標態勢, 目標發現來襲魚雷后先在航路布放一個懸浮式聲誘餌, 一段時間后布放一個自航式聲誘餌沿原航路運動, 目標機動規避, 此時目標與2個對抗器材共存, 對魚雷而言表現為多目標。懸浮式聲誘餌多普勒為設定值為6 m/s, 目標和自航式聲誘餌多普勒為理論值。

數據樣本為理論計算值加入高斯白噪聲合成。采樣間隔為3 s加入方差為0.5 s高斯白噪聲, 模擬觀測時變; 目標坐標觀測值根據采樣間隔計算得到的理論值加入方差為10 m的高斯白噪聲, 多普勒速度加入方差為0.5 m/s的高斯白噪聲, 模擬觀測誤差。計算關聯值時取,, 數據關聯門限。仿真結果如圖3~4所示。

圖3 多目標航跡濾波結果

仿真結果表明, 3個目標經過多目標數據關聯后形成3條航跡, 關聯的航跡與點跡關聯值收斂較好, 非關聯的航跡與點跡關聯值等呈發散狀態, 二者區別明顯, 關聯門限易于選取, 數據關聯結果正確, 方法有效。

圖4 數據關聯結果

4 結束語

本文分析了主動聲自導魚雷工作特點及其多目標特點, 提出了一種適用于工程且易于實現的數據關聯方法, 首次實現了魚雷多目標跟蹤的數據關聯, 仿真試驗初步證明了該方法的有效性, 具有一定的工程應用價值。本文是對魚雷多目標跟蹤數據關聯的初步探討, 為魚雷多目標跟蹤數據關聯提供了一個思路, 而實際工程中不可避免的存在虛警、漏檢等問題, 同時在航跡起始階段預測誤差較大, 因此魚雷多目標跟蹤數據關聯問題有待在實際應用中進一步研究。

[1] 權太范. 目標跟蹤新理論與技術[M]. 北京: 國防工業出版社, 2009.

[2] 湯軍, 孫偉. 彈道目標跟蹤的自適應多維分配相關算法[J]. 彈道學報, 2011, 23(2): 72-75.

Tang Jun, Sun Wei. Adaptive Multi-dimension Assignment Algorithm for Tracking Ballistic Target[J]. Journal of Ballistic, 2011, 23(2): 72-75.

[3] 康莉, 謝維信, 黃敬雄. 一種基于蟻群算法的多目標跟蹤數據關聯方法[J]. 電子學報, 2008, 36(3): 586-589.

Kang Li, Xie Wei-xin, Huang Jing-xiong. ACA Based Data Association Method for Multi-target Tracking[J]. Acta Electronica Sinica, 2008, 36(3): 586-589.

[4] 景曉軍, 陳永光. 利用目標多普勒頻率的數據融合關聯算法[J]. 系統工程與電子技術, 1999, 21(7): 66-68.

Jing Xiao-jun, Chen Yong-guang. Association Algorithm of Data Fusion Using Doppler Frequency of Targets[J]. Systems Engineering and Electronics, 1999, 21(7): 66-68.

[5] Wang X Z, Musicki D, Ellem R, et al. Enhanced Multi-target Tracking with Doppler Measurements[C]//Processing of Information, Decision and Control, 2007: 53-58.

[6] 王潤生. 信息融合[M]. 北京: 科學出版社, 2007.

[7] 嚴衛生. 魚雷航行力學[M]. 西安: 西北工業大學出版社, 2005.

（責任編輯: 楊力軍）

A Data Association Method for Torpedo Multiple-Target Tracking

YANG Xiang-feng, YANG Yun-chuan, GUO Lei

(The 705 Research Institute, China Shipbuilding Industry Corporation, Xi′an 710075, China)

Multiple-target tracking is one of the important aims in torpedo development, while data association is a basic for the multiple-target tracking. The torpedo multiple-target tracking process registers as a time-varying process of moving base. In this paper, the parameters of localization and running attitude from torpedo navigation system, as well as the target information detected by a torpedo, are utilized to achieve spatial registration via coordinate transformation. The sampling time is calculated in real time and same clock to achieve temporal registration. The Doppler velocity and the geodetic coordinates of target are used to construct four-dimensional data association coordinates. Normalized fuzzy Euclidean-distance is taken as an association rules. So a data association method for torpedo multiple-target tracking is proposed. Simulation result shows the validity of the proposed method.

torpedo; multiple-target tracking; spatial registration; temporal registration; association rules

TJ630.34; TN911.72

A

1673-1948(2012)06-0414-05

2012-02-04;

2012-03-06.

楊向鋒(1978-), 男, 碩士, 高級工程師, 研究方向為水聲信號與信息處理, 水下目標識別, 跟蹤及水聲反對抗.